最新GEO論文が8.90%のページを検出:この数字は何を意味するのか
2026年8月のGEO-Flag論文を基に、Google SearchとGeminiの取得ページで示された8.90%、2026年更新ページの16.36%という推定値の意味と限界、企業が再現可能なAI検索可視性ベースラインを作る方法を解説します。
最新GEO論文が8.90%のページを検出:この数字は何を意味するのか
GEOを意識したコンテンツは、もはや仮説上の存在ではありません。しかし、どの程度広がっているかは、単一の割合だけでは判断できません。
2026年8月20日に改訂された論文「GEO-Flag: Detecting and Measuring GEO-Optimized Web Content」は、公開済みのGoogle SearchとGemini grounded retrievalの結果から取得できた10,095ページを分析し、898ページにGEOシグナルがあると分類しました。推定検出率は8.90%です。解析可能な更新日を持ち、2026年に更新されたと宣言するページでは16.36%でした。
ただし、「ウェブ全体の8.90%が意図的にGEOを導入した」という意味ではありません。
8.90%はどのように算出されたか
研究者は、実ユーザーの検索クエリを収録したORCASから1,000件の情報探索型クエリを抽出し、別研究で公開されていたGoogle SearchとGeminiのURL集合を使用しました。13,985件のユニークURLのうち、通常取得、ブラウザ描画、PDF抽出などを経て10,095ページが分析対象になりました。
論文が報告した主な数値は次の通りです。
- ユニークページ全体では898/10,095、推定8.90%。95%Wilson区間は8.36~9.47%
- ページ単位ではGoogle Searchが8.14%、Geminiが9.09%
- 両チャネルで利用可能なページがあった965クエリの均等加重比較では、Gemini-Google差は1.43ポイント。対応付きブートストラップ区間は0.46~2.41ポイント
- 解析可能な `dateModified` を持つページは19.57%のみ。その一部で2026年更新ページの推定値が16.36%
これは限定されたサンプルと検出パイプラインによる推定であり、各プラットフォームの公式統計ではありません。
検出率を導入率と呼べない理由
実在するウェブページには、発行者がGEOを意図的に行ったかを示す正解ラベルがありません。検出器は小さな介入を見逃す場合も、GEOとは無関係な編集を誤検出する場合もあります。論文が扱うのは発行者の意図ではなく、検出されたシグナルです。
更新日もGEO実施日ではありません。発行者が提供するメタデータであり、取得できたのは約5分の1でした。2024年から2026年にかけて見られた上昇はサンプル内の記述的な傾向で、導入率の増加を因果的に示しません。
また、GoogleとGeminiでは取得元、ページ種別、URL数が異なります。8.14%と9.09%を、どちらかが「最適化されやすい」と短絡することはできません。
自社ブランドの比較可能な基準を作る
企業が借りるべきなのは割合ではなく測定設計です。
- 質問セットを固定し、言語、市場、プラットフォーム、入口、実行時刻を保存する。
- 回答全文、引用URL、ブランドの登場位置、対象ページの版を残す。
- プラットフォームと検索意図ごとに集計し、異なる母集団を安易に混ぜない。
- サンプル数、取得不能ページ、失敗回数も報告する。
- 反復測定で確認するまでは「今回の観測差」と表現する。
GEO Radarは、固定質問セットを用いて複数のAIプラットフォームにおけるブランド可視性、推薦差、競合状況を構造化して確認するためのサービスです。[https://www.georadar.top](https://www.georadar.top) の結果は、自社の再測定可能な基準作りに使い、論文の割合を個別ブランドの予測値として使わないことが重要です。
結論
GEO-Flagは、調査対象の検索ページにGEOシグナルが無視できない規模で存在するという初期の実証結果を示しました。同時に、検出は意図ではなく、更新日は導入日ではなく、標本比率はウェブ全体の比率ではないことも示しています。
信頼できるGEO判断は、明確な母数、反復観測、ページ版の証拠から始まります。
この記事の情報源
- arXiv、2026年8月17日初版・8月20日改訂、*GEO-Flag: Detecting and Measuring GEO-Optimized Web Content*:https://arxiv.org/abs/2608.16824
- arXiv HTML全文、標本設計、信頼区間、推定値、限界:https://arxiv.org/html/2608.16824v2
- arXiv API、版の日付と著者メタデータ:https://export.arxiv.org/api/query?id_list=2608.16824