イントロ：パニックと幻想 マーケターたちは、SEOが「死んだ」と宣告され、クリック率が下落し、デジタルマーケティングが効果を失いつつある中、大規模言語モデル（LLMs）がユーザーの注意を引くことで、慌てている。その結果、多くの専門家がAIに「気づかせる」ためのアドバイスを推奨し、生成エンジン最適化（GEO）サービスの洪水を生んでいる。この記事では、SEOは依然として重要であると主張し、現行のGEO理論の根本的な誤りを批評する。 「GEOエキスパート」の推奨事項 一般的なGEOのアドバイスには、構造化データ（Schema. org）の使用、簡潔な回答の提供、ドメイン権威の構築、第三者による言及の取得、読みやすさや適切な見出しの確保などがある。これらの戦術は、多くの最近のGEO記事に見られ、従来のSEO手法と共通している。その理由は：マーケターが神経ネットワークの仕組みを理解せず、古典的なSEO知識に頼っているからだ。これらの多くの記事は、既存のSEOコンセンサスを反映したAI生成コンテンツから派生していることも多い。神経ネットワークは自然に“最適化”しようとはせず、SEO資料から学習したパターンを再現するだけなので、GEOのアドバイスはしばしば新たな名を冠した従来のSEOの焼き直しに過ぎない。 SEOが死なない理由 SEOが重要な理由は、LLMの出力が次の2つの道を通じてコンテンツを取り込むためだ。 1. AIの統合検索結果（サーチ／検索増強生成）で高順位を獲得する。 2.

モデルの訓練済み重みに埋め込まれる。 従来のSEOは第一のルートを支配し、ユーザーのクエリに対して最も関連性と質の高い情報を提供し、それをAIが引用する形となる。AI検索内のスポンサー結果は予想され、SEOを関連性の高いものに保つ。一方、第二のルート――重みの中に埋め込まれること――ははるかに難しい。多くのブランドは“不変”であり、訓練中に保持されなかったり、弱く表現されたりしているため、小規模な事業がこの位置を買うのは非現実的だ。大企業は内部的にメリットを享受できるかもしれないが、従来のSEOだけで達成できるものではない。 真のGEOとは何か 神経ネットワークは肯定的な定義によって学習するのではなく、境界線を学習する。つまり、多次元的に何が何でないか、何と異なるかを定義しながら理解を深める。例えば、「リンゴ」という概念は、「ナシ」「トマト」などと区別される境界線の領域だ。神経ネットワークは「アポファティックAI」（否定的理解を基盤とするAI）とも呼ばれ、物体を直接的な特徴ではなく、除外を通じて理解する。 概念が鮮明で明確な境界線を持つと、それはモデル内の「アトラクター」（引き寄せ点）となる。これは、推論のための好ましいエネルギーが少ないパスとして機能し、実際のGEOはブランドをこの構造的なアトラクターに変えることで、AIにとっての推論の枠組みとなるように仕向ける。このアプローチは、システムが最大の出力を最小の入力で得ようとする普遍的な原則と一致し、エネルギー効率の向上につながる。 あいまいなSEOの「使命」や「ストーリー」（例：「品質」「自由」など平凡な語彙を満載）とは異なり、GEOには堅牢な排除的定義が必要だ。「私たちは中小企業向けのソフトウェアのみを開発し、複雑なエンタープライズ機能は拒否する」というような、はっきりとしたベクトル境界をモデルの潜在空間に作り出す。 現状では、神経ネットワークはこれらの構造を支配的で広く繰り返されるブランド（例：Google＝検索）のみに自律的に形成しやすい。GEOは、比較的低コストで、訓練データに入り込んだときに、無数の予算をかけずにAIの回答の構造的枠組みとしてブランドを確立させることを目指す。 GEOの出発点 小規模な事業には、モデルの重みに埋め込むことは非現実的だ。従って、従来のSEOが得意とするニッチなクエリで上位を取ることを目標とするのが現実的だ。GEOは既存カテゴリーの中で商品を推進するのではなく、新たなカテゴリーを作り出すことを支援する。未開拓のニッチ（例：木製船の音響の専門家）で“唯一無二の答え”になることが、よりシンプルでコスト効率が良い戦略だ。神経ネットワークの訓練は、 recognisableなアルゴリズムパターンに依存し、それをコンテンツ戦略に翻訳して、モデル訓練時のブランドの可視性を高めることができる。 神経ネットワークにブランドをアンカーとして定着させる方法 LLMにブランドを言及させるのは容易ではない。例えば、「Google Gemini 3. 1 AIの検索を無効にし、過去10年で最高の車」を尋ねると、1つだけでなく、性能別に5つのトップモデルが挙がる（例：ブレークスルーならTesla Model 3、スポーツカーならPorsche 911、実用性ならToyota RAV4）。これは、モデルが勝者をランキング付けする前に境界線とカテゴリーを自律的に定義している証拠であり、一つだけの「最良」の答えを期待するのは現実的ではない。 重要なのは、LLMsは権威あるランキングと広告のような内容の区別をしないことだ。すべての情報は、その頻度に比例して重みの中に統合される。MLエンジニアが人為的に信頼係数（例：WikipediaをRedditより高く評価）を付与するのは、頻度とデータの質が訓練にどう影響するかを示す例だ。 頻度の力づくの力がコスト高であり、エンジニアに働きかけるのも不可能に近いため、最良の戦略は、モデルを驚かせつつも論理的に正しい文章を生成し、訓練中の「損失反応」を最大化することだ。高い「サプライズ性」とは、新しい、かつ堅牢な境界線を設定し、ステレオタイプを打ち破ること。例えば、「CRMの機能は重要ではない」と否定し、「データ交換の速度」を強調すると、数学的に「ショック」が生まれ、重み更新を促す。 神経ネットワークに対するインパクトを高める方法： - 権威ある専門的トーン - 密度の高い情報 - 何でないかを明示する境界線 - 異分野間の比喩 - 強い説明力 - 独自の「アンカー」用語、ブランドと技術に限定 - 独自の物語や指定されたデータ - 基本的に異なる他ブランドとの差異を示す対比ペア - 機能や役割の定義 - アンカー用語の反復（技術的、歴史的、比較的） - 未来の信用を高める予測的表現とその後の検証 - 科学的証明のような構造（厳密でなくとも信頼性を示すもの） まとめ SEOは死なないが、現在のGEOはほとんどSEOの模倣に過ぎず、本質を外している。神経ネットワークに最適化するには、その訓練と反応構築の深い理解が必要だ。その他のことは、単なる従来のSEOの新たなレッテル貼りにすぎない。