生成型検索エンジンの好みとウェブコンテンツの最適化方法 協調的に

What Generative Search Engines Like and How to Optimize Web Content Cooperatively

October 13, 2025

著者: Yujiang Wu, Shanshan Zhong, Yubin Kim, Chenyan Xiong

cs.AI

要旨

大規模言語モデル（LLM）を活用してドキュメントを検索し、自然言語による応答を生成する生成エンジン（Generative Engines）は、Google AI OverviewやChatGPTなどの例に見られるように、ユーザー体験を大幅に向上させ、新たな検索形態として急速に普及しています。その急速な採用は、コンテンツ提供者がより多くのトラクション（注目）を得ようとする中で、生成エンジン最適化（Generative Engine Optimization, GEO）の必要性を駆動しています。本論文では、検索されたコンテンツを応答生成に使用する際に生成エンジンの選好を自動的に学習し、ウェブコンテンツを書き換えてより多くのトラクションを得るためのフレームワークであるAutoGEOを紹介します。AutoGEOはまず、最先端のLLMに生成エンジンの選好を説明させ、その説明から意味のある選好ルールを抽出します。次に、これらの選好ルールを、プロンプトベースのGEOシステムであるAutoGEO_APIのコンテキストエンジニアリングとして使用し、コスト効率の高いGEOモデルであるAutoGEO_Miniを訓練するためのルールベースの報酬として活用します。標準的なGEO-Benchと、実際のユーザークエリを使用して新たに構築した2つのベンチマークでの実験により、AutoGEOが検索の有用性を維持しながらコンテンツのトラクションを向上させる効果が実証されました。分析により、学習されたルールの堅牢性と異なるドメインにおける独自の選好を捉える能力、およびAutoGEOシステムがそれらをコンテンツ最適化に組み込む能力が確認されました。コードはhttps://github.com/cxcscmu/AutoGEOで公開されています。

English

By employing large language models (LLMs) to retrieve documents and generate natural language responses, Generative Engines, such as Google AI overview and ChatGPT, provide significantly enhanced user experiences and have rapidly become the new form of search. Their rapid adoption also drives the needs of Generative Engine Optimization (GEO), as content providers are eager to gain more traction from them. In this paper, we introduce AutoGEO, a framework to automatically learn generative engine preferences when using retrieved contents for response generation, and rewrite web contents for more such traction. AutoGEO first prompts frontier LLMs to explain generative engine preferences and extract meaningful preference rules from these explanations. Then it uses preference rules as context engineering for AutoGEO_API, a prompt-based GEO system, and as rule-based rewards to train AutoGEO_Mini, a cost-effective GEO model. Experiments on the standard GEO-Bench and two newly constructed benchmarks using real user queries demonstrate the effectiveness of AutoGEO in enhancing content traction while preserving search utility. Analyses confirm the learned rules' robustness and abilities to capture unique preferences in variant domains, and AutoGEO systems' ability to embed them in content optimization. The code is released at https://github.com/cxcscmu/AutoGEO.