2025年、1万人のジェネレイティブ・アンサーから学んだこと

イントロ

2025年、生成型検索はついに転換点を迎えた。実験段階を脱し、数億人もの人々が情報と関わる主要な手段となった。

この変革が発見に与える影響を解明するため、我々は史上最大規模の独立系GEO調査を実施した：

4か月間にわたり、7大検索エンジンで100以上のブランドを対象に、5つのクエリカテゴリーにわたる10,000件の生成型回答を分析。

本稿では最も重要な知見を要約する——生成型エンジンの機能、情報源の選定方法、顕在化したパターン、勝者と敗者となるブランド、そして最適化の未来への示唆。

これは2025年における「生成型回答の現状」を決定づける報告書です。

パート1：プロジェクト概要 ― 検証内容

10,000件の生成型回答において、以下の項目を追跡しました：

• 包含頻度

• 引用パターン

• 推論行動

• 幻覚の種類

• 時間の経過に伴う事実の偏移

• 生成バイアス

• マルチモーダル影響

• 回答構造

• エンティティ分類

• カテゴリレベルでの優位性

クエリは5つのグループから抽出：

1. 情報提供型

定義、ハウツー、説明、事実。

2. 取引型

比較、製品選択、サービス提供者。

3. ブランドレベル

「Xとは何か？」「Xの所有者は？」「X対Y」

4. マルチモーダル

画像、スクリーンショット、チャート、動画。

5. 主体的

多段階ワークフロー、調査手順、ツール使用に関する問い合わせ。

含まれるエンジン：

• Google SGE

• Bing Copilot

• ChatGPT検索

• パープレクシティ

• Claude Search

• ブレイブサマリーズ

• ユー・ドットコム

このデータセットは、実環境におけるAI回答の構築プロセスをこれまでで最も明確に捉えたスナップショットである。

パート2：最も重要な10の発見（要約）

詳細に入る前に、主なポイントを以下に示します：

1. 生成型回答はごく少数の情報源（通常3～10件）に基づいて記述されている。

2. エンティティの明確さが回答採用の最も強力な予測因子であった。

3. オリジナルデータは他のコンテンツよりもはるかに頻繁に引用されていた。

4. ほぼ例外なく、古いページは除外されていた。

5. 標準的な定義がブランドの説明方法を形作った。

6. マルチモーダル資産は、どのブランドが選択されるかに影響を与えた。

7. 幻覚は減少したが、誤分類は増加した。

8. クロスウェブ一貫性が信頼スコアに強く影響した。

9. エージェントは多段階推論に基づいて回答を修正した。

10. SERP優先のSEO要因は生成型可視性をほとんど予測しなかった。

詳細を分解していこう。

パート3：発見1 — モデルが予想よりはるかに少ない情報源を使用している

数十から数百ページを取得しているにもかかわらず：

生成型回答は通常、3～10の選択された情報源から構築される。

これは以下の点で一貫している：

• 短い回答

• 長い説明

• 比較

• 多段階推論

• エージェント型ワークフロー

フィルタリングを生き残った3～10のソースに含まれていない場合、あなたは存在しないも同然です。

これがSERP時代からの最大の変化点である：

可視性 ≠ 順位。可視性 = 包含。

第4部：発見2 — 可視性の最強予測因子はエンティティの明確さ

主要検索エンジンで最高の可視性を示すブランドには共通点があった：

AIが「これは何か？」という問いに完璧な確信をもって答えられた。

エンティティの明確さには3段階を観察しました：

レベル1 — 明確無比 一貫性があり、曖昧さがなく、規範的。これらのブランドは生成型可視性を支配した。

レベル2 — 部分的に明確 一部不一致あり。これらのブランドは時折表示された。

レベル3 —曖昧 矛盾する説明。これらのブランドはほぼ完全に排除された。

エンティティの明確さは以下を上回る：

• バックリンク

• ドメイン評価

• コンテンツの長さ

• キーワード密度

• ドメイン年齢

全データセットにおいて地理的要因（GEO）の重要度第1位である。

パート5：発見3 — オリジナルデータが他の全てのコンテンツタイプを上回る

生成エンジンが圧倒的に好んだのは：

• 独自調査

• 統計

• ベンチマーク

• ホワイトペーパー

• 調査報告書

• 調査結果

他では存在しないあらゆるコンテンツを圧倒的に好んだ。

オリジナルデータを持つブランドは：

• 3～4倍高い包含率

• 5倍安定した引用

• 幻覚リスクがほぼゼロ

エンジンが求めるのは一次情報であり、書き直されたSEOコンテンツではない。

第6部：発見4 — 最新性が権威性より重要だった

これは我々にとっても意外な結果だった：

検索エンジンは、権威性の高いドメインからのページであっても、古くなったページを一貫して順位を下げた。

最新性は極めて重要だった。

過去90日以内に更新されたページは、以下のように高いパフォーマンスを示した：

• DR競合他社より高い

• より長いコンテンツ

• より多くのリンク先ページ

• より古い定番ガイド

モデルは「最新性＝信頼性」と解釈する。

パート7：発見#5 — 標準的な定義がAIによるあなたの描写を形作る

以下の直接的な相関関係を観察した：

• ブランドの正規ページのフォーマット

• 生成サマリーで使用される表現

単純で構造化された定義は、回答に文字通り確実に反映された。

これは次のことを意味します：

生成型ウェブがあなたをどう描写するかは、

標準的な定義を形作ることで。

これが新たな「スニペット最適化」である。

第8部：発見#6 — マルチモーダル資産が予想外の役割を果たした

生成エンジンはますます、

• スクリーンショット

• UIの例

• 製品画像

• 図表

• 動画

補足証拠として活用されるようになった。

以下の条件を満たすブランドは：

• 一貫したデザイン

• 照明効果のある画像

• 注釈付きビジュアル

• 動画デモ

より頻繁に登場し、より正確に描写された。

視覚的明瞭さ＝生成の明瞭さ。

パート9：発見#7 — 幻覚は減少したが、誤分類は増加

幻覚は全検索エンジンで大幅に減少した。

しかし新たな問題が発生した：

誤分類 — AIがブランドを誤ったカテゴリーに分類する現象。

例：

• SaaSプラットフォームを「スイート」ではなく「ツール」と呼ぶ

• 製品階層の誤認識

• 競合他社を混同する

• 2つのブランドの機能を統合する

• 親会社と製品を混同する

これらの誤りはほぼ常に次の要因に起因していた：

• 弱い正規データ

• 製品名の一貫性欠如

• サポートページが古くなっている

定義を月次で更新するブランドは、誤分類率が大幅に低かった。

パート10：発見事項8 — 選択においてクロスウェブ一貫性が大きく重視された

エンジンが相互に比較した項目：

• LinkedIn

• Wikipedia

• ウィキデータ

• Crunchbase

• G2

• GitHub

• ソーシャルプロフィール

• スキーマ

• サードパーティレビュー

相互に照合。

事実が一致した場合 → 信頼性が増加。事実が矛盾した場合 → 除外が発生。

クロスウェブ一貫性は上位5位以内のランキング要因であった。

第11部：発見事項#9 — 主体的推論が一部ブランドを強化し、他を損なった

能動的クエリは多段階指示である：

「Xを調査し、提供者を比較し、選択肢をまとめ、最適なものを推奨せよ」

観察結果：

構造化された比較が明確なブランドほど選択頻度が高かった。

検索エンジンが求めたのは：

• 長所と短所

• 透明性のある価格設定

• 明確なポジショニング

• ユースケース一覧

• 機能詳細

弱点を隠したり機能を不明瞭にしたブランドは掲載から外れた。

パート12：発見10 — SEOの強さは生成型可視性を予測しなかった

これが最も明確な発見である：

SEOで上位表示されるブランドは、生成型回答でしばしば低調なパフォーマンスを示した。

なぜか？

生成型可視性は以下に依存するため：

• 明瞭さ

• 一貫性

• 権威性

• 最新性

• 独創性

• 信頼性

• 構造化データ

―キーワード順位ではない。

我々は以下のようなブランドを確認した：

• ドメイン権威性20がドメイン権威性80を上回る

• 100ページのサイトは10,000ページのサイトを上回る

• 特化ドメインは広範ドメインを上回る

生成エンジンは量ではなく整合性を評価する。

第13部：注目すべき副次的発見

上位10の知見に加え、以下の追加パターンを確認しました：

1. エンジンは曖昧な製品エコシステムを罰する

重複する製品が多すぎると、明確性が崩壊する。

2. 長文段落は低評価

構造化されたコンテンツが一貫して好まれる。

3. 「定義優先」コンテンツが評価される

答えから始める → その後展開する。

4. モデルは古いスクリーンショットを嫌う

古いUIはマルチモーダル認識を混乱させた。

5. エンジンはブランドファミリーより個別のブランドを好む

親子関係が曖昧化・統合されるケースが多発した。

6. エンジンはアフィリエイトサイトを大幅に順位を下げた

独自性の欠如＝排除。

7. ドメインオーソリティは信頼性には影響するが、インデックス登録には影響しない

一つのシグナルに過ぎず、決定的な要素ではなかった。

第14部：1万件の回答から導く業界レベルの洞察

最強の生成型可視性

• SaaS

• 金融

• 医療情報

• サイバーセキュリティ

• アナリティクス

• 開発者ツール

これらの産業には明確な定義と体系化された文書が存在した。

最も脆弱な

• ホスピタリティ

• 旅行

• ホームサービス

• クリエイティブエージェンシー

• ローカルサービスプロバイダー

これらの業界は曖昧さと命名規則の不統一に悩まされていた。

第15部：ブランドがこれらの知見でできること（行動指向の要約）

1. 標準的な定義を強化する

これはAIが自社をどう説明するかを形作る。

2. 独自研究を発表する

これにより生成型可視性が倍増する。

3. 厳格なクロスウェブ一貫性を維持する

信頼性と包括性を高めます。

4. 主要ページを毎月更新する

最新性は必須条件である。

5. 比較しやすいコンテンツを作成する

エージェントは構造化された分析を好む。

6. マルチモーダルな整合性を維持する

画像、スクリーンショット、UIが今や重要だ。

7. 矛盾を排除する

AIは検索エンジン以上に曖昧さを罰する。

8. 何よりもエンティティの明確さを優先する

これがGEOの基盤です。

結論：生成型回答が示す新たな情報経済

10,000件の生成型回答データが示す一つの事実：

我々はリンク経済ではなく、回答経済の時代に入っている。

可視性はもはや以下に依存しない：

• ランキング

• バックリンク

• キーワードボリューム

• SERP表面

依存するのは：

• 明瞭さ

• 事実

• 構造

• 最新性

• 独創性

• 実体の一貫性

• マルチモーダル理解

• 一貫したクロスウェブ上のアイデンティティ

生成型エンジンは最大規模のサイトを評価しない。最も 明確で、信頼性が高く、構造化された回答を評価する。

2025年に1万件の生成型回答から学んだ教訓は単純だ：

AI時代に可視性を求めるなら、人間のクリック行動ではなく、AIの思考プロセスに最適化せよ。