サイトを巡って、調べて、比べる。
- 情報収集
検索する
キーワードで探す
- 理解・認知
記事で知る
特徴やブランドを知る
- 比較検討
サイトを行き来
複数の候補を見比べる
- 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。

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
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。
キーワードで探す
特徴やブランドを知る
複数の候補を見比べる
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。
目的や条件を伝える
回答でブランドに出会う
質問を重ねて選ぶ
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。
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・比較ひとつの質問から、回答ができるまで。

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。
Webページなどを検索・参照し、
回答をつくる材料にします。
ここからは、Web検索を使う場合を見てみよう。
何を知りたいか、
目的や条件を読み取る。
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。
見つけたページから、
回答に関係する情報を参照する。
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。
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。
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。
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」詳しい図と解説に切り替わります。「全体図に戻る」で、つながりを確認できます。
仕組みを整理した概念図です。処理はサービス・機能によって異なります。
Webページを集めて整理し、質問に合う情報を探せる状態にします。
ページを公開しただけで、取得・インデックスが保証されるわけではありません。
検索側は、Webページを継続的に集め、内容を解析してインデックスを整えます。利用者が質問するたびに、Web全体を一から読み直すわけではありません。
GooglebotやAI検索用クローラーなど、取得の主体はサービスごとに異なります。OpenAIでは検索向けのOAI-SearchBotと学習向けのGPTBotを区別しています。
参考:Google:検索の仕組み学んだことを、回答をつくるときに活かす
モデル内部を理解するためのイメージです。検索用の索引とは役割が異なります。
大量のデータから学んだ知識やパターンが、回答をつくる土台になります。
Webの更新・検索での取得・モデルの学習を分けて考えます。
モデルは大量のデータから言葉の関係や知識を学び、内部のパラメータを調整します。回答時には、学習済みの知識と入力された文脈を使います。
サイトの情報を更新しても、学習済みの知識がその場で書き換わるわけではありません。検索で新しいページを参照することも、その場での再学習とは異なります。
参考:OpenAI:モデルの開発と学習今買えるリュックの価格は?外部情報を回答の材料に
この文章を短くして会話・渡された文章などを使う
説明用の例です。実際の検索の有無は、サービス・機能・設定によって変わります。
質問や利用する機能に応じて、検索する経路と、検索しない経路があります。
検索の実行表示や出典は、回答の材料を知る手がかりです。
質問の内容や、使うサービス・機能・設定によって検索の有無が変わります。検索しない場合も、学習済みの知識に加えて会話や利用者が渡した資料を使えます。
たとえば「リュックの選び方」と「今買える軽量リュックの価格」では、必要な情報の新しさが違います。図は処理を整理した概念例で、毎回同じ判定があるとは限りません。
参考:OpenAI:ChatGPTのWeb検索相談から、調べたい切り口を取り出す
検索語は架空の例。一つの質問から、複数の検索を行うこともあります。
相談の条件を整理し、一つ以上の検索語に書き換えて調べます。
大きなキーワードだけでなく、用途・条件を伝える情報も接点になります。
AIは、質問を検索しやすい語句に書き換えることがあります。一つの相談に複数の条件があれば、切り口を分けて調べることもあります。
Googleは関連する複数の検索を行う「クエリファンアウト」を説明しています。図の検索語は説明用で、実際に実行された検索の記録ではありません。
参考:Google:AI機能と検索ページの中から、質問に関係する情報を探す
関連性を確認して、モデルへの入力に加える
ページ・数値は架空の例。選び方や処理の順序は構成によって異なります。
関連するページや文章を取得し、回答に使う情報をモデルへ渡します。
取得した情報のすべてが、最終回答で引用されるとは限りません。
RAG(検索拡張生成)は、外部から関連情報を取得し、モデルへの入力に加えて回答を生成する考え方です。検索先にはWebだけでなく社内資料なども使えます。
構成によっては、文書を小さなまとまり(チャンク)に分け、語の一致や意味の近さで探し、候補を評価し直します。すべてのAIサービスが同じ処理を行うわけではありません。
参考:Anthropic:Contextual Retrieval軽さを重視するなら、ブランドAも候補です。容量や背負い心地も確認しましょう。
ブランド・回答は架空の例。出典が示された場合も、主張と根拠を確認しましょう。
学習した知識と入力された文脈を使い、質問に合う文章を生成します。
「自社が紹介されたか」と「自社URLが引用されたか」は分けて確認します。
モデルは、学習で得た知識と入力された文脈をもとに、文章を生成します。検索で得た情報が渡されると、その内容も回答の材料になります。
出典リンクがあっても、回答中のすべての主張を裏付けるとは限りません。また、引用されたサイトと、推薦されたブランドが異なる場合もあります。
参考:OpenAI:回答生成の仕組みSEOで整えた土台は、
AI検索にもつながる。
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。
サイトの中と、外。
情報が届くための、3つの取り組み。
情報までの道をつくり、
ページの中身を読める状態に。
検索・AIのクローラー誰の、何の情報かを明確に。
基本情報と、その根拠を整える。
第三者に紹介・参照される、
情報や実績を積み重ねる。
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。
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。
横にスワイプして見る
名前が、どれくらい登場した?
観測したAI回答のうち、
自社名・サービス名が出た割合。
回答文の中の「ブランド名」
軽いリュックなら、
ブランドAも候補に。
10回答のうち 3回答 に登場
30%自社ページが、出典になった?
観測したAI回答のうち、
自社URLが引用された割合。
回答に添えられた「出典リンク」
旅行用のリュックは、
重さと容量を確認しましょう。
10回答のうち 2回答 が引用
20%サイトまで、来てくれた?
AIサービスからサイトへ訪れた
セッション数を確認。
アクセス解析の「参照元」
訪問のあと、行動につながった?
問い合わせや購入など、
目的の行動の件数・率を確認。
設定した「コンバージョン」
「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。
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。
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。
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。
チェックして、費用の目安を見てみよう。
複数選択できます。金額は自動で更新。
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
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。
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。
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。
横にスワイプして見る
2倍
OtterlyAIによる顧客事例の報告値。
7倍
Peec AIによる報告。デモ依頼の実数は非開示。
90%超
Scrunchによる報告。企業全体の引用率ではありません。
約1 → 3%
Profoundによる報告。売上額の3倍化ではなく、構成比の変化。
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。
学んだことを、あなたのサイトで。
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。

クローラーの設定・本文の取得
見出し・表・構造化データ
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。
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。
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。
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 →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。
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。
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。
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 →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。
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。
「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。
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。
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 →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。