RESEARCH｜GEO-SFE
AIの引用は、意味より構造に動かされる。
GEO-SFEは、ページの「構造」を測定・制御できる形に分解し、主張を変えずに生成エンジンの引用を増やすための研究です。主要6つの生成エンジンで、引用率 +17.3%、主観的な回答品質 +18.5% の改善を確認しました。
研究結果
- 引用率
- +17.3%
- 主観的な回答品質
- +18.5%
- 評価した主要生成エンジン
- 6
数値は論文の実験条件下での結果です。個別のブランドやサイトで同じ改善幅を保証するものではありません。
3つの構造レイヤー
- マクロ構造：ドキュメント全体の設計。セクション分割、見出し階層、論述の順序。
- メソ構造：情報のチャンク化。段落の粒度、リスト、事実の配置、コールアウト。
- マイクロ構造：視覚的な強調。太字やインラインハイライトなど、レンダリング後も残る手掛かり。
VeReachでの使い方
GEO-SFEは単体のツールではなく、VeReach GEOの「書き換えて再計測する」ループの中に組み込まれています。構造診断と構造リライトの提案は、意味側のシグナルと同じ流れで計測し直します。
論文
Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior
Junwei Yu, Mufeng Yang, Yepeng Ding, Hiroyuki Sato
本ページは論文の要約です。手法、エンジン別の内訳、評価条件は論文本文をご確認ください。
VeReachのその他の論文
GEOの評価方法と、AIによる評価の信頼性に関する研究です。
- Conversational Capture: A Trajectory-Level Framework for Evaluating Generative Engine Optimization in Multi-turn Human-Agent Interaction
Junwei Yu, Jieyu Zhou, Mufeng Yang, Yepeng Ding, Hiroyuki Sato · 2026年9月30日
GEOを単発の回答ではなく、複数ターンの会話全体で評価する枠組みです。会話の早い段階で引用された情報源が、検索側の履歴参照とユーザーの追加質問を通じて再び引用されやすくなる「会話的捕捉」を定式化し、単発の評価ではこの効果が見えなくなることを理論的に示しました。
arXivで読む - JuryFlow: Disagreement-Guided Human-in-the-Loop Multi-Agent Evaluation
Mufeng Yang, Junwei Yu, Yepeng Ding · 2026年9月30日
LLMを審査役に使う評価で、審査役どうしの意見の割れを多数決で消さず、不確実性のシグナルとして扱う枠組みです。意見が割れた箇所に人が一度だけ介入し、その修正を関連ケースへ広げて評価基準として再利用します。MT-BenchとLLMBarで、単一審査や多数決より正解ラベルとの一致が高まったと報告しています。
arXivで読む