LLMO・GEO の研究論文と民間調査/GEO手法・効果検証

研究論文

AI答えエンジンの引用行動:GEO-16枠組みの実証分析

原題:AI Answer Engine Citation Behavior An Empirical Analysis of the GEO16 Framework

著者は Arlen Kumar, Leanid Palkhouski。に arXiv へ投稿されました。日本語の題名は、ガーオンによる仮の訳です。

論文の原文を arXiv で読む(arXiv:2509.10762)

論文が報告した結果

AI答えエンジンが答えを生成し、ウェブ出典を引用するとき、ページ上の質の信号を16の柱の帯得点と、0から1の正規化得点Gに変える枠組み GEO-16 を導入している。

商品意図のプロンプト70について、Brave Summary、Google AI Overviews、Perplexity の3エンジンから引用1,702件を集め、固有URL 1,100を調べた。このコーパスでは、エンジンによって引用ページのGEO質が違い、メタデータと鮮度、セマンティックHTML、構造化データに関する柱が引用と最も強く関連した、とされる。ドメインでクラスタした標準誤差のロジスティックモデルでは、ページ全体の質は引用の強い予測因子で、たとえばGが0.70以上かつ柱の当たりが12以上、といった操作点は、このデータでは引用率の高さと揃った、と報告している。

Google AI Overviews を調べた論文Perplexity を調べた論文研究用の独自システム を調べた論文

調査の条件

論文が調べたこと
GEO16フレームワークに沿ったAI回答エンジンの引用行動
調べた対象の AI
Google AI Overviews、Perplexity、研究用の独自システム
調べたモデル
Brave Summary/Google AI Overviews/Perplexity
回答データの取り方
3エンジンからの引用の観察と、引用URLのページ品質の採点(要旨。英語のB2B SaaS)
調査の規模
プロンプト70、引用1,702、固有URL 1,100(要旨)
数字が載っている場所
要旨(70プロンプト、引用1,702、URL 1,100、3エンジン、例: G≥0.70かつ柱12以上)

結果を読むときの注意

観察研究である。英語のB2B SaaSページに焦点があり、妥当性への脅威と再現の留意を著者自身が書いている。因果効果ではない。

上の要約は、株式会社ガーオンが生成AIを使って作成しました。最終更新は2026年11月19日です。正確な内容は、論文の原文で確認してください。

「GEO手法・効果検証」を調べたほかの論文