LLMO対策とは？検索1位でも引用されない原因と3つのやるべきこと

LLMO対策に何から手をつけるべきか、判断できずにいませんか？

「順位は下がっていないのに、クリックだけが減っていく…。」
「上司にAI検索の対応を聞かれても、答えられる自信がない…。」

新しい用語が増えるばかりで、手が止まっている方に向けて、この記事を書いています。

どれだけ熱心に対策法を集めても、施策を並べただけのリストは判断の根拠になりません。
効果が確認されていない施策が、同じ重さで並んでいるからです。

しかし、施策をSEOの土台の上に置き直せれば、状況は変わります。やることを3領域に仕分けたり、工数を割かなくてよい施策を外したり、そもそも着手すべきかを判断できたりします。

本記事では、LLMO対策の全体像と、やらなくてよい施策の見極め方までを網羅的に解説します。

読み終わる頃には、自社が着手すべき施策と、社内に説明できる根拠が手元に残っているはずです。

ぜひ最後までご覧になり、次の打ち手を決める材料にしてみてください。

LLMOとSEOの違い

LLMO対策とSEO対策の最大の違いは、評価される単位です。

• SEOはページ単位で順位を競う
• LLMOは記述の単位で、AIの回答に引用されるかを競う

LLMO（Large Language Model Optimization）とは

LLMOとは、生成AIやAI検索が回答を作るときに、自社の情報を引用・推薦させるための最適化です。日本語では大規模言語モデル最適化と訳されます。

対象になるのは、ChatGPTやGeminiなどの生成AIです。Google検索のAI Overviews（AIによる概要）とAI Modeも対象です。PerplexityやBing Copilotも含まれます。

なお、海外ではGEO（Generative Engine Optimization）という呼称が主流です。質問応答の設計面に注目する場合はAEOとも呼ばれます。いずれも目的は同じで、施策の内容に本質的な差はありません。本記事では、国内で最も定着しているLLMOに用語を統一して解説します。

検索エンジン最適化との関係を一言で表すと、LLMOは「順位を取る」ではなく「答えの中に居る」ための取り組みです。

以下の記事でLLMOについて詳しく解説しておりますので、ぜひ読んでみてください。

LLMOとSEOの違いを5つの観点で比較

LLMOとSEOは、目的・評価単位・KPI・期間・勝ち筋の5点で異なります。違いを整理すると次のとおりです。

▼ SEO対策とLLMO対策の比較

観点	SEO対策	LLMO対策
目的	検索結果で上位に表示される	AIの回答に引用・推薦される
評価される単位	ページ	段落・記述
主なKPI	検索順位、クリック数	引用件数、指名検索数
成果までの期間	3〜6ヶ月が目安	3〜6ヶ月が目安（測定手法は未確立）
勝ち筋	検索意図を満たす網羅性	抜き出しやすさと第三者からの言及

とくに重要なのは評価単位です。SEOでは、記事全体で検索意図を満たせば順位がつきました。AI検索では、質問に答えている一部分だけが切り出されます。

そのため、良い記事を書いても引用されないという現象が起こります。原因と対処はH2「LLMO対策の仕組み」で詳しく解説します。

LLMOはSEOの代替ではない

LLMO対策はSEO対策の代替ではありません。SEOの土台があって初めて機能する、追加の施策です。

根拠はGoogleの公式見解にあります。Googleは2026年5月に最適化ガイドを公開しました。同ガイドでは、AI機能が既存の検索ランキングシステムを土台にしていると説明しています。同じガイドでは、AI Overviewsに表示されるための追加要件はないとも明言しています。

つまり、検索でインデックスされていないページは、AIの回答にも載りません。SEOを止めてLLMOへ移行する判断は、成果を落とします。

一方で、正直に書いておくべき点があります。LLMO対策は、既存のSEO業務の上に工数が乗る施策です。 置き換えではないため、担当者の作業量は確実に増えます。人員も予算も増やせない状況であれば、着手のタイミングを見直す判断も必要です。

LLMO対策がなぜ、今話題なのか

LLMO対策が話題になっている理由は、検索結果の見え方が変わったからです。順位は同じでも、クリックが発生しない構造が生まれました。

AI Overviews・AI Modeの普及とゼロクリック検索の増加

検索結果の最上部にAIの回答が置かれ、クリックが発生しにくくなりました。ユーザーは回答を読み終えた時点で、目的を達成してしまいます。

AI Overviewsが表示されると、検索1位のクリック率が下がります。国内では約38%低下したという調査結果があります。数値の大小はさておき、傾向としてクリック率が下がる点は複数の調査で共通しています。

注目すべきは、この現象が順位下落とは無関係に起きることです。順位を維持したままセッションだけが減るため、従来の順位レポートでは異変を検知できません。

Search Consoleで表示回数が横ばいなのにクリック数だけが落ちている場合、AI回答の影響を疑う価値があります。

生成AI経由の流入が注目される理由（量ではなく質）

生成AI経由の流入が注目される理由は、量ではなく質にあります。訪問者の行動が、通常の検索流入と異なるためです。

AI経由の訪問は、コンバージョン率が約42%高いという報告があります。滞在時間も約48%長いという結果でした（2026年3月時点／要確認: 一次ソース）。AIの回答を読んだうえで、あえてリンクを踏む行動が背景にあると考えられます。

ただし、過大評価は禁物です。現時点で生成AI経由のセッション数は、通常の検索流入と比べてまだ小さい規模にとどまります。 絶対量が少ないため、全体のセッション数への貢献はすぐには見えません。

質は高いが量は小さい。ここが2026年時点の正確な現在地です。

Googleが公式ガイドを公開し、議論の前提が変わった（2026年5月）

2026年5月、Googleが生成AI機能向けの最適化ガイドを公開しました。乱立していたLLMO論の前提が、ここで一度整理されました。

ガイドで示された要点は3つです。

• AI機能は既存の検索ランキングシステムを土台にしている
• AI Overviewsに表示されるための追加要件や特別な最適化はない
• llms.txtやAI向けの新しいマークアップを作る必要はない

公開の意味は大きいものでした。それまで各社が独自に提唱していた施策のうち、公式に不要とされたものが明確になったからです。

Googleが「特別なことは不要」と述べた事実は、LLMO対策の出発点になります。 何をやるかを考える前に、何をやらなくてよいかが確定したという理解が正確です。

AIはどうやって回答を作っているのか

AI検索は、質問を受けてから回答を返すまでに4つの処理を実行します。処理の流れを知ると、どこに自社の情報を置けば拾われるかが見えてきます。

AI検索が回答を作る4ステップ（検索→取得→統合→引用）

AI検索の回答は、「検索」「取得」「統合」「引用」の4段階で作られます。ユーザーの質問文が、そのまま回答になるわけではありません。

流れは次のとおりです。

1. 検索: 質問文をもとに、検索すべきクエリを内部で組み立てる
2. 取得: 該当するWebページを収集し、必要な部分だけを取り出す
3. 統合: 複数のページから得た情報をつなぎ、1つの文章にまとめる
4. 引用: まとめに使った情報源を、出典リンクとして添える

AI検索の動きは、特集記事を作る編集者に例えるとわかりやすくなります。 編集者はテーマを決め、複数の資料を集めます。必要な箇所だけを抜き出して記事にまとめ、最後に参考文献を載せます。

厳密には人が判断しているわけではありませんが、集めて選んでまとめるという順序は同じです。実際の処理では、クエリの生成からページの収集までを自動で行います。要約と出典の付与も同じく自動です。

クエリファンアウトとは（1つの質問が複数の検索に分岐する仕組み）

クエリファンアウトとは、1つの質問から複数のサブクエリを自動生成し、並列で検索する仕組みです。Google AI ModeやAI Overviewsの中核にあたります。

たとえば「LLMO対策 やり方」という質問を受けたとします。AIは内部で「LLMOとは」「LLMO 施策 一覧」「LLMO 効果測定」といった複数の検索を同時に走らせます。そして各結果を統合し、1つの回答を組み立てます。

この動きが意味するところは重大です。1つのキーワードに1ページを当てるという従来の考え方では、生成されたサブクエリを取りこぼします。

対応の方向性は、関連する論点を漏れなく扱い、それぞれを独立して読める形で置くことです。

学習データと外部参照（RAG・グラウンディング）の違い

AIが使う情報には、

• 学習済みの知識
• 回答時に取りに行く外部情報

の2種類があります。LLMO対策が働きかけられるのは後者です。

学習データは、モデルの訓練時点で取り込まれた知識です。企業側から後で書き換えることはできません。

・回答時にWebを検索して情報を取り込む方式をRAG（検索拡張生成）と呼びます。
・事実確認のために情報源へ当たる処理はグラウンディングと呼ばれます。

RAGは、参考書の持ち込みが許された試験のようなものです。 記憶だけで答えるのではなく、手元の資料を開いて確認しながら解答を書きます。厳密には試験のような正誤判定はありませんが、外部の資料を参照して答えを作る点は共通します。

正確には、AIが質問に応じてWebから情報を取得し、その内容をもとに回答文を生成しています。自社サイトを整えることが意味を持つのは、この取得の対象になるためです。

AIが引用元に選んでいるドメインの実態

AIが引用しているドメインは、実は特定のサービスに偏っています。自社サイトだけを整えても、引用面に届かない理由がここにあります。

Ahrefsが2025年12月から2026年3月に実施した調査があります。5つの主要AIプラットフォームを横断した結果、YouTubeが引用数1位でした。2位はWikipedia日本語版、3位はGoogleでした。日本語圏ではnoteやAmebloの引用が伸びています。

▼ プラットフォーム別の引用傾向

プラットフォーム	引用の多いドメイン	特徴
ChatGPT	Wikipedia（回答の16.3%）	百科事典型の情報への依存が強い
Perplexity	YouTube（16.1%）、Wikipedia（12.5%）	動画とレビュー系サイトを多用
Google AI Overviews	YouTube（9.5%）、Reddit（7.4%）、Quora（3.6%）	利用者投稿型サイトを積極的に採用

出典: Ahrefs調査（2025年12月〜2026年3月、5プラットフォーム対象）

読み取れる示唆は明確です。自社ドメインの外にある面が、引用の多くを占めています。 発信先を自社サイトだけに限定すると、AIが見ている場所の大半を空白のまま残すことになります。

LLMO対策でやっておくべきこと

LLMO対策の施策は、コンテンツ・テクニカル・自社サイト外の3領域に分かれます。加えて、やらなくてよい施策を見分ける視点が必要です。

コンテンツ面の施策（一次情報・結論先出し・情報単位の設計）

コンテンツ面でやることは、抜き出しやすい形に整えることと、他所にない情報を載せることの2つです。着手すべき項目は次のとおりです。

• 見出しの直下に結論を置く: 各見出しの1文目で問いに答える
• 1見出し1論点にする: 1つの見出しで複数の話題を混ぜない
• 定義文を明示する: 「〇〇とは、△△です」の形を用意する
• 一次情報を載せる: 自社調査、支援事例、独自の集計データを入れる
• 質問形の見出しを使う: ユーザーの問いと同じ言い回しで立てる

一次情報の準備は、社内データの棚卸しから始められます。営業が受けた質問の一覧、問い合わせの分類集計、過去の支援記録などが素材になります。

着手の順序は、既存記事の見出し直下の書き換えからで十分です。 新規記事の量産よりも先に、既存資産の形を整えるほうが早く効きます。

関連記事: E-E-A-Tを高めるコンテンツの作り方

テクニカル面の施策（クロール許可・構造化データ・HTML構造）

テクニカル面でやることは、既存のSEO実装の点検が中心です。AI専用の新しい実装は必要ありません。

確認すべき項目を挙げます。

• robots.txtの設定: GPTBotやPerplexityBotなどのAIクローラーを拒否していないか確認する
• 見出しタグの階層: H2からH3への順序が飛んでいないかを点検する
• 構造化データ: 既存のFAQ・Article・Organizationのマークアップを最新化する
• 運営者情報: 会社概要、著者情報、更新日をページ上に明示する
• 表示速度: モバイルでの読み込み時間を確認する

robots.txtは見落としが起きやすい箇所です。過去にAIクローラーを一括で拒否した設定が残っていると、施策の効果がゼロになります。 着手前に必ず確認してください。

構造化データについては、Googleが新規のAI向けマークアップを不要と明言しています。既存の実装を正しく保つ範囲にとどめ、追加投資は避けてください。

関連記事: 構造化データの実装方法

自社サイト外の施策（サイテーション・発信面の分散）

自社サイトの外に情報を置く作業は、LLMO対策で欠かせません。AIが引用する面の多くが、自社ドメインの外にあるためです。

取り組める施策は次のとおりです。

• プレスリリースの配信: サービス名と事業内容をセットで露出させる
• noteでの発信: 国内AI検索での引用が伸びている面を押さえる
• YouTubeへの動画投稿: 引用数1位のプラットフォームに接点を持つ
• 業界メディアへの寄稿・取材対応: 第三者の文脈で言及を得る
• レビューサイト・比較サイトへの掲載: 比較検討クエリの参照先に入る

いずれもリンクの獲得が目的ではありません。社名やサービス名が、事業内容とセットで言及される状態を作る作業です。

優先順位は業種で変わります。BtoBであればプレスリリースと業界メディア、比較サイトの3点から着手すると進めやすくなります。

効果が確認されていない施策と、過投資への注意

効果が確認されていない施策に工数を割かないことも、LLMO対策の一部です。代表例がllms.txtです。

llms.txtは、AI向けにサイトの構成を伝えるとされるテキストファイルです。しかしGoogleは、対応していないと明言しています。2025年7月にはGoogleのGary Illyes氏が、サポートしておらず今後の予定もないと述べました。2026年5月の公式ガイドでも、新たに作成する必要はないと記載されています。

判断としては、次の整理が現実的です。

• 設置コストは低いため、置くこと自体は問題にならない
• ただし、効果を前提として工数や外注費を割く対象ではない
• llms.txtの整備を主な提案内容とするサービスには、根拠の確認が必要

同じ注意は構造化データにも当てはまります。AI向けの新しいスキーマを独自に実装する提案を受けた場合、公式の裏付けがあるかを確認してください。

LLMO対策で最も費用対効果が悪いのは、効果が確認されていない実装に人手を割くことです。 限られた工数は、一次情報の作成と外部での言及獲得に振り向けるほうが確実です。

LLMO対策の仕組み（AIに引用される記事とされない記事の差）

AIに引用される記事とされない記事の差は、記事の質だけでは説明できません。順位が高くても引用されない例が、実際に多く発生しています。

検索順位が高いのにAIに引用されないケースと、その原因

検索順位とAIの引用は、別の基準で決まります。1位のページが引用されず、5位のページが引用される状況は珍しくありません。

原因は主に3つです。

• 答えが記事の後半にある: AIは質問に答えている箇所を探すため、結論が埋もれていると拾われない
• 1つの見出しに複数の話題が混ざっている: 切り出したときに意味が通らず、採用されにくい
• サブクエリに対応する記述がない: クエリファンアウトで生成された問いに、答える段落が存在しない

順位はページ全体の評価で決まります。引用は記述単位の評価で決まります。評価の単位が違うため、順位が高いことは引用の保証になりません。

対処は、記事を作り直すことではありません。既存記事の見出し直下に結論を置き直す作業から始めるのが最短です。

同じ内容でも、引用される書き方とされない書き方の違い

同じ情報を扱っていても、書き方によって引用されやすさは変わります。理由は、AIが段落の単位で情報を切り出すためです。

AIによる引用は、本に付箋を貼って必要な数行だけを書き写す作業に例えられます。 前のページを読まないと意味が通らない箇所には、付箋を貼れません。逆に、その数行だけで意味が完結していれば、迷わず選べます。

厳密には人が付箋を貼っているわけではありませんが、単独で意味が通る箇所が選ばれる点は同じです。実際には、AIが文書を一定の情報単位に区切り、質問との関連性が高い単位を抜き出しています。

引用されにくい書き方と、引用されやすい書き方を比べます。

▼ 書き方による違い

項目	書き方
引用されにくい	「この点については、次のような背景があります。まず整理すると…」
引用されやすい	「LLMO対策の費用相場は月額◯万円です。内訳は次の3つです。」

違いは、指示語と前置きの有無です。指示語で前の文に依存している段落は、抜き出した瞬間に意味が壊れます。 前置きから始まる段落も同様に、答えとして採用されません。

自社が書いていない情報で、AIに紹介されてしまう仕組み

AIは、自社が発信していない情報でも回答に使います。第三者による言及を、判断材料として取り込むためです。

仕組みは3段階で進みます。第三者のメディアやSNSで社名が言及されると、AIが参照する候補に入ります。複数の場所で同じ内容が確認できると、情報の確度が高いと扱われます。そして比較検討の質問を受けたとき、回答内で社名が挙がります。

評判が人づてに広がる過程に例えると理解しやすくなります。 本人が何も言わなくても、複数の知人が同じ評価を口にすれば、その内容が信じられます。

厳密には信用という概念で処理されているわけではありませんが、複数の情報源で裏が取れる記述が優先される点は共通します。実際には、AIが取得した複数のページを突き合わせ、一致する記述を回答に採用しています。

ここから2つの示唆が導けます。1つは、外部での言及がリンクの有無に関係なく効くことです。もう1つは、自社が情報を出していないと、第三者の古い情報だけが参照されることです。後者の影響はH2「LLMO対策をやらないリスク」で扱います。

一度引用されても、放置すると引用されなくなる理由（更新頻度と工数）

LLMO対策は一度で終わりません。AIが参照する情報が、取得のたびに入れ替わるためです。

検索順位は、更新を止めてもしばらく維持されます。AI検索の引用は違います。回答を作るたびに情報を取り直すためです。より新しい記述や条件に合う記述が見つかれば、引用はそちらへ置き換わります。競合が同じテーマで記事を出せば、引用は移動します。

必要な運用を具体的に書きます。

• 月次: 主要な質問文を固定し、AI回答に自社が出るかを確認する
• 四半期: 引用が失われた記事を特定し、内容を更新する
• 随時: 料金や仕様の変更を、公開ページへ即時反映する

正直に書くと、LLMO対策は片手間では回りません。 定点観測とリライトを継続する担当者が必要です。既存のSEO業務に上乗せする形になるため、着手前に工数を確保してください。

工数を割けない場合は、対象キーワードを主力の5〜10個に絞る判断が現実的です。全社的に手を広げるより、範囲を限定して継続するほうが成果につながります。

LLMOの効果測定（KPI・改善）

LLMO対策の効果は、5つのKPIで測ります。ただし、業界共通の標準的な測定手法はまだ確立されていません。

LLMO対策で追うべき5つのKPI

LLMO対策のKPIは、次の5つに整理できます。目的に応じて、追う指標を絞って構いません。

▼ LLMO対策の主要KPI

KPI	何を見る指標か	取得元
AI Overviews表出率	対策KWでAI回答が表示される割合	計測ツール、手動確認
生成AI経由の流入数	AI検索から届いたセッション数	GA4
AI回答内の引用・言及数	回答に自社が登場した回数	計測ツール、手動確認
指名検索数	社名・サービス名での検索数	Search Console
Share of Intelligence	競合を含めた回答内の自社占有率	計測ツール

最初に追うべき指標は、指名検索数と生成AI経由の流入数です。どちらも既存のツールで取得でき、追加費用がかかりません。

Share of Intelligenceは競合比較に有効ですが、専用ツールが必要になります。導入判断は、H2「LLMO対策で活用できるツール」を参考にしてください。

GA4・Search Console・Bing Webmaster Toolsでの計測方法

計測は、GA4・Search Console・Bing Webmaster Toolsの3点で組み立てます。それぞれ役割が異なります。

GA4では、生成AI経由の流入を参照元で判別します。手順は次のとおりです。

1. 「レポート」から「集客」を開き、「トラフィック獲得」を選ぶ
2. ディメンションを「セッションの参照元 / メディア」に切り替える
3. chatgpt.com / referral perplexity.ai / referral などを探す
4. 該当する参照元をまとめたセグメントを作成し、定点で観測する

Search Consoleでは、指名検索の推移を追います。社名やサービス名を含むクエリで絞り込み、表示回数の変化を見ます。

Bing Webmaster Toolsを併用する理由は、Copilotの参照元がBingの索引に依存するためです。Google側だけを見ていると、Copilot経由の動きを取りこぼします。

3つのデータをLooker Studioに集約すると、月次レポートの作成が楽になります。

効果測定の限界と、数値が読めない期間の扱い方

LLMO対策の効果測定には、原理的な限界があります。正確に把握できない領域があると理解したうえで進めてください。

限界は3つあります。

• 回答が毎回変わる: 同じ質問でも出力が揺れるため、再現性が低い
• 全数を把握できない: AI回答内での言及は、外部から完全には集計できない
• 標準指標がない: 業界共通の測定方法が未確立で、ツール間で数値が一致しない

対処は、絶対値ではなく推移で判断することです。質問文を10〜20個に固定し、毎月同じ条件で確認します。1回の結果ではなく、3ヶ月の傾向で評価します。

数値が動かない期間は必ず発生します。 施策から結果までに3〜6ヶ月かかるうえ、測定の揺れも重なるためです。社内報告では、着手時点で「初期3ヶ月は数値が読めない」と共有しておくと、途中で頓挫しにくくなります。

短期での成果を約束できる施策ではありません。予算計画は、最低でも6ヶ月単位で組んでください。

測定結果を改善につなげるサイクル

測定結果は、3つのステップで改善につなげます。数字を眺めるだけでは順位も引用も動きません。

1. 定点観測: 固定した質問文でAI回答を確認し、自社の登場有無を記録する
2. 差分分析: 引用されている競合や外部サイトを開き、自社にない記述を洗い出す
3. リライト: 該当する見出しの直下に結論を置き、不足していた論点を追加する

差分分析では、引用された記述の形に注目してください。多くの場合、違いは情報量ではなく、答えが置かれている位置にあります。

改善の反映には時間がかかります。リライトから引用の変化が見えるまで、1〜3ヶ月を見込んでください。 毎週の確認は工数の無駄になりやすいため、月次の頻度が適切です。

LLMO対策で活用できるツール

LLMO対策のツールは3タイプに分かれます。ただし、ツールを入れれば対策になるわけではありません。

LLMO対策ツールの3タイプ（可視性モニタリング／コンテンツ診断／既存SEOツールの拡張機能）

LLMO対策のツールは、機能によって3タイプに整理できます。自社の目的から選ぶと迷いません。

• ①可視性モニタリング型：指定した質問文でAI回答を取得し、自社の登場回数を記録する
• ②コンテンツ診断型：ページを解析し、AIに引用されやすい構造かを判定する
• ③既存SEOツールの拡張機能型： 契約中のSEOツールに、AI関連の指標が追加されたもの

最初に必要になるのは可視性モニタリング型です。現状を把握しないと、施策の優先順位が決まりません。

コンテンツ診断型は、記事数が多く手作業の点検が難しい場合に有効です。記事数が数十本の規模であれば、手動での確認で足ります。

主要ツールの比較（国産・海外）

主要なLLMO対策ツールを比較します。料金と対応範囲は変動が速いため、導入前に公式サイトでの確認が必要です。

▼ 主要LLMO対策ツールの比較（2026年8月時点）

ツール	区分	料金	得意なこと	デメリット・注意点	向かないケース
AKARUMI	国産・モニタリング	無料プランあり（25プロンプト／1日1回）、有料は（要確認: 料金）	日本語プロンプトでの定点観測	無料枠はプロンプト数と実行回数に上限がある	大量のKWを毎日追う運用
Otterly.AI	海外・モニタリング	月29ドル〜489ドル	ブランド言及の競合比較	管理画面と設定が英語のみ	英語運用に不慣れなチーム
Peec AI	海外・モニタリング	（要確認: 料金）	複数AIの横断比較	日本語クエリの対応範囲が読みにくい	国内KW中心の運用
Profound	海外・エンタープライズ	要問い合わせ（要確認: 料金）	大規模なブランド分析	費用が高く、小規模では機能が過剰	単一サイトの運用
既存SEOツールのAI機能	拡張機能	既存契約に追加（要確認: 料金）	既存レポートと統合できる	専用ツールより分析が浅い	AI回答の詳細な分析

選定の基準は3つです。次の点を確認してください。

• 対象AIに主要なプラットフォームが含まれるか
• 日本語のクエリを扱えるか
• 既存のレポート運用に組み込めるか

無料診断を提供しているツールもあります。まず無料の範囲で現状を測り、必要性を確かめてから有料契約へ進む順序を推奨します。

無料でできる範囲と、ツールを導入する前にやるべきこと

LLMO対策の初期段階は、無料の範囲で十分に進められます。有料ツールが必須になるのは、監視対象が増えてからです。

無料でできる作業は次のとおりです。

• 主要な質問文を10個決め、ChatGPTやAI Overviewsで月1回検索する
• 自社が登場したか、競合が登場したかをスプレッドシートに記録する
• GA4で生成AI経由のセッションを月次で確認する
• Search Consoleで指名検索の推移を追う

所要時間は、月あたり1〜2時間程度です。この運用で足りる企業は少なくありません。

有料ツールが不要なケースを具体的に書きます。 監視したい質問文が20個以下の場合、対象サイトが1つの場合、担当者が月1回の手動確認を継続できる場合です。いずれかに当てはまるなら、当面は無料運用で問題ありません。

逆に、複数ブランドを扱う場合や、監視対象が50を超える場合は手作業が破綻します。そのタイミングで有料ツールを検討してください。

LLMO対策をやらないリスク

LLMO対策を見送った場合、自社には3つの影響が生じます。ただし、見送る判断が合理的なケースも存在します。

検索流入の減少と、指名検索への波及

AI回答の普及によって、検索経由のセッション数は緩やかに減少します。順位を維持していても起こる現象です。

影響は段階的に伝わります。まずクリック率が下がり、セッション数が減ります。次に、資料請求や問い合わせの母数が縮みます。そして、サイトに触れる機会が減った結果、社名で検索される回数も落ちていきます。

注意すべきは、指名検索への波及です。 記事で接点を持った読者が、後日社名で検索する流れが弱くなります。接触の入口が細くなるため、影響は時間差で表れます。

現時点で流入が安定している企業でも、Search Consoleでクリック率の推移を確認しておく価値があります。

競合がAIの回答内で先に推薦される機会損失

比較検討の質問では、AIが具体的な社名やサービス名を挙げます。挙がらなかった企業は、検討の対象に入りません。

たとえば「BtoB向けのSEO支援会社 おすすめ」という質問を考えます。AIは複数の情報源から候補を組み立て、数社の名前を提示します。ユーザーはその中から選びます。

従来の検索では、10件の結果から選ぶ形でした。AI回答では候補が3〜5社に絞られるため、そこに入るかどうかの差が大きくなります。

失われるのはクリックだけではありません。検討のテーブルに載る機会そのものが失われます。順位の下落と違い、レポート上には現れない損失です。

誤った情報・古い情報がAIに引用され続けるリスク

自社が情報を発信していない場合、第三者の古い情報が参照され続けます。内容の正確さは、AIが保証してくれません。

起こりやすい例を挙げます。

• 数年前の料金表が、現在の価格として回答される
• 提供を終了したサービスが、現行サービスとして紹介される
• 第三者のまとめ記事にある誤った事業内容が、そのまま流通する

対処は難しくありません。料金・サービス内容・会社概要を、自社サイトで明確かつ最新の状態に保つことです。 更新日を明示しておくと、新しい情報として扱われやすくなります。

LLMO対策は、集客の施策であると同時に、自社情報の正確性を管理する取り組みでもあります。

LLMO対策が向かないケース・費用対効果が合わない条件

LLMO対策が有効でないケースは、確かに存在します。すべての企業が今すぐ着手すべき施策ではありません。

向かないケースを具体的に挙げます。

• 速報性が価値の中心の領域: ニュース、災害情報、イベント速報などは、AIの参照が追いつかない
• 質問の母数が極端に少ないニッチ領域: AI検索での質問がほぼ発生せず、測定すら成立しない
• 指名検索や比較検討が起きない業態: 地域密着の来店型ビジネスなどは、MEOの優先度が高い
• SEOの基礎が未整備の企業: インデックスやサイト構造に課題がある場合、先にSEOへ投資すべき

とくに4点目は重要です。検索でインデックスされていないページは、AIの回答にも載りません。 SEOが不十分な状態でLLMO対策に予算を割いても、費用対効果は合いません。

判断の目安を示します。オウンドメディアの月間セッションが安定して伸びているかを見てください。主要KWで検索1〜3ページ目に入っていれば、LLMO対策の効果が出やすい状態です。そこに達していない場合、SEOの基礎固めを優先してください。

「今はやらない」という結論も、正しい経営判断のひとつです。

成果が出る企業に共通する3つの条件

LLMO対策で成果が出た企業には、3つの共通点があります。施策の種類よりも、進め方の違いが結果を分けます。

1つ目は、SEOの土台がすでにできていることです。 主要KWで検索結果の上位に入っている企業は、AI回答への登場も早く進みます。インデックスされている記事の量と質が、そのまま参照の候補数になるためです。

2つ目は、一次情報を持っていることです。 自社調査、支援実績の集計、独自の分類などを公開している企業は引用されやすくなります。他社の記事を要約しただけの内容は、AIが参照する理由を持ちません。

3つ目は、担当者を決めて継続していることです。 月1回の定点観測を半年続けた企業と、一度施策を実施して放置した企業では、結果が明確に分かれます。

逆に、成果が出にくいのは、記事本数の追加だけで対応しようとしたケースです。量を増やしても、抜き出しやすい形になっていなければ引用は増えません。

LLMO対策に関するよくある質問

Q1.LLMO対策とSEO対策はどちらを優先すべきですか？

SEO対策を優先してください。Googleは公式ガイドで、AI機能が既存の検索ランキングシステムを土台としていると明言しています。

検索でインデックスされていないページは、AIの回答にも載りません。主要KWで検索結果の上位に入っていない段階でLLMOへ投資しても、費用対効果は合いません。

判断の目安はH2「LLMO対策をやらないリスク」の最終セクションに記載しています。

Q2.LLMO対策の費用相場はいくらですか？外注と内製どちらがよいですか？

ツール費用は無料から月500ドル程度まで幅があります。外注費用は支援範囲によって大きく変わるため、内訳の確認が必要です（要確認: 外注の相場レンジ）。

内製と外注の判断基準は、社内工数の有無です。月1〜2時間の定点観測を継続できるなら、初期は内製で足ります。監視対象が50を超える場合や、複数ブランドを扱う場合は外注を検討してください。

外注先を選ぶ際は、llms.txtの設置を主な提案内容としていないかを確認してください。

Q3.効果が出るまでどのくらいかかりますか？

3〜6ヶ月が目安です。ただし、業界共通の測定手法が確立されていないため、初期は絶対値での評価ができません。

最初の3ヶ月は数値が読めない期間になります。質問文を固定した定点観測を続け、推移で判断してください。

短期での成果を保証できる施策ではありません。予算計画は6ヶ月以上の単位で組むことを推奨します。

Q4.llms.txtは設置したほうがよいですか？

必須ではありません。Googleは対応していないと明言しており、2026年5月の公式ガイドでも新規作成は不要と記載されています。

設置コスト自体は低いため、置くこと自体に問題はありません。ただし、効果を前提に工数や外注費を割く対象ではありません。

限られた工数は、一次情報の作成と外部での言及獲得に振り向けるほうが確実です。

Q5.中小企業でもLLMO対策は意味がありますか？

業種と領域によります。指名検索や比較検討が発生する業態であれば、企業規模に関係なく効果が期待できます。

一方で、質問の母数が極端に少ないニッチ領域では、測定すら成立しません。地域密着の来店型ビジネスでは、MEO対策の優先度が高くなります。

自社が該当するかどうかは、主要な質問文をAIで検索し、競合が登場するかを確認すると判断できます。

まとめ｜LLMO対策はSEOの延長線上にある

LLMO対策は、SEOを置き換える新しい手法ではありません。SEOの土台の上に、引用されるための工夫を積む取り組みです。

記事の要点を振り返ります。

• LLMO対策とは、AI検索の回答に自社の情報を引用・推薦させるための最適化
• SEOとの違いは評価単位にあり、ページではなく記述の単位で判断される
• やることは3領域で、コンテンツの形・テクニカルの点検・自社サイト外での言及獲得
• llms.txtは効果が確認されておらず、工数を割く対象ではない
• 効果測定には限界があるため、絶対値ではなく推移で判断する
• 向かないケースもあるため、SEOの基礎が未整備なら先にSEOへ投資する

次のアクションとして、主要な質問文を10個決め、AI検索で自社が登場するかを確認してください。現状把握から始めるのが、最も確実な第一歩です。