AIに引用されるための施策に、学術的な裏づけはあるか——GEO研究を医療の文脈で読む

「AIに引用されやすくする施策」については、すでに実測に基づく学術研究が存在します。本記事では代表的な2つの研究の知見を整理し、医療機関の情報発信の文脈でどう読めるかを検討します。

GEO（Generative Engine Optimization）とは、生成AIが回答を作る際に、自らの情報が正確に引用・参照されることを目指す最適化の考え方です。

最初の体系的研究として知られるのは、GEOという概念を提唱した研究（Aggarwal et al., KDD 2024）です。この研究は、ウェブページに引用・統計・出典の明記を加えることで生成エンジン上の可視性が向上し得ること、一方でキーワードの詰め込みのような従来型SEOの手法は効果が乏しいことを、実験によって報告しました。

より新しい大規模比較研究（Koudas, 2025）は、AI検索と従来のGoogle検索が情報源をどう選ぶかを複数の業種・言語で比較し、次のような差を報告しています。第一に、AI検索はEarned media——第三者による権威ある言及——を、ブランド自身のサイトやSNSよりも系統的に優先します。第二に、AI検索サービス間で、参照ドメインの多様性、情報の鮮度、言語間の安定性、質問文の言い回しへの感度が大きく異なります。第三に、大手ブランドが優遇されるバイアスが存在し、ニッチな事業者はそれを乗り越える戦略が必要になります。

これらの知見を医療機関の文脈に翻訳すると、次のように読めます。

統計と出典を持つページが引用されやすいという知見は、医療では「公的データと一次情報の明示」を意味します。効果や優位性の主張ではなく、検証可能な事実を出典付きで示すことは、医療広告ガイドラインの考え方とも方向が一致します。

Earned mediaの優先は、自院サイトの充実だけでは足りないことを示唆します。学会や公的機関の名簿、地域の医療情報、第三者の媒体上で、自院の情報が正確に記載されているかが問われます。

エンジン間・言語間の差と言い回しへの感度は、単発の質問で「AIにどう見えているか」を判断できないことを意味します。複数のモデル、複数の質問パターン、時点を変えた観測が必要です。これは本サイトが検証の前提としている考え方でもあります。

大手ブランドバイアスへの対抗としてニッチな事業者に残されているのは、大手が持たない一次データと専門特化です。地域と診療領域に根ざした、検証可能な情報の蓄積が、規模の不利を補う数少ない経路だと考えられます。

最後に限界も明記します。これらの研究は主に英語圏の環境での実験であり、日本語の医療領域で同じ効果量が成立するかは検証されていません。この検証こそ、本サイトが今後実測で埋めていく領域です。