「LLMOという言葉を聞いたが、SEOやGEOと何が違うのか整理がつかない」「対策と言われても、AIの中身が見えないので手の打ちようがない」――こうしたご相談を、オウンドメディアの担当者から続けていただいています。
結論からお伝えすると、LLMO（Large Language Model Optimization／大規模言語モデル最適化）とは、ChatGPTのような大規模言語モデルに自社の情報を認識させ、回答に使わせるための最適化です。GEOとほぼ同じ取り組みを指す別名で、対立する概念ではありません。
solezoreでは、LLMOの実務は「AIが読みやすい形に記事を組み直すこと」に尽きると考えています。特別な技術は要りません。AIの内部が見えなくても、引用される記事の形は分かっているためです。
この記事では、LLMOの仕組みと言葉の整理、AIが情報を選ぶ流れ、対策の具体、着手の順番、成果の測り方までを、実際にEC・D2Cブランドの検索集客を支援している立場から解説します。
LLMOとは何か｜言葉の位置づけを整理する
結論： LLMOは大規模言語モデルに自社情報を使わせるための最適化です。GEOとほぼ同義で、AI OverviewやSEOとは指している対象の階層が違います。
LLMOが指す範囲
LLMOという言葉は、ChatGPTやClaudeのような対話型AIを主な対象として使われることが多い言い方です。利用者がAIに質問したとき、その回答の中で自社が言及されたり、出典として示されたりする状態を目指します。
対象になるのは、学習済みの知識と、その場で参照するWebページの2つです。前者は制御が難しいのですが、後者は記事の書き方で変えられます。実務で手を打てるのは後者だと考えてください。
GEO・AI Overview・SEOとの関係
似た言葉が並ぶので、階層を整理しておきます。
| 用語 | 指すもの | 階層 |
|---|---|---|
| SEO | 検索エンジンのランキングへの最適化 | 取り組みの名前 |
| LLMO | 大規模言語モデルへの最適化 | 取り組みの名前 |
| GEO | 生成エンジン全般への最適化 | 取り組みの名前（LLMOより広い） |
| AI Overview | Google検索に出る要約 | 対策の対象となる機能 |
LLMOとGEOのどちらが正しい呼び方かという議論を見かけますが、実際にやる作業はほぼ同じです。呼び方に時間を使うより、記事に何を足すかを決めるほうが先に進みます。
「AIの中身がブラックボックスだから対策できない」と思われがちですが、実際には手の打ちようがあります。引用されている記事とされていない記事を比べれば、形の違いは見えるためです。
冒頭で結論を述べているか、見出しが具体的か、表があるか、数値が入っているか。この4点で、引用の有無はかなり説明がつきます。中身が見えなくても、外形の違いから逆算できるということです。
AIが情報を選ぶ流れ｜3つの段階
結論： AIは質問を分解し、各断片に答えるページを探し、そこから段落を抜き出して回答を組み立てます。3段階のどこで落ちても引用されません。
段階1｜質問が分解される
GoogleのAIモードなどは、利用者のひとつの質問を内部で5〜11個のサブクエリに分解して並行検索します。このサブクエリ側で拾われるページは、表示クエリだけで拾われるページより引用率が約2.6倍高いという調査があります。
たとえば「LLMO 対策 費用」と聞かれたAIは、「LLMOとは何か」「施策の項目は何か」「相場はいくらか」「自社対応との差は何か」といった問いに割ります。費用だけを書いた記事は、このうち1つにしか当たりません。
段階2と3｜候補が集まり、段落が抜き出される
分解された各問いに対して、AIは答えているページを探します。ここで参照される候補の多くは、通常の検索でも評価されているページです。
順位が付いていないページ、インデックスされていないページは、この段階で落ちます。SEOの基盤がLLMOの前提条件になるのは、この構造によるものです。
候補のページから、AIは該当する段落を抜き出して回答に組み込みます。ページ全体ではなく段落単位である点が重要で、前の段落を受けて「その場合は」と続く書き方では、抜き出された側だけでは意味が通りません。
いわば、辞書の1項目だけを切り取って読まれるようなものです。前のページを見ないと分からない書き方をしていると、切り取った側で意味が通じなくなります。
3段階のどこで落ちているかを見分ける
自社が引用されないとき、3段階のどこで落ちているかによって打つ手が変わります。見分け方は次のとおりです。
| 症状 | 落ちている段階 | 打つ手 |
|---|---|---|
| 通常の検索でも順位が付いていない | 段階2（候補に入っていない） | SEOの整備を先に |
| 順位はあるがAIに出てこない | 段階3（抜き出せる段落がない） | 見出しと結論の追加 |
| 関連する質問には出るが本命で出ない | 段階1（論点が足りない） | 8観点の網羅 |
まず確認すべきは、通常の検索での順位です。ここが取れていない状態でAI向けの改修だけを進めても、そもそも候補に入りません。順位があるのに引用されない場合に初めて、記事の構造が原因だと判断できます。
LLMO対策の具体｜5つの手
結論： LLMO対策は結論の位置・段落の独立・見出しの粒度・表・数値の5点に集約されます。いずれも記事の書き方の問題です。
手1〜2｜結論の位置と段落の独立
記事の1文目と、各見出しの直下に結論を置きます。見出し直下の結論は60〜120文字にとどめ、そこだけを切り出しても意味が通る形にします。
段落の独立も同じ考え方です。「これ」「その場合」といった指示語で前の段落を受けず、主語と対象を毎回書きます。地味な作業ですが、抜き出されたときに意味が通るかどうかを分けます。
手3｜見出しの粒度を上げる
もっとも見落とされているのが見出しの本数です。1記事に見出しが2〜3本しかないと、本文がどれだけ厚くても、AIが引用できる面がほとんどありません。
見出しは、読者が迷っている一点に1対1で当てます。「注意点」ではなく「導入後にかかる月額費用」のように具体化します。抽象的な見出しは、AIが質問と照らし合わせられません。
目安は、クラスター記事で16本以上、ピラー記事で24本以上です。本文の量を増やさなくても、論点ごとに切り直すだけで本数は増えます。
手4〜5｜表と数値
比較・要件の一覧・金額の水準は、箇条書きより表のほうが引用されやすい傾向があります。「AとBの違い」を聞かれたAIにとって、表はそのまま答えの形になっているためです。
数値については、プリンストン大学とAllen Institute for AI の検証で、統計の追加により可視性が25.9%向上したという報告があります。引用の追加で27.8%、出典の明記で24.9%という結果も出ており、3つ合わせると最大40%の改善とされています。
記事の外側で整える条件
結論： LLMOは記事本文だけでは完結しません。クローラーが読めるか、著者が明示されているか、外部の情報と食い違っていないかの3点が前提になります。
AIクローラーが読めるか
記事をどれだけ整えても、AIのクローラーがページを読めなければ引用されません。AI各社のクローラーは、Googleほど高度なJavaScript実行環境を持たないため、クライアント側で描画するサイトでは中身が空のまま読まれることがあります。
サーバーサイドレンダリングになっているか、robots.txtでAIのクローラーを弾いていないか。この2点は、記事の改修に入る前に30分で確認できます。
著者情報と外部との整合
誰が書いたか分からないページと、氏名・経歴・資格が明示されたページでは、信頼性の評価が変わります。医療・金融など判断の重い領域では、著者と監修者の明示は必須に近い扱いです。
あわせて、自社サイトと外部メディアで料金・所在地・サービス内容が食い違っていないかも確認してください。食い違いがあると、AIは情報の揃っている側を選びます。
効果の薄い施策｜時間を使わない判断
結論： LLMOで成果が確認されていない施策があります。llms.txtの設置・会話体での執筆・自社を1位にした比較記事は優先度を下げて構いません。
検証で否定されているもの・自己推薦型の比較記事は逆効果
- llms.txt の設置：検索への効果は現時点で確認されていません
- 本文を細切れにする書き方や、チャットボット風の会話体は、複数の検証で効果が薄いと指摘されています
- ドメインオーソリティ等の外部指標を上げる取り組みも、AI検索での評価への影響は小さいとされています
自社を1位に据えた比較記事は、避けたほうが無難です。100クエリを対象にした調査では、自己推薦型の記事のうち20件がまったく引用されず、引用された80件でも69%で他社が推薦される結果が出ています。サイト全体の評価にもマイナスに働くとされています。
比較記事を作るなら、選定基準を示す形にとどめてください。読者が自分で判断できる材料を並べるほうが、結果として引用されます。
着手の順番｜3か月の進め方
結論： 最初の1か月は現状記録と技術確認、2〜3か月目で記事改修に入ります。記録なしで改修を始めると、成果を説明できなくなります。
1か月目｜記録と確認
- 質問文を15〜20本決める：自社カテゴリの「とは」「おすすめ」「比較」「選び方」「費用」を含む形にします。目安は半日
- 3エンジンで現状を保存する：ChatGPT・Perplexity・AI Overviewsで、自社の引用有無と競合を控えます
- 技術条件を確認する：レンダリング方式とrobots.txtを見ます。30分ほどの作業です
2〜3か月目｜改修と観測
- 表示回数の多い記事から20本を改修する：上の5つの手を当てます。1本あたり2〜4時間が目安
- 月次で同じ質問文を確認する：比較できる形で残し、引用された場合は記事のどの部分が使われたかまで控えます
反映までの期間はエンジンで差があります。Perplexityでは1〜2か月、AI OverviewsはGoogleの評価サイクルを挟むため3〜6か月を見ておくと、途中で焦らずに済みます。
体制別｜誰がどこまでやるか
結論： LLMO対策の分担は、記事を書ける人が社内にいるかどうかで決まります。書ける人がいるなら、型だけ外部から受け取る形が経済的です。
書ける人が社内にいる場合・兼務の担当者しかいない場合
改修の型と質問文の設計だけを外部から受け取り、実作業は社内で回します。記事の中身を最もよく知っているのは書いた本人なので、品質の面でも有利に働きます。
外部に頼むのは、初回の現状診断と四半期ごとの見直しに絞ると費用を抑えられます。
本数の多い改修は外部に出したほうが、結果的に早く進みます。ただし月次の観測だけは社内に残すことをおすすめしています。AI検索での見え方を担当者自身が見ていないと、次に何を直すかの判断ができなくなるためです。
費用の目安は、自社対応で月0〜5万円、外部委託で月20〜60万円程度。記事制作まで含めると月50〜150万円の水準になります。
成果の測り方｜何をいつ見るか
結論： LLMOの成果は順位計測ツールでは追えません。質問文を固定した手作業の確認と、指名検索数の推移を組み合わせて見ます。
月次で見るもの
決めておいた15〜20本の質問文を、同じエンジンで検索し、引用の有無を記録します。引用された場合は、記事のどの部分が使われたかまで控えておくと、次の改修の材料になります。
あわせてSearch Consoleで指名検索数の推移を見てください。AI経由で名前を知った利用者は、そのあと社名やブランド名で検索してくる傾向があります。
あわせて考えたいこと
LLMOの改修を進めると、記事の構造が整うぶん通常の検索でも評価が上がることがあります。逆に言えば、LLMOだけを切り離して測ろうとすると、成果の帰属が分からなくなります。
順位・流入・引用・指名検索の4つをまとめて見て、全体としてどう動いたかで判断するほうが実態に近い評価になります。社内への報告も、この4つを並べた形にしておくと説明が通りやすくなります。
solezoreの支援事例｜業種別の進め方
結論： solezoreではLLMOとSEOを分けずに、同じ記事改修の中で両方に届く形で支援しています。業種によって最初に手をつける場所が変わります。
医薬品｜表現の制約がある中での改修
薬機法の制約があり、効果を断定する書き方ができないという前提のあるケースでした。「数値を入れろと言われても書けるものがない」という相談をいただきました。
書けない数値と書ける数値を、先に線引きしました。効果の話は書けなくても、制度として定まっている数値は書けます。
- 書ける数値の洗い出し：成分量・用法の回数・保存期間など、制度として定まっている数値を整理
- 出典の明記：公的機関の資料名を本文に書く形へ変更
- 表の追加：剤形ごとの違いを表で整理
効果を断定できない領域でも、制度として定まっている数値なら書けるという切り分けが要点でした。
アプリ｜比較クエリを取りにいった例
「競合アプリとの比較」で引用されたいというご相談でした。自社を1位に据えた比較記事があったため、まずそこから見直しています。
最初に外したのは、順位を付けるという形そのものです。
- 比較記事の作り直し：順位付けをやめ、用途別にどちらが向くかを示す形へ変更
- 選定基準の明示：機能・価格・サポート体制を表で並べ、判断軸を本文に記載
順位付けをやめたことで、かえって比較系の質問で引用されるようになりました。
よくある質問
Q. LLMOとGEO、どっちの言葉を使えばいいですか？
A. どちらでも構いません。LLMOは対話型AIを、GEOは生成エンジン全般を指すという違いはありますが、実際にやる作業はほぼ同じです。呼び方を決めることに時間を使うより、記事に結論・表・数値を足すほうが先に進みます。
Q. AIの中身が見えないのに対策できるんですか？
A. できます。引用されている記事とされていない記事を比べると、形の違いは見えるためです。冒頭で結論を述べているか、見出しが具体的か、表があるか、数値が入っているか。この4点で引用の有無はかなり説明がつきます。
Q. SEOをやっていない状態から始められますか？
A. おすすめしません。AIが参照する候補の多くは通常の検索でも評価されているページなので、順位が付いていない段階ではそもそも候補に入りません。まずインデックスと基本的な検索評価を整えてから、記事の書き方を調整してください。
Q. どのくらいの期間で結果が出ますか？
A. エンジンによって変わります。Perplexityのようにその都度Webを読みにいく仕組みでは1〜2か月、Google AI Overviewsは評価サイクルを挟むため3〜6か月が目安です。外部メディアへの掲載などで権威性を積む施策は、半年から1年の単位になります。
Q. 記事は何本くらい直せばいいですか？
A. 表示回数の多い20本から始めるのが現実的です。兼務の担当者が全記事を一度に直すのは無理があるので、四半期で20本を目安に回してください。効果が確認できてから範囲を広げるほうが、社内への説明もしやすくなります。改修そのものより、着手前に現状を記録しておくことのほうが重要です。
まとめ
LLMOは、大規模言語モデルに自社の情報を使わせるための最適化です。GEOとほぼ同義で、実務としては記事をAIが読みやすい形に組み直す作業が中心になります。
- 言葉の位置づけ：LLMOとGEOはほぼ同義。AI Overviewは対策の対象となる機能名
- AIが選ぶ流れ：質問の分解・候補の収集・段落の抜き出しの3段階
- 対策の5つの手：結論の位置・段落の独立・見出しの粒度・表・数値
- 前提条件：AIクローラーが読めること、著者情報があること、外部と食い違わないこと
- やらないこと：llms.txt・会話体での執筆・自社を1位にした比較記事
本文で扱わなかった話を1つ。LLMOという言葉自体は、数年で消えると考えています。
やっていることは、読み手が判断しやすい書き方に直す作業です。それがAIにも拾われているというだけで、AI専用の技術があるわけではありません。言葉が新しいうちは専門的に見えますが、中身は結論を先に書く、数字を入れる、表で並べるという古い作法に戻ります。
そう考えると、投資の判断も変わります。LLMOのために別予算を立てるより、記事の書き方の基準を社内に1枚作るほうが長く残ります。言葉が変わっても、その1枚は使えます。
solezoreでは、現状診断から記事の改修、月次の計測までを支援しています。料金は公開しているので、比較の材料としてご覧ください。何から手をつけるべきか迷っている段階でのご相談も歓迎しています。
この記事を書いた solezore に相談する
記事に書ききれない具体策・料金・事例は、無料相談で。SNS／EC／SEO の領域別に専門家が対応します。
