論文の概要: Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines

• arxiv url: http://arxiv.org/abs/2606.20065v1
• Date: Thu, 18 Jun 2026 10:36:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.801019
• Title: Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines
• Title（参考訳）: スケールでのジェネレーティブエンジン最適化:AI検索エンジン全体でブランドの可視性を測定する
• Authors: Pratyush Kumar,
• Abstract要約: 我々は、Ranqoで追跡された100以上のブランドで100K以上のプロンプト応答を分析した。 最初の可視性は、透明な3層ブランドのはしごを形成する。 最上位ページは「ベスト・オブ・リスト」ランキングである。
• 参考スコア（独自算出の注目度）: 10.84927926654762
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People increasingly get answers straight from AI search engines like ChatGPT, Claude, Perplexity, and Gemini rather than scrolling search results. Brands that once focused on search engine optimization (SEO) must now optimize for how these engines represent, cite, and recommend them -- a shift variously called Generative Engine Optimization (GEO), Answer Engine Optimization (AEO), and AI Search Visibility. We treat AEO and AI Visibility as part of GEO, and study how to measure brand visibility across AI engines: what they value when they cite a brand, which sources they rely on, and what content large language models surface. The hard case is everyone outside the already-authoritative top brands -- SMEs, D2C brands, creators, and early-stage startups. We analyze 100K+ prompt responses across 100+ brands tracked on Ranqo between March and May 2026. First visibility runs form a clear three-tier brand-stature ladder: global household names (e.g., Stripe, Nike) appear in 73% of relevant AI answers on their first run; established mid-market and regional brands (e.g., Olipop, Klaviyo) in 44%; niche and small brands in just 11% -- about 30 percentage points per step. When engines cite sources, about 78% go to corporate websites; among non-corporate sources YouTube leads, ahead of Reddit, editorial media, and Wikipedia. The highest-leverage page is the ranked "best-of" listicle, the most-cited content format at about 21% of all citations. Sentiment is the unstable signal: whether a brand is framed positively or negatively flips about 6.7 times more often than whether it is mentioned at all. These findings provide a first large-scale baseline for measuring GEO: AI brand visibility can be measured, differs by platform, and varies strongly by brand maturity. We close by proposing seven v1.1 protocols to test whether specific recommendations can causally improve AI visibility.
• Abstract（参考訳）: 人々は検索結果をスクロールするのではなく、ChatGPT、Claude、Perplexity、GeminiといったAI検索エンジンから直接回答を得るようになっている。 かつては検索エンジン最適化(SEO)に重点を置いていたブランドは、これらのエンジンの表現方法、引用方法、推奨方法に最適化する必要がある -- GEO(Generative Engine Optimization)、Answer Engine Optimization(AEO)、AI Search Visibility(AI検索可視性)と呼ばれるさまざまなシフトがある。 AEOとAI VisibilityをGEOの一部として扱い、AIエンジン間でブランドの可視性を測定する方法について研究している。 難しいケースは、すでに権威あるトップブランドである中小企業、D2Cブランド、クリエーター、アーリーステージのスタートアップ以外の全員だ。 2026年3月から5月にかけて、Ranqoで追跡された100以上のブランドで100K以上の応答を分析した。 グローバルな世帯名(例:Stripe、Nike)は、最初の段階で関連するAI回答の73%に現れ、中産階級と地域ブランド(例:Olipop、Klaviyo)は44%、ニッチブランドと小規模ブランドはわずか11%で、ステップ当たり約30ポイントである。 YouTubeがReddit、編集メディア、Wikipediaに先んじてリードしている。 最上位のページは「ベスト・オブ・ベスト」リストクルールであり、全ての引用の約21%で最も興奮したコンテンツ形式である。 センチメントは不安定な信号であり、ブランドが正にフレーム化されているか負にフレーム化されているかは、全く言及されていないかよりも約6.7倍の頻度でフリップする。 これらの発見は、GEOを測定するための最初の大規模なベースラインを提供する: AIブランドの可視性を測定することができ、プラットフォームによって異なり、ブランドの成熟度によって強く変化する。 我々は7つのv1.1プロトコルを提案し、特定のレコメンデーションがAIの可視性を因果的に改善できるかどうかをテストする。

関連論文リスト

• How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews [5.313243639890497]
  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。
  論文  参考訳（メタデータ） (2026-04-30T12:32:21Z)
• Claudini: Autoresearch Discovers State-of-the-Art Adversarial Attack Algorithms for LLMs [75.62489398666644]
  我々は,Claude Codeをベースとしたemphautoresearchスタイルのパイプライン citepkarpathy2026autoresearch が,新しいホワイトボックス対逆攻撃を発見できることを示した。 textbfsignantは、jailbreakで既存のすべての(30以上のメソッド)を著しく上回り、インジェクション評価を促します。
  論文  参考訳（メタデータ） (2026-03-25T16:50:56Z)
• The Discovery Gap: How Product Hunt Startups Vanish in LLM Organic Discovery Queries [0.0]
  ユーザーが名前で製品について尋ねると、ChatGPTとPerplexityはどちらもほぼ完璧に認識した。 しかし、ユーザーが「今年ローンチした最高のAIツールは何ですか?」といった発見スタイルの質問をしたとき、成功率はそれぞれ3.32%と8.29%に低下した。
  論文  参考訳（メタデータ） (2026-01-01T04:30:54Z)
• AI Answer Engine Citation Behavior An Empirical Analysis of the GEO16 Framework [0.0]
  GEO-16はページ品質の信号をバンド化されたピラースコアに変換するフレームワークであり、正規化されたGEOスコアGは0から1の範囲である。 3つのエンジンで1,702の引用を収集し、1,100のURLを監査しました。 我々のコーパスでは、エンジンは、それらが引用したページのGEO品質に違いがあり、MetadataとFreshness、Semantic HTML、Structured Dataに関連する柱は、引用と最も強い関連性を示した。
  論文  参考訳（メタデータ） (2025-09-13T00:29:32Z)
• 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)
• 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)
• 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)
• IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
  画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。 統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。 7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
  論文  参考訳（メタデータ） (2023-01-31T01:24:45Z)
• 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。