AEO / GEO / LLMO 解説 ・ 2026/8/13 ・ SILVE 編集部
AI 検索のための特別な対策は要るのか — 提供元自身が書いていること
「AI 検索のために新しいファイルやマークアップを作る必要はない」と、提供元自身が書いています。ただし「追加の技術要件は無い」であって「要件が無い」ではありません。Google と OpenAI の公式資料から、提供元が何を要ると言い、何を要らないと言っているのかを集めます（まとめ方は SILVE の読みです）
記事
海外の一次情報を全文翻訳ではなく「要約＋独自解説＋日本企業への示唆」の形でまとめています。
用語・診断基準の記事は一続きの判断基準として書いています。はじめての方は 判断基準を読む順番 から、どの記事がどの問いに答えるのかを見てください。
全 24 件
AEO / GEO / LLMO 解説 ・ 2026/8/13 ・ SILVE 編集部
サイトを直すだけでは足りない条件がある — AI 検索の「掲載資格」はどこにあるのか
Google は「AI 検索のための特別なファイルもマークアップも要らない」と書く一方、「Search Console で生成 AI 機能に含まれている必要がある」とも書いています。矛盾ではなく、条件の置き場所が違います。掲載の可否がサイト側だけで完結しないことを一次資料から整理します（SILVE の横断的な読み。どの提供元もこの形では述べていません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
GEO 施策は本当に効いたのか — 前後比較で判断してはいけない理由
施策後に 6.1 倍。しかし何もしていないページも 3.5 倍伸びていました。対照群・事前トレンド・置換検定を通すと何が残るのか。2026 年の自然実験を原典から追い、効果検証の設計を整理します（SILVE の測定モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI に見つけてもらうには、自社サイトだけ直せばいいのか — 情報環境という考え方
AI が企業について語るとき、参照するのは公式サイトだけではありません。情報源を Owned / Platform / Earned / Community の 4 層に分け、言及数を増やすのではなく事実の不整合を減らす、という考え方を一次資料と 2026 年の研究から整理します（SILVE の測定モデル。業界標準ではありません）
情報環境Google Business ProfileMerchant CenterRedditWikipedia第三者言及
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI 検索は「新しい記事」を優遇するのか — 新しさと有効性は別物である
Google は「新しい方が有利」も「古い方が重い」も同じページで否定しています。引用ページの半減期 39 日をどう読むべきか、なぜ一律の Freshness 加点を作らないのかを、SIGIR 2026 の本番検索研究と一次資料から整理します（SILVE の測定モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI 検索ごとに、情報源はどれだけ違うのか — 一つの GEO を全エンジンへ一般化しない
同じ Google の従来検索・AI Overviews・Gemini ですら、取得する情報源の Jaccard 類似度は 0.11〜0.18。SIGIR 2026・ACL 2026 の査読済み研究から、エンジンごとに何が違い、何を共通化し、何をプラットフォーム別に測るべきかを整理します（SILVE の測定モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI可視性 は何回測れば信頼できるのか — 1 回の検索を指標にしない
「AI Visibility 62%」は、もう一度測っても 62% とは限りません。引用元の重なりはどれくらいか、3.5 ポイントの差は本当に差なのか、何回測れば信頼できるのかを一次資料から整理します（SILVE の測定モデル。業界標準の手順ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
「AI に引用されやすい文章」が逆効果になる — 取得と引用を分ける
「AI に引用されやすい文章」に書き換えると、上流の取得が悪化して引用まで減る場合があります。GEO 研究の「最大 40%」が何を測っていたのか、取得から測り直すと何が起きるのかを一次資料から整理します（SILVE の操作モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
llms.txt は必要か — Google は使わないのに Chrome は監査する
Google Search は llms.txt を使わないと明記する一方、Chrome の Lighthouse は監査項目として扱っています。矛盾ではなく見ているシステムが違うためで、この違いを一次資料から整理します（SILVE の運用方針。llms.txt 自体は提案段階の慣習です）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI 検索は 1 回の質問で何回検索するのか — Query Fan-out の正しい読み方
AI 検索は 1 つの質問から複数の関連クエリを生成します。ただし検索回数は公開されておらず、Google 自身が「fan-out クエリごとにページを作ること」をスパムポリシー違反になり得ると名指しで警告しています（SILVE の解釈モデル。Query Fan-out 自体は Google 公式の技術です）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
引用される・推薦される・選ばれるは全部違う — AI 上の露出を分けて測る
「AI に出た」には言及・引用・推薦・選択・行動という 5 つの違う現象が隠れています。それぞれを分けて測る方法と、単発のプロンプト結果を順位と呼んではいけない理由を一次資料で整理します（SILVE の測定モデル。業界標準の指標ではありません）
VisibilityCitationRecommendationSelection測定Bing Webmaster Tools
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
エンティティとは何か — AI は企業・ブランドをどう識別するのか
AI は企業やブランドをどう識別するのか。Knowledge Graph・sameAs・外部言及・共起を一次資料で整理し、「エンティティを強くする」ではなく「曖昧でなくする」ために測れるものを示します（SILVE の操作モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
構造化データは AI 検索に本当に必要か — Schema.org・フィード・API を混同しない
Schema.org・JSON-LD・商品フィード・API・アクションプロトコルを 5 層に分け、Google が「生成 AI 検索に構造化データは必須ではない」と明記する一方でコマースではフィードが重要になる理由を一次資料から整理します（SILVE の操作モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI エージェントに使える Web サイトとは — Semantic HTML・アクセシビリティツリー・WebMCP
AI エージェントがサイトを「使える」とはどういう状態か。セマンティック HTML・アクセシビリティツリー・WebMCP を公式資料から整理し、AI 検索のランキング要因と混同しないための線を引きます（SILVE の操作モデル。業界標準ではありません）
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI クローラを「用途」で分ける — GPTBot・OAI-SearchBot・ClaudeBot・Google-Extended の違い
GPTBot・OAI-SearchBot・ClaudeBot・Google-Extended などを名前ではなく用途（検索 / 学習 / grounding / ユーザー起点取得）で分類し、各社の公式文書からrobots.txt の正しい考え方を整理します
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI 検索の成果はどう測るか — 準備状態 / 可視性 / 成果を混ぜない
AI 検索の成果を Readiness（使える状態か）・Visibility（実際に使われたか）・Outcome（事業に何が起きたか）の 3 層に分け、混ぜてはいけない理由を一次資料で示します（SILVE の測定モデル。業界標準ではありません）
ReadinessVisibilityOutcome測定Search ConsoleBing Webmaster Tools
AEO / GEO / LLMO 解説 ・ 2026/8/11 ・ SILVE 編集部
AI に見つかってから取引されるまで — 7 段階で用語を整理する
AI に見つかってから取引されるまでを 7 段階に分け、各用語がどこを扱っているかを整理します（SILVE の操作モデル。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
ACO とは — 商品が AI に「選ばれる」ための最適化と、命名日が反証された用語史
AI を介した商品探索・比較・選択・取引の環境において、商品やオファーが正確に識別・取得・理解・比較され、必要に応じて安全に取引可能な状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
AAO とは — AI エージェントに「選ばれ、実行される」ための最適化と、2 つの起源系統
ユーザーから目的や条件を委任された AI エージェントが、企業・ブランド・商品・サービス等を正確に発見・理解・比較し、必要な情報や機能へアクセスしたうえで、適切な選択・操作・取引等を安全に実行できる状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
AIEO（AI Assistive Engine Optimization）とは — 「回答」から「推薦」への変化と、枠組みへの依存を切り分ける
ユーザーの調査・比較・意思決定を支援する AI システムが、企業・ブランド・商品・サービス等について正確な情報を取得・理解・評価し、適切な文脈において有力な選択肢として提示・推薦できる情報環境を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
AIO とは — 何の略かに正解がない用語と、AI Overviews との略称衝突を整理
AI が情報の発見・取得・理解・回答・比較・推薦などを仲介する環境全般において、企業・ブランド・商品・人物・コンテンツ等が正確かつ適切に利用・提示される状態を整えるための包括的な最適化概念。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
LLMO（Large Language Model Optimization）とは — 意味・起源・GEO との違いと「AI に覚えさせる」の誤解
大規模言語モデルを利用して回答・対話・推薦等を行うシステムが、公開された企業・ブランド・商品・人物・コンテンツ等の情報を正確に理解・取得・利用し、適切な文脈で言及・引用・推薦できる情報環境を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
GEO（Generative Engine Optimization）とは — 意味・起源・SEO との違い・「最大40%改善」の正しい読み方
外部情報を検索・取得して生成回答を構成するシステムにおいて、自社または自社コンテンツが適切に発見・取得され、回答生成に利用され、必要に応じて引用・提示される状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）
用語集 ・ 2026/8/11 ・ SILVE 編集部
AEO（Answer Engine Optimization）とは — 意味・歴史・SEO との違い・実践方法を一次資料から整理
ユーザーの問いに対して直接回答を提示または生成するシステムが、公開された情報を正確に発見・取得・理解し、回答の根拠または回答要素として適切に利用できる状態を整える取り組み。（SILVE の操作的定義。業界標準ではありません）