#GEO

標記「GEO」標籤的文章列表。

LLMO2026年7月14日

我們將大阪 400 家機構的機器可讀性調查擴大到全國，對 7,643 家美容相關診所的機器可讀性進行了全數調查。AI 爬蟲全部允許 88.7%、llms.txt 9.1%、結構化資料 40.0%。而且登記 URL 中約有一成無法連通。

LLMO2026年7月14日

針對大阪府標榜美容外科、美容皮膚科、整形外科、皮膚科的 400 家機構進行機器可讀性調查。AI 爬蟲全部允許 89%、llms.txt 設置 10%、結構化資料 52%。醫療機構端「準備」的現況位置。

GEO2026年7月13日

生成式引擎最佳化（GEO）存在著以實測為基礎的研究。本文整理兩項代表性研究的見解，並探討如何將其轉譯至醫療機構的資訊發布。

LLMO2026年7月13日

我們對解說 AI 搜尋最佳化的 67 個國內網站進行了機器可讀性調查。全面允許 AI 爬蟲者佔 93%、設置 llms.txt 者佔 27%。解說一方「準備狀況」的實態，以及與醫療機構一方的比較。

AI 搜尋2026年6月23日

反映到 AI 搜尋不一定在公開後立即穩定。與其在公開後立即判斷，不如整理何時該觀測、何時該懷疑技術性問題。

AI 搜尋2026年5月20日

當患者向 AI 諮詢醫療機構時，診所與醫師是如何被比較的。為了讓 AI 正確傳達貴診所的資訊，本文整理了應在網站、醫師資訊、評論、案例與常見問題中備妥的資訊。

GEO2026年5月13日

整理 GEO 的基礎，以及它與 LLMO、SEO 的關係。說明醫療機構為了出現在生成式 AI 的回答中所需的文件製作方式。