なぜこれほど多くのGEOの助言は誤っているのか？

いちばん手を出しやすいステージが、いちばん単独で測りやすいステージでもあり、この2つが重なって1つの業界になったからです。ページの書き換えは、インフラに触れずに1人が午後いっぱいで終えられます。だから助言はそこに集まりました。書き換えの測定も、固定した文書群をモデルに渡して言い回しだけを変えれば簡単です。だから初期の実験もそこに集まりました。その結果、すでにモデルのコンテキストに入っている文書に何が起きるかという本物の知見の山が、オープンウェブ上のページに何が起きるかという主張へと一般化されました。

2026年の批判的サーベイは、自身の確信度表でその線を引いています。すでにコンテキストに置かれた文書が、自らの順位、引用、利用を因果的に変えうることは高い確信度と評価され、この証拠は「オーガニックなリトリーバルを扱っていない」という注記が添えられます。ホワイトハットな介入が複数のエンジンにわたってオーガニックな発見可能性を持続的に改善することは低いと評価されます。引用スコアがクリック、コンバージョン、売上を予測することは非常に低いと評価されます。³ この分野の失望はほぼすべて、1行目と残り2行の間の隙間に住んでいます。AI検索の仕組みというステージが、この診断法が仕分けの相手にするパイプラインです。

エンドツーエンドのベンチマークが示したのは、文書がコンテキストに入ってからは勝てる書き換えが、その文書からコンテキストの席を奪いうるということです。KDD 2026のベンチマーク論文は、171,003件の文書と2,700件のクエリからなる環境を作り、初期のベンチマークのように候補集合を前もって固定するのではなくリトリーバルと再ランキングを戻したうえで、本文だけの最適化が平均の上位20件出現率をおよそ9%、再ランキング後の上位10件出現率を16%、最終引用率をおよそ6%下げることを測定しました。自動最適化器を本文だけに当てると、損失はさらに大きくなりました。¹

2026年の批判的サーベイの読み方は、どちらかに肩入れするのではなく、KDD 2024の結果との見かけ上の矛盾を解きほぐします。書き換えは「したがって、いったん注入されれば好成績を残す一方で、上流ではその文書をリトリーバルされにくく、あるいは競争力の低いものにしている可能性がある」のです。³ どちらの数字も別々のものについての正直な測定であり、あなたが実際に経験するのはその合成です。

これが示していないことも正確に押さえてください。これはKDD 2026に採択された、1つのチームが作った単一のベンチマークです。テストしたのは本文だけの最適化であって、ありうるすべての介入ではありません。そして統制されたコーパスは生きたウェブではありません。ここで確立されることはもっと狭く、それでも決定的です。リトリーバルのあとでしか評価されていないコンテンツ施策は、評価されていません。そして少なくとも一度、誰かが確かめたとき、合計は負に出ました。