論文の概要: Answering Without Referring: How AI Search Rewrites the Web's Economic Bargain
- arxiv url: http://arxiv.org/abs/2607.07652v1
- Date: Wed, 08 Jul 2026 17:09:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.472391
- Title: Answering Without Referring: How AI Search Rewrites the Web's Economic Bargain
- Title（参考訳）: AI検索がウェブの経済的利益をどう書き直すか
- Abstract要約: 私たちは、URLレベルのComscore U.S.デスクトップクリックストリームを使用して、ChatGPTとGoogleの情報検索イベントを比較した。
ChatGPTは会話セッションのわずか5.2%でアウトバウンドクリックを生成し、Googleの参照比率よりはるかに低い。
より広いアクセスは検索使用を9.4%削減し、情報カテゴリーでは検索参照損失が最も大きい。
- 参考スコア（独自算出の注目度）: 2.164440772155042
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Search engines have long allocated attention on the web by routing users from queries to websites. AI search changes this arrangement because information needs can be resolved inside the intermediary. Using URL-level Comscore U.S. desktop clickstream, we compare ChatGPT and Google information-seeking occasions and exploit ChatGPT Search access expansions to estimate traditional search displacement. ChatGPT produces outbound clicks in only 5.2% of conversation sessions, far below Google's referral ratio. The remaining clicks are not a scaled-down Google stream: they skew toward specialized destinations and away from ad-supported sites. Wider access cuts search use by 9.4%, with search-referral losses largest for informational categories. Our findings identify a central economic shift in digital intermediation: AI search might satisfy information needs inside the intermediary while weakening the referral bargain that has linked search, traffic, and content production on the open web.
- Abstract（参考訳）: 検索エンジンは、ユーザーをクェリからウェブサイトにルーティングすることで、長い間ウェブに注意を向けてきた。
AI検索は、仲介者内部で情報が必要なことを解決できるため、この配置を変更する。
URLレベルのComscore U.S.デスクトップクリックストリームを使用して、ChatGPTとGoogleの情報検索の機会を比較し、ChatGPT検索アクセス拡張を利用して従来の検索変位を推定する。
ChatGPTは会話セッションのわずか5.2%でアウトバウンドクリックを生成し、Googleの参照比率よりはるかに低い。
残りのクリックはスケールダウンされたGoogleストリームではなく、特定の目的地に向かってスクロールし、広告付きサイトから遠ざかっている。
より広いアクセスは検索使用を9.4%削減し、情報カテゴリーでは検索参照損失が最も大きい。
AI検索は、オープンウェブ上で検索、トラフィック、コンテンツ生産をリンクする参照取引を弱めつつ、仲介者内の情報ニーズを満たす可能性がある。
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) - Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。
本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。
プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
論文 参考訳（メタデータ） (2026-03-07T14:51:17Z) - Distortion Search, A Web Search Privacy Heuristic [0.0]
検索エンジンは、各ユーザーのインターネット検索ログを保持するための膨大な技術的能力を持っている。
多くのウェブ検索プライバシー強化ツールは、ユーザーが第三者を信頼する必要がある。
ユーザ中心のディストーション検索,Web検索クエリプライバシ方法論を提案する。
論文 参考訳（メタデータ） (2025-06-10T01:35:16Z) - MindSearch: Mimicking Human Minds Elicits Deep AI Searcher [50.68599514830046]
我々は、Web情報検索と統合における人間の心を模倣するMindSearchを紹介した。
このフレームワークは、シンプルだが効果的なLLMベースのマルチエージェントフレームワークによってインスタンス化できる。
MindSearchは、深さと幅の点でレスポンス品質が大幅に改善されている。
論文 参考訳（メタデータ） (2024-07-29T17:12:40Z) - Crafting Knowledge: Exploring the Creative Mechanisms of Chat-Based
Search Engines [3.5845457075304368]
本研究の目的は,LLMを利用した検索エンジン,特にBing Chatが応答情報ソースを選択するメカニズムを解明することである。
Bing Chatは読みやすく、形式的に構造化されたコンテンツを好むだけでなく、より低いパープレキシティレベルを示す。
本調査では,RAG技術が引用するWebサイトと従来の検索エンジンの上位のWebサイトとの類似性を比較検討した。
論文 参考訳（メタデータ） (2024-02-29T18:20:37Z) - QAnswer: Towards Question Answering Search over Websites [3.9123551183847964]
QA ( Question Answering) は、検索結果をエンドユーザに提供するために、検索エンジンによってますます利用されている。
知識グラフ上のQAと自由テキスト上のQAを組み合わせたWeb検索を実演する。
論文 参考訳（メタデータ） (2024-01-17T12:31:45Z) - User Attitudes to Content Moderation in Web Search [49.1574468325115]
我々は、Web検索における誤解を招く可能性のあるコンテンツや攻撃的なコンテンツに適用される様々なモデレーションプラクティスに対するサポートレベルについて検討する。
最も支持されている実践は、誤解を招く可能性のあるコンテンツや不快なコンテンツについてユーザーに知らせることであり、最も支持されていないものは、検索結果を完全に削除することである。
より保守的なユーザーやウェブ検索結果に対する信頼度が低いユーザーは、ウェブ検索におけるコンテンツモデレーションに反する傾向にある。
論文 参考訳（メタデータ） (2023-10-05T10:57:15Z) - WebCPM: Interactive Web Search for Chinese Long-form Question Answering [104.676752359777]
LFQA(Long-form Question answering)は、複雑でオープンな質問に、段落長の詳細な回答で答えることを目的としている。
中国初のLFQAデータセットであるWebCPMを紹介する。
高品質な質問応答対5,500件,支援事実14,315件,Web検索121,330件を収集した。
論文 参考訳（メタデータ） (2023-05-11T14:47:29Z) - 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) - The Matter of Chance: Auditing Web Search Results Related to the 2020
U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。
その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
論文 参考訳（メタデータ） (2021-05-03T11:18:19Z) - 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。