Fugu-MT 論文翻訳(概要): Generative Engine Optimization: How to Dominate AI Search

論文の概要: Generative Engine Optimization: How to Dominate AI Search

arxiv url: http://arxiv.org/abs/2509.08919v1
Date: Wed, 10 Sep 2025 18:29:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-12 16:52:24.102463
Title: Generative Engine Optimization: How to Dominate AI Search
Title（参考訳）: ジェネレーティブエンジン最適化:AI検索の優位性
Authors: Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas,
Abstract要約: ChatGPT、Perplexity、GeminiといったAIによる生成検索エンジンは、情報検索を再構築している。本稿では,AI検索と従来のWeb検索(Google)を包括的に分析する。私たちの重要な発見は、AI検索がブランドやソーシャルコンテンツに対して、アーンドメディア(第三者、権威ソース)に対して、体系的で圧倒的な偏見を示しています。
参考スコア（独自算出の注目度）: 13.959899706228176
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapid adoption of generative AI-powered search engines like ChatGPT, Perplexity, and Gemini is fundamentally reshaping information retrieval, moving from traditional ranked lists to synthesized, citation-backed answers. This shift challenges established Search Engine Optimization (SEO) practices and necessitates a new paradigm, which we term Generative Engine Optimization (GEO). This paper presents a comprehensive comparative analysis of AI Search and traditional web search (Google). Through a series of large-scale, controlled experiments across multiple verticals, languages, and query paraphrases, we quantify critical differences in how these systems source information. Our key findings reveal that AI Search exhibit a systematic and overwhelming bias towards Earned media (third-party, authoritative sources) over Brand-owned and Social content, a stark contrast to Google's more balanced mix. We further demonstrate that AI Search services differ significantly from each other in their domain diversity, freshness, cross-language stability, and sensitivity to phrasing. Based on these empirical results, we formulate a strategic GEO agenda. We provide actionable guidance for practitioners, emphasizing the critical need to: (1) engineer content for machine scannability and justification, (2) dominate earned media to build AI-perceived authority, (3) adopt engine-specific and language-aware strategies, and (4) overcome the inherent "big brand bias" for niche players. Our work provides the foundational empirical analysis and a strategic framework for achieving visibility in the new generative search landscape.
Abstract（参考訳）: ChatGPT、Perplexity、そしてGeminiといったAIによる生成検索エンジンの急速な採用は、情報検索を根本的に変え、伝統的なランク付けリストから、合成された引用支援の回答へと移行している。このシフトは、検索エンジン最適化(SEO)のプラクティスを確立し、ジェネレーティブエンジン最適化(GEO)と呼ばれる新しいパラダイムを必要とします。本稿では,AI検索と従来のWeb検索(Google)の総合的な比較分析を行う。複数の分野、言語、クエリのパラフレーズにまたがる大規模かつ制御された実験を通じて、これらのシステムがどのように情報をソースするかにおいて重要な違いを定量化する。私たちの重要な発見は、AI検索がブランド所有とソーシャルコンテンツに対するアーンドメディア(第三者、権威ソース)に対して体系的で圧倒的な偏見を示しており、Googleのよりバランスのとれたミックスとは対照的です。さらに我々は、AI検索サービスがドメインの多様性、鮮度、言語間の安定性、表現に対する感受性において、互いに大きく異なることを実証した。これらの経験的結果に基づいて戦略的GEOアジェンダを定式化する。我々は,(1)機械のスキャン可能性と正当化のためにコンテンツを開発すること,(2)AIを認知する権威を構築するためにメディアを独占すること,(3)エンジン固有の言語対応戦略を採用すること,(4)ニッチなプレイヤーに固有の「ビッグブランドバイアス」を克服すること,といった重要なニーズを強調した,実践者に対して実行可能なガイダンスを提供する。我々の研究は、新しい生成的検索環境の可視性を達成するための基礎的経験分析と戦略的枠組みを提供する。

関連論文リスト

From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文参考訳（メタデータ） (2025-06-23T17:27:19Z)
Xinyu AI Search: Enhanced Relevance and Comprehensive Results with Rich Answer Presentations [15.89383689179436]
Xinyu AI Searchは、クエリ分解グラフを組み込んだ新しいシステムで、複雑なクエリを動的にサブクエリに分割する。検索パイプラインは多ソースアグリゲーションとクエリ拡張によって多様性を高め、フィルタと再ランク戦略は通過妥当性を最適化する。 Xinyu AI Searchは、人間の評価において8つの既存の技術を上回っている。
論文参考訳（メタデータ） (2025-05-28T00:30:22Z)
Are Large Language Models Ready for Business Integration? A Study on Generative AI Adoption [0.6144680854063939]
本研究では,Google Geminiのような他の大規模言語モデル(LLM)のビジネスアプリケーションへの適用性について検討する。ディズニーランドの異なる支店からの42,654件のレビューデータセットが採用された。その結果、75%の成功率、25%のエラー、モデル自己参照の事例など、反応のスペクトルが示された。
論文参考訳（メタデータ） (2025-01-28T21:01:22Z)
Tree Search for Language Model Agents [69.43007235771383]
対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
論文参考訳（メタデータ） (2024-07-01T17:07:55Z)
GEO: Generative Engine Optimization [50.45232692363787]
我々は、生成エンジン(GE)の統一的な枠組みを定式化する。 GEは大規模な言語モデル(LLM)を使用して情報を収集し、ユーザクエリに応答する。生成エンジンは通常、複数のソースから情報を合成し、それらを要約することでクエリを満足する。我々は、生成エンジン応答におけるコンテンツの可視性向上を支援するために、コンテンツ作成者を支援する最初の新しいパラダイムである生成エンジン最適化(GEO)を紹介する。
論文参考訳（メタデータ） (2023-11-16T10:06:09Z)
NeuralSearchX: Serving a Multi-billion-parameter Reranker for Multilingual Metasearch at a Low Cost [4.186775801993103]
検索結果をマージし、文章をハイライトする多目的大規模階調モデルに基づくメタサーチエンジンであるNeuralSearchXについて述べる。我々の設計選択は、幅広い公開ベンチマークで最先端の結果に近づきながら、競争力のあるQPSを備えたよりコスト効率の高いシステムに繋がったことを示す。
論文参考訳（メタデータ） (2022-10-26T16:36:53Z)
Boosting Search Engines with Interactive Agents [25.89284695491093]
本稿では,文脈的クエリ改善のためのメタストラテジーを学習するエージェントの設計における第一歩について述べる。エージェントには単純だが効果的な検索操作者がいて、クエリや検索結果のきめ細やかで透明な制御を行う。
論文参考訳（メタデータ） (2021-09-01T13:11:57Z)
Search Engine Similarity Analysis: A Combined Content and Rankings Approach [6.69087470775851]
我々は、DuckDuckGoとともに、GoogleとBingという2つの主要な検索エンジンの親和性について分析する。我々は、検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。しかしBingとDuckDuckGoは相違点が多い。
論文参考訳（メタデータ） (2020-11-01T23:57:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。