プリンストン大学のGEO研究とは：統計・出典追加で可視性40%向上した理由

プリンストン大学のGEO研究とは：統計・出典追加で可視性40%向上した理由

この記事の結論: プリンストン大学・ジョージア工科大学・IIT Delhi・Allen Institute for AIの研究者らがKDD 2024で発表した論文「GEO: Generative Engine Optimization」は、生成AIの回答内での可視性を実験的に検証した初の学術研究だ。10,000件のクエリを使った実験で、コンテンツに統計データや出典を追加する手法が可視性を30〜40%押し上げることが示された。効果の大きい施策と小さい施策の差が明確に数値化されている点が、この研究の実務的な価値だ。

最終更新日: 2026年7月4日

はじめに

「AI検索対策の記事に『統計を入れると引用されやすくなる』と書いてあるが、根拠は何なのか」と疑問に思ったことはないだろうか。GEO(Generative Engine Optimization)関連の記事では「統計データの追加で可視性40%向上」という数字が頻繁に引用されるが、出典を明示せずに独り歩きしているケースも多い。

この数字の出どころは、2023年11月に公開され2024年のACM SIGKDDカンファレンス(KDD 2024)で採択された論文「GEO: Generative Engine Optimization」だ。プリンストン大学のPranjal Aggarwal氏らを筆頭著者とし、ジョージア工科大学・IIT Delhi・Allen Institute for AIの研究者が共同で執筆した。生成エンジン(ChatGPTやPerplexityのようにLLMが複数ソースを統合して回答するシステム)における最適化を学術的に定義し、実験で検証した点で画期的な研究とされている。

本稿では、この論文が実際に何を測定し、どの施策がどの程度効果的だったのかを一次情報に基づいて整理する。そのうえで、自社サイトの記事に統計・出典をどう組み込めばよいか、実践的な手順まで落とし込む。

GEO研究とは何か：論文の基本情報

「GEO」という語自体は2023年にこの論文が初めて提唱した学術用語だ。従来のSEOがGoogleなどの検索エンジンのランキングアルゴリズムを対象にするのに対し、GEOは生成AIが回答を組み立てる際に「どのソースを選び、どう扱うか」を最適化対象とする。

論文の要点は次の3つに整理できる。

• 生成エンジン(Generative Engine)という概念を定義し、既存の検索エンジンと明確に区別した
• コンテンツ側で調整可能な複数の手法を設計し、実際に生成AIへ入力して効果を測定した
• 効果を数値化するための独自の評価指標(ベンチマーク)を構築した

論文の詳細はGEO・AEO・LLMOの違いでも整理しているとおり、GEOはLLMOという広い概念の中で「学術的な裏付けを持つ下位概念」として位置づけられる。統計・引用の効果を語る際に最も引用されやすいのがこの論文である理由もそこにある。

研究手法:GEO-benchと1万件のクエリ実験

この論文の信頼性を支えているのは、GEO-benchと呼ばれる大規模ベンチマークだ。研究チームは複数ドメインにまたがる約10,000件の多様なユーザークエリを収集し、それぞれに対して関連するウェブソースを紐づけた。

実験の流れは以下のようになっている。

1. クエリに対する複数の候補ソース(ウェブページの本文)を用意する
2. 各ソースに対して、統計追加・出典追加・引用追加などの手法を個別に適用した改変版を作成する
3. 改変前後のソース群を生成エンジンに入力し、回答を生成させる
4. 生成された回答の中で各ソースがどの程度「見えているか」を2種類の指標で採点する

評価指標は次の2つだ。

• Position-Adjusted Word Count(PAWC): 回答内でそのソースに由来する語句がどの位置に、どれだけの量出現しているかを重み付けして数値化する指標。回答の冒頭に近いほど重みが大きい
• Subjective Impression: そのソースが回答内でどれだけ「目立って見えるか」をモデルや評価者が主観的に採点する指標

この2軸で測定することで、「量的に引用されているか」と「質的に印象づけられているか」の両面から可視性を評価できる設計になっている点が、この研究がしばしば「初の定量的なGEO実証研究」と呼ばれる理由だ。

GEO-benchを支えるデータ構成と実世界(Perplexity.ai)での検証

GEO-benchの信頼性は、クエリの出どころの多様性によっても支えられている。研究チームは検索意図の異なる複数の既存データセット――MS MARCO、ORCAS-1、Natural Questions、AllSouls、LIMA、Davinci-Debate、Perplexity.ai Discover、ELI-5、そしてGPT-4によって生成した補助クエリという9系統――からクエリを集め、学習用8,000件・検証用1,000件・評価用1,000件に分割している。単一の検索ログだけに依存せず、事実質問・議論形式の質問・専門的な質問・日常的な質問を横断的に含めることで、特定ジャンルへの偏りを避ける設計になっている。

さらに研究チームは、ベンチマーク上の実験結果が実際の生成エンジンでも再現するかを検証するため、論文中の「GEO in the Wild」という節でPerplexity.aiを使った実地検証を行っている。テストセットから200件のクエリを抽出し、Perplexity.aiに実際に回答を生成させたところ、Quotation Additionが引用語数の指標(PAWC)で約22%、Statistics Additionが印象評価の指標(Subjective Impression)で約37%それぞれ改善した一方、Keyword Stuffingは約10%悪化したと報告されている。ラボ実験(GPT-3.5ベース)と実際の生成エンジンとで数値の大きさには差があるものの、「事実の裏付けを増やす施策が有効で、キーワードの詰め込みは逆効果」という方向性は一致している。これは、GEO研究の結論が特定のモデルに限定された偶然の結果ではないことを示す重要な傍証だ。

統計データの追加はなぜ可視性を押し上げるのか

研究チームが検証した手法の中で、最も高い効果を示したのが「Statistics Addition(統計データの追加)」だ。具体的には、既存の文章に定量的な数値・統計データを補強する改変を加え、その効果をPAWCとSubjective Impressionの両方で測定している。

結果として、統計データの追加は「Cite Sources(出典の明示)」「Quotation Addition(引用文の追加)」と並ぶトップ3の手法となり、PAWCで30〜40%、Subjective Impressionで15〜30%の改善幅を示した。この3手法はいずれも「事実の密度を上げる」という共通点を持つ。生成AIが回答を組み立てる際、根拠が明示された記述ほど信頼性が高いと判断し、回答内で優先的に取り上げる傾向があると解釈できる。

これは従来のSEOで語られてきた「E-E-A-T(経験・専門性・権威性・信頼性)」の考え方と方向性が一致する。生成AIも人間の読者と同様に、裏付けのある記述を「引用に値する」と評価している可能性が高いということだ。

ソース明記(出典追加)の効果と下位ランクサイトの逆転現象

もう一つ注目すべき発見が、検索順位が低いサイトほど出典追加の効果が大きく出た点だ。研究では、通常のGoogle検索結果で5位程度に位置するサイトに出典を追加したところ、可視性が大幅に押し上げられ、相対的な改善率は100%を超える水準に達したと報告されている。

これは実務上、重要な意味を持つ。従来のSEOでは検索順位が低いサイトが上位サイトを逆転するのは容易ではないが、生成AIの回答生成プロセスにおいては「順位」よりも「コンテンツの構造と事実の裏付け」が評価軸として強く働く可能性を示唆している。つまり、GEOの文脈では、検索順位が低い中小規模のサイトでも統計・出典を強化することで大手サイトと並ぶ可視性を獲得できる余地があるということだ。

手法別の効果比較:効果が大きい施策・小さい施策

論文および関連する解説記事で報告されている手法別の効果を整理すると、次のような傾向が見える。

この表からわかるとおり、効果の大きい上位3手法は「事実の裏付けを増やす」系統の施策に集中している。逆に、従来型SEOで重視されがちな「キーワードの詰め込み」は生成AIの評価においてはむしろ逆効果になり得ることが示されている点も重要な発見だ。

業種別ケーススタディ:統計・出典追加をどう設計するか

研究結果が示す「事実の裏付けを増やす」という方向性は、業種によって実装の勝ちパターンが異なる。代表的な4パターンを整理する。

ECサイト:商品ページに第三者データを組み込む

商品説明文が主観的な訴求(「高品質」「人気No.1」)に偏っていると、生成AIは根拠不明として引用を避けやすい。第三者機関のテスト結果・販売実績・レビュー集計値を本文中に数値付きで明記し、ProductスキーマのaggregateRatingやreviewプロパティと連動させると、本文と構造化データの両方に同じ根拠が反映される。ECサイトのLLMO対策で扱う推薦導線の設計とあわせて実装すると効果が重なりやすい。

BtoB SaaS:調査データと顧客事例を併記する

BtoB SaaSの解説記事は抽象的な機能説明に終始しがちで、統計・出典が不足するケースが多い。業界調査会社のレポート数値、自社の顧客導入事例における定量成果(導入前後の工数削減率など)、第三者機関の認証・受賞歴を本文に明記すると、専門家的な語り口とあわせて可視性が上がりやすい。BtoBサイトのSEO対策で解説する権威性シグナルの設計と組み合わせるとよい。

メディア・オウンドメディア:一次データと引用元の階層化

メディア記事は情報量が多い分、根拠と主観的解説が混在しやすい。本文中で「調査データ」「専門家の発言」「編集部の見解」を明確に区別し、それぞれに出典と引用符を付けることで、生成AIが事実部分だけを抽出しやすくなる。オウンドメディアのLLMO戦略で触れる編集方針の一貫性とも関係が深い。

ローカルビジネス:地域統計と公的データの併用

地域密着型のビジネスは全国規模の統計データを持たないことが多いが、自治体統計や地域商工会のデータ、地域内の口コミ件数・評価平均などローカルな定量情報を出典付きで明記することで、下位ランクサイトほど改善余地が大きいという研究結果の恩恵を受けやすい。ローカルSEO×AI検索引用対策の手順と合わせて実装するとよい。

統計・出典を自社コンテンツに実装する手順

研究結果を踏まえ、実際に自社サイトの記事へ統計・出典を組み込む手順を整理する。

1. 記事内の主張・断定的な文を洗い出し、根拠となるデータが添えられているか確認する
2. 根拠がない主張には、公的統計・業界調査・一次データのいずれかを追加する。数値は必ず出典元を明記し、創作しない
3. 専門家の発言や公式発表を引用文として本文に組み込む。引用元の役職・肩書きも明記し信頼性を高める
4. 出典情報は本文中のリンクに加え、記事末尾やfrontmatterの構造化データにも反映させ、機械可読性を高める
5. 更新のたびに数値の鮮度を確認し、古い統計は最新のものに差し替える
6. 統計・出典を追加した記事とそうでない記事で、AI検索での引用状況を定期的に比較検証する

このチェックリストは特別な技術投資を必要とせず、既存記事のリライト作業に組み込める点が実務上のメリットだ。

よくある失敗と対処:統計・出典追加のアンチパターン

統計・出典の追加は効果が実証されている施策だが、実装を誤ると逆効果になる。代表的な失敗パターンと修正方法を整理する。

1. 出典なしで数値だけを追加する: 「業界の大半が導入」のように数値だけを書き、出典元を示さないケース。生成AIは根拠不明の数値を信頼度の低い記述として扱う可能性がある。数値には必ずリンク付きで出典を明記する。
2. 古い統計をそのまま放置する: 数年前の調査データを更新せずに使い続けると、鮮度の低い情報として評価が下がりやすい。統計は最低でも年1回、可能なら四半期ごとに鮮度を確認する。
3. 統計と主張が噛み合っていない: 本文の主張と無関係な統計を「それらしく」挿入するケース。生成AIも文脈の整合性を評価するため、主張を直接裏付ける数値だけを選ぶ。
4. 引用文を無断で改変する: 専門家の発言を要約・意訳して「引用」として扱うと、原典と異なる内容になり信頼性を損なう。引用は原文のまま使い、要約は引用と分けて記載する。
5. 出典URLがリンク切れ・リダイレクト先不明になっている: 出典として記載したURLが404になっている、または関係のないページに転送されるケース。定期的にリンクの生存確認を行う。
6. 統計を詰め込みすぎて可読性が落ちる: 1つの段落に数値を大量に詰め込むと文章の流暢性が下がり、Fluency Optimizationの効果を打ち消してしまう。1段落につき根拠となる数値は1〜2個に絞る。
7. 翻訳統計の原典を確認しない: 海外の統計を孫引きで転載し、原典の数値と乖離が生じるケース。翻訳元と原文の出典URLを両方明記し、数値そのものは改変しない。

効果測定:統計・出典追加の効果をどう検証するか

統計・出典を追加した後は、施策が実際に可視性へ寄与しているかを継続的に検証する必要がある。判断基準とあわせて主な測定方法を整理する。

• AI検索エンジンでの引用有無の定点観測: ChatGPT・Perplexity・Google AI Overviewsなど主要な生成エンジンに、対象キーワードに関連するプロンプトを定期的に入力し、自社ページが引用されるかを記録する。AI引用率の計測方法で手動計測とツール計測の再現性を比較しているので、体制に応じて選ぶとよい。
• 改訂前後のビフォーアフター比較: 同一記事の改訂前(統計・出典追加前)と改訂後で、一定期間ごとの引用有無・引用位置を比較する。GEO-bench実験のPAWCのように厳密な指標は個人サイトでは再現しづらいが、「引用されたか・されなかったか」の二値でも傾向は把握できる。
• AI経由の参照流入計測: GA4でChatGPT・PerplexityなどのリファラーやUTMパラメータを分離し、統計・出典を追加した記事の流入がどう変化したか確認する。AI参照流入をGA4で計測する設定方法を参照。
• AIクローラーのアクセスログ確認: GPTBot・ClaudeBotなどのクローラーが該当ページをどの頻度でクロールしているかをサーバーログで確認する。クロール頻度が低い場合、統計・出典を追加しても読み取られていない可能性がある。AIクローラーログ解析ガイドを参照。
• 判断基準: 改訂から4〜8週間経過しても引用状況・参照流入のいずれにも変化がない場合は、統計・出典の質(出典の権威性、数値の具体性)を見直すか、構造化データ実装など別の要因を疑う。

日本語コンテンツで統計・出典追加を行う際の注意点

ここまでの内容は英語圏の研究に基づくものだが、日本語コンテンツに応用する際にはいくつかの固有の注意点がある。多くの解説記事はこの点に触れていないため、以下に補足する。

まず、日本語の統計・出典は英語圏に比べて一次情報が少なく、海外の調査データを翻訳して引用するケースが多い。この場合、原典の数値を改変せず、翻訳元と原文の出典URLを両方明記することが望ましい。数値の丸め方や単位換算で誤差が生じると、生成AIが「不正確な情報」と判断し逆に引用を避ける可能性がある。

次に、日本の官公庁統計(総務省・経済産業省など)は更新頻度が年1回程度のものが多く、鮮度で見劣りしやすい。業界団体や民間調査会社が発表する四半期・月次データを併用し、更新頻度を補うとよい。

最後に、LLMO全体の観点では、統計・出典の追加は単体の記事施策にとどまらず、サイト全体の構造化データ実装や著者情報の充実と組み合わせることで相乗効果が出やすい。単発の数値追加だけでなく、サイト全体の信頼性シグナルとして設計することが重要だ。

GEO研究のその後:後続研究と実務への示唆

「GEO: Generative Engine Optimization」はGEOという研究分野の出発点であり、2024年の発表以降も関連研究が続いている。たとえば、EC領域に特化して統計・レビューデータの最適化効果を検証する「E-GEO」、複数クエリにまたがる最適化の競合を扱う「IF-GEO」など、原論文の9手法をより特定の業種・シナリオに絞って再検証する研究が発表されている。いずれも「事実の裏付けを厚くする施策が可視性に寄与する」という原論文の結論を土台にしている点は共通している。

実務者にとって重要なのは、こうした後続研究が原論文の結論を覆すのではなく、業種・ドメインごとに効果の出方が異なることを精緻化している点だ。自社サイトに統計・出典を実装する際も、業種横断の平均値(30〜40%)を目安にしつつ、自社の業種に近い後続研究や実地検証があればそちらを優先的に参考にするとよい。

よくある質問

Q1. GEOのプリンストン研究とは何ですか?

プリンストン大学など4機関がKDD 2024で発表した論文「GEO: Generative Engine Optimization」を指す。生成AIの回答内での可視性を実験で検証した学術研究だ。

論文はPranjal Aggarwal氏を筆頭著者とし、ジョージア工科大学・IIT Delhi・Allen Institute for AIの研究者が共同執筆している。arXivで2023年11月に公開され、2024年のACM SIGKDDカンファレンスで正式に採択された。

Q2. 「可視性40%向上」の根拠は何ですか?

統計データの追加・出典の明示・引用文の追加という3手法が、PAWCという評価指標で30〜40%の改善を示したことが根拠だ。

複数の解説記事では最大値を取って「40%向上」と要約されることが多いが、原典では手法ごとに幅のある数値(30〜40%)として報告されている。

Q3. GEO-benchとはどのような仕組みですか?

約10,000件の多様なユーザークエリと、それに対応するウェブソース群からなる大規模ベンチマークだ。

各クエリに対して複数の候補ソースを用意し、統計追加などの改変を加えた前後で生成AIの回答内での可視性を比較する実験設計になっている。

Q4. Position-Adjusted Word Countとは何を測る指標ですか?

生成AIの回答内で、あるソースに由来する語句がどの位置に、どれだけの量出現するかを重み付けして数値化する指標だ。

回答の冒頭に近い位置に出現するほど重みが大きくなる設計で、単純な出現回数だけでなく「目立ち方」を反映する。

Q5. 効果が小さかった手法・逆効果だった手法は何ですか?

専門用語の追加や独自性の高い語彙への言い換えは効果が小さく、キーワードの詰め込みは効果がないかむしろマイナスに働くと報告されている。

事実の裏付けを増やす系統の施策と、表現技巧を凝らす系統の施策とで効果の差が大きく開いた点が研究の重要な発見だ。

Q6. 検索順位が低いサイトでも効果はありますか?

ある。研究では検索結果で5位程度のサイトに出典を追加したところ、相対的な可視性改善率が100%を超える水準に達したと報告されている。

従来のSEOでは順位の逆転が難しい中小サイトでも、統計・出典の強化によって大手サイトに匹敵する可視性を獲得できる余地があることを示唆している。

Q7. この研究結果は日本語コンテンツにもそのまま当てはまりますか?

方向性は当てはまるが、実装には調整が必要だ。日本語圏は一次データが少なく官公庁統計の更新頻度も低いため、業界団体や民間調査データの併用が推奨される。

数値を翻訳・引用する際は原典の出典URLを明記し、丸め方による誤差を避けることが重要になる。

Q8. 統計・出典追加は既存記事のリライトだけで実践できますか?

できる。新規の技術投資は不要で、既存記事の主張部分に根拠データと出典リンクを追加するリライト作業として組み込める。

ただし単発の追加にとどめず、更新のたびに数値の鮮度を確認し、サイト全体の構造化データや著者情報の整備と組み合わせることで効果が持続しやすくなる。

Q9. Cite SourcesとQuotation Additionの違いは何ですか?

Cite Sourcesは主張の根拠となる情報源(データ・調査・公式発表など)を明記する手法で、Quotation Additionは専門家や公的機関の発言をそのまま引用文として盛り込む手法だ。

両者は性質が異なるが、いずれも「事実の裏付けを増やす」という共通点を持ち、研究では同水準の効果(30〜40%向上)を示している。

Q10. この研究以降、GEOの効果を検証した後続研究はありますか?

ある。GEO-benchを用いた追加実験や、複数クエリを対象にした最適化手法の研究などが継続的に発表されている。

学術分野としてのGEO研究は2024年以降も進展しており、本論文はその出発点として位置づけられている。具体例として、EC領域に特化した「E-GEO」や、複数クエリの最適化競合を扱う「IF-GEO」など、原論文の枠組みを特定領域に応用する研究が発表されている。

Q11. GEO-benchはどのようなデータから作られていますか?

MS MARCO、Natural Questions、ELI-5など9種類の既存データセットやGPT-4生成クエリを組み合わせ、学習用8,000件・検証用1,000件・評価用1,000件、合計約10,000件のクエリとして構築されている。

単一の検索ログに偏らないよう、事実質問から議論形式の質問まで幅広い種類のクエリを含めている点が設計上の特徴だ。

Q12. ラボ実験と実際の生成エンジンとで結果は同じですか?

方向性は同じだが、数値の大きさには差がある。論文の実地検証(GEO in the Wild)では、Perplexity.aiで200件のクエリを検証したところ、Quotation Additionが約22%、Statistics Additionが約37%の改善を示した一方、Keyword Stuffingは約10%悪化した。

ラボ実験(30〜40%向上)とは数値が異なるものの、「事実の裏付けを増やす施策が有効」「キーワードの詰め込みは逆効果」という結論自体は一致している。

Q13. この研究の限界は何ですか?

論文自体に独立した限界(Limitations)セクションは設けられていないが、実験は主に1ターンの単発回答を対象としており、複数ターンにわたる会話や、多数のソースが競合する状況までは検証範囲に含まれていない。

また、評価指標の一部はLLMによる自動採点に依存しており、大規模な人間評価者による検証は実施されていない点も踏まえて数値を解釈する必要がある。

Q14. 統計・出典追加以外に優先すべき施策はありますか?

研究結果では引用文の追加(Quotation Addition)が統計データの追加と同水準かそれ以上の効果を示しており、両者を併用する方が単独より効果が安定しやすい。

自社の業種によっては権威的な語り口や流暢性の改善も一定の効果を持つため、まずは表の上位3施策(出典明示・引用追加・統計追加)から着手し、余力があれば流暢性・専門性の調整に広げるとよい。

まとめ

• 「統計データの追加で可視性40%向上」という数字は、プリンストン大学など4機関がKDD 2024で発表した論文「GEO: Generative Engine Optimization」のPAWC指標(30〜40%)に由来する
• 効果の大きい施策は出典明示・引用文追加・統計データ追加の3つで、いずれも「事実の裏付けを増やす」という共通点を持つ
• 検索順位が低いサイトほど出典追加の効果が大きく出る傾向があり、中小規模サイトにも逆転の余地がある
• Perplexity.aiでの実地検証でも同じ方向性の結果が確認されており、特定モデルに限定された結果ではない
• 業種ごとに実装の勝ちパターンは異なるため、EC・BtoB SaaS・メディア・ローカルビジネスなど自社の業態に合わせて統計・出典の出し方を調整する
• 実装後は引用状況・AI参照流入・クローラーアクセスを定点観測し、4〜8週間を目安に効果を検証する

次のアクションとしては、まず自社の主要記事から根拠のない断定的な主張を1つ選び、公的統計または一次データを出典付きで追加し、4週間後にAI検索での引用状況を確認することから始めるとよい。

関連用語

• GEO
• LLMO
• EEAT
• 構造化データ
• RAG

関連記事

• LLMO完全ガイド
• AI検索最適化ガイド
• GEO・AEO・LLMOの違いを解説
• AI引用率を無料でチェックする方法
• ChatGPTに引用されない理由
• AI検索に引用されない原因
• llms.txtがAI引用に与える効果(WordPress編)
• エンティティ最適化とAI検索(日本語解説)