セミナーや記事で「Princetonの研究によると、AI検索での可視性が40%上がるそうです」という説明を見かけたことがあるかもしれません。SNSでも似た言い回しがよく流れています。
ただ、その40%が何の指標で、どの手法で、どんな条件のもとで出た数字なのか。原典まで遡って確認したことがある方は、意外と多くありません。「Princetonの研究」という呼び方自体、正確ではない部分もあります。
この記事は、その言説のもとになっているarXiv論文2311.09735「GEO: Generative Engine Optimization」を、AIO Journal 編集部が実際に読み込んで解説するものです。「確認できていること」と「まだ確認されていないこと」を分けて整理し、最後は自社で参考にするときに何を確認すればよいかまで持っていきます。専門的な統計・実験の言葉は、出てきたその場で言い換えます。論文が扱うGEO（Generative Engine Optimization）は、国内でいうAI検索最適化（LLMOとも呼ばれます）とほぼ同じ営みを指します。
こんなふうに調べていませんか
- 「Princeton GEO論文」を人に紹介するために、原典に何が書いてあるのか確かめたい
- セミナーで聞いた「可視性40%向上」の40%が、具体的に何を指すのか知りたい
- 自社サイトでも、この論文と同じような改善が起きるのか気になっている
この記事を読み終えたときに手に入るもの
- 「可視性40%向上」が、どの手法の、どの条件で出た数字かを説明できるようになります
- 実験室での結果と、実世界での効果の差が、図で分かります
- 論文の著者・限界・日本語での再現性など、自社の判断材料にすべき点が分かります
結論30秒でわかる、この記事の結論
- 「可視性40%向上」とは、9つの最適化手法のうち最も効果が大きかった1つ(専門家の発言などの引用を加える手法)の、実験室での数値です。9手法の平均でも、あらゆる指標に共通する数字でもありません。
- 同じ手法を商用サービスPerplexity.aiで検証すると、改善幅は約21%まで縮みました。実験室の外に出ると、効果の大きさは目減りするという点は、押さえておく必要があります。
- 「Princetonの論文」と呼ばれることが多いですが、実際はIITデリー・プリンストン大学・独立研究者による、6名の国際共同研究です。
この記事では、ある会社のマーケティング部の3人と、外部コンサルタントの会話をはさみながら進めます。あなたに近い立場の人の質問から読んでいただいて構いません。
- 若葉さん(Web担当2年目)— 「そもそも、この論文って何を調べたものですか？」を聞く役
- 高梨課長(マーケ課長)— 「うちは、どこをどう参考にすればいいんですか？」を聞く役
- 大森部長(マーケ部長)— 「その数字、信じて判断材料にしていいのか？」を聞く役
- 鈴木さん(AIO/SEOの専門家・本誌監修)— 答える役
01そもそもPrinceton GEO論文は、AI検索対策として何をどうやって調べたんですか？
若葉さんあの、そもそもなんですが…この論文って、具体的に何を、どうやって調べたものなんですか？「40%」という数字だけが独り歩きしている気がして。
鈴木さんいい着眼点です。一言でいうと、文章の書き方を9パターンに工夫すると、AIの回答の中でどれだけ目立つようになるかを、実験で測った研究なんですよ。
研究チームは、Bing Chatに近い挙動をする生成AI検索エンジンを自前で構築しました。そこへ独自に作ったベンチマーク「GEO-bench」を投入します。GEO-benchは、1万件規模のクエリ(質問文)と、回答の根拠となるWeb情報源をセットにしたデータです。
このクエリは、MS Marco・ORCAS-1・Natural Questions・AllSouls・LIMAの5種と、Davinci-Debate・Perplexity.ai Discover・ELI5(Redditの質問板)・GPT-4生成クエリの4種、合計9種類の情報源から作られています。論文には、Arts・Health・Gamesをはじめ25の多様な分野(ドメイン)にまたがると明記されています。
02この論文の評価指標は、AI検索でGEOの可視性を何で測っているんですか？
評価には2種類の指標を使っています。1つは「Position-Adjusted Word Count」で、回答の中で自社の情報がどれだけの分量・どれだけ早い位置で言及されたかを、位置に応じて重み付けして数値化したものです。論文はこの指標の絶対的な上限を示していないため、この記事に出てくる19.3のような値は、手法どうしを比べるための相対的な数字として読むのが適切です。
もう1つは「Subjective Impression」で、関連性や引用の説得力など7項目を、大規模言語モデルによる自動採点(G-Eval方式)で評価し、まとめた指標です。
この章のまとめ
この論文は、自作の実験用エンジンと1万件規模のGEO-benchを使い、9つの文章最適化手法がAIの回答内でどれだけ目立つようになるかを、統計的に検証したものです。
03AIOの記事でよく見る「プリンストンの論文」は、本当にPrinceton単独のGEO研究ですか？
若葉さんこれ、いつも「Princetonの研究では」って紹介されているのを見るんですが…本当にプリンストン大学だけの研究なんですか？
鈴木さんそこ、実は不正確なんです。筆頭著者はIITデリーの方で、プリンストン大学の研究者と、独立研究者を合わせた6名による国際共同研究なんですよ。
論文の著者・所属は、次のとおりです(所属は論文v3の記載にもとづきます)。
| 著者 | 所属 |
|---|---|
| Pranjal Aggarwal(筆頭著者) | IITデリー |
| Vishvak Murahari | プリンストン大学 |
| Karthik Narasimhan | プリンストン大学 |
| Ameet Deshpande | プリンストン大学 |
| Tanmay Rajpurohit | 独立研究者(米シアトル) |
| Ashwin Kalyan | 独立研究者(米シアトル) |
04このGEO論文は、AI検索最適化の根拠としてどこに採択されたんですか？
掲載先はACM SIGKDD 2024(KDD2024)で、正式に採択されています。arXivへの初版公開は2023年11月、最新の改訂版は2024年6月です。
この章のまとめ
「Princeton GEO論文」という通称は広く使われていますが、実際は筆頭著者がIITデリー所属の、6名による国際共同研究です。KDD2024という査読つき学会に採択されています。
05結局、GEOの9手法のうちAI検索で最も効いたのはどれなんですか？
大森部長鈴木さん、うちも「40%上がる」という話を前提に、コンテンツ制作の方針を考えていた。実際のところ、何がどう良くなったんだ?
鈴木さんそこは、表の中身まで見ないと誤解しやすいところです。「40%」は、9つの手法のうち、最も効果が大きかった1つの数字なんですよ。
論文のTable 1では、9つの最適化手法それぞれについて数値が示されています。基準となるのは、何も手を加えない「No Optimization」で、統合指標Position-Adjusted Word Countは19.3です。以下は同表のOverall列にもとづく、基準比の改善率です。
| 最適化手法 | 内容の概要 | 基準比の改善率 |
|---|---|---|
| 引用の追加 | 専門家や公的機関の発言を引用文として加える | 約+41%(19.3→27.2・最大) |
| 統計データの追加 | 具体的な数値・統計を加える | 約+31%(→25.2) |
| 流暢さの改善 | 文法・文のなめらかさを整える | 約+28%(→24.7) |
| 出典の明記 | 情報源を明示的に示す | 約+27%(→24.6) |
| 専門用語の使用 | 業界特有の用語を用いる | 約+18%(→22.7) |
| 平易な言い換え | 難しい表現を平易にする | 約+14%(→22.0) |
| 権威性の強調 | 断定的・権威的なトーンにする | 約+10%(→21.3) |
| 独自の言い回し | 他と被らない語彙を使う | 約+6%(→20.5) |
| キーワードの詰め込み | 従来型SEOのキーワード反復 | 約-8%(→17.7・悪化) |
0640%という数字はAIOの説明でよく使われますが、論文のどこから出たんですか？
論文の要旨は結果を「最大40%向上」と表現しています。しかし詳細な表を見ると、最も効果が大きかった「引用の追加」が19.3→27.2、約41%改善したというのが実際の内訳です。「40%」はこの最大値を丸めた数字であり、9手法の平均値でも、あらゆる指標に共通する数字でもありません。なお同表には語数ベースの部分指標(Word)などの列もあり、どの列を分母に取るかで数%変わります。この記事は、論文が統合指標として扱うOverall列に統一して読み解いています。
07その40%は、AI検索対策のGEO施策として自社サイトでも再現できる数字ですか？
大森部長それで、その41%という数字は、うちのサイトでも同じように出ると考えていいのか?
鈴木さんそこは、正直に言うとそのまま期待しないほうがいいです。実験室の外に出ると、効果の大きさは目減りしています。
研究チームは、この結果が実験環境だけの現象でないかを確かめるため、実際に商用提供されているPerplexity.aiでも同じ手法を検証しています。ここでは基準値24.1に対して「引用の追加」が29.1、「統計データの追加」が26.2と改善を示しており、実験室の外でも一定の再現性が確認できたとしています。
つまり答えは、方向性は再現できるが、同じ大きさの改善までは再現できないです。どれくらい縮むのかを、次に数字で見ていきます。
08実験室と実世界のAI検索で、GEOの効果はどれくらい目減りするんですか？
効果の縮み方には、注目が必要です。ラボ実験で約41%だった「引用の追加」の改善幅は、実世界のPerplexity.aiでは約21%(24.1→29.1)にとどまります。方向性は再現される一方、実環境では効果がおよそ半分程度になりうる。これが、原典の数字を突き合わせて読み取れる実務的な相場観です。
この章のまとめ
「引用の追加」の効果は、実験室(約41%)から実世界のPerplexity.ai(約21%)へと、方向性を保ったまま縮みました。自社で参考にするときは、この目減りを織り込んで期待値を置く必要があります。
09Princeton GEO論文の著者自身は、AI検索最適化に使うときの限界をどう書いていますか？
高梨課長数字の中身は分かりました。ただ、うちで参考にするなら、どこまで信じていいものか気になります。論文自体は、限界について何か書いていますか?
鈴木さんはい、著者自身が「Limitations」という節で、いくつかの限界をはっきり書いています。ここを読まずに数字だけ引用するのは危ういです。
この論文には独立した「Limitations(限界)」の節(第9節)があり、研究チーム自身が次のような限界を明記しています。
- 生成AI検索エンジンは今後も進化するため、有効な手法も時間とともに適応が必要になる(SEOが進化し続けてきたのと同様)
- 検索クエリの性質も時間とともに変化するため、ベンチマークには継続的な更新が必要
- 検索エンジンの内部がブラックボックスであるため、GEO手法が検索順位そのものに与える影響は評価していない(変更はテキスト内容のみでドメインや被リンクには触れないため、影響は小さいはずだと著者らは推測している)
- クエリのタグ付けは手動検査済みだが、主観的な解釈やラベリング誤りの可能性は残る
10論文に書かれていない範囲は、LLMOの実務でどこまで注意すべきですか？
著者が挙げた限界に加えて、AIO Journal 編集部として次の2点も読み取っておくべきだと考えています。
- 評価は自動化されたスコアリング(LLMによる採点)が中心で、実際の人間ユーザーがクリックした・信頼したかどうかを直接測ったものではない
- 使用された生成AIは主にGPT-3.5世代で、実世界検証もPerplexity.aiの1サービスに限られている。2026年現在の最新モデルや、ChatGPT検索・Google AI Overviews・Claudeなど他のAI検索で同じ傾向になるとは限らない
11日本語サイトのAI検索対策として、このGEO論文の知見は使えますか？
高梨課長なるほど…それで、これは日本語のサイトでもそのまま参考にしていいものでしょうか。うちのオウンドメディアの記事にも使えますか?
鈴木さん完全に同じ効果が出るとは言えませんが、方向性としては参考にしやすい部分もありますよ。整理してお話ししますね。
この研究は英語圏のクエリ・英語圏の生成AIエンジンを対象にしており、日本語での挙動を直接検証したものではありません。日本語コンテンツで同じ改善率が出る保証はなく、あくまで参考知見として扱うのが妥当です。
一方で、方向性としては実務に持ち帰りやすい示唆も含まれています。「出典を明示する」「統計データを添える」「専門家の発言を引用する」といった編集上の工夫は、日本語記事でも取り入れやすい施策です。逆に、キーワードを不自然に詰め込む従来型のSEO手法は、生成AI検索ではむしろ逆効果になりうるという点は、日本の実務者にとっても見直しの契機になります。
この章のまとめ
日本語での効果はまだ検証されていません。ただし「出典・統計・専門家の引用を加える」という方向性そのものは、日本語記事でも取り入れやすい編集上の工夫です。
12うちの会社は、Princeton GEO論文を踏まえてAI対策として今日から何をすればいいですか？
高梨課長分かりました。それで、うちは今日から何をすればいいでしょうか。専任は置けないのですが。
鈴木さん大がかりな体制は要りません。今ある記事に、出典や統計データを足すところから始められます。
WEBMARKSは、AI検索可視性を診断する自社ツール「aio-scan」と、月次でAI言及量を計測する「aio-report」を保有しています。これらを使えば、日本語コンテンツを対象にした簡易的な追試が仮説として設計できます。
具体的には、同一テーマの記事を「出典明記あり/なし」「統計データあり/なし」の条件で作り分けます。これは、特別な予算をかけずに始められる現実的なAI対策のひとつです。そのうえで、ChatGPT検索やPerplexityでの引用有無をaio-reportで一定期間モニタリングする、という設計が考えられます。ただし論文のような大規模統制実験ではないため、あくまで傾向を見る参考検証と位置づけるべきだと私たちは考えます。
実務での向き合い方
出典明記あり/なしで記事を作り分ける
同じテーマの記事を条件違いで用意します
統計データあり/なしで比較する
具体的な数値を加えた版と加えない版を作ります
ChatGPT検索・Perplexityでの引用有無をaio-reportで定点観測する
大規模実験ではなく、あくまで参考検証として位置づけます
この章のまとめ
自社の判断材料にするなら、「40%」という数字をそのまま信じるのではなく、出典・統計データを足す方向で小さく試し、日本語での結果を自分たちで確認していくのが実務的な進め方です。
13よくある質問
Princeton GEO論文の「40%」はどんな条件で出た数字ですか？
論文の実験環境(Bing Chatを模した独自システム)で、9手法のうち最も効果が大きかったのは「引用の追加」です。この場合の統合指標Position-Adjusted Word Count(Overall)での改善率(19.3→27.2、約41%)を、要旨では「最大40%」と丸めています。全手法の平均でも、実世界での再現値でもありません。
この論文は本当にプリンストン大学単独の研究ですか?
いいえ。筆頭著者のPranjal Aggarwal氏はIITデリー所属で、プリンストン大学の研究者3名、独立研究者2名を合わせた6名による国際共同研究です。「Princeton GEO論文」という通称は広く使われていますが、正確には国際共同研究と理解するのが原典に近い表現です。
GEOはSEOの代わりになる考え方ですか?
論文はSEOを否定するものではなく、生成AIの回答に引用されるための追加的な工夫を検証したものです。従来型のキーワード詰め込みは効果がない、またはマイナスになるという結果は、SEOそのものではなく特定の古い手法への警鐘と読むのが妥当です。
この論文の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?
論文自体は英語圏のクエリ・データで検証されており、日本語での効果は検証されていません。「出典・統計・専門家の引用を加える」という方向性は参考にしやすい一方、同じ40%という数字がそのまま出る保証はありません。
自社サイトで、この論文と同じくらいの効果が出ると期待していいですか?
そのまま期待するのは避けたほうがよいと考えます。実験室での約41%という改善は、商用サービスのPerplexity.aiで検証すると約21%にとどまりました。方向性は再現されても、効果の大きさは実験室よりも小さくなる可能性が高いというのが、原典から読み取れる実務的な前提です。
14まとめ｜今日から使える3つのこと
「可視性40%向上」は、9つの最適化手法のうち最も効果が大きかった「引用の追加」の、実験室での数値でした。実世界のPerplexity.aiで検証すると効果は約21%に縮み、著者はIITデリー・プリンストン大学らによる6名の国際共同研究です。数字を鵜呑みにせず、確認できていることとまだ確認されていないことを分けて理解することが、実務での正しい使い方だといえます。
もう一度、今日から使える3つ
「40%」を9手法の代表値ではなく最大値として理解する
平均でも全指標共通の数字でもありません
実験室と実世界の効果差を織り込む
Perplexity.aiでの実測は約21%でした
出典・統計データを足す方向で、日本語コンテンツで小さく試す
aio-reportなどで結果を定点観測します
AI検索では、こう聞かれています
Princeton GEOの論文って、結局何が書いてあるんですか?
「そもそもPrinceton GEO論文は、AI検索対策として何をどうやって調べたんですか？」の章で、実験の全体像を説明しています
「AI検索での可視性が40%上がる」というのは本当ですか?
「40%という数字はAIOの説明でよく使われますが、論文のどこから出たんですか？」の章で、表つきで説明しています
自社サイトでも同じくらいの効果が期待できますか?
「その40%は、AI検索対策のGEO施策として自社サイトでも再現できる数字ですか？」の章で答えています(結論:そのまま期待しないほうがよい、です)
次に読むなら、この記事です
