GEO・AI検索最適化に取り組む上で知っておきたい用語を、基本から応用まで解説します。
AIが情報を処理し・取得し・生成し・引用するまでの一連の仕組みを17の概念で整理した技術マップです。トークン・RAG・Retrieval・推論・情報利得など、GEO対策の「なぜ」を構造的に理解するためのカテゴリガイドです。
→ 読むGEO対策の戦略層を構成する30の概念を整理した戦略マップです。GEO・AEO・SOMの関係から始まり、Entity・オーソリティ・E-E-A-T・コンテンツ戦略まで。「何を・なぜ・どう設計するか」をまとめて理解できるカテゴリガイドです。
→ 読むGEO対策の実装層を構成する19の概念を整理した実装マップです。Entityの宣言・証明・AI可読性の設計・補助シグナルの整備まで、GEO対策の戦略を現実に変えるための実装知識を体系化しています。
→ 読むAIクローラー対応に関する9の概念を整理した実装マップです。AIクローラーの種類・User-Agentによる識別・robots.txtでのアクセス制御から、llms.txtなどのAI専用ファイル・サイトマップによる構造伝達まで体系的に解説します。
→ 読むGEO対策で押さえるべき7つのAIプラットフォームを整理したガイドです。検索連携型と会話型に分けてGEO対策のアプローチを解説。「どのAIから対策すべきか」に直結するプラットフォームマップです。
→ 読むGEOとは、ChatGPTやGeminiなどの生成AIが回答を生成する際に自社の情報を引用・言及させるための最適化施策です。従来のSEOが検索結果の上位表示を目指すのに対し、GEOはAIが生成するひとつの回答の中に入ることを目指します。
→ 読むAEOとは、検索エンジンの回答ボックス（強調スニペット）や音声検索に対してコンテンツを構造化・最適化する施策です。GEO・LLMO・AI SEOと近い概念であり、業界内での使い分けは2026年現在も流動的です。
→ 読むLLMOとは、LLMの学習データや回答生成において自社ブランドが正しく認識・参照される状態を作る最適化の取り組みです。GEOを構成する観点のひとつであり、数ヶ月〜数年単位の長期的なスパンで効果が現れます。
→ 読むLLM（Large Language Model／大規模言語モデル）は、GEO対策の前提概念であり、「学習済み知識」と「リアルタイム取得」の2つの側面を持つAIモデルです。LLMの仕組みを理解することがGEO対策の「なぜ」を説明する土台になります。
→ 読むChatGPTとは、OpenAIが提供する生成AIサービスです。学習済み知識をベースとしながら、検索有効時にはリアルタイムでWeb情報を取得する2つのモードで動作します。GEO対策において最も重要なAIプラットフォームのひとつです。
→ 読むGeminiとはGoogleが提供する生成AIサービスです。Google検索との統合が深く、AI Overviewsの生成にGeminiファミリーのモデルが活用されています。GEO対策においてChatGPTと並んで最優先で対応すべきプラットフォームのひとつです。
→ 読むClaudeとは、Anthropicが提供する生成AIサービスです。長文処理・推論・分析に強みを持ち、BtoBの調査・選定用途での採用が増えています。学習型モードが中心のため、Web上での自社情報の一貫した蓄積がGEO対策の核心になります。
→ 読むPerplexityとはAI検索エンジンです。回答生成時にWeb上の情報を積極的に参照し、引用元を明示した上で回答を生成します。常時RAG型に近い動作をする点がChatGPT・Gemini・Claudeとの最大の違いです。
→ 読むCopilotとはMicrosoftが提供する生成AIサービスです。Bing検索との統合が深く、Microsoft 365への組み込みにより企業のビジネス用途での利用が進んでいます。GEO対策においてBing検索への対応と密接に関係するプラットフォームです。
→ 読むGrokとはxAIが提供する生成AIサービスです。X（旧Twitter）のリアルタイムデータへのアクセスが最大の特徴で、SNS上の言及・トレンド・議論を参照して回答を生成します。他のAIにはないX固有のデータソースがGEO対策上の特徴です。
→ 読むAI OverviewsとはGoogle検索結果の上部に表示されるAI生成の要約です。GeminiファミリーのモデルとGoogle検索のインデックスを活用して生成されます。Google検索経由の情報露出に直接影響するため、GEO対策において最も注目すべき機能のひとつです。
→ 読むRAGとは、Retrieval-Augmented Generation（検索拡張生成）の略であり、AIが外部の情報を検索・取得してから回答文を生成する仕組みです。GEO対策においてWebサイトの構造がAIの回答品質に影響する理由を理解するための基礎概念です。
→ 読むGroundingとは、AIが回答を生成する際に特定の情報源や事実に基づいて回答を接地させる仕組みです。GEO対策においてAIが自社コンテンツを根拠として参照する状態を作るための概念として位置づけられます。
→ 読むRetrievalとは、AIが回答を生成する前に関連する情報を外部から探し出して取得する処理です。GEO対策においてAIがどのような基準でコンテンツを取得するかを理解するための概念として位置づけられます。
→ 読むEntityとは、AIや検索エンジンが「固有の意味を持つ概念・モノ・人・組織」として認識する対象のことです。GEO対策においてAIにブランドや著者を正確に認識させるための基盤として位置づけられます。
→ 読むクエリとは、ユーザーが検索エンジンや生成AIに入力する検索語句・質問・依頼文のことです。GEO対策においては、AIに対してどのようなクエリを投げた際に自社がどのように説明されるかを確認し、現在の認識状態を把握するための起点になります。
→ 読むサイテーションとは、AIの回答や外部メディアで自社ブランド・コンテンツ・URLが言及・引用されることです。GEO対策においてはコンテンツ品質・信頼性・Entity認識が複合的に作用した結果として現れる成果指標です。
→ 読むハルシネーションとは、AIが事実と異なる情報をあたかも正確であるかのように生成してしまう現象です。GEO対策においては「正確な情報の整備＋定期的な監視」で対処すべき問題として位置づけられます。
→ 読むAIボットクロールとは、ChatGPTやGeminiなどのAIサービスのBotがWebコンテンツを自動取得する処理のことです。インデックス型・学習型・代理アクセス型・従来型の「3＋1」分類を理解することがGEO対策設計の前提となります。
→ 読むllms.txtとは、AIがWebサイトを理解しやすくするためにサイトのルートに設置するMarkdownファイルです。2026年現在、主要なAIエンジンはllms.txtを正式採用していません。
→ 読むllms-full.txtとは、AI向けのサイト案内ファイルとして提案されたMarkdown形式の拡張仕様です。llms.txtの要約・リンク情報に加えて、コンテンツ全文を含めることを想定しています。2026年時点では主要AI事業者による公式採用は確認されておらず、GEO対策では補助的な実装として位置づけられます。
→ 読むFAQPage構造化データとは、ページ内のFAQコンテンツをSchema.orgの仕様に従いJSON-LD形式でマークアップする実装です。GEO対策では補助的な実装として位置づけられます。
→ 読むセマンティックHTMLとは、タグを「見た目のための道具」としてではなく、「この要素が何を表しているか」という意味を持たせる形で使うHTMLのことです。GEO対策においてコンテンツ構造をコードレベルで補強する基盤として位置づけられます。
→ 読む構造化データとは、Webページの内容を検索エンジンやAIが機械的に理解できる形式で記述したメタデータのことです。GEO対策においてE-E-A-TとEntity整備を機械可読な形で補強する手段として位置づけられます。
→ 読むLost in the Middleとは、長いコンテキスト内で、関連情報が冒頭や末尾にある場合より、中央にある場合の方がモデルに利用されにくくなる現象です。GEO対策においては、重要な定義・強み・実績を中央に埋もれさせない情報設計が重要になります。
→ 読むURL正規化（canonical）とは、同じコンテンツが複数のURLで存在する場合に正規URLを検索エンジンやAIクローラーに明示する技術実装です。GEO対策においてはAIクローラーが重複評価せず正しいURLで認識するための前提インフラとして位置づけられます。
→ 読むHTTPSとは、Webサイトとブラウザ間の通信を暗号化するプロトコルです。GEO対策においてはAIクローラーが正常にアクセスするための前提インフラであり、E-E-A-TのTrustworthinessの最低条件として位置づけられます。
→ 読むOGPとは、WebページがSNSでシェアされた際に表示されるタイトル・説明文・画像などを制御するプロトコルです。GEO対策においては直接的な効果は限定的ですが、SNS上でのEntity認識とサイテーション質の向上に貢献する補助的な実装として位置づけられます。
→ 読むメタディスクリプションとは、HTMLのhead内に記述するページの要約文です。GEO対策においてはAIがページの内容を素早く把握するための補助情報として位置づけられますが、Googleはランキングシグナルとして使用していません。
→ 読むリッチリザルトとは、Googleの検索結果ページで通常のスニペットに加えて画像・評価星・FAQなどが視覚的に拡張表示される形式です。GEO対策においては構造化データ整備の副産物として位置づけられます。
→ 読むE-E-A-Tとは、Googleが定義するコンテンツ品質の評価軸（経験・専門性・権威性・信頼性）です。GEO対策においてAIに信頼される情報源の地盤を形成する概念として位置づけられます。
→ 読むチャンクとは、RAGのRetrievalで文書を分割する意味単位のことです。GEO対策においては「H2・H3見出し1トピック」が基本的な設計原則となり、BLUF・FAQ形式との組み合わせが有効と考えられています。
→ 読む専門性（Expertise）とは、特定の分野について正確で深い知識や実務経験を持っていることです。GEO対策においては、AIが自社や著者を「その分野を語るに足る存在」と認識するための基盤として位置づけられます。
→ 読む権威性（Authoritativeness）とは、特定の分野において、その人や組織が他者から信頼され、参照に値する存在として認識されていることです。GEO対策においては、AIが自社や著者を「その分野で参照される存在」と認識するための基盤として位置づけられます。
→ 読む信頼性（Trustworthiness）とは、その情報や発信元が安全で正確、かつ誠実であるかどうかを示す要素です。GEO対策においては、AIや検索エンジンに信頼できる情報源として認識されるための基盤となります。
→ 読む経験（Experience）とは、特定の分野で実際に実務や体験を積み、その分野の知識や知見を身につけていることです。GEO対策では、実際の取り組みや体験に基づく情報を発信することで、AIやユーザーに実践的な知見を持つ発信者として認識されやすくなると考えられています。
→ 読むプロンプトとは、生成AIに対して指示・質問・条件・文脈を伝える入力のことです。一般的にはテキスト入力を指しますが、マルチモーダルAIでは画像やファイルなどを含む場合もあります。GEO対策においては、AIが自社ブランドやサービスをどう認識・推薦するかを確認するための前提作業として位置づけられます。
→ 読むnoindexチェックとは、検索エンジンやAIクローラーに対してページをインデックス対象外にするnoindexが、意図せず設定されていないかを確認する作業です。GEO対策においては、公開・引用されたいページがAIの取得・引用対象から外れるリスクを防ぐための基本的な管理項目です。
→ 読むXMLサイトマップとは、サイト内のページURLを検索エンジンやAIクローラーに伝えるためのXML形式のファイルです。GEO対策においては、AIクローラーへの情報伝達を補助する基盤的な管理ファイルとして位置づけられます。ただし、主要AIクローラーがサイトマップをどのように利用しているかは2026年6月時点では明確ではありません。
→ 読むサイトマップlastmodとは、XMLサイトマップ内に記述する各ページの最終更新日時を示す要素です。GEO対策においては、AIクローラーや検索エンジンに更新情報を伝える補助的な管理項目として位置づけられます。ただし、AIクローラーへの直接的な影響は2026年6月時点では明確ではありません。
→ 読むプロンプトエンジニアリングとは、生成AIから目的に合った回答を得るために、指示・文脈・条件・出力形式などを工夫する技術です。GEO対策においては、AIが自社のブランドやサービスをどのように認識しているかを調査するための前提知識として位置づけられます。
→ 読むZero Click Searchとは、ユーザーが検索後に外部サイトをクリックせず、検索結果画面上で情報を完結させる状態です。AIプラットフォームの普及によって加速しており、「クリックされなくても存在できるか」がGEO対策の核心になっています。
→ 読むサイテーションマーケティングとは、AIプラットフォームに引用・推薦される状態を作るために、外部メディア・コミュニティでのブランド言及を戦略的に設計・増やす活動です。自社サイトの最適化だけでは届かない「外側」を補完するGEO対策の重要な軸です。
→ 読むAI可読性とは、コンテンツがAIに読み取られ・理解され・引用されやすい状態にあることです。人間向けの読みやすさとは異なる概念であり、GEO対策の実装レイヤーを担います。ただしブランド定義が先にあることが前提です。
→ 読むKnowledge Graphとは、エンティティとその関係性を構造化したデータベースです。GoogleのKnowledge Graphは5,000億以上のファクトを収録し、AIがブランドを「何者か」として認識する基盤のひとつとして機能しています。GEO対策においてEntity形成と直結する概念です。
→ 読むTDM例外とは、EU著作権指令が定めるテキスト・データマイニングの例外規定です。コンテンツ所有者はAI学習用クロールを拒否できますが、拒否すると引用・推薦の機会も失います。GEO対策において「何を許可し何を拒否するか」の戦略的判断が必要です。
→ 読むEmbeddingとは、テキストなどのデータを意味を保ったまま数値ベクトルに変換する技術です。AIが意味の近さでコンテンツを検索・取得する際の基盤となる仕組みであり、RAGやベクトル検索と深く結びついています。
→ 読むベクトル検索とは、Embeddingによってベクトル化されたデータ同士の意味的類似度を計算してコンテンツを取得する検索手法です。現在のRAGシステムで最も一般的な取得手法であり、AIが「意味で選ぶ」仕組みを理解する上で重要な概念です。
→ 読むオーソリティとは、AIがブランド・情報源を信頼できると判断する度合いです。SEOのドメインオーソリティとGEOのオーソリティは評価軸が異なり、GEO対策ではE-E-A-Tと外部言及の一貫性が重要になります。
→ 読むファクトチェックとは、情報の正確性を第三者が検証するプロセスです。GEO対策においては「出典が明確で検証可能な情報を持つコンテンツ」がAIに引用されやすいという観点から重要な概念です。
→ 読む一次情報とは、著者・研究者・組織が直接発信した情報の原典です。GEO対策においては、一次情報を根拠として提示することがAIの信頼性評価に直結し、自社が一次情報の発信源になることがAI引用の強力な条件となります。
→ 読むTOFU・MOFU・BOFUとは、マーケティングファネルを認知・検討・決定の3段階に分けた概念です。AI時代にはTOFU・MOFU段階の情報収集がAI上で完結する傾向が強まっており、これらの段階でAIに引用・推薦される状態を作ることがGEO対策の重要な目的のひとつです。
→ 読むWebSiteスキーマとは、サイト全体の情報をAI・検索エンジンに伝える構造化データです。サイト名・URL・運営組織などを機械可読な形式で記述し、OrganizationスキーマとともにEntityの形成を支える基盤スキーマとして機能します。
→ 読むOrganizationスキーマとは、サイトを運営する組織の情報をAIに伝える構造化データです。組織名・URL・ロゴ・SNSプロフィールなどを機械可読な形式で宣言し、AIがブランドをEntityとして認識するための基盤として機能します。
→ 読むOrganization @idとは、Organizationスキーマに付与する一意の識別子です。サイト内の複数のスキーマを「同じ組織の情報」として連携させるための起点であり、AIがブランド全体を一貫したEntityとして認識するための接着剤として機能します。
→ 読むrobots.txtとは、クローラーに対してアクセス可否を伝えるテキストファイルです。GEO対策においてはAIの学習用クローラーと検索・引用用クローラーを区別して設定することが重要であり、「全部ブロック」ではなく目的に応じた使い分けが求められます。
→ 読むsameAsとは、エンティティを説明する外部の権威あるURLを指定するSchema.orgのプロパティです。GoogleやAIはこれらのURLを参照して複数の情報源を単一のエンティティとして統合します。AIに対するブランドの外部証明書として機能します。
→ 読む著者情報（Personスキーマ）とは、記事の著者エンティティ情報を構造化データで記述する実装です。AIはコンテンツだけでなく情報源も評価します。誰が発信しているのかをAIに伝えることで、E-E-A-Tの専門性・信頼性をコンテンツに紐付けます。
→ 読む運営者情報ページとは、サイトを運営する組織の基本情報を人間にも読める形式でまとめたページです。AIがブランドの実在性・透明性を確認するための参照先として機能し、Organizationスキーマで宣言した情報を補完・証明します。
→ 読むFAQページとは、ユーザーからよく寄せられる質問と回答をまとめたページです。AIが質問と回答の形式で情報を提供するという特性と一致するため、GEO対策においてAIに引用されやすいコンテンツ形式のひとつとして位置づけられます。
→ 読む導入事例とは、顧客の課題・解決策・成果をまとめたコンテンツです。AIは「成果が出た」という主張より「CVRが18%改善した」という数字を引用しやすく、他社が持ち得ない一次情報として高いAI引用ポテンシャルを持ちます。
→ 読むプライバシーポリシーとは、個人情報の取り扱い方針を公示したページです。GEO対策においてAI引用率を直接向上させる施策ではありませんが、サイトレベルの透明性・信頼性を示す補助要素として、Organizationスキーマ・運営者情報ページと並ぶ信頼性の基盤を構成します。
→ 読むオリジナルリサーチとは、自社が独自に実施した調査・研究・分析のことです。GEO対策において「他に誰も持っていない情報を発信することでAIが必然的に自社を引用する状態を作る」最も強力な施策のひとつです。
→ 読むトークンとは、AIが文章を処理する際の最小単位です。コンテキストウィンドウの制約・チャンクのサイズ・AIがコンテンツを参照できる量はすべてトークン数で決まります。GEO対策における「AIに読まれやすいコンテンツ設計」を理解する上での基礎概念です。
→ 読む推論（Inference）とは、学習済みのAIモデルが入力を受け取り回答を生成するプロセスです。AIによる引用・参照の判断が実際に行われるのはこの推論フェーズであり、GEO施策の成果が実際に表れる場所です。
→ 読むBLUFとは「結論を最初に述べる」文章構造の手法です。Bottom Line Up Frontの略で読み方は「ブラフ」。GEO対策においてAIが引用しやすいコンテンツ構造を作るための実装原則として位置づけられます。
→ 読むトピッククラスターとは、ピラーページとクラスターページを内部リンクで結びつけるコンテンツ設計の手法です。SEOだけでなくGEO対策においても、AIにブランドの専門性を構造的に示す手法として注目されています。
→ 読むピラーページとは、トピッククラスターの中心に置かれる包括的なページです。AIは個別ページではなくテーマ全体の構造を理解しようとします。ピラーページは「このサイトは何の専門家なのか」をAIに伝える起点になります。
→ 読む内部リンクとは、同一ドメイン内のページ同士を結ぶリンクです。SEOではページランクの伝達手段として知られますが、GEO対策ではAIがトピック間の関係性を読み取る手がかりとして機能します。アンカーテキストはAIへの概念ラベルになります。
→ 読むコンテンツハブとは、特定テーマに関するコンテンツを体系的に集積したブランドの知識拠点です。トピッククラスターがページ同士のつなぎ方であるのに対し、コンテンツハブはブランドが特定テーマについて蓄積してきた知識全体です。
→ 読むコサイン類似度とは、2つのベクトル間の角度に基づいて意味的な近さを数値で表す指標です。RAGシステムはこの指標を使ってクエリと最も意味的に近いコンテンツを取得します。「AIがなぜ特定のコンテンツを引用するのか」の数学的な根拠です。
→ 読むリランキングとは、RAGシステムで初期検索後に取得した候補ドキュメントを高精度なモデルで再評価・並び替えるプロセスです。コサイン類似度で「取得される」のとは別に、リランキングで「選ばれる」ことがAI引用への第二の関門になります。
→ 読む情報密度とは、テキストの単位量に対する意味の凝縮度です。しかし情報密度が高いだけではAIに引用されません。AIが知らない新しい情報を含む「Information Gain」との組み合わせが、AI引用の条件になります。
→ 読む情報利得とは、AIが回答生成において既存知識だけでは十分に答えられない部分を、コンテンツが補完する新規情報価値です。情報密度が「伝わりやすさ」を決めるなら、情報利得は「引用される理由」を決めます。
→ 読むコンテキストウィンドウとは、LLMが1回の推論で処理できるトークンの最大量です。RAGシステムではRetrievalで取得したチャンクがここに渡されます。大きくても均等には参照されません。先頭と末尾が参照されやすく、中間は参照されにくい傾向があります。
→ 読むソースの多様性とは、自社サイト以外の複数の独立したソースでブランドが言及・確認されている状態です。AIは単一ソースの自己申告より、多様なソースで一貫して語られるブランドを確信を持って引用しやすくなります。
→ 読む共起とは、ブランドや概念が他の語・概念と同時に登場する頻度・パターンです。AIはこの共起パターンからEntityの専門領域の文脈を形成します。スキーマの宣言と外部言及を繋ぐ「Web全体での意味の積み重ね」です。
→ 読むUser-Agentとは、クローラーがWebサーバーへのリクエスト時に自身を識別するために送信する文字列です。robots.txtでGPTBot・PerplexityBotなど特定のAIクローラーを個別に制御するために理解しておくべき、AIクローラー対応の基礎概念です。
→ 読むYMYLとは、誤情報がユーザーの健康・財産・安全に重大な影響を与えうるコンテンツカテゴリです。このカテゴリではE-E-A-Tの評価基準が特に厳格に適用されます。YMYL領域のブランドほどGEO対策でのEntity・オーソリティ・信頼性の整備が引用の前提条件になります。
→ 読む強調スニペットとはGoogle検索結果の上部に表示される直接回答の抜粋形式です。AEO対策の中心的な対象であり、AI Overviewsと共通する評価傾向を持つと考えられています。BLUFやFAQ形式などのコンテンツ設計がGEO対策と重なります。
→ 読むナレッジパネルとはGoogleがEntityとして認識したブランド・人物・組織について検索結果に表示する情報パネルです。Knowledge Graphへの登録状態を示す可視的なシグナルとして、GEO対策におけるEntity形成の確認手段として位置づけられます。
→ 読むSOM（Share of Model）とは、特定のクエリに対してAIが生成する回答の中で自社ブランドが言及・引用される割合を示す指標です。GEO対策の成果を定量的に測定するための代表的な指標のひとつとして位置づけられます。
→ 読む