論文の概要: How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews

• arxiv url: http://arxiv.org/abs/2604.27790v1
• Date: Thu, 30 Apr 2026 12:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.086421
• Title: How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews
• Title（参考訳）: ジェネレーティブAIによる検索の破壊:Google Search、Gemini、AIの概要に関する実証的研究
• Authors: Riley Grossman, Songjiang Liu, Michael K. Chen, Mike Smith, Cristian Borcea, Yi Chen,
• Abstract要約: 私たちは、Googleの検索エンジンが返した検索結果、付随するAI Overview(AIO)、クエリ毎にGemini Flash 2.5を比較します。 代表的なリアルタイムクエリの51.5%は、AIOを生成し、オーガニックな検索結果の上に表示される。 従来のGoogle検索は、政府や教育で人気のあるウェブサイトや機関のウェブサイトから情報を取得する可能性が著しく高い。 生成検索エンジンは、Googleが所有するコンテンツを検索する確率が著しく高い。
• 参考スコア（独自算出の注目度）: 5.313243639890497
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI is being increasingly integrated into web search for the convenience it provides users. In this work, we aim to understand how generative AI disrupts web search by retrieving and presenting the information and sources differently from traditional search engines. We introduce a public benchmark dataset of 11,500 user queries to support our study and future research of generative search. We compare the search results returned by Google's search engine, the accompanying AI Overview (AIO), and Gemini Flash 2.5 for each query. We have made several key findings. First, we find that for 51.5\% of representative, real-user queries, AIOs are generated, and are displayed above the organic search results. Controversial questions frequently result in an AIO. Second, we show that the retrieved sources are substantially different for each search engine (<0.2 average Jaccard similarity). Traditional Google search is significantly more likely to retrieve information from popular or institutional websites in government or education, while generative search engines are significantly more likely to retrieve Google-owned content. Third, we observe that websites that block Google's AI crawler are significantly less likely to be retrieved by AIOs, despite having access to the content. Finally, AIOs are less consistent when processing two runs of the same query, and are less robust to minor query edits. Our findings have important implications for understanding how generative search impacts website visibility, the effectiveness of generative engine optimization techniques, and the information users receive. We call for revenue frameworks to foster a sustainable and mutually beneficial ecosystem for publishers and generative search providers.
• Abstract（参考訳）: ジェネレーティブAIは、ユーザに提供する利便性のために、Web検索にますます統合されている。 本研究では,従来の検索エンジンと異なる情報や情報源を検索・提示することで,生成型AIがWeb検索をいかに破壊するかを理解することを目的とする。 我々は11,500のユーザクエリの公開ベンチマークデータセットを導入し、生成検索の研究と今後の研究を支援する。 私たちは、Googleの検索エンジンが返した検索結果、付随するAI Overview(AIO)、クエリ毎にGemini Flash 2.5を比較します。 我々はいくつかの重要な発見をした。 まず, 51.5\%の代表的な実ユーザクエリに対して, AIOが生成され, オーガニック検索の上位に表示されることがわかった。 論争的な質問は、しばしばAIOをもたらす。 第2に,検索したソースは検索エンジンごとに大きく異なる(<0.2平均ジャカード類似度)。 従来のGoogle検索は、政府や教育で人気のあるウェブサイトや機関のウェブサイトから情報を検索する傾向が著しく高く、生成検索エンジンは、Googleが所有するコンテンツを検索する傾向が著しく高い。 第3に、GoogleのAIクローラをブロックするWebサイトは、コンテンツへのアクセスがあるにも関わらず、AIOによって検索される可能性が著しく低いことを観察する。 最後に、同じクエリの2つの実行を処理する場合、AIOは一貫性が低く、マイナーなクエリ編集に対する堅牢性が低い。 本研究は, 生成検索がWebサイトの可視性に与える影響, 生成エンジン最適化手法の有効性, ユーザが受信した情報について, 理解する上で重要な意味を持っている。 我々は,出版社や生成検索プロバイダにとって,持続的かつ相互に有益なエコシステムを育むための収益フレームワークを求めている。

関連論文リスト

• Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation [13.959899706228176]
  生成的AIが主要な情報源として台頭したことは、従来のWeb検索からパラダイムシフトを示している。 本稿では,Google検索で返される結果と生成AIサービスの主要なサービスとの根本的な違いを定量化する大規模な実証的研究を提案する。
  論文  参考訳（メタデータ） (2026-01-23T16:06:18Z)
• Characterizing Web Search in The Age of Generative AI [7.059953211629231]
  従来のウェブ検索エンジンであるGoogleと、2つのプロバイダ(GoogleとOpenAI)の4つの生成検索エンジンを比較した。 生成検索エンジンは、モデルパラメータに含まれる内部知識に依存する程度によって異なる。 本稿では,ジェネレーティブAI時代におけるWeb検索の評価基準の再検討の必要性を強調した。
  論文  参考訳（メタデータ） (2025-10-13T16:04:03Z)
• Generative Engine Optimization: How to Dominate AI Search [13.959899706228176]
  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。
  論文  参考訳（メタデータ） (2025-09-10T18:29:18Z)
• 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)
• Evaluating Verifiability in Generative Search Engines [70.59477647085387]
  生成検索エンジンは、インラインの引用とともに、ユーザークエリへの応答を直接生成する。 我々は,一般的な4つの生成検索エンジンの評価を行う。 既存の生成検索エンジンからの応答は流動的であり、情報的に見えるが、しばしばサポートされていない文や不正確な引用を含んでいる。
  論文  参考訳（メタデータ） (2023-04-19T17:56:12Z)
• 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)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• 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。