研究テーマ
GMO AI検索ラボは、まず仮説を立て、実験で確かめ、結果を公開する。この流れをくり返しながら研究を進めます。テーマは、市場のニーズ・他にない差別化・実現できるか・効果の大きさ・独自性・タイミングといった観点で見比べ、優先順位をつけて取り組みます。
研究の柱
ラボの研究は、大きく次の3つの柱に分かれます。
- AI検索のしくみを理解する — Perplexity、ChatGPT Search、Google AI Overview、Gemini などが、どのように情報を集め、要約し、引用して答えを作るのかを解き明かす。
- 見つけてもらいやすさ（可視性）とAIO — AI検索の答えに情報がどう取り込まれるか、ブランドや事業がどう受け止められ、おすすめされるかを測り、選ばれやすくするための手がかりを得る。
- 日本語ならではの研究 — 英語圏で分かったことが日本語のAI検索でも当てはまるかを確かめ、日本語ならではの特徴（あいまいな言い回し・敬語・漢字とかなの混在など）を明らかにする。
主要テーマ
ここでは、ラボが力を入れて取り組む研究テーマの例を紹介します。どれも日本語の問いかけ（クエリ）を主な対象とし、数字で比べて分析することを大切にしています。
日本語AI検索エンジンの精度くらべ
複数のAI検索に、業種をまたいだ大量の日本語の問いかけを投げ、答えの正確さ・もれのなさ・出典の質・日本語としての自然さを、数字で比べます。「どのAI検索が、どんな問いに、どこまで正確に答えられるか」を、ひとつずつ整理して明らかにする取り組みです。
AI検索はブランドをどう語り、おすすめするか
AI検索が各ブランドについてどんな情報を返すか（正確さ、語り口が好意的か否定的か、おすすめの度合い、競合と比べてどう言及されるか）を、ひとつずつ調べます。AIが自社をどう語っているかは、マーケティング担当者にとって新しい関心事になりつつあります。
Google AI Overview の表示率・引用パターン分析
日本語のキーワードを対象に、AI Overview（Google検索の上部にAIが作る要約回答）がどのくらい表示されるか、どんな形式（文章・箇条書き・表など）で出るか、どんな情報源が引用されやすいかを分析します。AI Overview の登場が、これまでのSEO戦略にどんな見直しを迫るのかを読み解きます。
構造化データと引用の関係
構造化データ（ページの内容を機械が読み取りやすい形で書いたもの。スキーマとも呼びます）を整えると、AIの引用にどう影響するかを、長い期間のテストで確かめます。施策と効果のつながりを、時間をかけて観察するやり方です。
研究スタイル
ラボは「まず実験する」を基本の姿勢とし、仮説→検証→公開の流れを止めずにくり返します。公開するときは、研究の中身に応じて公開する範囲を決め、研究成果を広く共有することと、ビジネス上の機密を守ることを両立させます。誰でも使えるAI検索を用いた実験では、できる範囲で生のデータや分析の考え方を公開することを基本とします。