ページを囲む手描きの本、Webページ、虫眼鏡を持つ人物と小さなロボット
図でわかる、LLMO

LLMOとは?
AIの答えは、
どこから来る?

情報が届く、その道のりへ。
LLMOのこと、ひとつずつ。

ひもといてみる

LLMOとは?

LLMOは、AIに情報を理解してもらい、
回答での言及・引用を目指す取り組みです。

Large Language Model Optimization
大規模言語モデル最適化

LLMOが注目される背景

AI検索の進化・普及で、情報の探し方に変化が。
情報収集から比較検討まで、AIとの会話でも進められるようになりました。

たとえば、旅行用のリュックがほしい。

検索を中心にした流れ

サイトを巡って、調べて、比べる。

  1. 情報収集

    検索する

    キーワードで探す

  2. 理解・認知

    記事で知る

    特徴やブランドを知る

  3. 比較検討

    サイトを行き来

    複数の候補を見比べる

  4. 行動

    購入する

    販売サイトで決める

記事・比較サイト・公式サイトなどが、それぞれの接点に。

そこに、AIと一緒に選ぶ道が加わる。

AI検索を使う流れ

会話の中で、知って、絞り込む。

ここまで、AIとの会話の中で
  1. 情報収集

    AIに相談

    目的や条件を伝える

  2. 理解・認知

    候補を知る

    回答でブランドに出会う

  3. 比較検討

    会話で比べる

    質問を重ねて選ぶ

行動

確認して購入

販売サイトへ進む

サイトを訪れる前に、候補選びや比較が進むことも。

検索結果で見つけてもらうことに加えて、AIの回答で「候補に入る」ことが、
新たな接点に。

購買行動の変化を示す概念図です。実際には検索・AI・サイト・SNSなどを行き来し、すべてがAI内で完結するわけではありません。

変化の背景・参考資料

Googleは2025年7月にAI Overviewsの月間利用者が20億人を超えたと公表。AI Modeでは、条件を伝えて候補を探し、追加の質問で比較・絞り込みを進める体験を紹介しています。上の図は、こうした機能を踏まえた説明用の一例です。

Alphabet 2025年第2四半期決算説明Google:AI Modeでの商品探索・比較

AIが情報を出す仕組み

ひとつの質問から、回答ができるまで。

本と虫眼鏡を持つ、案内役の小さなAIロボット
あらかじめ学ぶ

学習で得た知識が土台

大量のデータから学んだ知識や、
言葉のパターンを活かします。

事前学習
必要なときに調べる

外の情報も手がかりに

Webページなどを検索・参照し、
回答をつくる材料にします。

検索・参照

ここからは、Web検索を使う場合を見てみよう。

  1. 01

    質問を受け取る

    2泊の旅行に使える、
    軽いリュックは?
    2泊軽さリュック

    何を知りたいか、
    目的や条件を読み取る。

  2. 02

    必要な情報を探す

    調べるテーマを整理
    旅行に合う容量本体の重さ背負い心地

    質問に関連するテーマを、
    複数の切り口で検索することも。

  3. 03

    情報を参照する

    公式サイト製品の仕様
    レビュー使い心地
    解説記事選び方

    見つけたページから、
    回答に関係する情報を参照する。

  4. 04

    回答をつくる

    軽さを重視するなら、
    ブランドAも候補に。
    容量も確認しましょう。

    ↗ 参照したページ

    知識や参照情報をもとに、
    質問に合う文章を生成する。

質問・検索テーマ・回答は説明用の例です。ブランドAは架空の名称です。

LLMOを考えるうえでのポイントサイトが見つかることと、
回答に使われることは、別のステップ。

図はWeb検索を使う場合の概念図です。検索しない回答もあり、参照元の示し方や処理の流れはサービス・機能によって異なります。

もう少し詳しく:RAG・クエリファンアウト

RAG

外部から取得した情報を、文章生成の手がかりにする仕組み。図の「検索・参照→回答」に関係します。

クエリファンアウト

ひとつの質問から関連する検索を複数行う手法。GoogleのAI Modeなどで説明されています。図の検索テーマはイメージです。

その場でWebページを参照することと、モデル自体が学習することは別です。参照した内容が、その都度モデルの知識として定着するわけではありません。

参考:GoogleのAI検索ガイドGoogle「AI機能とウェブサイト」

SEOとLLMOの関係

SEOで整えた土台は、
AI検索にもつながる。

関連するポイント1

検索エンジンもAIも、
クローラーが情報を集める。

どちらにも、Webページを読み取り、検索に使えるよう整理する仕組みがあります。

だから、クローラーが読み取れるページにすることが大切。

あなたのWebサイト記事・製品情報など
検索エンジンのクローラー例:Googlebot
クロールページを読む
インデックス検索用に整理・登録
AI検索用のクローラー例:Claude-SearchBot
クロールページを読む
インデックス検索用に整理・登録
共通するのは 「読む → 整理する」

処理の考え方を比較した概念図です。同一のクローラー・インデックスではありません。AIの検索用クローラーを扱い、学習用とは区別しています。

関連するポイント2

AIは回答の裏側で、
検索エンジンも使う。

ユーザーが話しかける相手はAI。その裏で、AIが検索を依頼し、見つけた情報を回答の材料にすることがあります。

だから、検索で見つかりやすくするSEOも、AIの参照候補になるうえで役立つと考えられます。

ユーザーに見えるやりとり
あなた軽いリュックを
教えて
AI
AIの回答調べた情報を
もとに紹介

その裏側では…

↓検索を依頼「リュック 軽量」など
↑検索結果を受け取る関連するページ
検索エンジンWebから関連情報を探す

Web検索を使う回答の例です。検索しない回答もあり、通常検索の上位表示がAIの引用を保証するわけではありません。

出典・補足

Anthropicは、Claude-SearchBotがWebを巡回し、検索用にコンテンツをインデックスすることを説明しています。図1はGooglebotとClaude-SearchBotの概念的な比較であり、各社の処理や保存形式が同一という意味ではありません。

Googleは、AI Overviews・AI Modeにも従来のSEOの基本が有効と説明しています。OpenAIは、ChatGPT検索が外部の検索サービスを利用する場合があることと、OAI-SearchBotのアクセスを許可することを案内しています。

「SEOで見つかりやすくすることが、AIの参照候補になるうえでも役立つ」は、これらの仕組みを踏まえた考え方です。通常検索の順位とAIの引用順位が一致するという意味ではありません。また、ここではWeb検索を使うAIの回答を扱い、モデルの学習とは区別しています。

LLMOの主な施策

サイトの中と、外。
情報が届くための、3つの取り組み。

サイトの土台

取得しやすく

情報までの道をつくり、
ページの中身を読める状態に。

  • クロール・インデックスを確認
  • 内部リンクでページをつなぐ
  • 重要な情報をテキストでも伝える
本と虫眼鏡を持つAIの案内役検索・AIのクローラー
あなたのサイト✓ 本文が読める
入口を確認リンクで案内中身を伝える
見つけて、アクセスして、内容を取得できる。
情報の整備

情報をそろえる

誰の、何の情報かを明確に。
基本情報と、その根拠を整える。

  • 企業名・サービス内容を明記
  • 特徴・実績を根拠と一緒に掲載
  • 公式サイトやプロフィールを更新
名前特徴実績・根拠
ブランドA何を提供するかどんな特徴・実績があるか確認日・更新日も明確に
公式サイト公式プロフィール
正確で、矛盾のない情報にそろえる。
サイトの外にも接点を

外部対策

第三者に紹介・参照される、
情報や実績を積み重ねる。

  • 独自調査・事例を発信する
  • 関連メディアへの情報提供・取材対応
  • 業界の掲載情報やレビューを確認
メディア記事調査や事例を紹介
専門家の紹介知見や実績に言及
ブランドA外からも、見つかる
業界の掲載先事業情報を掲載
利用者のレビュー実際の体験を共有
自社サイトの外にも、紹介・参照の接点を。

図は取り組みの概念図です。ブランドAは架空の名称。掲載先や言及の数だけで、AIでの採用が決まるわけではありません。

施策の補足・参考資料

技術面は、対象とする検索エンジンやAIのクローラー・公開方針に合わせて確認します。情報整備では、表記をそろえるだけでなく、読者に役立つ独自の情報と正確な根拠を用意します。

外部対策は、関連性のある媒体で、実態に沿った情報が紹介・参照される接点を育てる取り組みです。不自然な大量掲載や作為的なレビューを推奨するものではありません。第三者の掲載判断や評価を、自社で決めることはできません。

参考:GoogleのAI検索ガイド

LLMOの主な指標

AIの中で、見つかる。
サイトに来て、行動する。
その変化を、4つの指標で。

回答の中を見るその先の行動を見る

「名前が出る」「引用される」「来訪する」「行動する」。
ひとつの数字だけでなく、それぞれの変化を見よう。

図のブランド・回答・数値は、すべて説明用の架空の例です。実際の実績や目標値ではありません。

数え方と、比較するときのポイント

言及率・引用率:このページでは「該当する回答数 ÷ 観測した回答数」で集計。ひとつの回答に複数回登場しても1回答と数えます。言及と引用は同じ回答に含まれることがあり、2つの率は足し合わせません。

比較の条件:質問・AI・機能・集計期間・試行数をそろえて観測します。回答は変動するため、複数回・継続的に確認。名前が出たかに加え、紹介の内容や文脈も見ます。

流入と成果:アクセス解析でAIサービス由来と判別できた範囲の数値です。セッション数は人数とは異なります。上のCVRは「問い合わせ件数 ÷ AI経由のセッション数」の例で、1セッションにつき1件までの計算。実務では成果の定義・重複の扱い・計測条件をそろえます。

実際のAI言及データを見る →

LLMOのサービス例

調べる、考える、実行する。
必要な支援には、いろいろな形があります。

データベースの「支援内容」6分類で紹介しています。ひとつのサービスが複数の分類に当てはまる場合があります。

条件に合うサービスを、探してみる。

支援内容・提供形態などから絞り込めます。LLMOサービスを検索する
分類について

支援範囲・実装の担当・提供条件は、サービスや契約によって異なります。図は各分類の役割を示す概念図です。

メディアへの掲載が、AIの言及・引用を保証するものではありません。「効果測定」の折れ線は説明用です。

LLMOの費用例

チェックして、費用の目安を見てみよう。

必要な支援を選ぶ

複数選択できます。金額は自動で更新。

概算したいLLMOの支援内容

概算

3項目を選択中

選択した支援を含むプランで算出

公開料金の参考値・初期費用別途・税区分未統一

内訳・算出根拠を見る

データベース掲載サービスの公開料金を確認した試算です。料金非公開の支援は「要見積」と表示します。

今回の選択に使った料金

    概算の考え方

    調査・診断/戦略策定/改善・運用支援/効果測定は、選択した支援をすべて含むプランを抽出します。同じ提供会社に複数の該当プランがある場合は、月額・単発それぞれで公開表示額が最も低い1プランだけを採用し、会社ごとの表示額を単純平均します。項目ごとの費用を足す方式ではありません。

    月額・単発・記事単価は混ぜずに表示します。「〜」の料金は下限額を使用し、1件だけの場合は平均ではなく参考例と表示します。初期費用は金額のあるプランだけで別集計し、金額不明を0円とは扱いません。税区分を確認できない料金もあるため、税別の統一平均ではありません。

    支援範囲の判定は各プランの公式説明に基づく編集上の分類です。改善・運用支援は実行への伴走を指し、制作や開発の代行をすべて含むわけではありません。メディア掲載は1本の別契約として表示。内製化支援は確認範囲では公開金額がなく、概算に含めていません。

    4社・6プランの公開料金を参考集計しています(2026年11月21日確認)。料金は確認時点の公開情報に基づきます。SEOとLLMOのセット料金、無料診断、ツールだけの利用料は集計対象外です。契約期間・作業量・追加費用によって実際の支払額は変わります。

    確認した公開料金

    支援内容からLLMOサービスを探す

    LLMOの事例

    どんな取り組みで、何が変わった?
    海外の公開事例をのぞいてみよう。

    各社・支援会社が公表した個別事例です。成果の指標や測定条件は事例ごとに異なり、同じ成果を保証するものではありません。

    自分に近い事例を、探してみる。

    業界やサイト・事業の種類から絞り込めます。LLMO事例を検索する

    LLMO無料診断

    学んだことを、あなたのサイトで。

    まずは、サイトの状態を知る。

    AIが読める
    準備、できてる?

    TOPページのURLから、サイト内を探索。
    情報の取得・理解につながる実装を、
    チェックリストで確認できます。

    無料登録不要URLから確認
    自分のサイトを無料診断する 診断ツールのページが開きます。
    こんなふうに、確認できます。
    診断結果のイメージ
    https://example.com/

    サイトのチェックリスト

    取得環境AIクローラーの設定
    確認できた
    ページ内容見出しによる情報整理
    要確認
    情報設計運営者情報へのリンク
    確認できた
    項目ごとに、設定状況を確認。
    説明用の表示例です。実際の診断結果ではありません。
    01

    取得できる?

    クローラーの設定・本文の取得

    02

    情報は整理されてる?

    見出し・表・構造化データ

    03

    誰の情報か分かる?

    著者・運営者情報・出典リンク

    診断するのは、取得時点のサイト実装です。AI回答での言及・引用率は測定しません。項目の確認結果は、サイトの目的に合わせて見直してください。

    LLMOに関する
    よくある質問

    気になる疑問を、もうひとつ。
    質問をタップして、回答を開けます。

    LLMO対策は、どんな企業・サイトに必要ですか?

    情報をうまく取得できないなどの致命的な問題を直すことは、基本的にどの公開サイトにも必要です。

    まずは、AIや検索エンジンがページを読み取れる状態と、正確な公式情報を整えましょう。外部露出を増やすブランディングやPRまで、最初から取り組む必要はありません。

    LLMO対策は、自社で無料でも始められますか?

    無料でも始められますが、継続的な計測まで無料で行うのは厳しい面があります。

    AI関連で取得できる数値には限りがあり、複数の質問やAIで回答を追うには手間がかかります。予算をかけるなら、まずは計測ツールを優先するのがおすすめです。コンサルティングは必須ではなく、社内の知識や体制に応じて検討しましょう。

    LLMOツールを探す →
    LLMO対策は、効果が出るまでどのくらいかかりますか?

    一律に「何か月で効果が出る」とは言えません。

    取得できなかった情報が読めるようになる変化と、AI回答での言及や問い合わせが増える変化は、分けて確認しましょう。まず修正内容が読み取れるかを確認し、その後、同じ条件で回答の傾向を継続して観測します。

    ChatGPT・Gemini・Perplexityで、対策は異なりますか?

    回答の傾向は異なりますが、対策の大枠は変わりません。

    初期は、情報を取得しやすくし、正確で役立つ内容をそろえることを優先しましょう。細かな仕様に合わせた対策は工数がかかり、途中で仕様が変わる可能性もあります。最初からモデルごとの違いを追いすぎる必要はありません。

    AIの学習を拒否しながら、AI検索には掲載できますか?

    サービスによっては、学習用と検索用のクローラーを分けて設定できます。

    例えばOpenAIでは、学習用のGPTBotを拒否し、検索用のOAI-SearchBotを許可できます。ただし、掲載を保証する設定ではありません。制御方法はサービスごとに異なるため、公式情報を確認しましょう。

    出典:OpenAIのクローラー公式ドキュメント ↗

    SEOで上位なのに、AIの回答に出ないのはなぜですか?

    検索順位が高くても、AIの回答に採用されるとは限りません。

    AIは質問に応じて検索語を組み替え、取得した情報から回答に使う内容を選びます。自分が確認した検索結果と、AIが参照した検索結果が同じとは限りません。順位だけでなく、どんな質問で、どの情報が引用・言及されているかを見てみましょう。

    AIが情報を出す仕組みを見る →
    LLMO対策にllms.txtは必要ですか?

    現時点では、AI検索での露出を増やすために設置する必要はないと考えます。

    設置だけで引用や推薦が増えるという十分な根拠はなく、Googleも検索ではllms.txtを使用しないと説明しています。効果を期待して優先するより、取得できないページや情報の不足を直しましょう。今後、公式の対応が変われば見直す余地はあります。

    出典:GoogleのAI検索ガイド ↗

    FAQや構造化データを追加すると、AIに引用されやすくなりますか?

    追加すれば引用が増える、とは言えません。

    トロント大学の研究では、158,099件のAI回答と468,037件の引用を分析。同一サイト内のページを比較すると、FAQや構造化データと引用増加の有意な関連は確認されませんでした。

    研究から分かること

    「付ければ効果が出る」とは言えない。
    読者に役立つかを、判断の軸に。

    工数の負担が小さく、読者の理解や情報整理に役立つなら実装してもよいでしょう。大きな開発工数や社内調整が必要なら、AI引用のためだけに無理に実装する必要はありません。

    出典:Chen・Koudas「What Drives AI Citations?」(2026)§4.2 ↗
    英語の2市場・API回答を対象とした査読前研究です。FAQ・構造化データの因果効果を検証した結果ではなく、すべてのAIやサイトにそのまま当てはまるとは限りません。

    AIで作成した記事も、LLMO対策に使えますか?

    使えます。ただし、AIが出した文章をそのまま大量公開するのは避けましょう。

    事実や出典を確認し、自社の経験・一次情報・具体例を加えて、読者に役立つ内容に整えることが大切です。Googleも、価値を加えない大量生成はスパムポリシーに抵触する場合があると説明しています。

    出典:Googleの生成AIコンテンツに関するガイド ↗

    同じ質問でもAIの回答が変わる場合、どう評価しますか?

    同じ条件で複数回質問し、単発の順位より言及率の傾向を見ましょう。

    回答を繰り返し集計すると、1回だけの結果より傾向を捉えやすくなります。当サイトのAI言及ランキングでも、同じプロンプトへの回答を継続取得し、ブランドの言及率を集計しています。回答自体が必ず同じ内容に収束するわけではありません。

    費用や工数が厳しければ、まずは1日1回でも構いません。質問文・AI・検索設定などの条件と取得日を記録し、一定期間の回答をまとめて比較しましょう。APIの観測結果は、Web版の体験と一致するとは限りません。

    AI言及ランキングを見る →
    AIが自社について間違った情報を回答したら、どうすればよいですか?

    まず公式サイトで正しい情報を発信し、誤った情報の出どころを確認しましょう。

    会社概要・サービス内容・料金などを最新にそろえたうえで、回答の引用元や関連ページを確認します。誤情報の掲載元が分かれば、根拠を添えて修正を依頼しましょう。出どころが特定できない場合は、AIサービスへのフィードバックも利用できます。修正しても、回答へすぐ反映されるとは限りません。

    AIに紹介・引用されても、サイトへの流入が増えないのはなぜですか?

    AIの中で情報収集や比較が進み、サイトを訪れずに判断する場合があるためです。

    流入セッション数だけで効果を判断せず、問い合わせ・購入などの実際のCV数や、「何をきっかけに知りましたか?」というユーザーアンケートを組み合わせましょう。AIが比較検討に関わっていても、直接の流入元には表れないことがあります。

    閲覧ページ数が減ることと、セッション数が減ることは別です。訪問回数と訪問中の閲覧数を区別し、CVの増減も他の施策・季節要因と合わせて判断します。

    執筆・調査:松下 聡太郎 / 更新:2026年11月21日