最近のGEO最適化論文を読む（第3回）：AutoGEOは生成式エンジンの選好をどう学ぶか

GEO最適化は、手作業でコツをまとめる段階から、AIプラットフォームごとの選好を自動的に学ぼうとする段階へ進んでいます。これはAI検索アルゴリズムを攻略できるという意味ではありません。異なる生成式エンジンが、情報源の引用、構成、圧縮、表現に異なる傾向を示すことがあり、それを観察、抽象化、再テストできれば、GEOをより工学的に扱える、という意味です。

2025年10月13日に投稿された論文「What Generative Search Engines Like and How to Optimize Web Content Cooperatively」は、AutoGEOを提案し、生成式エンジンの選好規則を自動学習してウェブ内容の改稿に利用しようとします。

AutoGEOが解こうとする二つの問題

初期のGEOには、統計を加える、出典を加える、権威的に書く、平易に書く、専門用語を加えるといった、人手で設計された手法がありました。しかし、それらがすべてのプラットフォームに合うとは限りません。Gemini、Claude、GPT、Perplexity、豆包、通義千問、Kimi、DeepSeekでは、検索入口、引用方法、回答の書き方が異なり得ます。

また、研究型、EC、地域サービス、B2B調達の問いは、必要とする証拠と構造が異なります。AutoGEOの発想は、人が規則を推測するだけでなく、多数の生成式エンジン上の振る舞いから選好を学び、内容最適化の規則へ変換することです。

選好規則を学ぶ流れ

論文では、まず先端LLMに、なぜ生成式エンジンが特定の文書を好んだのかを説明させます。その説明から短い洞察を抽出し、候補規則に統合し、利用可能な選好規則へ絞り込みます。多数の「なぜこの情報源が回答で見えやすいのか」という観察を、実行可能な規則へ圧縮する流れです。

提示される例には、Conclusion First、Logical Structure、Comprehensive coverage、In-depthがあります。結論を先に示し、構造を明瞭にし、必要な範囲をカバーし、理由や仕組みまで説明するという方向です。単に技術語を置き換えることではありません。

AutoGEO APIとAutoGEO Mini

AutoGEO APIは、選好規則をコンテキストとして先端LLMへ渡し、内容を直接改稿します。新しいモデルを訓練せず、規則を定めて大規模言語モデルに改稿を補助させるため、今日の企業のワークフローに近い形です。

AutoGEO Miniは、選好規則を報酬信号にし、小さく低コストなGEOモデルを訓練します。論���はコールドスタートデータとGRPOなどを用い、小モデルに選好に沿った改稿を学ばせます。企業がMiniを自前で訓練する必要はありませんが、GEOの作業量が増えるほど、単に文章を書くモデルではなく、ブランド質問、プラットフォーム選好、コンプライアンス境界を理解する専用フローが重要になるという方向は注目に値します。

GEOとGEUを同時に見る理由

AutoGEOは、可視性を測るGEO指標だけでなく、Generative Engine UtilityであるGEUも見ます。GEUは、生成式エンジンの回答品質、信頼性、有用性が維持されるかを扱います。ブランドを多く出すために回答品質を下げることは、健全なGEOではありません。

論文は、AutoGEOが三つのデータセットで平均的にGEO指標を改善しながらエンジンの有用性を保ち、AutoGEO MiniのコストがAutoGEO APIの約0.0071倍だったと報告します。この数字は論文の実験条件のもので、企業コストの約束には換算できません。ただし、高コストの手作業と大モデル呼び出しから、規則化・自動化・低コスト再テストへ向かう可能性を示します。

プラットフォーム別GEOへの実務的示唆

すべてのAIが同じ内容を好むと仮定しないことが第一です。論文も、選好が領域やLLMで変わることを観察しています。国内外プラットフォーム、買い物、調査、地域サービスを分けて見るべきです。

次に、観察した選好をチーム資産として残します。あるプラットフォームは見出しの明瞭なFAQを引用しやすい、別のものは第三者の権威を重視する、ECでは価格・仕様・在庫・保証が必要、B2Bでは事例・統合・リスク境界が重い、といった仮説です。ただし、可視性が増えても回答が片寄る、誇張される、誤導的になるなら失敗です。可視性、正確さ、帰属、競合関係、コンプライアンスを同時に確認します。

選好規則はモデル更新、検索元、質問の変化で漂流します。自動化は再テストを置き換えません。見川GEO / GEO Radarは、https://www.georadar.top で固定質問を用意し、豆包、通義千問、百度/文心一言、智譜清言、Kimi、DeepSeek、Tencent Yuanbao、ChatGPT、Claude、Gemini、Grokでの言及、位置、情報源、競合共起を比較する観測・再テスト・報告の役割を担えます。

AutoGEOの教訓は、規則をAIに渡して自動改稿すること自体ではありません。プラットフォームの振る舞いを観察し、内容規則にし、小さく改稿し、再テストし、規則を更新する閉ループを作ることです。

この記事の情報源

• arXiv（2025年10月13日投稿）「What Generative Search Engines Like and How to Optimize Web Content Cooperatively」: https://arxiv.org/abs/2510.11438
• arXiv HTML全文（AutoGEO、実験結果、GEO/GEU指標、付録の事例）: https://arxiv.org/html/2510.11438v1
• GitHub「AutoGEO」: https://github.com/cxcscmu/AutoGEO