生成エンジン最適化（GEO、Generative Engine Optimization）は「生成エンジン」向けの内容最適化を指す。従来の検索はリンクリストを返し、ユーザーが自らクリックして閲覧していたが、生成エンジン（ChatGPT、Perplexity、Geminiなど）は複数の情報源からデータを取得し、大規模言語モデルによって一つの回答に要約するため、コンテンツクリエイターは「いつ、どのように表示されるか」に対する制御を失っている。

GEOの概念は、2023年にAggarwalらによる論文 GEO: Generative Engine Optimization で初めて提唱された。彼らは可視性を最適化可能な指標として定義し、エンジン内部の仕組みを知らなくてもコンテンツを調整できるブラックボックス型の最適化フレームワークを提示するとともに、GEO-benchベンチマークを公開した。

GEOの核心的な結論は「戦略は分野によって異なる」という点である。実験では、適切な最適化戦略により、生成回答内でのコンテンツの可視性が最大40%向上することが示された。また、すべての分野に共通する万能テンプレートは存在しないことも明らかになり、その後の研究ではAEOやAI Visibilityといった概念も同じ系譜に位置づけられている。

GEOの意義は、SEO時代の「順位思考」を「引用・採用思考」へと書き換える点にある。SEOが順位ポジションを競うのに対し、GEOは引用と採用を競う。クリエイターエコノミーにとって、これはトラフィックと収入の再分配に関わる問題であり、エンジン開発者にとっては、引用の透明性と情報源の公平性という新たな課題を提起するものである。

[JIALIU_0]