生成エンジン最適化（GEO）は、チャットボットやAI搭載検索サマリーなどの生成AIシステムによって、表面化、引用、または参照される可能性を高めるためにオンラインコンテンツを整形する実践であり、従来の検索エンジン最適化の後継または補完的専門分野として実践者によって位置づけられている。この用語は、学術および産業研究者のグループによる2023年の研究論文で正式化され、彼らはAI生成回答内でのソースの可視性を向上させるコンテンツ特性をベンチマークした。また、Perplexityなどの製品や主要検索エンジンのAI回答機能が、生成された応答内で直接ソースを引用し始め、単にリンクを列挙するのではなくなったことで、商業的利用が広がった。
検索エンジン最適化が、人間がクリックして閲覧するリンクリスト内でのランキング位置を対象とするのに対し、GEOは、ユーザーがクリックして先へ進むことがないかもしれないAI生成回答内での引用として選択、引用、または言い換えられることを対象とする。
技術
GEO実践者は、モデルが容易に抽出・引用できる明確な統計、直接引用、構造化された事実を追加することを重視する。GEOに関する研究では、具体的で引用可能な記述を含むコンテンツが生成回答システムによって不均衡に優先されることが判明したためである。llms.txtなどの慣行を含む、技術的なクローラビリティの向上と、クリーンでノイズの少ないページ構造の提供は、従来のクローラーとAI専用フェッチャーの両方がコンテンツを確実に解析するのに役立つことを意図している。トピックオーソリティと構造化マークアップの構築は、ナレッジグラフやセマンティックウェブ実践からの古い技術を反映しており、AIシステムは引用元を選択する際に認識された権威性を重視しているように見えるためである。主要なAIアシスタント全体での引用頻度の監視も、従来の検索ランキング追跡とは異なる、新しい分析カテゴリとして浮上している。
検索との関係と批判
GEOは、自然言語処理とSemantic searchの研究およびマーケティング実践の交差点に位置し、その台頭は、ランク付けされたリンクをクリックして進むことから、大規模言語モデルによって生成された統合回答を読むことへと、人々が情報にアクセスする方法の広範な変化を反映している。出版社は、AI回答エンジンが出版社のコンテンツに依存して回答を生成しているにもかかわらず、参照トラフィックを減少させることへの懸念を表明しており、報酬と帰属をめぐる紛争を引き起こしている。批評家はまた、GEOの広範な実践が、人間の読者に十分に役立つコンテンツではなく、モデルの引用選好を満たすように最適化されたコンテンツを生み出すリスクがあると警告しており、この力学は、アルゴリズムではなくオーディエンスのために設計されたコンテンツでウェブを氾濫させるAIスロップという広範な問題に結びつける者もいる。