LLMOとは？SEOとの違いや具体的な最適化・対策方法を解説｜アクセスが減少するって本当？

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。

LLMO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。

AI検索別の対策をご提案！

LLMOに関心が集まった背景

LLMOへの関心が高まっている背景には、ChatGPTなどAIチャットや大規模言語モデルの普及に伴い、ユーザーの情報収集方法が変化してきたことがあります。

従来の検索市場は、主にグーグルのSEO対策を実施しておけば、ほとんどの検索ユーザーにアプローチすることができていました。

しかし、検索にAI検索サービスを使うユーザーが増加することや、AI Overviewの登場により、従来のSEO対策だけでは、アクセス数が減少してしまう可能性があると考えられます。

一方、今までのSEO対策に加えて、LLMO対策を行うことで、SEOだけではアプローチできないユーザーにも、アプローチが可能になると考えられます。

AI検索別の対策をご提案！

LLMOとSEOの相違点

LLMO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
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

AI検索別の対策をご提案！

LLMの仕組みとLLMO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。

AI検索別の対策をご提案！

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。

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。、

AI検索別の対策をご提案！

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の基本的な方針

AI検索別の対策をご提案！

LLMOの具体的な対策7選

llms.txtを作成し、ルートディレクトリに設置する

検索エンジン向けのrobots.txtと同様に、AIに対してサイト情報を伝える「LLMs.txt」ファイルを作成することが重要です。

ルートディレクトリにllms.txtを配置し、自社サイトの構造や主要コンテンツをAIに示すことがLLMO対策の第一歩です。

参考：以下は弊社のコーポレートサイトで設置しているllms.txtファイルのスクショ

このファイルはAI向けのサイトマップのような働きを担い、重要なページを効率よく認識させる狙いがあります。

Wikipediaやグーグルビジネスプロフィールを活用する

自社に関する情報は、WikipediaやGoogleビジネスプロフィールにも正確に掲載しておくことが重要です。

多くのLLMは学習時にWikipediaの内容を参考にしており、企業やブランドのページが正確で充実しているほど、自社を正しく認識しやすくなります。

また、Googleビジネスプロフィールへの登録情報はGoogleのナレッジパネル形成に寄与し、AIに信頼性の高い基本情報を提供できると考えられます。

参考：弊社のGoogleナレッジパネル（赤枠）

AI検索別の対策をご提案！

PRを強化しプレスリリースなどの施策を行う

自社ブランドが特定の話題においてAI回答に登場しやすくするには、サイト外でのPR活動を通じて業界内での認知度を高めることが有効です。

他社が紹介されても自社がAI回答に現れない場合は、自社に関する情報が学習データに不足している可能性があり、専門分野での情報発信や露出を強化する必要があります。

例えば、専門分野に関連するイベント登壇やプレスリリース、第三者による記事掲載など、様々な角度からトピックと自社を結びつける取り組みが効果的です。

参考：以下は弊社が行ったプレスリリースのスクショ（引用：PR TIMES）

よくある質問と回答（FAQ）の項目を強化する

サイト内のよくある質問（FAQ）ページを充実させ、質問と回答の形式で情報を提供することも効果的です。

ChatGPTをはじめとするAI検索は、ユーザーの問い掛けに対して即座に回答を示す形式のため、Q&A形式のコンテンツとの相性が非常に良いとされています。

見出しを具体的な質問文にし、その直下に簡潔な回答を記載し、かつFAQの構造化マークアップを適切に実装しておけばAIに内容を正しく理解・引用されやすくなります。

AI検索別の対策をご提案！

構造化マークアップ

サイトページに構造化マークアップを実装し、コンテンツの意味や属性を明確に伝えることも重要です。具体的には、Schema.orgのマークアップ（FAQ、Organizationなど）を適格に実施することで、AIがページの情報を正しく認識しやすくなります。

実際、LLMがコンテンツを信頼できる情報として学習・参照するには構造化データの活用が有効とされており、回答への反映率向上につながる可能性があります。

独自性の高い一次情報をページに盛り込む

サイトには独自に収集・分析した一次情報（自社調査データや事例）を積極的に盛り込むようにしましょう。

他サイトにも書かれている情報ではなく、自社独自のオリジナル情報を含むコンテンツは、AIに高く評価されやすい傾向があります。

特に、統計データや信頼性の高い引用を盛り込むことで、LLMから回答に引用されやすくなると考えられています。

被リンクを獲得する

自社サイト全体の権威性や信頼性を高め、AIから信頼される情報源となることを目指すことも重要です。

従来のSEOと同様、経験や専門知識に裏付けられた高品質なコンテンツを蓄積し、E-E-A-T（経験・専門性・権威性・信頼性）を意識した運用がLLMOにおいても大切になります。

中でも、権威性が高いドメインからの被リンク獲得が有効であると考えられるため、LLMO対策をするうえでも、被リンク獲得は継続的に実施することが望ましいと言えます。

提供する情報の信頼性を高める

サイト上で提供する情報の正確性を担保し、信頼性を高めることが重要です。AIは誤った情報を元に学習してしまう可能性があるため、事実関係を丁寧に確認し、誤解を招く内容を排除する必要があります。

また、公法人や専門機関の提供する情報を引用して根拠を示すことで、コンテンツ自体の信頼度が向上し、AIにも評価されやすくなると考えられます。

AI検索別の対策をご提案！

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。

LLMO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。

AI検索別の対策をご提案！

LLMOの弱み

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。

AI検索別の対策をご提案！

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。

【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の効果測定方法

定性的な効果測定

LLMO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

記事執筆現在、LLMOで実施した施策の効果を定量的に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4月時点）。

間接的にLLMOの効果を測定する方法として、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があります。しかし、実際のLLMによる回答やリンクの出力を確認しなければ、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

AI検索別の対策をご提案！

LLMOの注意点

LLMO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はホットなテーマになりますが、LLMO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で成果を出すことは難しくなると考えられます。

AI検索別の対策をご提案！