ユーザーはもはや答えを「検索」しない。答えを「尋ねる」ようになった。検索が生成に置き換わるとき、ブランドの可視性のルールは書き直さざるをえない。
2023 年までは、「何か調べたい」という行為はほぼ「Google を開く」と同義だった。2024 年に入ってこの等式が揺らぎ、2025 年末にはついに成立しなくなった。
数字は明快である：
ブランドにとって結論は一行で終わる：
「ユーザーが自分を見つける」入口は、『10 個の青いリンク』から『AI が生成する一段落』に移行している。そしてその段落に登場しないブランドは、そのユーザーの意思決定パスから事実上消滅している。
これは予測ではなく、すでに起きた現実である。
%%{init: {'theme':'base'}}%%
xychart-beta
title "Information Retrieval Channel Share (2023–2025, illustrative)"
x-axis ["2023 Q1", "2023 Q4", "2024 Q2", "2024 Q4", "2025 Q2", "2025 Q4"]
y-axis "Share of Queries (%)" 0 --> 100
bar [85, 78, 65, 52, 42, 35]
line [5, 10, 18, 28, 36, 42]
図 1-1：棒グラフは「従来の Google SERP」の占有率、折れ線は「生成 AI（AI Overview を含む）」の合計占有率。数値は調査機関・地域により異なり、本図はトレンドを示すための概念図である。
ユーザーが ChatGPT、Claude、Perplexity、Copilot、Gemini に以下のような問い合わせをするとき：
AI は具体的なブランド名を含む一段落の文章を生成する。名前の挙がったブランドは候補リストに入り、名前の挙がらないブランドは対話そのものに登場しない。ユーザーが「他に候補はない？」と追加で尋ねることは稀である——2015 年の Google ユーザーが検索結果の 2 ページ目をめくらなかったのと同じ構造である。
この現象を定量化するのが AI シテーション率（AI Citation Rate）——代表的な意図クエリの集合に対して、AI がブランドを自発的に言及する割合である。クリック率でも、表示回数でも、順位でもない。純粋に、「AI があなたを覚えていて、名前を口にするかどうか」 である。
その性質は従来の SEO 指標とは別物である：
| 性質 | 従来の SEO 指標 | AI シテーション率 |
|---|---|---|
| 透明性 | 分解可能なルール（PageRank、Core Web Vitals） | ブラックボックス（公開ルールなし） |
| プラットフォーム間の差 | Google が主、指標の多くが移植可能 | 乖離が大きい — ChatGPT / Claude / DeepSeek それぞれ独自ロジック |
| 時間的安定性 | アルゴリズム更新は四半期単位 | モデル再訓練で週単位で変動 |
| 出力形態 | クリック可能なリンク | 自然言語の文（良くも悪くもなる） |
つまり、AI 時代には「リンクされること」 は重要ではなく、「記述されること」 が重要である。記述の正確さ・好意的か否か・詳しさ、それそのものがブランド資産となる。
一行で線を引くとすれば：SEO は Google に 1 位に載せてもらうこと、GEO は AI に言及してもらうことである。
| 次元 | SEO | GEO |
|---|---|---|
| 成功の形 | クリック可能な青いリンク | 自然言語の文中に登場するブランド名 |
| トリガー条件 | キーワード一致 + 権威信号 + UX 信号 | モデル訓練と検索拡張における「エンティティ関連強度」 |
| 操作レバー | コンテンツ、被リンク、構造化データ、Core Web Vitals | 構造化実体、信頼できる情報源、ハルシネーション修正、AI ボット対応 |
| 検収指標 | 順位、CTR、滞在時間 | シテーション率、ポジション品質、語り手のセンチメント、クロスプラットフォーム一貫性 |
| 時間軸 | 数週〜数ヶ月 | モデル再訓練サイクル（通常は四半期単位） |
| 主要な読者 | 人間のブラウザー | AI モデル + そのクローラー / 検索パイプライン |
図 1-2：SEO と GEO は並列の分野であり、連続するものではない。GEO を SEO のサブ領域として扱う投資計画は必ず資源の誤配分を生む。
従来の SEO 実務者の多くはこう言う——「SEO をきちんとやれば、AI は自然に引用してくれる」。これは 2023 年には部分的に真だったが、2025 年には完全に偽である。理由は二つ：
第一に、AI の学習データは Google インデックスの射影ではない。主流大規模言語モデルは事前学習で Common Crawl、専門出版物、オープン知識基盤（Wikipedia、Wikidata）、および各ベンダー自社の検索拡張データを消化する。Google の順位はこのパイプラインの中で一部の、そして間接的な信号にすぎない。
第二に、構造化データの重みが AI 時代には飛躍的に大きくなった。AI がエンティティ（実体）を理解するのは H1/H2 やキーワード密度ではない。Schema.org JSON-LD、Wikidata triples、対応する知識グラフノードである。SEO スコアが満点でも Schema.org 構造がないサイトは、AI の目にはほぼ空白に映る。
GEO は SEO の次のバージョンではない。入力・レバー・失敗モードがすべて異なる並列分野である。この前提を受け入れなければ、関連する工学投資を計画することすらできない。
海外では 2024 年以降、第一世代の GEO ツールが立ち上がっている：
いずれも英語市場にフォーカスしており、UI、AI プラットフォーム対応範囲、知識グラフ基盤は欧米中心である。日本語・繁体字中国語・韓国語など東アジア市場への対応、および中国発 AI（百度文心、DeepSeek、Moonshot Kimi、智譜）の対応はほぼ空白である。
特に日本市場は、生成 AI 採用が 2025–2026 年に本格化したにもかかわらず、AI シテーション可視化の国産ツールが存在しない状態が続いている。多くのブランドオーナーとマーケティングエージェンシーは依然として「Google で自社名を検索して順位を目視確認する」というマニュアル運用に留まっている。拡大中の市場空白である。
百原 GEO Platform は、この空白を埋めるために立ち上げた工学プロジェクトである。2024 年の初版プロトタイプから 2026 年現在の製品版まで、記録に値する工学経験を蓄積してきた——アルゴリズム、アーキテクチャ、フォールトトレランス設計、AI ボット向けコンテンツ配信、構造化エンティティ管理、ハルシネーション自動修正、そしてマルチテナント SaaS における持続可能なデータガバナンス。
本書は製品パンフレットでも、ユーザーマニュアルでもない。エンジニアリング実践報告——なぜこう設計したか、どの選択肢が行き止まりだったか、どのパターンが他チームに再利用可能か——を開示するものである。
想定読者は 3 種類：
以降の 11 章は、システム全景、中核アルゴリズム、対外可視性、品質保証クローズドループ、実戦データと反省の順に展開する。顧客個人情報・商業機密数字は集計化・匿名化して提示する。アルゴリズム詳細は骨格を完全開示するが、具体的な重み値は留保する——知識共有と商業的現実の間で我々が見出した均衡点である。
ナビゲーション：📖 目次 · エグゼクティブサマリー · 第 2 章：システム全景 →