GEO対策とは？やり方5ステップ｜SEOとの違いと会社の選び方

GEO対策は「AIに聞かれる問いを決め、見出し直下に結論と一次情報を置き、構造と外部言及で伝える」5手順で、最初に自社の想起と流入を測ってから始めます。この記事は、上司や社内から「GEO対策はやっているのか」と聞かれ、SEOとの違いと自社で何から手を付けるべきかを知りたい企業のWeb・マーケ担当者に向けて書いています。

GEOとは何の略で、どう読むか

GEOはGenerative Engine Optimization（生成エンジン最適化）の略で、読み方は「ジオ」です。2023年にPranjal Aggarwalらが論文で提唱した言葉で、ChatGPTやGeminiのような生成AIの回答に、自社の情報が引用・言及される状態を作る取り組みを指します。

日本ではLLMO（大規模言語モデル最適化）とほぼ同じ意味で使われることが多い言葉です。私たち株式会社くるみは、AI検索対策の全体像をLLMOの記事で先に整理しました。用語の違いは次の節で扱いますので、全体から知りたい方はLLMOとは？からお読みください。

5手順の全体像

GEO対策の全体像は、測ることから始めて、問いを決める、結論を先に、根拠を示す、構造で伝える、言及を増やす、の5手順を回す形にまとまります。先に図で示します。

• 問いを決める：AIに自社を探させる問いを、カテゴリー名ではなく困りごとの場面で決めます。
• 結論を先に：各見出しの直下に、その見出しが立てた問いへの答えを書きます。
• 根拠を示す：一次情報・著者・出典を添え、AIが引用しやすい材料をそろえます。
• 構造で伝える：FAQの構造化データやNAPの統一で、機械にも意味が伝わる形にします。
• 言及を増やす：外部サイトからの言及と公式プロフィールの統一で、AIの信頼を積みます。

5手順の前に置く「測る」については、第4節で自社サイトの実測とGeminiでの想起テストを出します。手順そのものは第5節で、つまずき所は第6節で扱います。

GEOとSEO・LLMO・AIO・AEOの違いは「何を狙うか」と「どこで測るか」にあり、企業の担当者はSEOを土台にしたうえでGEO（引用と言及）を優先するのが実務的な順番です。

4つの用語を1つの表で見る

用語ごとに、何を狙う、主な舞台、測る指標、土台の観点で並べると、違いは目的と測り方に集約されます。図で比べます。

• SEO：検索上位を狙い、Google検索が主な舞台です。測る指標は順位・流入で、土台は被リンクです。
• LLMO：AIの想起を狙い、ChatGPT等が主な舞台です。測る指標は想起率で、土台は一貫した情報です。
• AIO：AI概要枠を狙い、AI概要が主な舞台です。測る指標は概要枠掲載で、土台はSEO上位です。
• GEO：引用と言及を狙い、AI回答全般が主な舞台です。測る指標は引用数・流入で、土台はSEO＋一次情報です。

AEO（回答エンジン最適化）は、質問に対する短い答えの形で拾われる状態を狙う言葉で、GEOの中の書き方に近い位置づけです。GoogleのAIモードについてはAIモードとはで、AIO対策・AEO対策の細かい違いは兄弟記事「AIO対策とは」「AEO対策とは」で扱います。

どれを優先するか：GEOは広告の前工程

私たちは、SEOを土台に置いたうえで、GEOを先に回すと決めています。理由は、AI検索が出会える場面の違いにあります。

デジタル広告は、比較が始まってからの刈り取りしかできません。AI検索は、比較が始まる前の「相談相手を決める瞬間」に出会えます。だからGEOは広告の代替ではなく、前工程です。

SEOの基本はそのまま効く

Googleは、AI概要やAIモードに載るための追加要件や特別な最適化はなく、SEOの基本がそのまま有効だと案内しています（Google検索セントラル「AI機能とウェブサイト」）。用語の線引きは各社で揺れるため、この記事は2026年9月時点の一般的な使い分けで整理しています。

生成AIは、質問、検索、抽出、選別、生成の順に情報を集め、選別の段階で出典の有無と情報の一貫性を根拠に引用元を選びます。

5つの工程を図で見る

工程は、質問：ユーザーが問いを入力、検索：検索で候補を集める、抽出：見出し直下の要点を読む、選別：出典と一貫性で絞る、生成：要約し引用元を添える、の順に進みます。図で流れを示します。

• 質問：ユーザーが問いを入力。「◯◯に困ったとき、相談できる会社は」のような自然文が入ります。
• 検索：検索で候補を集める。多くの生成AIは検索結果を候補に使うため、検索に上がらないページは候補に入りません。
• 抽出：見出し直下の要点を読む。本文全体ではなく、見出しの直後にある文が要点として抜かれます。
• 選別：出典と一貫性で絞る。出典の有無と、会社情報や主張の一貫性で候補を絞ります。
• 生成：要約し引用元を添える。絞られた候補を要約し、引用元のリンクや社名を添えて回答します。

選別で見られるのは本文の量ではない

選別の工程で効くのは、本文の分量ではなく、見出し直下の要点と出典の有無です。GEO論文は、引用・統計・出典を足したページは生成回答での可視性が上がったと報告しています（Aggarwal et al., GEO: Generative Engine Optimization（arXiv, 2023））。

対策に落とすと直す場所が分かれる

対策に落とすと、直す場所は工程ごとに分かれます。検索の工程はSEO、抽出は見出し直下の書き方、選別は出典と会社情報の一貫性です。

どの工程で落ちているかが分からないまま施策を積むと、効いたかどうかも判断できません。だからこそ、対策の前に自社の想起と流入を測る前提を置きます。

AI検索からの流入は実際に来ていて、私たちの自社サイトではサイト全体の3.2%を占める一方、Geminiに12問を投げた時点での自社の想起は0/12でした。

AI検索経由の流入は3.2%、平均の約3倍

私たちが自社サイトcurumi.co.jpで2026年5月から7月にかけて計測したところ、参照元にAIサービス名を含む訪問はサイト全体の3.2%でした。広告経由は除外しています。比較対象のConductor 2026 AEO/GEO Benchmarks（13,770ドメイン）の全業種平均は1.08%なので、約3倍の水準です。

内訳を見ると、AI経由の訪問のうちChatGPT系が83%を占め、着地ページの87.7%はブログ記事でした。量は少ないが、長く読む訪問がブログ記事に来ている、というのがこの実測から見えたことです。

Geminiに12問を投げたら想起は0/12だった

流入とは別に、AIが今の私たちをどう見ているかも測りました。2026年8月28日にGeminiへ自社を探す問いを12問投げたところ、株式会社くるみの想起は0/12でした。同じ12問で3問以上繰り返し想起された会社は7社ありました。

0であることが分かったので、私たちは手順1の問いの決め方から着手すると決めました。想起の有無が分からないまま施策を積むより、ゼロを記録しておく方が、翌月に何が変わったかを言えます。想起を体系的に測る手順は、兄弟記事「LLMO診断」で扱います。

集計条件を固定して毎月見る

参照元にAIサービス名を含む訪問、広告経由は除外、と条件を固定して、毎月同じ集計で見ています。条件を変えると割合は動くので、前月と比較できなくなります。

想起の側も、同じ12問を同じAIに投げる形で固定します。測る条件を先に決めておくことが、後の再現性の土台になります。

GEO対策のやり方は、問いを決める、結論を先に、根拠を示す、構造で伝える、言及を増やす、の順に直すことで、順番を入れ替えると後の手順が効きにくくなります。

5手順を工程図にまとめました。問いを決める：欲望の場面で選ぶ、結論を先に：見出し直下に答え、根拠を示す：一次情報と著者、構造で伝える：FAQ・構造化データ、言及を増やす：NAP統一と外部言及、の順です。

• 問いを決める：欲望の場面で選ぶ。カテゴリー名ではなく、困りごとの場面でAIに投げる問いを決めます。
• 結論を先に：見出し直下に答え。各見出しの直後に、その問いへの答えを置きます。
• 根拠を示す：一次情報と著者。実測・出典・著者情報で、選別に残る材料をそろえます。
• 構造で伝える：FAQ・構造化データ。機械が読める形で、ページの意味と会社情報を渡します。
• 言及を増やす：NAP統一と外部言及。自社外での言及と、公式プロフィールの一貫性を積みます。

手順1：AIに聞かれる問いを決める

最初に、AIに自社を探させる問いを12問ほど書き出します。問いは「AIコンサル会社」のようなカテゴリー名ではなく、「◯◯に困ったときに相談できる会社は」のような場面の言葉で作ります。決め方の落とし穴は次の節で扱います。

書き出した問いは、そのままGeminiやChatGPTに投げて、社名が出るか、出た場合は何番目かを記録します。これが以降の手順の効き目を測る基準線になります。

手順2：見出し直下に結論と一次情報を書く

各見出しの直後の1文で、その見出しが立てた問いに答えます。抽出の工程で読まれるのは見出し直下なので、前置きや背景説明を先に置くと、要点として拾われません。

見出し直下に結論を置く考え方は、LP改善と同じです。ファーストビューで答えを出す発想を、そのまま記事に持ち込みます。詳しくはLP改善（ランディングページ最適化）。

手順3：E-E-A-Tを示す：著者・会社情報・実測・出典

E-E-A-T（経験・専門性・権威性・信頼性）は、記事に著者名と会社情報を明記し、自社で測った数字と外部の出典を添える形で示します。第4節の実測のように、期間と集計条件を本文に書くと、AIにも読者にも根拠として伝わります。

GEO論文が可視性を上げると報告した「引用・統計・出典」を、自社の実測と出典で満たすのが手順3です。一般論の数字を引き写すより、小さくても条件つきの自社の数字を置きます。

手順4：構造で伝える：FAQ構造化データ・NAP・llms.txt

構造化データ（ページの内容を機械に伝える付加情報）でFAQを記述し、NAP（社名・住所・電話番号）を全ページと外部プロフィールでそろえます。Googleは、構造化データをページの意味を明示する手がかりとして使うと説明しています（Google検索セントラル「構造化データの仕組み」）。

llms.txt（AI向けにサイトの案内を置くテキストファイル）は、2026年9月時点で各AIが読む保証はない補助的な施策です。設置方法と扱いは、兄弟記事「llms.txtとは」で扱います。

手順5：言及を増やす：外部サイテーション・レビュー・公式プロフィールの統一

外部サイテーション（他サイトでの社名・サービス名の言及）を増やし、レビューと公式プロフィールの記述を統一します。選別の工程で見られる一貫性は、自社サイトの中だけでは作れません。

言及先で社名や事業説明が食い違うと、選別の工程で一貫性が取れません。まず公式プロフィールの文言を1本にそろえ、そこから外部の言及を増やす順で進めます。各手順を伴走で回す形はLLMO支援にまとめています。

手順どおりにやっても効果が出ない最大の原因は、手順1の問いをカテゴリー名で決めてしまい、AIが実際に想起する場面を外していることです。

競合はカテゴリーではなく欲望で決まる

私たちは、GEOの問い設計に「競合はカテゴリーではなく欲望で決まる」というCEP（カテゴリーエントリーポイント。買い手が商品を思い出す場面）の考え方を当てはめています。「AIコンサル会社」のようなカテゴリー名で自社を探す問いだけ測ると、AIが実際に想起する場面である「◯◯に困ったときに相談できる会社」を外します。

問いの立て方（カテゴリー名か欲望の場面か）と、AIでの想起（あるかないか）の2軸で整理すると、自社がどこにいるかが見えます。

• カテゴリー名で想起あり：社名が出て安心しがちですが、その問いで相談相手を探す人は少なく、流入につながりにくい位置です。
• カテゴリー名で想起なし：手を打ちたくなりますが、問いの側がずれている可能性を先に疑う位置です。
• 欲望の場面で想起あり：狙う位置です。この問いを月次で固定し、想起の順位と引用ページを記録します。
• 欲望の場面で想起なし：手順1から着手する位置で、2026年8月28日時点の私たちもここでした。

上位記事が共通で挙げる注意点

GEOの土台はSEOです。検索の工程で候補に入らないページは、抽出にも選別にも進めません。Googleも、AI機能に載るための特別な最適化はなく、SEOの基本がそのまま有効だと案内しています（第2節で示したGoogle検索セントラルの案内）。

AIだけに向けた文章は将来リスクです。人が読んで不自然な羅列や、AIに拾わせるための言い回しは、検索エンジン側の評価が変わったときに丸ごと無駄になります。人に読まれる文章に、見出し直下の結論と出典を足す、という順を崩しません。

よく見るパターン

製造業のB2B企業で、カテゴリー語では検索上位にいるのに、欲望の場面の問いではAIの想起がゼロだったケースがありました。順位を見て安心していた問いと、見込み客がAIに投げる問いが一致していなかったのが原因でした。

これは匿名の自社支援記録で、第三者未検証です。同じ状態にあるかどうかは、手順1の問いを場面の言葉で作り直して投げれば、その場で確かめられます。

公開前は見出し直下の結論・一次情報・著者情報を確認し、月次ではAIでの想起と流入の分離を記録するのが、私たちの回し方です。

公開前と月次の6項目

6項目を、公開前と月次のどちらで見るかで分けました。見出し直下に結論、一次情報と出典、著者・会社情報、FAQ構造化データ、AIでの想起記録、AI経由の流入分離の順です。

• 見出し直下に結論：公開前は必須（◎）、月次は推奨（○）。各H2の最初の1文が問いに答えているかを見ます。
• 一次情報と出典：公開前は必須、月次は推奨。期間・集計方法・出典が本文にあるかを見ます。
• 著者・会社情報：公開前は必須、月次は任意（△）。著者名と会社情報がページ内と外部で一致しているかを見ます。
• FAQ構造化データ：公開前は推奨、月次は任意。FAQの構造化データが本文の内容と一致しているかを見ます。
• AIでの想起記録：公開前は推奨、月次は必須。同じ12問を投げて社名が出るかを記録します。
• AI経由の流入分離：公開前は任意、月次は必須。参照元にAIサービス名を含む訪問を分けて割合と滞在を見ます。

私たちはこう回している

私たちは月に1回、GeminiとChatGPTに同じ12問を投げて、社名が出たか、何番目か、どのページが引用されたかを記録しています。次にGA4（Googleアナリティクス4）で、参照元にAIサービス名を含む訪問を分け、割合と平均滞在を前月と並べます。

最後に、引用されたページと引用されなかったページを見比べ、見出し直下の1文と出典の置き方を直します。この3工程を同じ12問、同じ集計条件で繰り返すと、変化が施策によるものか、AI側の変更によるものかを切り分けやすくなります。

ツールと会社の使いどころ（2026年9月時点）

ツールは「想起モニタリング」と「引用チェック」の自動化に使います。複数のAIに問いを投げて記録する作業と、どのページが引用されたかを拾う作業は、手作業だと月次の負担が大きい部分です。

会社は「測る→直す」の工程をどこまで代行するかで選びます。測るだけの会社、直すところまで伴走する会社、SEOの土台から組み直す会社で役割が違うので、自社で回せる工程を先に決めてから相談します。

ツールの比較は兄弟記事「LLMOツール」、対策会社の選び方は「LLMO対策会社」、ブランドクラウドの扱いは「ブランドクラウドのLLMO」で扱います。いずれも2026年9月時点の整理です。

GEO対策は何の略で、読み方は？

GEOはGenerative Engine Optimization（生成エンジン最適化）の略で、読み方は「ジオ」です。ChatGPTやGeminiなどの生成AIの回答に、自社の情報が引用・言及される状態を作る取り組みを指します。2023年にPranjal Aggarwalらの論文で提唱された言葉です。

GEO施策とは具体的に何をすることですか？

AIに聞かれる問いを決め、見出し直下に結論を書き、一次情報と著者・出典で根拠を示し、FAQの構造化データとNAPの統一で構造を伝え、外部での言及を増やす、の5手順です。始める前にAIへ問いを投げて想起を記録し、月次で同じ問いを繰り返して変化を見ます。

SEOとGEOの違いは何ですか？

SEOは検索結果の上位表示を狙い、順位と流入で測ります。GEOは生成AIの回答での引用と言及を狙い、引用数とAI経由の流入で測ります。GEOの土台はSEOで、検索に上がらないページはAIの候補にも入りにくいため、対立ではなく積み重ねの関係です。

GEOとLLMO・AIOの違いは？

LLMOはChatGPTなどの大規模言語モデルに自社を想起させる取り組みで、想起率で測ります。AIOはGoogleのAI概要枠への掲載を狙い、SEO上位が土台です。GEOはAI回答全般での引用と言及を狙う言葉で、日本ではLLMOとほぼ同義で使われます。線引きは各社で揺れます。

GEO対策の効果はどう測り、どのくらいで再現できますか？

月次で、同じ問いをAIに投げた想起の記録と、参照元にAIサービス名を含む訪問の割合を記録して測ります。私たちの自社サイトではAI経由の訪問が3.2%でした。再現性は、問いと集計条件を固定して毎月同じ手順で記録するかどうかで決まります。

明日から始めるのは、AIに自社を探す問いを12個投げて、想起を記録することです。

GEO対策は、測ってから5手順で回します。問いを決める、結論を先に、根拠を示す、構造で伝える、言及を増やす、の順に直し、月次で想起と流入を記録します。

今日やること

• 自社を探す問いを、カテゴリー名ではなく困りごとの場面で12個書き出す。
• GeminiとChatGPTに投げて、社名が出たか、何番目か、引用ページを記録する。
• GA4で参照元にAIサービス名を含む訪問を分け、割合と滞在を記録する。

記録が0でも、それが基準線になります。私たちも0/12を記録したところから手順1に着手しました。

続けるのが重い場合

問いを投げて記録し、引用ページを見比べる作業を社内で毎月回すのが重い場合は、定型作業をAIエージェントに置き換えるおきかえくんの無料診断から始められます。GEO対策の背景にあるAI検索対策の全体像は、冒頭でリンクしたLLMOの記事で整理しています。

GEO対策の進め方や、自社の想起と流入の測り方について相談したい場合は、株式会社くるみのお問い合わせ窓口から受け付けています。現状を測るところから一緒に整理します。