LLMO・GEO の研究論文と民間調査/引用・出典選択

研究論文

引用の選択から、引用の吸収へ:複数のAI検索をまたいだGEOの測定枠組み

原題:From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms

著者は Zhang Kai, He Xinyue, Yao Jingang。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:2604.25707)

論文が報告した結果

生成検索では、見つかること、出典として引用されること、答えに実際に吸収されることは別だ、として、検索が起動して出典を選ぶ段階と、引用ページが言語・証拠・構造・事実として答えに寄与する段階を分ける枠組みを提案している。

公開データ geo-citation-lab は、ChatGPT、Google AI Overview / Gemini、Perplexity に対する統制プロンプト602、有効な検索層の引用21,143、引用単位の特徴23,745、取得できたページ18,151、抽出特徴72を含む。記述の中心は、引用の広さと深さが分かれることである。Perplexity と Google は平均してより多くの出典を引き、ChatGPT は出典が少ない一方、取得ページの中での平均的な引用の影響力はより高い、とされる。

ChatGPT を調べた論文Gemini を調べた論文Google AI Overviews を調べた論文Perplexity を調べた論文

調査の条件

論文が調べたこと
引用の選択から、引用が回答に吸収されるまでを測る枠組みの提案
調べた対象の AI
ChatGPT、Gemini、Google AI Overviews、Perplexity
調べたモデル
原文に記載なし
回答データの取り方
公開データセット geo-citation-lab に基づく分析(統制プロンプトと取得ページ。要旨)
調査の規模
プロンプト602、検索層の引用21,143、取得ページ18,151(要旨)
数字が載っている場所
要旨(602プロンプト、引用21,143、ページ18,151、特徴72)

結果を読むときの注意

v2(最終改訂 2026-04-29。著者情報の更新)。影響力の高いページはより長く、構造があり、意味が合い、定義や数値、比較、手順などの取り出せる証拠が豊富、という観察である。因果実験ではなく、測定枠組みと記述統計である。

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。

「引用・出典選択」を調べたほかの論文