LLMO対策とは？SEOとの違いや具体的な最適化・対策方法を解説【2025年6月最新】

今回の記事では、LLMOとはどういったものか、どのようなメリットがあるのか、対策のやり方について、わかりやすく解説します。

貴社に合ったLLMO対策をご提案！

LLMO対策とは？

LLMO（Large Language Model Optimization）の意味・定義

LLMO（Large Language Model Optimization）とは、ChatGPTなどの大規模言語モデル（LLM）の回答に自社の情報が優先的に取り上げられるための対策のことです。

近年、ChatGPTなどのAI検索サービスで情報収集するユーザーが増えています。

また、グーグル検索の場合も、通常の検索結果やリスティング広告よりも上に、AI回答（AI Overview）が表示されるキーワードの割合が増加傾向にあります。

そのため、AI回答に自社のブランドが言及されるような対策や、自社のサイトリンクを引用元として表示してもらうための対策が重要になってくると考えられています。

ただし、LLMO対策という概念はまだ新しく、具体的な手法も確立段階にあるため、その効果検証には今後の課題が残ります。

LLM（大規模言語モデル）とは

LLM（大規模言語モデル）とは、大量の文字データを学習することで人の言語を理解し、自然な文章を生成できるAIモデルのことです。

人と会話しているかのように、文章の作成や質問回答を行うことが可能で、高度な言語処理に対応できる点が特徴です。

LLMは大量のテキストをAIに事前学習させることで高い言語能力を可能とする技術であり、有名な例としてOpenAIのChatGPTやGoogleのBardなどが挙げられます。

ただし、学習データ由来の誤情報をそのまま出力してしまう（いわゆるハルシネーション）可能性もあるため、利用に際しては事実確認を含めた注意が必要です。

貴社に合ったLLMO対策をご提案！

LLMO対策に注目が集まっている理由

LLMO対策に注目が集まっている理由として、AIを活用した情報探索動が一般的になってきたことが挙げられるでしょう。

特に、Googleが2024年に発表した「AI Overview」は、広く使われているAI検索サービスです。AI Overviewは、従来のGoogleの検索結果の上部に、検索語句の回答がAIにより出力される機能です。

Google Japan Blogによると、このAI Overview（AIによる概要）は2025年5月21日時点で全世界15億人のユーザーに利用されているとされています。

昨年の発表以来、AI による概要は 15 億人以上のユーザーに活用されており、現在では 200 の国と地域で提供しています。AI による概要のユーザーは検索結果に満足し、検索の頻度も増加しています。

引用：Google Japan Blog

このように、AIを用いた情報探索行動が一般的になるにつれて、商品・サービスの比較検討や情報収集にもAIを活用するユーザーが増えつつあります。

実際に、Attestの調査によると、消費者全体の 47％が「生成AIツールで購買のリサーチを行う可能性が高い」と回答していることが分かっています。

このことから、2025年現在では、AIによる質問回答に、自社名・自社ブランドが表示されないと、獲得できたはずのユーザーを逃してしまうことにもつながりかねません。

以上の背景から、各企業はAIの回答に自社名を表示される「LLMO対アsく」という手法に注目し始めています。

LLMO対策とSEOの相違点

LLMO対策とSEOは、どちらも検索市場における対策になりますが、目的と対策対象に大きな違いがあります。

LLMO対策は、ChatGPTなどAIで自社情報が適切に引用されるようにする手法で、SEO（Search Engine Optimization、検索エンジン最適化）はGoogleなど検索エンジンでの上位表示を狙う対策を意味します。

項目	LLMO	SEO
目的	AIに自社の情報を正しく認識・引用させ、回答に出典リンクを掲載させること	検索結果で上位表示され、ユーザーにクリックされてサイト訪問につなげること
対策対象	大規模言語モデルを用いるAI（ChatGPT、Perplexity、Geminiなど）	検索エンジン（Google、Yahoo! など）
掲載される場所	AI検索の回答画面（回答の一部や引用リンクとして表示される）	検索エンジンの検索結果ページ（スニペットやサイトリンクとして表示される）
検索トリガー	ユーザーがAIチャットボットに質問やリクエストを入力する	ユーザーが検索エンジンにキーワードを入力して検索を実行する
掲載までのフロー	クロール→学習→回答生成	クロール→インデックス→順位付け
ユーザー行動	自然言語で検索→回答を確認→参考/引用リンク先へ遷移（任意）	キーワードで検索→検索結果を確認→各サイトへ遷移→コンテンツを確認
効果測定指標	・回答内でのリンク表示回数 ・各AIサービスからの流入数	・検索順位 ・セッション数 ・CV数など
運用上の主な手法	llms.txtの作成・設置、独自データ・一次情報の追加、サイトや情報の権威性・信頼性を高める、構造化マークアップの実施	サイト内部の最適化、被リンク獲得、検索意図を満たすコンテンツの作成、EEAT対策

貴社に合ったLLMO対策をご提案！

AI検索が主流になったLLMO時代は何が変わる？

AI検索が主流になると、ユーザーはAIによる質問回答だけで満足してしまい、Webサイトを訪問しなくなる可能性があります。

従来の検索行動は、GoogleやYahooなどの検索エンジン上で検索したい語句を入力し、表示されたWebサイトへ遷移して情報を収集するという行動が一般的でした。

しかし、AI検索時代には、ユーザーはAIによる回答だけを確認し、Webサイトへ訪問することなく検索行動を終了するでしょう。このような検索行動を「ゼロクリック検索」と呼びます。

ahrefsblogによると、AI Overviewが表示されるキーワードは、そうでないキーワードの検索結果と比較して、上位ページの平均CTRが34.5％減少することが分かっています。

なお、2025年6月3日時点では、この「ゼロクリック検索」により、サイトへの流入数が大きく減少したという事実の真偽は確認できていません。以下のようなデータもありますが、専門家の間では意見が分かれているようです。

チャートビート（Chartbeat）のメディア研究員であるシンシア・ブー氏によると、4000を超えるグローバルサイトの参照トラフィックデータから、2025年に入って以降もGoogle検索とディスカバーのトラフィックに大きな変化はみられていないという。

引用：DIGIDAY

しかし、もしゼロクリック検索が実際に発生しているなら、サイトへの訪問は、特定のサービスや会社のサイトに訪れること自体を目的とした「指名検索」が主流となることが予想されます。

このような時代では、検索市場が従来のSEO対策だけではカバーしきれなくなってしまいます。SEO対策のみでは、検索市場内の全てのユーザーにアプローチできず、取りこぼしてしまうことになるでしょう。そのため、新たにLLMO対策を行う必要があります。

 

また、LLMO対策が一般的になると、従来のSEO対策で主な成果指標であった検索順位やCVRという指標の重要度が下がり、新たに以下のような指標が重要視されるようになることも考えられます。

貴社に合ったLLMO対策をご提案！

LLMの仕組みとLLMO対策の基本的な方針

LLMが学習から回答を出力するまでの流れは、大まかに分けると以下の通りです。

貴社に合ったLLMO対策をご提案！

1,膨大なテキストデータから言語のルールを学習

まず、生成AIが人間のように言葉を操るための基礎を築く段階です。

AIは文章をそのまま理解するわけではないため、入力されたテキストデータを単語やそれより少し小さい意味の単位（トークン）に分解し、それぞれをAIが計算できる数値データに変換します。

次に、これらの膨大な数値データを基に、言葉と言葉の繋がり方や文脈上のパターンを統計的に学習します。例えば、「この言葉の後には、この言葉が続く可能性が高い」といった確率的な関係性を学習し、文法や言い回し、様々な事柄に関する知識の土台を形成していきます。

この際、特にFAQのように定型化された質問と回答のペアや、特定の用語が繰り返し説明されるパターンなどは、AIにとって学習しやすい情報となります。

加えて、用語解説のセクションを設けたりするなど、情報を構造化して提示したりすることも、AIがパターンとして学習しやすいため、有効なアプローチです。

※参考：LLMO：AIの回答にブランドを組み込む10の方法

2,人間の基準に合わせて回答の品質を調整

次に行われるのが、AIの応答品質を人間の価値観や目的に合わせて向上させる「調整」のステップです。代表的な手法として、「微調整（ファインチューニング）」や「人間のフィードバックによる強化学習（RLHF）」があります。

微調整では、質の高いお手本データをAIに追加学習させます。RLHFでは、AIが生成した複数の応答を人間が評価し、「どちらの応答がより良いか」というフィードバックを与え、AIがより好ましい応答を生成するように導きます。

このプロセスを通じて、AIは情報の「正確さ」、「根拠が示されているか（透明性）」、「話の辻褄が合っているか（一貫性）」といった、人間が品質を判断する上での重要な基準を学んでいきます。

またこの段階で、AIは「質の高い、信頼できる情報」を見分ける能力を学習します。そのため、AIから「信頼できる情報源」として認識され、自社サイトが参照されやすくなるための重要な要素は以下であると言えるでしょう。

貴社に合ったLLMO対策をご提案！

3,問いに応じて知識を組み合わせ応答

基礎を学び、品質を高めたAIは、いよいよユーザーからの具体的な質問（プロンプト）に応答を生成する段階に入ります。

ユーザーから質問を受け取ると、AIはまずその意図を解釈しようとします。そして、これまでに学習した知識や、外部のデータベースやリアルタイムのウェブ検索結果（RAG＝Retrieval-Augmented Generationなどの技術を利用）を参照し、関連性の高い情報を収集します。

次に、これらの情報を基に、文脈に最も合うと判断される言葉を選び出し、それらを繋ぎ合わせて応答文を生成します。この際、質問内容と直接関連するキーワードを含む情報や、表やリストのように構造化されて分かりやすい情報、出典や更新日が明記されていて信頼性が高そうな情報が、AIにとって参照・引用しやすい傾向があります。

最後に、生成された応答が不適切（有害、差別的、誤情報など）でないか、AI自身あるいは別の仕組みによってチェックされた上で、ユーザーに提示されます。

以上を踏まえると、AIが内容を抽出しやすいと考えられるサイトの特徴は、以下の通りです。

【まとめ】LLMO対策の基本的な方針

LLMO対策の基本的な方針は上記の通りですが、前提として従来のSEO対策も継続しておく必要があります。

Google検索セントラルの文書によると、AI Overviewに対しても基本的なSEO対策を適用できるとされています。

AI による概要と AI モードのための特別な最適化を行う必要はありませんが、次のようなこれまでの SEO の基本は引き続き重要となります。

引用：AI機能とウェブサイト

従来のSEO対策に加え、Google以外が提供するAI検索サービス（例：ChatGPT）にも対応した、上記のようなLLMO対策が必要性です。

貴社に合ったLLMO対策をご提案！

LLMO対策の具体的な施策を解説

LLMO対策における施策を、短期ですぐに取り組むべき施策と、中長期にわたって取り組むべき施策に分けて解説します。

短期で取り組むべき施策

短期で今すぐ取り組むべき施策として、以下が挙げられます。

項目	詳細	目的
Googleビジネスプロフィール登録	会社名でのGoogleビジネスプロフィールの作成	エンティティをLLM（主にGeminiやAI Overview）に認識させる
Wikipedeiaページ整備	会社名でWikipediaページを作成、既に存在している場合は調整	LLMの学習元となるページを整備し自社情報を認識させる
llms.txtファイルの設置	ルートディレクトリにllms.txtを設置する	LLMがサイトの構造や情報を正しく理解できるようになる補助をする
robots.txtのAIクローラーへの対応	robots.txtファイルでAIクローラーへクロール可否を示す	AIクローラーによるサーバーへの負荷を和らげる
構造化マークアップの実装	コーポレートサイトTopページには「Organization」などの、各ページに合った構造化マークアップの実装 ※参考：Google検索セントラル	LLMがサイト内の情報を正しく理解できるようになる補助をする
Aboutページの作成	自社やサービスに関する情報を掲載するAboutページを作成する	LLMが自社情報を正確に認識できるようにする

上記の施策は今すぐにでも取り組むべき、LLMOの土台固めとも言える施策です。これらは、LLMがサイト内の情報を正確に認識できるようにするための施策です。

サイト内のコンテンツの拡充に力を入れたとしても、上記施策ができていないと、LLMがサイト内の情報を正しく認識できない可能性があります。

そのため、これらの施策を実施したうで、中長期的な施策に取り組むことを、弊社では推奨しています。

中長期で取り組むべき施策

中長期で取り組むべき施策は、その目的や対策したいLLMに応じて以下3種に分けることができます。

項目	対応LLM	目的
サイト全体のLLMO対策	・ChatGPT ・Gemini ・Perplexity ・AI Overview	「サイト全体の権威性」や「ブランドやサイトとのトピックとの関連性」を高め、サイト全体でLLMに引用されやすいようにする
比較文脈メインのLLMO対策	・ChatGPT ・Gemini ・Perplexity ・AI Overview	主に比較文脈（例：おすすめの〇〇を教えてください）の質問で、自社のブランドやサイトの言及を強化する
AI Overview特化のLLMO対策	・AI Overview	主にGoogle検索のAI Overview等にリンク付きで掲載されることを目指す

サイト全体のLLMO対策

サイト全体のLLMO対策は、サイト全体で権威性やトピックとの関連性を高め、情報がLLMに引用されやすいよう最適化していく施策です。

サイト全体のLLMO対策は、以下の項目があります。

項目	詳細	目的
被リンク獲得	権威性や関連性が高いサイトの被リンクを獲得する	権威性が高いWebサイトはLLMから要約元・参照元とされることが多いため、権威性の向上を目指す
プレスリリース含むPR施策の実施	プレスリリースを例としたPR施策を実施する	LLMの学習元となるWeb上の自社に関する情報量を増やし、自社とトピックの紐づけを強化する
業界の権威あるWeb媒体での露出	権威・信頼性のあるWeb媒体で特集記事を作成してもらう	自社のWeb上の情報量を増やすとともに、権威性・信頼性の向上を図る
Youtube・SNSでの露出	関連するYoutubeチャンネルやSNSアカウントで取り上げてもらう	LLMの学習元となる自社に関するWeb上の情報量を増やし、自社とトピックの紐づけを強化する

基本的には、Web上の情報量増やす施策が中心となります。LLMはWeb上の情報を取り込み学習を進めるため、この情報量が増やしLLM内の回答に自社に関する情報が取り上げられるようにすることが、この施策の目的です。

また、この施策はEEAT観点の対策も兼ねています。AIは信頼性のある情報を出典元とする傾向があるため、被リンクの獲得、権威ある媒体での露出を行うことで、EEATを高めていく（※）必要があるでしょう。

（※参考：E-E-A-Tと品質評価ガイドラインについて）

比較文脈メインのLLMO対策

比較文脈メインのLLMO対策は、「おすすめの〇〇（商品・サービスなど）を教えて」などといった質問へのLLMによる回答に、自社情報が表示されるようにするための施策です。

比較文脈メインのLLMO対策には、以下の項目があります。

項目	詳細	目的
比較記事の作成	自社で「〇〇　おすすめ」といったキーワードでの比較記事を作成	LLMの学習元となる比較記事を作成し、自社とトピックの紐づけを強化する
他社比較記事での掲載情報の監視	他社の「〇〇　おすすめ」といったキーワードの記事で、自社のサービス・製品情報が正しく掲載されているか定期的に確認・修正依頼	LLMの学習元となる競合比較記事に、自社情報が正しく掲載されることで、自社とトピックの紐づけ強化を目指す

AI Overview特化のLLMO対策

AI Overview特化の対策は、現状特にLLMO対策のインパクトが大きいと考えられるAI Overviewに特化し、AI Overview内に自社の情報・リンクが表示されるようにするための対策です。

AI Overview特化の対策には、以下の項目があります。

項目	詳細	目的
FAQコンテンツの作成	「よくある質問」や「Q&A」といったFAQコンテンツを制作する	LLMが理解しやすい形式のコンテンツを制作し、自社の発信した情報がLLMに取り上げられることを目指す
ページ単位で信頼性のある情報を用いたコンテンツ作成	裏付けのとれた情報と情報源への発リンクをコンテンツに含め、信頼性を向上させる	信頼性の高い情報を掲載しているサイトをLLM（特にAI Overview）は取り上げる傾向にあるため、信頼性向上を図る
ページ単位でLLMが認識しやすいコンテンツの作成	表や箇条書きといった構造化されたコンテンツを作成する	LLMは表や箇条書き等のコンテンツを認識しやすく、それらを含めたコンテンツを制作することで、自社発信の情報がLLMに取り上げられることを目指す
対策したいトピックに関連するページ作成とSEO対策を実施する	トピックに関連するページが検索上位に表示されるよう、ページ作成及びSEO対策を行う	LLM（特にAI Overview）は検索上位のページを要約元・参照元とする傾向があるため、ページ単位で検索上位を目指す

LLMOのメリット

従来のSEO対策のみでは、アプローチできない潜在的なユーザーにアプローチ可能

LLMOを導入すると、従来のSEO対策だけでは届かなかった潜在的なユーザー層にも情報を届けられる可能性があります。

近年はChatGPTやGoogleのAI Overviewなど生成AIを活用したリサーチツールが浸透し、ユーザーの検索行動は多様化しています。

その例として、LLMを利用するユーザーは、抽象的な悩みを自然言語で入力することがあります。この回答内に解決策として自社の製品やサービスが紹介されれば、潜在的な顧客にアプローチすることができるでしょう。

LLMO対策によってAIの回答で自社ページが出典リンクとして紹介される機会が増え、従来の検索エンジン経由では得られなかった新たな集客チャネルが生まれると考えられます。

弊社の場合も、ChatGPTの回答で弊社を認識し、問い合わせに至ったという事例があります。

先行者利益を獲得できる可能性がある

LLMO対策はまだ市場に浸透し始めたばかりの新手法であり、他社に先駆けて対応することで先行者利益を得られる可能性があります。

先行者利益とは、新しい市場で一早く行動した企業が後発の競合よりも有利な立場を獲得できる効果を指す経営用語です。

実際、現時点でLLMO対策を本格的に導入している企業はほとんどありません。競合が少ない今の段階でいち早く対策を始めれば、自社コンテンツがAIに優先して引用される機会を増やせると考えられます。

例えば、AIの回答内で自社サイトの引用リンクが多数を占めれば、その分だけ競合サイトの露出を減らすことも可能です。

ただし、LLMOは従来のSEOを代替するものではなく補完する手法と位置付けられており、SEOとLLMO対策の両面から戦略を立てることが重要だと考えられています。

貴社に合ったLLMO対策をご提案！

従来のSEO対策と地続きの施策が多く実施しやすい

LLMOは、従来のSEO対策と地続きの施策が多いため、比較的実施しやすい点がメリットです。

被リンクの獲得や、ユーザーにとって有益なコンテンツの制作は、従来のSEO対策でも重要視されてきた施策です。これら施策を継続的に実施していくことで、LLMO対策でも成果をあげることが期待できます。

自社でLLMOを実施する場合は、既存のSEO・Web担当者であればすぐに対策を開始できる場合があるため、スピーディに実行に移すことができるでしょう。

なお、注意点として、LLMO対策はSEO対策の高度な知識が求められることがあります。

そのため、自社でSEOを専門的に扱える人材がいない場合には、LLMOを外注することを検討してみるのも良いでしょう。

検索上位にランクインしていなくてもユーザーに露出できる可能性がある

LLMO対策のメリットとして、従来のSEO対策で検索上位に表示されていなくても、LLM経由で自社情報を知ってもらえる可能性がある点があります。

従来の検索市場では、検索上位に表示されているページに大多数のユーザーが訪れるため、上位にランクインできなかったサイトはユーザーへ露出する機会があまりありませんでした。

しかしLLMOでは、LLMの質問回答内に自社の製品やサービスの情報が表示されれば、検索上位に関わらず露出が獲得できます。

なお、一部のLLM（AI Overviewなど）は検索上位に表示されているページの情報を要約・参照元とする傾向が確認できます。従来のSEO対策をないがしろにして言い訳ではないという点は注意が必要です。

指名検索の増加が期待できる

LLMOのメリットとして、指名検索の増加が期待できる点も挙げられます。

LLMによる質問回答に自社情報が表示されることで、さらに製品・サービスに関して知りたいユーザーが、自社ブランドの固有名詞で検索することが予想されます。

例として、「LLMO対策を実施したい」という旨のプロンプトへの回答に、弊社「株式会社メディアグロース」が表示されれば、次にユーザーは「株式会社メディアグロース」で検索する可能性があるということです。

LLMO対さうの弱み・デメリット

デマ情報が広まるリスクがある

LLM（大規模言語モデル）を通じて誤った情報が拡散してしまう恐れがあります。LLMは学習データを基に回答を生み出しますが、必ずしもその内容が常に正しいとは言えません。

特に、出典となるサイトに誤情報が含まれている場合、それがAIの回答に反映されて広まる恐れがあります。

貴社に合ったLLMO対策をご提案！

LLMごとに実施する対策内容が異なる

LLMO対策は、LLMごとに実施する内容が異なります。以下例のように多くのLLMが現在登場していますが、それぞれのLLMによって回答の生成方法・出力方法に若干の違いがあります。

例えばChatGPTは、クローズドAIと呼ばれるOpenAI社が独自に研究・開発したモデルであり、基本的に回答内にリンクが表示されることが少ないです。

一方PerplexityはRAGと呼ばれる種類に分類され、ネットワークを用いて外部情報を収集しており、回答を出力するにあたって参考にしたWebサイトの情報がリンク形式で回答内に表示されます。

そのため、ChatGPTでは回答内に自社もしくはブランドが固有名詞として言及されるような対策が必要であり、一方Perplexityでは回答内に自社が発信した情報が表示されるような対策をう必要があります。

しかし、2025年6月時点では、ChatGPTとGeminiの対策を中心的に行う必要があるでしょう。理由としては、AI検索の市場シェアが高いものが左記の2つであるためです。

FirstPageSageの調査によると、米国における主要な生成型AIチャットボットの市場シェアは、ChatGPTが60.6％であるとされています。また、GoogleのAI Overviewは、約15億人の人に使用されているというデータ（※）があります。

（※出典：Google Japan Blog）

これら2つのどちらを重点的に対策するのかは、自社のサービスが、ToBもしくはToCのどちらなのかによって検討すると良いでしょう。

AI Overviewは消費者に広く露出ができるため、ToCサービスはAI Overviewを重点的に対策することが推奨されます。反対に、ToBサービスは、リテラシーの高い決済者が使用している傾向がある、ChatGPTの対策も視野に入れ、AI OverviewとChatGPTどちらも対策していくことがおすすめです。

成果測定方法が確立されていない

LLMO対策のデメリットとしてメジャーな成果測定方法がいまだ確立されていないという点があります。

LLMO対策は2025年に入ってから対策の必要性やその対策方法がうたわれるようになりました。そのため、いまだ不確定な部分も多く、成果測定を行うツールや成果測定方法がいまだ確立されていません。

米国においてはいくつかのLLMOの成果測定ツールが開発されていますが、日本への対応は2025年5月時点で確認できていません。

中長期に渡って取り組む必要がある

LLMO対策は中長期的に渡って取り組む必要がある点もデメリットの1つです。

LLMO対策の基本的な方針として、LLMに自社の存在やその情報を認識させるということが挙げられます。これはLLMの学習元となる、自社に関するWeb上の情報を増やすことが対応策の1つとなりますが、Web上で自社に関する情報を増やすことは、短期的に達成しうるものではありません。

継続的にPRを行い、自社サイトのみならず複数の媒体やSNSなどで露出を行う必要があるでしょう。

また、いくつかのLLMは「カットオフ」と呼ばれる、ある特定の時点までの情報を学習元とするという仕組みを採用しています。

そのため、直近でLLMO対策の施策を行ったとしても、成果を確認するには次のカットオフが行われるまで待つ必要がある場合もあります。

以上より、LLMO対策は短期的な施策だけでなく、中長期に渡って取り組むべきものであると言えるでしょう。

【キーワード別】AI検索によるセッション数・CV数への影響を予測！

LLMOを行わないことで、それぞれのキーワードごとに現れる影響の大きさについて見ていきます。

なお、この予測は2025年5月時点の情報をもとに作成しています。

おすすめ・比較系

おすすめ・比較系のキーワードで検索された場合のAI検索による負の影響は小さいと予想されます。

おすすめ・比較系のキーワード（例：クレジットカード　おすすめ）のAI Overviewの結果は以下の通りです。

現状のところ、AIはおすすめ・比較系のキーワードではいくつか商品・サービスの候補を出力するだけにとどまっています。

この場合、ユーザーは候補を知るのみで、AIによる出力だけその候補を詳細に比較することは難しいと言えるでしょう。

なお、これがYMYL領域と呼ばれる、ユーザーの人生に大きな影響を与えるような商材のおすすめ・比較系のキーワードである場合、なおさらユーザーはAIによる回答だけで満足せず、Webサイトに訪問してさらに詳細な情報を得ようとすることが予想されます。

さらに、YMYL領域とは遠い商材の場合、AI Overviewが表示されないこともあります。これはGoogle側が従来の検索結果でユーザーの検索意図を満足させることができると認識しているからでしょう。

以上より、おすすめ・比較系のキーワードでのAI検索による負の影響は比較的小さいことが予想されます。

しかし、だからと言って何も対策する必要がない訳ではありません。LLMO対策を行い、このAIによる回答に自社のサービスやブランド名が候補として出力された場合、認知度やCTRが向上することが想定できます。

そのため、おすすめ・比較系のキーワードは、重点的にLLMO対策を行うべきキーワードであると言えるでしょう。

知識系

知識系のキーワードは、AIによる影響を大きく受けるでしょう。

以下は「デビットカードとは」というキーワードで検索した場合のAI Overviewによる出力結果です。

画像のように、「デビットカードとは」で検索するユーザーが知りたいことである「デビットカードの仕組み」「デビットカードの概要」「デビットカードの特徴」などがAI Overviewによって網羅的に出力されています。

この場合、ユーザーは個々のWebサイトに訪れなくてもAIによる回答のみで知りたいことを把握できてしまいます。また、AI Overviewだけでなく、ChatGPTやPerplexityなどのLLMであっても、Webサイトに訪れることなく、ユーザーは知りたいことを把握できるでしょう

そのため、このような「～とは」に代表される知識系のキーワードは、AIによる負の影響を大きく受けると言えるでしょう。

地域系

地域系のキーワードは、AI検索による影響は比較的小さいと言えるでしょう。

Googleで「渋谷　居酒屋　おすすめ」と検索した場合の検索結果に、AI Overviewによる回答は出力されませんでした。これはどの地域・どの商材であっても表示されていない可能性が高いです。

このことから考えるに、Googleが従来の検索結果だけでユーザーの検索ニーズを満たしていると判断しているため、AIによる概要を表示させる必要がないと判断している可能性があります。

また、同じキーワードでChatGPTを使用した場合の出力結果は以下の通りです。

こちらの出力結果は、ユーザーが比較検討するに足る情報量ではないと考えられます。おすすめ・比較系のキーワードと同様の事象です。

以上より、AIが候補を出す際に自社情報が出力されるよう対策することは重要ですが、地域系のキーワードではWebサイトへの流入が大幅に減ることはあまり考えにくいでしょう。

LLMO対策の効果測定方法

定性的な効果測定

LLMO対策で実施した効果を定性的に確認する方法として、自社に関連する情報をLLMに尋ねてみるという方法が挙げられます。

これは「株式会社〇〇は何の事業を行っていますか？」「✕✕というサービスはどのような特徴がありますか？」という質問をLLMに投げかけ、その解答を目視で確認する方法です。

この質問に対し、自社に関する情報が適切に出力された場合、LLMは自社情報を正しく認識しており、LLMO対策の成果があったと言えるでしょう。

また、自社の事業やサービスに関連する単語を用いて「〇〇（例：LLMO対策サービス）のおすすめは？」と尋ねてみることも有用です。この回答内に自社が候補として出力されるようであれば、LLMにとって自社が信頼できる、かつそのトピックにおいて関連している存在であると正しく認識されていると言えます。

定量的な効果測定

LLMO対策で測定するべき定量的な指標として、以下があるでしょう。

測定項目	詳細
LLM回答における自社情報の出現率	LLMの回答において、どれだけ自社の社名・サービス名・ブランド名が言及されたか
LLM回答における自社サイトの引用率	LLMの回答において、どれだけ自社サイトの情報が引用されたか
LLM回答における自社リンクの掲載順位	LLMの回答において、自社のリンクが何番目に掲載されたか
LLMからのサイトへの流入数	LLMサービスを流入元としたサイトへの流入数
指名検索数	自社の社名・サービス名・ブランド名などの検索回数
自社のエンティティとトピックの関連度合い	自社のエンティティがどれだけトピックと関連しているとLLMに認識されているか
AIの回答と自社で公開している情報の適合度	AIの回答と自社で公開している公式情報がどれだけ適合しているか（LLMの回答がどれだけ正確か）

なお、記事執筆現在、LLMO対策で実施した施策の効果をツール等を用いて測定することは難しいでしょう。

その理由として、日本語の検索結果に対応した効果測定ツールがほとんどないことが挙げられます。海外ではエンティティとトピックの関連度や、AI Overview内における回答とリンクの順位などを計測するツールが多数登場していますが、日本への対応はいまだ確認できていません（※2025年5月時点）。そのため、目視での計測が現状のところ唯一の測定方法となります。

AhrefsのBrandRaderや、GA4のリファラーを設定しChatGPTやPerplexityなどからの流入数を測定する方法を用いれば、上記の流入数や指名検索数を把握することは可能です。しかし、これらは間接的な指標であるため、実際のLLMによる回答やリンクの出力に自社情報が出力されているかを確認しなければ、LLMO対策の効果を把握することは難しいでしょう。

なお、今後日本語対応する可能性がある効果測定ツールとして、以下があります。

ツール名	概要
Entity Analyzer	・エンティティとトピックの関連度を数値化
SE Ranking	・AI スニペットのデータ分析 ・AI スニペットのコンテンツチェック(キーワードおよび検索エンジンごと) ・AI スニペットにおける競合の変動の追跡
Otterly.ai	・各KWに自社URLがどの程度含まれるか、またその順位 ・AI回答におけるブランド言及数
LLMO Metrics	・AI回答内のブランドの言及数を調査 ・AIの回答と自分で設定した回答の適合度（AIがどれくらい正しい回答をしているか） ・同じく出力される競合と自社ブランドの比較
RankScale.ai	・ウェブページのトピック関連性、権威、エンゲージメント、技術的構造などを評価し、AI検索エンジンが自社コンテンツをどう捉えているかをスコア化 ・AIボットの振る舞いをシミュレーション

貴社に合ったLLMO対策をご提案！

LLMO対策の注意点

LLMO対策と並行してSEO対策も必要になる

従来のSEO対策と並行してLLMO最適化を実施することが不可欠です。AI検索の台頭後もSEOとLLMOは対立せず共存していく関係であり、SEOの重要性がすぐになくなることはないでしょう。

また、LLMO対策はホットなテーマになりますが、LLMO対策で成果を出すためには、SEO対策も並行して実施していく必要があります。

AI回答で取り上げられるブランドと、ブランドのSEO順位は強い相関があるとされているため、SEO対策を怠ってしまっては、LLMO対策で成果を出すことは難しくなると考えられます。

貴社に合ったLLMO対策をご提案！

LLMO対策に関するよくある質問

LLMO、AIO、GEOのどれが広く用いられる？

現状特定の呼称が正式に定義されているわけではありませんが、日本においては、LLMOの呼称が一般的となる可能性が高いでしょう。

理由としては、AIOはAI Overviewの略称、GEOはゲームやスマホなどの買取販売を行う大手買取業者「GEO」の名称として使用されており、意味が混同してしまうからです。

なお、米国においては、GEOの呼称が一般的です。（※2025年6月6日時点）

なお、今後SEO業界内において、「LLM（生成AI）の回答内に特定の情報を表示させる手法」としての正式な呼称が確定する可能性もあるため、注意が必要です。

関連動画