GEO-optimointi: mitä alkuperäinen tutkimus oikeasti mittasi
Vastaus lyhyestiGEO-termi tulee Aggarwalin ja kumppanien tutkimuksesta (KDD 2024). Siinä tutkijat muokkasivat yhtä viidestä lähdetekstistä ja mittasivat, kuinka paljon GPT-3.5:n kokoama vastaus käytti sitä. Lähteiden lainaukset, sitaatit ja tilastot paransivat näkyvyyttä suhteellisesti 30–40 %, avainsanojen täyttö ei auttanut. Koe tehtiin tutkijoiden omalla simulaatiolla, ei mitattu klikkejä eikä hakusijoja, eikä 40 % tarkoita 40 % lisää asiakkaita.
GEO-optimoinnin ja tekoälyoptimoinnin taustalla on yksi tutkimus ja siitä usein toistettu luku: näkyvyys tekoälyn vastauksissa voi kasvaa 40 prosenttia. Luku on oikea, mutta se tarkoittaa jotain muuta kuin miltä se kuulostaa. Tutkijat eivät mitanneet ChatGPT:tä, Googlea eivätkä yhdenkään yrityksen kävijöitä. He rakensivat oman tekoälyhakunsa, muokkasivat siihen syötettyjä tekstejä ja laskivat, kuinka suuri osa vastauksesta nojasi muokattuun tekstiin.
Tämän tekstin kirjoitti tekoäly väitepankin varassa. Luvut on kopioitu tutkimuksesta ja Googlen dokumentaatiosta, ja skripti tarkisti, että jokainen löytyy avatuista lähteistä.
Termi GEO syntyi yhdestä akateemisesta artikkelista
Artikkelin “GEO: Generative Engine Optimization” kirjoittivat Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan ja Ameet Deshpande. Ensimmäinen versio ilmestyi arXivissa 16. marraskuuta 2023, nykyinen kolmas versio 28. kesäkuuta 2024, ja työ hyväksyttiin KDD 2024 -konferenssiin (arXiv).
Pääväite on muotoiltu varovasti: GEO voi tutkijoiden mukaan parantaa näkyvyyttä generatiivisen moottorin vastauksissa “up to 40%”, ja menetelmien teho vaihtelee aihealueittain (Aggarwal ym.). “Enintään” katoaa usein, kun luku siirtyy myyntisivulle.
Generatiivinen moottori oli tutkijoiden oma simulaatio, ei tuotannossa oleva hakupalvelu
Koeasetelma oli yksinkertainen. Jokaiselle kyselylle haettiin Googlen hakukoneesta viisi ylintä lähdettä, ja vastauksen kirjoitti gpt-3.5-turbo-malli lähteiden pohjalta. Jokaisesta kyselystä otettiin viisi eri vastausta satunnaisvaihtelun tasaamiseksi. Tutkijat sanovat asetelman jäljittelevän aiempia tutkimuksia ja kaupallisten tekoälyhakujen yleistä rakennetta (Aggarwal ym.). Se on siis malli tekoälyhausta, ei mikään niistä palveluista, joita asiakkaasi käyttävät.
Viidestä lähteestä yksi valittiin satunnaisesti optimoitavaksi. Sen tekstiä muokattiin, ja sitten katsottiin, muuttuiko vastaus.
GEO-bench oli kymmenentuhatta kyselyä, enimmäkseen tiedonhakuja
Testiaineisto, GEO-bench, koostui kymmenestätuhannesta kyselystä, jotka jaettiin opetus-, validointi- ja testijoukkoon. Kyselyt kerättiin yhdeksästä eri lähteestä. Niistä 80 % oli informatiivisia ja 10 % kumpaakin transaktio- ja navigointihakuja, ja aihealueita oli 25, esimerkiksi taide, terveys ja pelit (Aggarwal ym.).
Suomalaisen pk-yrityksen kannalta jakauma on olennainen: valtaosa kyselyistä oli tiedonhakuja, ei ostamiseen tähtääviä hakuja. Paperin kuvaus aineistosta ei mainitse suomenkielisiä kyselyitä.
Testattuja menetelmiä oli yhdeksän, ja mittari oli sanamäärä
Tutkijat kokeilivat yhdeksää tapaa muokata tekstiä: auktoriteettinen ja vakuuttavampi sävy, tilastojen lisääminen, avainsanojen täyttö kyselyn sanoilla “kuten klassisessa SEO:ssa”, lähteiden lainaaminen, sitaattien lisääminen, helppolukuisuus, sujuvuus, harvinaisten sanojen lisääminen ja teknisten termien lisääminen (Aggarwal ym.).
Päämittari oli Position-Adjusted Word Count. Se laskee, kuinka monta sanaa vastauksessa liittyy lähteeseen viittaaviin virkkeisiin, ja painottaa sitä sen mukaan, kuinka ylhäällä viittaus on. Toinen mittari, Subjective Impression, kokosi seitsemän näkökulmaa, ja ne arvioi GPT-3.5 (Aggarwal ym.). Kumpikaan ei mittaa klikkejä, liidejä tai myyntiä.
Lainaukset, sitaatit ja tilastot auttoivat, avainsanojen täyttö ei
Parhaat menetelmät olivat lähteiden lainaus, sitaattien lisäys ja tilastojen lisäys. Ne paransivat päämittaria suhteellisesti 30–40 % ja subjektiivista mittaria 15–30 %. Taulukossa lähtötaso oli 19,3, sitaattien lisäys 27,2, tilastojen lisäys 25,2 ja lähteiden lainaus 24,6. Avainsanojen täyttö jäi lähtötason alle, 17,7, ja tutkijoiden mukaan se ei juuri parantanut vastauksia (Aggarwal ym.).
Kaksi muuta havaintoa on yrittäjälle kiinnostavampia kuin otsikkoluku. Lähteiden lainaus nosti Googlessa viidennellä sijalla olleen sivun näkyvyyttä 115,1 %, mutta ylimmän sivun näkyvyys laski samalla menetelmällä 30,3 %. Tässä vertailussa lainausten hyöty näkyi heikommin sijoittuneella sivulla, ei kärkisijalla. Lisäksi menetelmien teho riippui aiheesta: auktoriteettinen sävy auttoi väittelytyyppisissä kysymyksissä ja sitaatit historiassa sekä ihmisiä ja yhteiskuntaa koskevissa aiheissa (Aggarwal ym.). Paras yhdistelmä, sujuvuus ja tilastot, voitti parhaan yksittäisen menetelmän yli 5,5 prosentilla.
Perplexity-koe tehtiin oikealla palvelulla, mutta tekstit syötettiin tiedostoina
Tutkijat testasivat menetelmiä myös Perplexity.ai:ssa, jota he kutsuvat kaupallisesti käytössä olevaksi moottoriksi. Koska palvelussa ei voinut määrätä lähde-URL-osoitteita, lähdetekstit annettiin tiedostoina, ja aineistona oli 200 kyselyn osajoukko testijoukosta. Siellä sitaattien lisäys toimi parhaiten, 22 % lähtötasoa parempi, ja avainsanojen täyttö toimi 10 % lähtötasoa huonommin (Aggarwal ym.).
Tämä on lähimpänä todellista tekoälyhakua, mutta Perplexity ei hakenut sivuja itse verkosta.
Tutkijat itse luettelevat rajoitukset
Rajoitusosiossa tutkijat sanovat, että menetelmien pitää muuttua moottorien kehittyessä, että he eivät arvioineet GEO-menetelmien vaikutusta hakusijoituksiin, että kyselyjen luonne muuttuu ja aineistoa pitää päivittää, ja että tulevat mallit pystyvät käyttämään useampia lähteitä (Aggarwal ym.).
Olivier Martinezin kriittinen katsaus GEO-tutkimukseen 15. heinäkuuta 2026 sanoo saman suoremmin. Luku 40 % kuvaa suhteellista näkyvyyshyötyä simulaattorissa, jossa viisi dokumenttia on jo valmiiksi annettu mallille. Teksti ei siis kilpaillut pääsystä lähteeksi. Katsauksen mukaan kokeessa ei havaittu klikkejä, ohjautumista, liikennettä eikä ostoja, ja myöhempi tutkimus on kaventanut johtopäätöksen ulottuvuutta (Martinez).
Yksi myöhempi koe, E-GEO, testasi verkkokaupan tuotekuvauksia yli 7 000 kuluttajakyselyllä, ja moottorina toimi GPT-4o. Viisitoista yleistä uudelleenkirjoitusvinkkiä kokeiltiin, ja niistä 10 tuotti mitättömän tai jopa negatiivisen muutoksen tuotteen sijoitukseen (Bagga ym.). Suoraa toistoa alkuperäisen artikkelin 40 prosentista en löytänyt.
Google sanoo, että GEO on edelleen hakukoneoptimointia
Googlen 10. heinäkuuta 2026 päivitetty opas toteaa, että GEO- ja AEO-termejä käytetään tekoälyhaun näkyvyystyöstä, mutta generatiivisen tekoälyhaun optimointi on hakukokemuksen optimointia “and thus still SEO”. Erityistä kirjoitustapaa ei tarvita, tekstiä ei tarvitse pilkkoa pieniksi paloiksi, ja epäaitojen mainintojen hankkiminen ei ole niin hyödyllistä kuin voisi luulla (Google Search Central). AI Overviewsiin ja AI Modeen ei Googlen mukaan ole lisävaatimuksia: riittää, että sivu on indeksoitu ja voi näkyä haussa tekstikatkelman kanssa (Google Search Central).
Tutkimus ja Google eivät ole ristiriidassa niin paljon kuin näyttää. Lähteiden lainaaminen, oikeat sitaatit ja tarkistettavat luvut ovat tavallisen hyvän tekstin piirteitä. Tutkimuksen hyödyllisin opetus ei ole resepti vaan suunta: väitteelle lähde, luvulle alkuperä, ja avainsanojen toistaminen pois.
Mitä suomalaiset toimistot GEO-nimellä myyvät, käydään läpi artikkelissa GEO-palvelut Suomessa, ja hinnat artikkelissa tekoälyoptimoinnin hinta Suomessa. Laajempi kokonaisuus on pilarissa GEO eli tekoälyhaun optimointi.
Kysymyksiä, joita tästä haetaan
Mitä GEO-optimointi tarkoittaa?
Generative Engine Optimization eli sisällön muokkaamista niin, että tekoälyhaun kokoama vastaus käyttää ja lainaa sitä. Termin esittelivät Aggarwal ja kumppanit tutkimuksessa, joka hyväksyttiin KDD 2024 -konferenssiin. Googlen oman oppaan mukaan tekoälyhaun optimointi on edelleen hakukoneoptimointia.
Lisääkö GEO näkyvyyttä 40 prosenttia?
Ei yleisesti. Luku on tutkimuksen paras suhteellinen parannus yhdellä mittarilla tutkijoiden omassa simulaatiossa, jossa muokattu teksti oli jo valmiiksi yksi viidestä lähteestä. Klikkejä, liikennettä tai kauppaa ei mitattu.
Toimiiko avainsanojen täyttö tekoälyhaussa?
Alkuperäisen tutkimuksen mukaan ei. Se ei juuri parantanut näkyvyyttä simulaatiossa, ja Perplexity-kokeessa se toimi 10 % lähtötasoa huonommin.
Lähteet
- Aggarwal ym.: GEO: Generative Engine Optimization (arXiv 2311.09735, abstraktisivu)Kirjoittajat, versiot, hyväksytty KDD 2024 -konferenssiin
- Aggarwal ym.: GEO: Generative Engine Optimization (arXiv v3, HTML)Menetelmät, GEO-bench, mittarit, tulokset, Perplexity-koe, rajoitukset
- Google Search Central: Google's Guide to Optimizing for Generative AI FeaturesGEO ja AEO ovat Googlen mukaan edelleen SEO:ta; päivitetty 2026-07-10
- Google Search Central: AI features and your websiteEi lisävaatimuksia AI Overviewsiin tai AI Modeen
- Martinez: Optimizing Visibility in Generative Engines: A Critical Survey of GEO (arXiv 2607.14035)Kriittinen katsaus: 40 % on suhteellinen hyöty simulaattorissa
- Bagga ym.: E-GEO: A Testbed for Generative Engine Optimization in E-Commerce (arXiv 2511.20867)Verkkokauppatesti GPT-4o:lla: valtaosa yleisistä uudelleenkirjoitusvinkeistä ei auttanut
Löysitkö virheen?
Tämän tekstin kirjoitti Claude ja toinen kone tarkisti faktat. Ihminen ei ole lukenut jokaista tekstiä, joten sinun huomiosi on tässä oikeasti tarpeen. Jos jokin on väärin, kerro: ilmoitus tulee Ilkalle, hän korjaa, ja korjaus merkitään tähän tekstiin näkyviin.