GEOで「可視性40%改善」は本当か——数字の出どころと、相関を因果と切り分ける測り方

GEOの「40%改善」は、何を測った数字なのか

GEOで「可視性が最大40%改善する」という数字は、実在する研究の結果です。ただしこれは、AIの回答文そのものの中で自社の情報がどれだけ取り上げられたか（語数の割合を位置で重みづけした指標）を測ったもので、クリックや問い合わせ、検索順位が40%増えるという意味ではありません。さらに2026年の批判的サーベイは、この数字を「特定の条件における1指標の相対的な最大値」と位置づけ、施策が集客や成果に因果的に効くことは確認されていない、と指摘しています。つまり、スコアが上がっても「施策が効いた」と即断せず、相関と因果を分けて読む必要があります。

「GEO対策で可視性が40%向上」。AI検索対策の記事やサービス紹介で、この数字を見かけた方は多いはずです。数字は具体的で、いかにも効きそうに見えます。しかし、この40%が何を測ったもので、何を測っていないのかを正しく理解しないと、施策の効果を大きく読み違えます。

この記事では、40%という数字の出どころを一次ソースで確認し、2026年の研究が指摘した限界を整理したうえで、中小企業がこの手の数字とどう付き合えばいいかを解説します。

「40%」はどこから来た数字か

この数字の出どころは、プリンストン大学などの研究チームが2024年に発表した論文「GEO: Generative Engine Optimization」です。生成AIの回答に自社の情報が引用されやすくなる書き方を体系的に検証した、AI検索対策の土台になっている研究です。

論文が使った指標は、Position-Adjusted Word Count（位置で調整した語数）と呼ばれるものです。AIの回答文の中で、ある情報源に関連する文がどれだけの語数を占めるかを数え、回答の中での表示位置（上のほうか下のほうか）で重みづけしたものです。要するに「AIの回答の中で、その情報源がどれだけ目立って取り上げられたか」を数値化しています。

そのうえで、いくつかの書き換え施策の効果を測っています。関連する引用を加える施策（Quotation Addition）で約41%、統計データを加える施策（Statistics Addition）で約40%、出典を明記する施策（Cite Sources）で約30%の改善が確認された、というのが「最大40%」の中身です。

ここは公平に押さえておきたいのですが、この論文自体は誠実な研究で、「事実や数字、出典をAIが抜き出しやすい形で置くと、回答に取り上げられやすくなる」ことを示した価値ある成果です。GEOの基本的な考え方はGEO（生成エンジン最適化）とは？でも解説しています。問題は数字そのものではなく、数字の読み方にあります。

その40%は「何を測っていないか」

読み違いを防ぐために、この40%が測っていないものをはっきりさせます。

第一に、クリックや流入、問い合わせではありません。あくまでAIの回答文の中での語数の割合であって、そこからサイトに人が来た数や、成約した数を測ったものではありません。

第二に、検索順位でもありません。生成AIは検索結果のようにリンクを並べるのではなく、回答の中に情報を織り込みます。40%はその「回答の中での取り上げられ方」の話です。

第三に、そして最も見落とされがちなのですが、この改善は「その情報源がすでにAIの参照候補に入っている」状態を前提にしています。論文の評価は、複数の候補文書がAIに渡された状態で、その中の1つをどう書き換えると回答で目立つか、を測っています。つまり「そもそも候補として見つけてもらう」段階は、この40%の外側にあります。

2026年の批判的サーベイが釘を刺したこと

2026年に公開されたGEOの批判的サーベイ（Optimizing Visibility in Generative Engines）は、この40%を含む多くの主張を精査し、いくつかの重要な注意点を挙げています。

40%という数字については、「特定の構成における1指標の相対的な最大値であり、クリックやコンバージョンを予測するものではない」と明記しています。

さらに踏み込んで、「安定して長期的・横断的に効く因果効果は、どの手法についても確認されていない」と述べています。引用されることが成約につながるという主張の確からしさは「非常に低い（示唆的な準実験と業界の主張が少数あるのみで、因果は未確立）」という評価です。

具体的な落とし穴も報告されています。本文を引用向けに最適化しすぎると、かえって上位候補への露出が約9%下がった例があること。従来SEOのキーワード詰め込みはAI検索では無効から逆効果であること。汎用的なフォーマットの型は効きにくく、54の手法と領域の組み合わせのうち有意に効いたのは3つだけだったこと。そして、引用されても内容が正しく支持されているとは限らず、根拠にきちんと支えられていた文は約51.5%にとどまったこと。

まとめると、「引用されやすくする書き換え」に一定の効果があるのは確かでも、それが集客や成果に安定して効くという因果までは、まだ誰も示せていない、というのが2026年時点の到達点です。

だから「相関」と「因果」を分けて読む

ここが本題です。AI可視性のスコアが上がったとき、それを「施策が効いた」と読むのは、相関を因果と取り違えている可能性があります。スコアが動く理由は施策以外にもあるからです。

たとえばAI側のモデル更新でスコアは動きます。生成AIの回答は確率的に揺れ、参照される情報源も日々入れ替わります。ある研究では、引用元は連日で約35%しか重ならない、つまり約65%が毎日入れ替わると報告されています。同じ質問を同じ日に繰り返しても結果はばらつきます。1回や数回のスクリーンショットで「出た、出ない」を判断できないのはこのためです。この点はAIの「おすすめ」は毎回変わる——回答がブレる理由と出現率の測り方で詳しく扱っています。

では、どうすれば施策の効果を正しく判断できるのか。考え方は3つです。

1つ目は、複数回・信頼区間つきで出現率を測ること。1回の結果ではなく、繰り返し測った割合で見ます。ブランドが回答に出るかを見るには1つの質問あたり最低7回程度、2〜4週間のローリングで見るのが目安、という研究もあります。

2つ目は、同業のコントロールを同じ条件で測って比較することです。自社だけスコアが上がったのか、業界全体が動いただけなのかを切り分けます。自社の前後比較だけを見ていると、AI側の変化を施策の成果と勘違いしてしまいます。

3つ目は、前後比較だけに頼らないことです。施策の前後で数字が変わっても、その間にモデル更新や季節要因が挟まっていれば、因果は言えません。効果測定の具体的な進め方はAIEO施策の効果はどう測る？にまとめています。

中小企業はこの数字とどう付き合うか

実務的な結論はシンプルです。

まず、40%を「やれば集客が40%増える」と読まないこと。これは回答文の中での取り上げられ方の指標であって、売上や問い合わせの話ではありません。

一方で、施策そのものを否定する必要はありません。事実や統計、出典を、AIが抜き出しやすい形で正確に置くこと自体は、回答に取り上げられやすくする範囲で有効です。誠実な情報を整えるという方向は変わりません。過大評価も過小評価もせず、効く範囲で効く施策として淡々と積むのが健全です。

そして効果の判断は、2段階で考えます。日常は傾向を見る程度（directional）で十分です。予算を増やすか、施策を続けるかを判断するときだけ、複数回・コントロール比較・一定期間という条件を満たした計測（decision-grade）に引き上げます。この2段階の考え方は、IABが発表したAI時代の可視性計測の標準とも一致します。

まとめ

GEOの「40%改善」は嘘ではありません。ただし、それはAIの回答の中での取り上げられ方の指標であって、集客や成果を約束する数字ではありません。2026年の研究は、引用が成果につながる因果はまだ確認されていない、と明言しています。

数字に踊らされないために必要なのは、相関と因果を分けて読むことです。スコアが上がったら、施策が効いたと決める前に、複数回測り、同業のコントロールと比べる。それが、AI可視性を正しく測るということです。

NAVIGATEでは、ChatGPT・Gemini・Claudeでの御社の表示状況を、1回のスクリーンショットではなく複数回計測の出現率で数値化する無料診断を行っています。まずは現在地を、数字で把握することから始めてください。サービスの詳細や料金はAI検索対策（AIEO）サービスページをご覧ください。

無料AI可視性診断を申し込む

---

参考（一次ソース）

• Aggarwal et al.: GEO: Generative Engine Optimization（KDD 2024。「最大40%」の出典）
• Optimizing Visibility in Generative Engines: A Critical Survey of GEO (2023–2026)（2026年。40%の位置づけと因果の限界）
• Don't Measure Once: Measuring Visibility in AI Search (GEO)（2026年。引用元の入れ替わりと必要な計測回数）