GEO対策とは？生成エンジン最適化とSEOの違い、進め方を解説

ChatGPTに製品の比較を入力すると、回答の下に出典のリンクが並びます。Google検索でも、リンクの一覧より先にAI Overviews（＝検索結果の上に出るAIの要約）が出ます。

この回答の中で自社のページが出典として示される度合いを上げる取り組みが、GEO対策です。GEOはGoogleやOpenAIが定めた規格ではなく、2023年11月にarXivへ投稿された学術論文が名付けた語です。

この記事では、GEOの定義とSEOとの違いから、論文が試した9つの手法の数値、各社のクローラーの違い、公式の計測の手段と始め方までをご紹介します。

1. GEO（Generative Engine Optimization）の定義

GEOは、Generative Engine Optimization（生成エンジン最適化）の頭文字を取った略語です。生成エンジン（＝検索で集めたページをもとに、生成AIが回答の文章を作る仕組み）の回答の中で、自社のページの可視性（＝回答の中でどれだけ目に触れるか）を上げるための考え方を指します。原典論文が可視性として測ったのは、回答の中でその出典を示している文の語数と、生成AIに採点させた印象の2つです。

図1：GEOという語を名付けたのはGoogleでも生成AIの各社でもなく、2023年にarXivへ投稿された1本の論文である。

拡大

図1：GEOという語を名付けたのはGoogleでも生成AIの各社でもなく、2023年にarXivへ投稿された1本の論文である。

閉じる

この記事では、この考え方にもとづいて、生成AIの回答に自社のページが出典として示されるようにページや発信を見直す取り組みを、GEO対策と呼びます。考え方そのものを指すときはGEO、取り組みを指すときはGEO対策と書き分けます。

GEOという語の出どころは、2023年11月16日にarXiv（＝研究者が論文を査読の前に公開するサイト）へ投稿され、2024年8月にデータマイニングの国際会議ACM SIGKDD（KDD 2024）で発表された論文です。著者は6名で、arXivに置かれた最新版は2024年6月28日の第3版です。

原典論文は、GEOより先に生成エンジンを定義しています。生成エンジンは、クエリ（＝検索のために入力する問いや語）の言い換えや要約といった役目ごとの生成モデルの集まりと、クエリを受けて出典の集合を返す検索エンジンの、2つの部品でできているという定義です。

そのうえで原典論文は、GEOを、コンテンツの作り手が生成エンジンの回答の中での可視性を上げることを助ける、新しい考え方だと定義しています。

原典論文は、GEOの手法を「もとのウェブページの内容を、書き換えたあとの内容へ移す関数」として数式で定義しています。つまりGEOの手法が指すのは、自社のページの文章を書き換える作業そのものです。生成エンジンの中の仕組みは外から見えないので、論文はページという入力を変えて、回答という出力がどう変わるかを測っています。

なおGEOという語は、Geography（地理）の略として、位置情報や地域を指す場面でも使われます。地図や店舗の検索結果に向けた取り組みはMEO（＝Googleマップなど地図の検索結果で上位に出るための取り組み）と呼ばれ、この記事のGEOとは別のものです。地図の検索結果についてはMEO対策の進め方で解説しています。

2. GEOとSEOの違いと共通点

GEOとSEO（＝検索エンジンの結果で上位に出るための取り組み）の違いは、最適化の対象です。SEOが検索結果の一覧での順位を狙うのに対し、GEOは生成エンジンの回答の中での可視性を狙います。ただしGoogle検索に限れば、取り組む内容は大きく変わりません。GEOとSEOの関係について、原典論文とGoogleは食い違うことを書いています。

図2：論文は従来のSEOの手法が生成エンジンには当てはまらないと書き、Googleは、Google検索の立場では生成AI検索への最適化もSEOだと書いている。

拡大

図2：論文は従来のSEOの手法が生成エンジンには当てはまらないと書き、Googleは、Google検索の立場では生成AI検索への最適化もSEOだと書いている。

閉じる

原典論文は、生成エンジンの中の生成モデルが単純なキーワードの一致だけで出典を読んでいるわけではないので、従来のSEOの手法は当てはまらないと書いています。論文が関連研究を述べた節の原文は、次の1文です。

Since GEO is optimized against a generative model not limited to simple keyword matching, traditional SEO strategies will not apply to Generative Engine settings, highlighting the need for GEO.

出典：GEO: Generative Engine Optimization（arXiv:2311.09735 第3版・2026年9月19日時点）（新しいタブで開く）

一方でGoogleは、2026年5月15日に公式ガイド「Optimizing your website for generative AI features on Google Search」を告知しました。このガイドはGEOという語を名指しし、Google検索の立場ではそれもSEOであると書いています。

From Google Search's perspective, optimizing for generative AI search is optimizing for the search experience, and thus still SEO.

出典：Google検索セントラル「Optimizing your website for generative AI features on Google Search」（2026年9月19日時点）（新しいタブで開く）

Googleが挙げる理由は、Google検索の生成AI機能が、検索のランキングと品質を評価する中核の仕組みの上に作られていることです。同じ公式ガイドは、この理由から、SEOのベストプラクティスは生成AI機能にも引き続き当てはまると書いています。

Google AIモードは、Google検索の中でAIが作った回答を返すモードです。Googleの公式ドキュメント「AI features and your website」も、AI OverviewsやGoogle AIモードに出るための追加の要件や特別な最適化は無いとしています。この記事では、以降をAIモードと書きます。

ただし同じドキュメントは、前提を1つ置いています。AI OverviewsやAIモードに支えとなるリンクとして出るには、ページがGoogle検索にインデックス（＝検索エンジンがページを登録すること）されていることが要ります。そのうえで、スニペット（＝検索結果でページの題名の下に出る説明文）付きで検索結果に出せる状態であることが要ります。追加の技術的な要件は無い、という書き方です。

原典論文は、自ら挙げた制約の節で、検索エンジンのアルゴリズムは外から中の仕組みが見えないため、GEOの手法が検索順位へ与える影響は評価していないと書いています。同じ節で論文は、GEOの手法は本文を変えるだけでドメイン名や他のサイトからのリンクには触れないので、検索順位には響きにくいという見立ても添えています。

GEOの手法で検索順位が上がるかどうかは、原典論文からは分かりません。SEOをやめてGEOに移るという読み方も、原典論文からは出てきません。

論文とGoogleのどちらが正しいかは決められませんが、狙うサービスで前提にする記述を分けられます。Google検索のAI OverviewsやAIモードを狙うなら、Googleの公式ドキュメントの記述を前提にします。ChatGPTやPerplexityを狙うなら、これらを対象にした記述はGoogleのドキュメントに無いので、論文の記述を前提にします。この切り分けを、まず自社の狙いに当ててください。

3. GEOとLLMO・AIO・AEOの関係｜実務では明確に区別されていない

GEO・LLMO・AIO・AEOの4つの略語は、どれも生成AIの回答での可視性を上げる取り組みを指して使われています。4語のどれにも、従うべき仕様として公開された規格はありません。語ごとに別々の施策が公式に定められてもいません。

図3：4つの略語が指す範囲は大きく重なっている。どの語を使うかより、その助言にどんな根拠が添えられているかを見ることになる。

拡大

図3：4つの略語が指す範囲は大きく重なっている。どの語を使うかより、その助言にどんな根拠が添えられているかを見ることになる。

閉じる

公式の文書で定義されているのはGEOです。原典論文の定義に加えて、Microsoftも2026年2月12日のBing Search Blogで、GEOを、コンテンツがAIを使った体験にどう関わっているかを理解する取り組みと定義しています。

AEOについては、Googleの公式ガイドがanswer engine optimizationの略だと説明するだけで、Google自身の定義は示していません。LLMO（Large Language Model Optimization）とAIO（AI Optimization）は、Google・OpenAI・Anthropic・Microsoftの公式ドキュメントに定義の記載がありません。

どの語で呼ばれているかより、外部から受けた助言にどんな根拠が添えられているかを見ます。Googleの公式ガイドも、AEOやGEOの助言やサービスを外部から受けるか検討しているなら、外部のSEOの助言を見極めるための案内を読むよう勧めています。

その案内は、見極めの要点を3つ書いています。1つ目は、良い助言は主張をデータや経験にもとづく意見だと断るか、Google検索の公式の案内を引いて裏づけている、という点です。2つ目は、Googleは外部のサービスを評価していないので、Googleが認めたという触れ込みには用心する、という点です。3つ目は、外部のツールはGoogleの内部のランキングのデータを持たず、成果を保証できない、という点です。

助言を受け取ったその場で、この3点を当ててください。主張の出どころが公式の案内か意見かを書き分けているか、Googleの公認をうたっていないか、外部のツールの数値をGoogleが出した数値のように見せていないかの3つです。

LLMOという語から調べている場合はLLMOとはで解説しています。AI検索そのものの仕組みはAI検索とは何かで、施策の全体像はAIO対策の進め方でまとめています。

4. 論文が試したGEO対策の手法と結果

原典論文は、ページの文章を書き換える9つの手法を試し、他者の発言の追加・統計の追加・出典の明記の3つで可視性が大きく伸びたと報告しています。ただし伸びの向きは、もとの検索順位によって変わります。順位ごとの結果は第5章「GEO対策を進める際の注意点」で扱います。

図4：回答の中でその出典を示している文の語数を、前に出る文ほど重く数えた値である。他者の発言の追加が最も高い。

拡大

図4：回答の中でその出典を示している文の語数を、前に出る文ほど重く数えた値である。他者の発言の追加が最も高い。

閉じる

論文が可視性を測るために定義した指標は2つあります。1つはPosition-Adjusted Word Count（＝回答の中でその出典を示している文の語数を、前に出る文ほど重く数えたもの）です。もう1つはSubjective Impression（＝関連性やクリックされる見込みなど7つの下位項目を、OpenAIの言語モデルGPT-3.5に採点させたもの）です。

Position-Adjusted Word Countが前のほうに出た文を重く数えるのは、論文によれば、回答の先頭に近い文ほど読まれやすいためです。論文は、検索結果のクリック率が順位に対してべき乗にしたがって減っていくという先行研究を根拠に挙げています。出典として示された回数とは別の値です。

論文が数値を測ったのは、GEO-bench（＝論文の著者が評価のために作ったクエリの集まり）です。GEO-benchは25の領域にまたがる10,000件のクエリでできていて、評価はそのうちテスト用に分けた1,000件すべてで行われました。1つのクエリには、Google検索で上位5件に出たページの本文が出典として添えられています。

ページの書き換えを行ったのは人ではなく大規模言語モデル（＝大量の文章で学習し、文章を作るAIのモデル）です。1つのクエリにつき5件の出典から1件だけを無作為に選んで書き換え、その1件の可視性がどう動いたかを測っています。

回答を作ったモデルはgpt-3.5-turboです。回答は1つのクエリにつき、温度（＝回答のばらつきの大きさを調整する設定値）を0.7にして5回ずつ作られています。報告されている数値は、乱数の種（＝偶然による差を均すために変える初期値）を5通りに変えて走らせた平均です。

手法どうしを比べるときに使う数字は、表1の値です。表1の値は、1つの回答の中で出典5件が可視性を分け合った取り分で、無加工の基準の19.3と比べて値が大きいほど、書き換えた出典が回答の中で多く目に触れたことを示します。

GEOの説明で見かける40%という数字は、arXivの論文ページに載る要旨の up to 40% という記述から来ています。伸びの大きかった手法の値を指していて、すべての手法で可視性が40%上がるという意味ではありません。

論文が百分率で挙げる改善率は、表1の値とは別の計算です。表1の説明文は、最良の手法が無加工の基準に対して、Position-Adjusted Word Countで41%、Subjective Impressionで28%改善したと書いています。表1でどちらの指標でも1位だったのはQuotation Additionです。

論文の本文は、Cite Sources・Quotation Addition・Statistics Additionの3つについて改善を挙げています。Position-Adjusted Word Countで30%から40%、Subjective Impressionで15%から30%です。Fluency OptimizationとEasy-to-Understandについても15%から30%の伸びを挙げていますが、どちらの指標の値かは書いていません。

これらの改善率は、論文の式4（＝出典1件ごとに、書き換えの前と後の可視性の差を書き換え前の値で割り、百分率にする式）によるものです。表1の平均値どうしの比とは計算の仕方が違うので、表1の数字からは同じ値になりません。

論文はこの結果から、生成エンジンは内容だけでなく情報の見せ方も評価しているようだと読み取っています。

論文が表1でHigh-Performingに区分した手法は7つあり、文章を権威のある調子に変えるAuthoritativeもその7つに入っています。ところが論文の本文は、Authoritativeにははっきりした改善が見られず、生成エンジンは文章の調子を変える書き換えにある程度は動じないと書いています。

High-Performingの7つからAuthoritativeを除いた6つの手法を、Subjective Impressionの値が高い順に並べると次のとおりです。この指標で並べるのは、関連性やクリックされる見込みなど7つの下位項目をまとめた値で、文の語数だけを数えるPosition-Adjusted Word Countより、読み手の受け取り方に近いためです。Cite SourcesとFluency Optimizationは、どちらも21.9で同じ値です。

• 信頼できる出典から、他者の発言を載せる（Quotation Addition）
• 定性的な記述を、可能なところで定量的な統計に置き換える（Statistics Addition）
• 信頼できる出典を本文の中で明記する（Cite Sources）
• ページの文章の流暢さを上げる（Fluency Optimization）
• 専門用語を可能なところで加える（Technical Terms）
• ページの言葉づかいを平易にする（Easy-to-Understand）

論文の表4は、書き換えの代表例を載せています。Cite Sourcesの例では、スイスのチョコレートの秘密を問うクエリで、本文に調査の出どころを示す括弧書きを1つ書き足すと、その出典の可視性が132.4%伸びました。代表例として示された1つのクエリでの値です。

論文の2.2.2節（＝9つの手法を、新しい内容が要るものと、いまある内容の見せ方を整えるだけのものに分けた節）は、キーワードの詰め込み・出典の明記・他者の発言の追加の3つを取り上げています。これらには、何らかの内容を新しく用意する必要があるかもしれないと書いています。残りの6つは、いまある内容の見せ方を整える手法で、追加の内容は要らないという分け方です。統計の追加もこの6つに入りますが、定性的な記述を統計に置き換える手法なので、使える数字が手元にあることが前提です。

5. GEO対策を進める際の注意点

GEO対策を進めるときの注意点は5つあります。出どころは、原典論文が2つ、Googleの公式ガイドが2つ、後続の研究が1つです。並ぶ順は、論文・論文・Googleの公式ガイド・後続の研究・Googleの公式ガイドです。

図5：出典の明記は検索5位のサイトで115.1%伸び、1位のサイトでは平均して30.3%下がった。手を打つ前に、いまの順位を確かめることになる。

拡大

図5：出典の明記は検索5位のサイトで115.1%伸び、1位のサイトでは平均して30.3%下がった。手を打つ前に、いまの順位を確かめることになる。

閉じる

キーワードを詰め込まない

キーワードの詰め込みは、論文の2つの指標のうちPosition-Adjusted Word Countで基準を下回りました。原典論文の表1で、無加工の基準の19.3に対し、クエリのキーワードを多く含めたKeyword Stuffingは17.7です。Subjective Impressionは20.2で、基準の19.3をわずかに上回っています。論文は、キーワードの詰め込みはSEOで広く使われているものの、生成エンジンの回答にはほとんど改善をもたらさないと結論づけています。

Position-Adjusted Word Countで基準を下回る傾向は、Perplexity.ai（＝ウェブを検索して出典付きで答える生成AIのサービス）での追試でも出ています。論文の表7は、テスト用の1,000件から抜き出した200件で、出典のテキストをファイルとして渡して答えさせた測定です。

表7で、キーワードの詰め込みのPosition-Adjusted Word Countは21.9で、基準の24.1を下回りました。論文は基準より10%悪かったと書いています。一方で表7のSubjective Impressionは28.1で、基準の24.7を上回りました。

指標のほかにも避ける理由があります。Googleのスパムに関するポリシー（＝Google検索で順位を下げる、または結果に出さない行為を定めた決まり）は、検索結果の順位を操作するためにキーワードや数字をページに詰め込む行為を、キーワードの乱用として挙げています。

狙うクエリでのいまの検索順位を先に確かめる

原典論文の表2は、1つのクエリに添えた出典をすべて同時に書き換えたときの相対的な改善率を、手法別に、もとの検索順位の1位から5位まで並べています。表2に載るのは9つの手法のうち5つで、残る4つの手法にはこの条件での値が論文に示されていません。表2に載る5つの手法はどれも、1位のページでは値がマイナスになり、5位のページではプラスになりました。

Cite Sourcesは検索5位のページで可視性が115.1%伸びた一方、1位のページでは平均して30.3%下がりました。論文は、検索の下位に出るサイトには小さな作り手や個人の事業者が作ったものが多く、従来の検索エンジンでは被リンク（＝他のサイトから張られたリンク）の数やドメインの存在感で上位に出にくいと書いています。

そのうえで論文は、生成エンジンはページの内容をもとに回答を作るので、被リンクの積み上げのような要素が小さな作り手を不利にすべきではない、と述べています。ただし表2はもとの検索順位で分けた値で、サイトの規模では分けていないので、規模ごとの差は分かりません。

表2は5件の出典をすべて同時に書き換えた条件での値で、自社のページだけを書き換えたときの順位ごとの結果は論文に示されていません。それでも、自社がすでに検索の上位にいるのか、下位から出ていきたいのかで、同じ手法でも結果の向きが変わるおそれがあります。手を打つ前に、狙うクエリでの自社のページの検索順位を確かめてください。

Googleが不要とした施策に時間を使わない

Googleは、どの施策に時間を使わなくてよいとしているのでしょうか。公式ガイドは、「AEO/GEO hacks」（＝小手先の裏技）より効果のあるSEOの取り組みを優先するよう書いています。Google検索で無視してよいとされる手口は3つです。内容のチャンク化（＝ページの内容を細かく切り分けて、AIが扱いやすい単位にすること）、llms.txt（＝AI向けにサイトの内容を案内するテキストファイル）のような不要なAIテキストファイルの作成、不自然な言及集めです。

同じガイドには、Google検索の生成AI機能に向けて「やらなくてよいこと」を集めた節があり、次の5つが挙げられています。

• llms.txtなどの、機械に読ませるためのファイルを作る
• 内容を細かく切り分ける（チャンク化）
• 生成AI向けだけに文章を書き直す
• 自然に生まれたのではない、作られた言及をウェブで集める
• 構造化データ（＝ページの内容を検索エンジンが読み取れる決まった形式で書いたもの）を過度に重く見る

llms.txtについてGoogleは、Google検索に出るためにAI向けの新しいファイルやマークアップを作る必要は無いと書いています。作ってもGoogle検索はそれを無視するので、Google検索での可視性にも順位にも害はなく、助けにもならないという説明です。Google検索だけを見て作業の優先順位を付けるなら、llms.txtは後回しにできます。

「生成AI向けだけに文章を書き直す」が要らない理由について、Googleは、AIの仕組みは同義語や、利用者が探しているものの大まかな意味を理解できるからだと説明しています。この記述は、論文が試した書き換えの手法と逆の向きに見えます。ただし論文の数値は自前の生成エンジンとPerplexity.aiでの測定で、Googleの記述はGoogle検索についてのものです。

狙うサービスで分けて考えてください。AI OverviewsやAIモードでの露出が狙いなら、Googleの公式ガイドに従います。ChatGPTやPerplexityでの露出が狙いなら、論文で伸びの大きかった手法を試し、第7章「GEO対策の効果はどう測るか」の記録の方法で直す前と後を比べます。

生成AIをだますための書き換えをしない

原典論文に続く研究も出ています。Nestaasらの論文（arXiv:2406.18382、2024年6月投稿）は、ページの文章を細工して生成AIに自社の製品を推させ、競合の評価を下げさせる手口が、BingやPerplexityの検索で通ることを示しました。同じ論文の5.1節によれば、Bingにおすすめのカメラを探させた実験で、細工したページのカメラは、細工をしていない同等の製品1つと比べて2.5倍利用者に推されやすくなりました。この倍率は、Bingで測った1つの実験の値です。

この論文は、全員が同じ手を打つと囚人のジレンマ（＝全員が仕掛ける動機を持つのに、結果として全員の得が減る状態）になり、生成エンジンの出力そのものが誰にとっても悪くなると述べています。手法を選ぶときは、読み手にとって内容が良くなるかどうかを判断の軸に置いてください。

SEOの基本の取り組みを先に固める

Googleの公式ガイドは、生成AI機能に向けても、次のようなSEOの基本の取り組みを勧めています。

• ほかに無い、価値のある内容を作る（独自の視点を示し、役に立ち、信頼でき、人を第一に考えた内容にする）
• 読み手の役に立つように内容を整理する
• 質の高い画像と動画を加える
• Google検索の技術的な要件を満たす
• クロールのベストプラクティスに従う
• 良いページエクスペリエンス（＝表示の速さや使いやすさなど、ページを見るときの体験）を用意する
• 重複した内容を減らす
• Merchant CenterやGoogleビジネスプロフィールのような製品を使う

内容の質を評価する考え方はコンテンツSEOとE-E-A-Tで、技術的な要件はAI検索のためのテクニカルSEOで解説しています。

6. GEOのために理解しておきたいプラットフォーム別のクローラー

生成エンジンを運営する各社のクローラー（＝ウェブのページを自動で集めて回るプログラム）は、役割で分けると3種類です。検索での露出を担うもの、基盤モデル（＝さまざまな用途の土台になる大規模なAIモデル）の学習のために本文を集めるもの、利用者の操作をきっかけにページを取りに来るものです。

図6：学習用のクローラーを止めても、生成AIの検索の回答から消えるわけではない。GPTBotを拒否しても、ChatGPTの検索の回答には出られる。

拡大

図6：学習用のクローラーを止めても、生成AIの検索の回答から消えるわけではない。GPTBotを拒否しても、ChatGPTの検索の回答には出られる。

閉じる

役割を取り違えてrobots.txt（＝クローラーに巡回してよい範囲を伝えるファイル）で拒否すると、止めるつもりのなかった検索での露出まで消えることがあります。クローラーの名前は各社の公式ドキュメントの綴りのままなので、robots.txtへ書くときにそのまま使えます。

OpenAIの公式ドキュメント「Bots」は、GPTBotを拒否したときとOAI-SearchBotを拒否したときに起きることを分けて書いています。GPTBotを拒否することは、サイトの内容を基盤モデルの学習に使わないでほしいという意思表示になります。OAI-SearchBotを拒否したサイトはChatGPTの検索の回答に表示されなくなり、サイトへ移動するためのリンクとしてだけ出ることがあります。

OpenAIのモデルの学習だけを止めたいならGPTBotだけを拒否し、ChatGPTの検索の回答に出したくないならOAI-SearchBotを拒否してください。OpenAIは、OAI-SearchBotを許可したままGPTBotを拒否すれば、学習には使わせずに検索の結果には出られると書いています。ChatGPT-Userは、検索に表示するかどうかの判断には使われません。

Googleは、Gemini（＝Googleの生成AI）に向けた制御にGoogle-Extendedを別に用意しています。対象の1つは、GeminiアプリやVertex AI（＝Googleのクラウドで、AIのモデルを動かしたり組み込んだりする基盤）のAPIを動かす将来のGeminiモデルの学習です。GeminiアプリとVertex AIの「Grounding with Google Search」でのグラウンディング（＝回答を作るときに検索の結果をモデルへ渡し、正しさと新しさを上げる仕組み）も対象に入ります。サイトの内容をこの2つに使わせるかどうかを、Google-Extendedで指定します。

Googleの公式ドキュメントは、Google-ExtendedがGoogle検索への掲載に影響せず、ランキングの材料にも使われないと書いています。

AI Overviews、AIモード、Discover（＝Googleのアプリなどに、検索しなくても表示されるおすすめの記事の一覧）の生成AI機能への掲載は、どうすれば止められるのでしょうか。robots.txtではなく、Search Console（＝Googleが提供するサイト管理者向けのツール）の設定を使います。設定の名前は「Search generative AI control」です。Googleは2026年8月31日に、この設定を全世界のサイトへ広げました。

Search Console ヘルプによれば、この設定が作用するのは、一部の生成AI機能に内容が表示されるかどうかだけです。検索のほかの部分のランキングや掲載の判断には、この設定は使われません。

Microsoftが生成回答での露出に使うクローラーの名前は、公式の記載を確認できていません。Bing Webmaster BlogとBing Search Blogのどの記事にも、生成回答のためにページを取りに来るクローラーの名前は書かれていません（2026年9月20日時点）。

Bingの生成回答での使われ方は、メタタグ（＝ページの情報をHTMLの中で検索エンジンへ伝える記述）のNOCACHEとNOARCHIVEで制御できます。Bingだけに指示するときは、メタタグの名前にbingbotを使います。

Microsoftは2023年9月の告知で、NOARCHIVEを付けた内容はBing Chatの回答に使われず、NOCACHEを付けた内容はURL・スニペット・題名だけが回答に出ると書いています。どちらを付けても、検索結果には残ります。

利用者の操作をきっかけにページを取りに来るクローラーは、robots.txtの扱いが会社ごとに違います。Googleは、利用者の操作で動く取得は一般にrobots.txtに従わないと書いています。Perplexityも、利用者が求めた取得なのでPerplexity-Userは一般にrobots.txtに従わないと書いています。OpenAIも、ChatGPT-Userの取得にはrobots.txtの決まりが当てはまらないことがあると書いています。

一方でAnthropicは、自社のボットがrobots.txtの指示に従うとしており、Claude-Userもその中に入っています。Anthropicは、Claude-SearchBotを拒否すると、Claudeの検索結果でのサイトの露出と正確さが下がるおそれがあるとも書いています。robots.txtの書き方はAI検索のためのテクニカルSEOにまとめています。

7. GEO対策の効果はどう測るか

生成AIの回答で自社がどれだけ出典として示されているかを測る公式の手段は、GoogleとMicrosoftが用意しています。どちらも、Search ConsoleとBing Webmaster Tools（＝Microsoftが提供するサイト管理者向けのツール）という、サイト管理者がすでに使っているツールの中にあります。ChatGPTやPerplexityでの引用は、この2つの画面には含まれません。

図7：測り方の違う数字を横に並べると、何が動いたのかが分からなくなる。まず公式の画面で自社の数字を取り、施策の前後で比べることになる。

拡大

図7：測り方の違う数字を横に並べると、何が動いたのかが分からなくなる。まず公式の画面で自社の数字を取り、施策の前後で比べることになる。

閉じる

Googleは2026年6月3日に、Search Consoleの生成AI機能のレポートを一部のサイトから提供し始めました。いまは全世界のサイトが対象です。レポートが見るのはAI OverviewsとAIモードで、Discoverの生成AI機能は別の「Generative AI performance report (Discover)」で見ます。

表示回数は、自社のサイトへのリンクがGoogle検索の生成AI機能の中で利用者に表示された回数です。ヘルプに載っている区分はページ・国・日付・デバイスの4つで、クエリごとの区分は載っていません。

Microsoftは2026年2月10日に、Bing Webmaster ToolsのAI Performanceを公開プレビュー（＝正式版の前に公開された試用版）として出しました。Microsoft CopilotやBingの生成AIによる要約などで引用された回数、引用されたURL、引用のもとになったプロンプト（＝生成AIへ入力する文）、時間による変化が見られます。Microsoftは、この画面が示すのは引用の頻度で、ページの重要度や順位、回答の中での位置ではないと書いています。

2026年6月16日には、AI Performanceに4つの機能が加わりました。1つ目はIntents（＝引用のもとになったプロンプトを、InformationalやCommercialのような意図の分類でまとめる機能）です。2つ目はTopics（＝関連するプロンプトを主題ごとにまとめる機能）です。残りはCitation ShareとCompare（＝前の期間の数字を今の画面に重ねて比べる機能）の4つです。

Citation Shareは、あるプロンプトに対して全サイトに表示された引用のうち、自社のサイトの引用が占める割合です。引用の回数だけを追うと、回答の引用全体が増えたのか、自社の引用が増えたのかを切り分けられません。引用の回数は、Citation Shareのような割合の指標と合わせて見てください。

生成AIに質問して自社が回答に出るかを記録する

ChatGPTやPerplexityでは、狙うプロンプトを実際に入力し、回答に自社の名前や出典が出るかを記録して確かめます。生成AIの回答は同じプロンプトでも変わることがあり、原典論文も1つのクエリにつき回答を5回作って測っています。

1回の確認では、同じプロンプトを複数回（論文にならうなら5回）入力し、回答ごとに次の3つを記録します。

• 回答に出典として示された自社のページのURL
• 回答の本文に自社の名前が出たかどうか
• 確かめた日付と、使ったサービスの名前

確認の間隔は、たとえば毎週同じ曜日のように決めておき、直す前と直した後でそろえます。一度の結果だけでは判断できません。

引用の状況を測る市販のツール

複数の生成AIの回答に自社がどれだけ出るかをまとめて追う、市販の計測ツールもあります。対象のAIと料金は、各社の公式サイトに次のように載っています。

製品を選ぶときに公式サイトで確かめる点は3つです。追いたい生成AIがすべて対象に入っているか、必要なプロンプトの数がプランの上限に収まるか、日本語のプロンプトと日本語の回答に対応しているかです。この3つを確かめてから、見積もりを取ってください。

8. GEO対策の始め方

GEO対策は、狙うプロンプトを決め、直す前の状態を記録し、ページを直し、同じ条件で比べる順で進めます。

1. 狙うプロンプトを決める。自社の商品やサービスを探す人が、生成AIに入力しそうな文を選びます。
2. 直す前の状態を記録する。Search Consoleの生成AI機能のレポートでは、直すページの表示回数を控えます。Bing Webmaster ToolsのAI Performanceでは、狙うプロンプトの引用の回数とCitation Shareを控えます。ChatGPTやPerplexityは、第7章「GEO対策の効果はどう測るか」の方法で回答の出典を記録します。
3. ページを直す。狙うサービスごとの分け方は、第5章「GEO対策を進める際の注意点」の「Googleが不要とした施策に時間を使わない」に書いたとおりです。読み手にとって内容が良くなるものから手を付けます。
4. 同じ条件で比べる。直したページと、同じ期間に直さなかったページを並べて、直す前と後の数字を比べます。

Search Consoleのレポートはクエリごとに分けて見られないので、ページ単位で比べます。生成AIの回答は同じプロンプトでも変わり、検索の側の更新でも数字は動きます。直さなかったページの数字を同じ期間に記録しておくと、直したことによる変化と、それ以外の変化を分けて見やすくなります。

測り方の違う数字を横に並べると、何が動いたのかが分からなくなります。まず公式の画面で自社の数字を取り、施策の前後で比べてください。

まとめ

GEOという語の出どころは、2023年11月にarXivへ投稿された論文です。論文は、他者の発言の追加・統計の追加・出典の明記で可視性が上がり、キーワードの詰め込みは2つの指標のうちPosition-Adjusted Word Countで基準を下回ったと報告しています。ただし、もとの検索順位が1位のページでは値が下がる手法もあります。

一方でGoogleは、Google検索の立場では生成AI検索に向けた最適化もSEOであるとし、llms.txtの作成やチャンク化を不要と名指ししています。狙うサービスでどちらの記述を前提にするかは、第2章「GEOとSEOの違いと共通点」で切り分けました。

次は、狙うプロンプトを1つに絞り、Search ConsoleとBing Webmaster Toolsで直す前の数字を記録してください。外部の会社に支援を頼むなら、その数字を見積もりの依頼に添えます。何をどれだけ動かしたいかを、同じ数字で話せるようになります。あわせてクローラーの3つの役割を確かめ、検索での露出を担うクローラーをrobots.txtで止めていないかを見直してください。

自社のサイトでどこから着手するか迷う場合は、お問い合わせからご相談ください。

GEO対策に関するよくある質問