SEOが解いてきた問題
SEO（Search Engine Optimization、検索エンジン最適化）とは、Googleなどの検索エンジンのインデックス（索引）にコンテンツを正しく登録し、検索結果の上位に表示させるための情報設計の実践だ。その核心は「クロール（Webページの巡回収集）→インデックス→ランキング」という検索エンジンの処理フローに合わせて、ページの構造・内容・被リンク数を最適化することにある。
この20年で検索トラフィック（流入）を獲得する技術は洗練されてきた。しかし、生成AIの普及によって、情報流通の構造は根本から変わりつつある。
GEOが解く問題は何か
GEO（Generative Engine Optimization、生成エンジン最適化）は、ChatGPT・Gemini・Claudeといった大規模言語モデル（LLM）が回答を生成する際に、自社の情報を引用・参照してもらうための情報設計の実践だ。
LLMは検索エンジンとは異なる仕組みで情報を処理する。訓練データ（事前学習で読み込んだ大量テキスト）と、RAG（Retrieval-Augmented Generation、検索拡張生成）と呼ばれるリアルタイム検索の組み合わせによって回答を構成する。このとき、引用の対象になるのは「LLMが読める形で書かれた、意味の明確なテキスト」だ。
SEOとGEOの構造的な違い
SEOは主にランキングシグナル（ページの評価指標）に働きかける。対象は「人間ユーザーが検索結果ページをクリックする」という行動だ。一方GEOは、LLMが回答生成時に何を根拠として選ぶか、という「機械の判断」に働きかける。
最大の違いは、SEOではURLとタイトルが「入口」だったのに対し、GEOでは文章の中身の構造と意味の明確さが「入口」になる点だ。LLMは段落ごとに情報を評価し、引用に値すると判断したフラグメント（断片）を回答に組み込む。見出し・箇条書き・定義の明示という書き方の構造が、そのまま引用されやすさに直結する。
GEOの三つの実践原則
GEOを実践する上で有効な原則を三つ挙げる。第一は「一次情報の明示」だ。LLMは出典（ソース）が明確な情報を参照しやすい。調査データや事実を述べる際に、その根拠を文中に含めることで信頼性シグナルが高まる。
第二は「構造化」だ。H2/H3の見出し階層と箇条書きは、LLMがセクションの意味を解釈するための手がかりになる。第三は「意味の一意性」だ。同じ概念が段落をまたいで異なる言葉で書かれると、LLMは同一の対象として認識しにくくなる。用語を統一し、一段落に一つの主張を置くことが基本になる。
SEOとGEOは対立しない
重要な点として、GEOの原則はSEOと矛盾しない。構造化・一次情報の明示・意味の明確化は、検索エンジンにとっても評価されやすい要素だ。実際には、SEOとGEOを別々の施策として管理するより、一次情報を正確かつ構造的に書くという原則を一本化した方が運用効率は高い。
当社が設計する自動化OSの buddy が目指すのは、この「一本化された情報設計」を継続的に運用できる仕組みだ。次稿以降で、その具体的な設計原則を掘り下げる。
