LLMO・GEO の研究論文と民間調査/GEO手法・効果検証
研究論文
IntentGEO:意図を意識した、推薦向け生成エンジン最適化
原題:IntentGEO: Intent-aware Generative Engine Optimization for Recommendation
著者は Runlin Lei, Shiqi Zhang, Xiaokui Xiao, Zhewei Wei。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:2611.04225)論文が報告した結果
既存のGEOは、一般的な質問の下で見え方を上げることが多いが、同じ商品説明でも利用者の意図(どれだけ具体か、どの決定段階か)で見え方の伸びが変わる、として IntentGEO を定式化している。
既存手法の伸びは意図でばらつき、学習ベースの手法もある、とされる。評価は C-SEO Bench の Books、Retail、Videogames と Ragdoll の4データ、比較モデルに Gemini 2.5 Flash-Lite と Qwen3-30B-A3B の記載がある(本文)。
調査の条件
- 論文が調べたこと
- 意図を踏まえた推薦向けGEO(IntentGEO)
- 調べた対象の AI
- Gemini、公開モデル
- 調べたモデル
- Gemini 2.5 Flash-Lite/Qwen3-30B-A3B
- 回答データの取り方
- C-SEO Bench 等のデータセット上のオフライン実験(本文)
- 調査の規模
- 4データセット(Books、Retail、Videogames、Ragdoll)。クエリ構成は C-SEO Bench のテンプレートに従う(本文)
- 数字が載っている場所
- データセット名は本文。モデル名(Gemini 2.5 Flash-Lite、Qwen3-30B-A3B)は本文。可視性の伸び(Δ Pass@5 等)は本文 Table 5
結果を読むときの注意
推薦シナリオでの書き換え効果の評価であり、ライブの商用検索そのものではない。元の質問は C-SEO Bench のトピック型テンプレートに従う。設定の詳細は付録 G、とされる。
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。
「GEO手法・効果検証」を調べたほかの論文
- 2026年11月Shopify における生成検索と推薦
- 2026年10月GEOの伸びは、ライブのウェブでも残るか:LIVE-GEO による野外評価
- 2026年10月GLOBE:生成検索向けの電子商取引で、構造化したエージェント記憶を育てる
- 2026年8月クエリを暗示する生成エンジン最適化