LLMOとは？対策方法17選と計測方法を解説

LLMO（Large Language Model Optimization）とは、GoogleのAI Overviewやgemini、ChatGPT、Perplexity、Copilotといった生成AIが回答を表示する際に、自社のWebサイトやブランド名が引用・言及・参照されるように最適化することです。

例えば、Google検索で「MEO順位ツールとは」と検索すると以下画像のように、検索結果には生成AIによる概要（AI Overview）が表示され、回答の引用元として弊社のWebサイトへのリンクが3つ表示されています。

次に、ChatGPTに「おすすめのMEO順位ツールを教えてください」と質問してみます。

今度は弊社のMEO順位ツールの公式サイトURLと一緒にブランド名が言及されています。

このようにユーザーが生成AIに何かを聞いたときに、あなたのサイトやコンテンツが回答の根拠として選ばれるようにするのがLLMOの目的です。

AIの回答に自社のホームページが引用されたり、ブランド名について言及されることで自社サイトへの流入数や問い合わせ数が増える可能性があるため、LLMOは新たなマーケティング手法として注目されています。

LLMOはユーザーが生成AIに質問をした際に、AIが生成した回答の引用元として選ばれることです。

大前提として、各生成AIは回答を生成する際の情報元として私たちのWebサイトの情報をもとに回答を作成しています。

Googleであれば、Google検索エンジンから情報を取得し、ChatGPTやCopilotといった生成AIは主にBing検索エンジンを情報源にしているとされます。

LLMOとSEOの違いは「選ばれる対象」が異なる点です。

SEOは検索エンジンに評価され選ばれるように最適化をするのに対して、LLMOは生成AIに選ばれるように最適化を行います。

SEO（検索エンジン最適化）は、Googleなどの検索エンジンで自社サイトが上位表示されるように高品質なコンテンツの作成や被リンク獲得を行い、検索結果からの流入を獲得することを目的としています。

一方、LLMOは生成AIに引用されるために、ブランド力の強化や統計情報の記載、引用の埋め込み、わかりやすい文章構造などを意識して施策を行います。

SEOもLLMOも信頼性の高いWebサイトの方が優遇される点はどちらも同じです。

しかしながら、SEOはページ全体の品質や検索ニーズにマッチしているかどうかが重要視されるのに対して、LLMOでは質問の回答となる箇所が「わかりやすい文章であること」「根拠を示していること」「完結なテキストになっていること」「結論ファーストであること」が重要視されます。

LLMOで表示される施策は、Googleの強調スニペットに表示させるための施策とイメージが近いと言えます。

LLMOに今すぐ取り組まなかったとしても、すぐにWEBサイトのアクセス数やコンバージョン数が大きく減少し、集客に深刻な影響が出るというわけではありません。

しかし、今後LLMOは次の3つの理由からWeb集客を行う上で重要となります。

それぞれ詳しく解説します。

LLMOが重要な理由の1つ目は、ユーザーが情報収集を行う方法が変化していることです。

今まで情報収集する方法は検索エンジンを使った検索がメインでしたが、近年は生成AIを使って情報収集を行うユーザーが増えています。

データプロバイダDatosの調査によると、アメリカにおけるChatGPTの利用者割合は、2024年初頭の約7%から2025年初頭には約15%へと倍増しているという調査結果が出ています。またSEMrushの調査によると、インターネットを使って情報収集しているユーザー全体の1割が「まず最初に生成AIで検索する」との調査結果もあります。

つまり、ユーザーの検索行動が「AIファースト」へと移行しつつあると言うことです。

依然としてGoogle検索で情報収集を行うユーザーが大多数ではあるものの、情報収集の際にまずChatGPTやCopilot、Perplexityといった生成AIツールを利用するユーザーが増加してるため、AIでの回答文で引用されるための手法LLMOが重要視されています。

LLMOが重要な理由の2つ目は、Google検索の上部にAIOverviewが表示されることで、Google検索1位のクリック率が低下しているためです。

Amsiveが約70万件のキーワードを分析したところ、以下のような調査結果が出ています。

・AI Overviewが出た場合、検索1位を含むオーガニックCTRは平均 15.5%減少
・「非ブランド系の検索」においては CTRが19.9%減少
・AI Overviewとリッチスニペットが同時に出た場合、最大37.4%減というケースも

Google AI Overviews: New CTR Study Reveals How to Navigate Negative SERP Impact

Googleは2024年末にAI Overviewを100カ国以上へ正式展開しており、日本でも2025年初頭から本格的に導入されているため、日本国内も同様に1位のCTRは大幅に減少している可能性があります。

これは、以下の画像のように検索結果の上部にAIOverviewが表示された事で、1位でも検索結果画面のファーストビューに表示されないケースが増えた事が原因です。

また、仮にファーストビューに表示されたとしても、ユーザーがAIの回答で目的を達成できてしまうと、自然検索結果を見る必要がなくなるため、そこで離脱するユーザーが増えたことも要因に挙げられます。

一方で、AI Overviewの中で自社サイトが引用されていれば、URLのクリックやブランドの認知度を増やす機会になることが報告されています。

つまり、以前と比べて検索結果の1位の価値は低下しており、Webサイトの流入を増やすためには、検索結果の1位を目指すだけではなく「AIに引用される」必要があるため、LLMOが重要になっています。

LLMOが重要な理由の3つ目は、Google検索以外の新しい流入チャネルを増やすことができるためです。

これまで、Webサイトへのオーガニック流入といえば、ほとんどがGoogle検索を前提としたものでした。

しかし、ChatGPTやCopilot、Perplexityといった生成AIが一般利用されるようになったことで、情報探索の入り口そのものが変わりつつあります。

各生成AIの利用者は以下のような数値となっており、今後は各生成AIの利用者が増加していく事が予想されています。

このように、生成AIそれぞれがすでに数千万〜数十億規模のユーザー接点を持つプラットフォームへと成長しており、Googleだけに依存した情報発信や集客では、将来的に機会損失が発生する可能性があります。

また、上記生成AIは、回答の根拠としてWebサイトを引用しリンク付きで提示しているため、SEOで順位が上がっていないページでも、生成AI経由でユーザーからの流入を増やせる可能性があります。

つまり、LLMOに取り組むことで検索流入以外の流入チャネルを増やせるということです。

LLMOを行うためには、生成AIがどのような仕組みで回答を作ったり、引用元となるWebサイトを選んでいるのか、仕組みを理解することが大切です。

引用・言及される仕組みを理解するために、まずは生成AIがどのように回答を作成するのか解説します。

まず大前提として、生成AIはあらかじめ事前学習した情報から回答を生成をするパターンと、質問後にインターネットから情報収集を行い回答を生成する2つの方法で回答の元となるデータを収集しています。

引用元として自サイトのリンクが掲載されるのは上記の表でいうと「事前学習による知識+検索拡張生成（RAG）」を使って回答を作成したパターンです。

LLMOの目的の1つは、生成AIが提供する回答に引用元としてリンクを表示させ、自社への流入数を増やすことです。

そのため、LLMOで自サイトへの流入を増やすために生成AIにリンク付きで引用されるには、 検索拡張生成（RAG）が実行された際に、自サイトを選んでもらうように対策を行う必要があります。

GoogleのAI Overviewも検索拡張生成を使って回答を作成しているためLLMOではこちらの対策が本筋になりそうです。

では、具体的にどのようなフローで生成AIが検索拡張生成を行い、引用元のWebサイトを選んでいるのか次の項目で解説します。

各生成AIツールがどのように引用元となるページを選定しているのかは詳しく公開されていませんが、以下のフローで処理していると考えられています。

SEOの知識がある方は、この処理工程を見て「あれ？検索順位決定のフローに似てるぞ」と思ったのではないでしょうか？

そうなんです、生成AIが引用するWebページを選ぶフローや規準はSEOと共通する部分が多いため、LLMOを行う場合、結局は基本的なSEOが重要になってきます。

LLMOの効果を最大化するためには、ChatGPT、gemini、AIOverviewなど複数の生成AIで引用される数を増やすことが大切です。

そのため、生成AIごとにどのような場所から情報を取得し、引用元として表示しているのか理解しておきましょう。

geminiやAIOverviewなどGoogleが提供している生成AIは、主にGoogleの検索結果から関連性の高いテキストを持つページを引用しています。

Googleの特許によれば、ユーザーが入力した検索クエリおよびその関連クエリに対して最も適切に応答する文書群（Search Result Documents）をGoogleの検索インデックスから抽出し、それらを要約してAIスナップショットを生成、必要に応じて出典リンクとして参照する仕組みが説明されています​。
【参照】https://patents.google.com/patent/US11769017B1/en

そのため、SEOのように被リンク数が多かったり、ページランクが高いからといって引用されるわけではなく、重要なのは「直接かつ具体的な回答」を提供しているかどうかです。

ChatGPTもgeminiと同じように関連性の高いテキストが引用されますが、検索エンジンで評価の高いページを多く参照する傾向があります。特にブラウジング時のChatGPTはBing検索を使うため、Bing上位に出てくるWebサイトが引用されやすい傾向があります。

また、ChatGPTは「誰が書いたか」などのメタ情報も考慮している可能性があります。例えば同じ内容でも、公式ドキュメントや専門家が書いた情報を優先している傾向が見られます。

Perplexityに関する情報はあまり公開されていませんが、AIモニタリングツールを提供しているHall Technologies社の分析によると、Perplexityは引用するWebサイトを決定する際に、権威、関連性、コンテンツの品質が重視であると解説しています。

根拠となるデータはありませんが、体感的にも検索結果の上部に表示されているサイトが参照されるケースが多いため、GoogleのE-E-A-Tの概念と同じような規準を設けて引用元のページを決定している可能性があります。
【引用】https://usehall.com/perplexity-ai-optimization-monitoring

事前学習のみのデータを元に回答を生成する生成AIのモデルは、外部URLを保持していないため、リンク付きの引用ではなく言及だけに留まることがほとんどです。

しかしながら、LLMOの目的はリンク付きの引用を増やすだけではなく、自社名やサービス名についての言及数を増やし認知度を高めることです。

そのため、LLMOに取り組むのであれば、事前学習のみの仕組みも覚えて、言及数を少しでも増やせるように対策しておくことをおすすめします。

事前学習モデルでは、回答の元となるデータを集めるために、事前学習でWikipedia、ニュースサイト、インターネット上のWebぺージの情報を読み込んでいます。

事前学習のコーパスに自社名やサービス名が頻繁かつ一貫した表記で含まれていれば、生成AIは回答を作成する際に「ここを取り上げておけば間違いがない」と判断して言及頻度が高まります。

そのため、言及数を増やすためには、AIが事前学習するデータ内に自社についての情報を多く提供することがポイントです。

したがって、自社名やサービス名を事前学習データに取り込ませたい場合は、SEO でいう「サイテーション」に近い手法を意識し、権威あるメディアやニュースメディア、業界に関連するサイト内に掲載してもらうのが有効です。

このように、生成AIが情報を取得する方法によって回答内で引用なのか言及なのか分かれる傾向があるため、引用を増やす方法と言及を増やす方法はそれぞれ打ち手が異なるという事を覚えておきましょう。

LLMOを行う前に、生成AIに引用されやすいコンテンツの特徴を解説します。

引用されやすいコンテンツは次の4つのポイントを満たしているコンテンツです。

生成AIがどのページを引用対象にするのか決定する際に、もっとも強く影響するのは「質問とページ内容の関連性の高さ」です。

Google GeminiやBing Copilotは、質問に対して「一貫性があり、矛盾のない回答を生成すること」を目的としているため、「クエリと直接的に一致する回答を含むページ」を優先的に使用します。

LLM（大規模言語モデル）は、ただ単にテキストを参照するのではなく「その質問に対してどの文書がもっとも直接的かつ網羅的に答えているか」を内部で評価し、最も適切な情報を元に回答を作成します。　

SEOでユーザー検索したキーワードの背後にある検索意図を満たすページが上位表示されるのと同じように、関連性の高いコンテンツはLLMOでも有効なため、コンテンツを作成する際はテーマに対して関連性の高いページを作成しましょう。

生成AIに引用されるためには、AIが情報を正確に把握しやすいように、わかりやすいコンテンツ構造にすることが大切です。

わかりやすいコンテンツ構造とは、見出し（H1、H2、H3など）を適切に使用し、情報の階層を明確にしたり、論理的な並び順になっている構造のことを指します。また、見出しごとに記載する主張や情報を1つにすることでAIが情報を整理しやすくなります。

さらに、FAQ形式や箇条書き、番号付きリストなどのフォーマットもAIがコンテンツの構造を理解しやすいためAIに引用される可能性が高くなります。

例えば、「Q: 生成AIとは何ですか？ A: 生成AIとは、人工知能の一種であり…」のように、質問と回答をシンプルに記載します。

人間が分かりづらい構造の場合、機械であるAIは更に理解するのが難しいため、LLMOに取り組む上では、人間にとってわかりやすいコンテンツ構造になるようにしましょう。

専門性の高いコンテンツ生成AIに引用されやすい傾向があります。

なぜなら、AIがユーザーの質問に対して信頼性のある情報を提供するために、専門的な知識や経験に基づいたコンテンツを優先的に参照するためです。

統計情報や調査データ、専門家による見解などが含まれているコンテンツは、内容に裏付けがあると判断されやすいため、AIにとっても「根拠が明確な情報源」として扱われます。

また、公式機関が発表した数値などは、抽象的な説明よりも高く評価され、生成AIに引用されやすい傾向があります。そのため、LLMOに取り組む上では、SEOと同じように専門性の高いコンテンツ及びWebサイトを用意することが重要となります。

生成AIにはハルシネーションと呼ばれる問題があり、実在しない情報や誤った内容を生成してしまうことがあるため、「正確さ」と「信頼性」の高いコンテンツが引用されやすい傾向があります。

AIが生成したテキストに引用元のリンクが掲載されるのは、引用元のサイトを明らかにし、ユーザーに正しい情報を伝えるためです。

そのため、LLMOでは情報の根拠となる引用元や参照元を記載して情報の根拠を示したり、誰が書いたかを明確にして、事実に基づいた記述を行う必要があります。

生成AIにとって「安心して引用できる情報源」として認識されやすいのです。

前述した通り、LLMOでは引用されやすいコンテンツを作成することが大切です。

ややテクニカルな話にはなりますが、次のポイントを意識することで、AIに引用されやすいコンテンツを作成することができます。

SEOと共通する部分が多いですが、なぜLLMOに効果的なのか詳しく解説します。

LLMOでは、結論ファーストでユーザーの質問に簡潔かつ直接的に答えることを心がけましょう 。

Googleは今まで強調スニペットを表示するなど、ユーザーがすぐに質問の回答にたどり着けるような仕組みを取り入れています。AI Overviewでも同じように質問の回答となる文章を表示させるため、結論ファーストで直接的な回答をすることで引用されやすくなります。

実際に、生成AIが回答を作る際、質問とマッチするテキストを検索やベクトル検索で探し、最も関連性の高い一文や段落を抜き出します。そのため、質問に対する答えが前置きが長すぎたりすると、AIが必要な情報を正確に取り出せず、引用や言及の対象から外れてしまう可能性があります。

例えば「AはCでDだからＢ」であるのように、理由を挟まずに「AはBである」のようなシンプルな回答をするのがAIに引用されるコツとなります。

このように、LLMはコンテンツの冒頭部分を重視する傾向があるため、最も重要な情報や結論を最初に提示しましょう 。  

ユーザーが求める情報だけではなく、その背景や関連知識までしっかりと説明することで、生成AIから引用される可能性が上がります。

実際にAI Overviewに表示されている引用元のサイトを見ると、そのジャンルについての情報を網羅しているWebサイトがよく引用されています。

これは、AI Overviewが回答元となったWebページへのリンクを表示する際に、質の高い情報源を優先的に取り上げる設計となっているためと考えられます。

例えば、弊社のSEM Plusでは「Googleビジネスプロフィール ログイン方法」について詳細に解説したコンテンツを作成しているため、AI OverviewでもGoogle検索でも一番上に表示されています。

情報を網羅するだけで引用されるわけではありませんが、少なからずユーザーの疑問や質問を解決できるようにそのトピックに関する情報を詳細に記載することが、生成AIに引用されるためには必要です。

AIに引用元として選ばれるためには、コンテンツの情報を常に最新にしておくことが大切です。

前述したとおり、生成AIの多くはAI Overviewで検索拡張生成（RAG）を使い、外部データベースやウェブから関連度の高い最新情報を自動取得して、その中から回答を組み立てます。

検索拡張生成を使っている理由は、最新情報を元に回答を生成し、鮮度の高い情報をユーザーに提供するためです。

例えば、「ハワイ　３泊４日　費用」と検索するとAIに引用されているWebページの更新日は2025年のページとなっています。

続いて、「検索エンジン　シェア」というキーワードで検索した所、以下画像のように一番上部の引用元Webページの更新日は2025年の4月9日で、調べた中では同テーマを扱っているページの中では一番最新のページでした。

このように、検索拡張生成を使っている生成AIに対してのLLMOでは常にコンテンツを最新情報にすることが基本的な施策となります。

自社コンテンツに引用元を明記すると、生成AI（とくにGoogleのAI Overview）の回答で引用されやすくなります。

実際に、プリンストン大学、ジョージア工科大学、アレンAI研究所、インド工科大学デリー校の研究者が、AI検索エンジンを最適化するテストを行ったところ、高品質な情報源からの引用や出典の追加でベースラインと比較して30～40%の相対的な改善が達成されたと発表しています。

これは、コンテンツに情報の根拠となる引用元を掲載することで生成AIが「信頼できる情報源」と判断するためだと考えられます。

先ほど紹介した研究結果では「わかりやすく流暢な文章を作成すると生成AIに引用されやすくなる」という結果も出ています。

”流暢性の最適化と理解しやすさの手法も、視認性を 15〜 30% 向上させるのに役立ちました。
研究者たちはこれらの結果を、AI検索エンジンがコンテンツとその表現の両方をどのように評価したかを示すものとして解釈した。”

Researchers Discover How To SEO For AI Search

わかりやすい文章にするためには、冗長な文章を箇条書きや番号付きリストにして読みやすくする方法が効果的です。

例えば、3つのメリットについてすべて繋がった文章の塊として書くよりも、箇条書きにして一つ一つメリットを書いた方が生成AIは内容を理解しやすくなります。

また、わかりやすい文章にするためのもう一つの方法として、文章を短い段落で記述することも大切です。長い文章の場合、生成AIが重要な部分を特定するのが難しくなる可能性があるため、1つの段落が1つの文脈や考えをまとめたテキストのブロックになるように意識して文章を作成します。

LLMOに取り組む際は、ユーザーにとっても生成AIにとってもシンプルでわかりやすい文章を作成するように心がけましょう 。

テキストだけでなく、画像、動画、インフォグラフィックなどを利用することで生成AIから引用される可能性を高めることができます。

特にChatGPTは表・チャートなどの可視化されたデータを含むコンテンツから情報を抽出する傾向があります。

例えば、他の条件が同等なら、文章だけのページより図表入りの解説記事の方を優先して引用するケースが多く、統計データに関する図やグラフに関する画像は引用されやすくなります。

また、最近では生成AIの引用元としてYoutubeのページが表示されることがあるため、Youtube動画を作成することで動画自体が引用元に表示されるかもしれません。

ただし現状の多くの生成AIは、画像そのものの内容を視覚的に認識するのではなく、画像に付随するテキスト情報を手がかりに内容を把握します。そのため、インフォグラフィックや図版にはalt属性を付与してAIが画像の内容を理解できるようにすることが重要です。

FAQ形式でコンテンツを作ると、AI Overviewで引用候補として選ばれやすくなります。

通常の記事は長い段落が続きますが、RAGでは外部データベースから「意味的にまとまった短いテキスト片」を取り出して回答に組み込みます。

FAQはまさに「質問→回答」がひとまとまりになっているので、生成AIが意味を理解しやすい形です。

例えば、「返品ポリシーは何日以内に申し込めばよいですか？」というQ&Aを用意しておくと、AIが「返品に関する最新情報を教えて」と尋ねられたときに、そのFAQの回答を優先的に取り出して引用してくれます。

また後ほど詳しく解説しますが、FAQ形式で書く際にFAQの構造化データを使ってマークアップすると生成AIのクローラーがFAQ形式であることをより理解しやすくなります。

LLMOの戦略として、ユーザーからよく質問される内容はFAQ形式で記述するようにルール化しておきましょう。

LLMOもSEOと同じように、ページの内容をAIのクローラーが技術的に理解しやすいようにすることが大切です。

そこで、次の6つの施策を行います。

それぞれ詳しく解説します。

AI OverviewやChatGPTなどのLLMが使用するクローラーがサイトにアクセスできるよう、robots.txt ファイルの設定を確認しましょう 。

生成AIによる引用を狙う上で、クローラーのアクセスをブロックしていないことが大前提です。

多くの大規模言語モデル（LLM）は、独自のクローラーを通じてWebページの情報を収集していますが、robots.txtでアクセスが拒否されているとページをクロールできないため、学習する対象になりません。

以下の表は、主要な生成AI関連クローラーとUser-agent例です。

WebサイトをAIに正しく引用・参照してもらうには、robots.txtで上記のUser-agentを拒否しないことが条件です。

逆に、AIへの情報提供を拒否したい場合には、Disallowで拒否することもできます。

FAQ、How-to、Article、Productなどの構造化データを実装することで、生成AIがページ内の情報が「何について書かれているのか」正確に把握することができるようになります。

例えば、前述したFAQをコンテンツ内に作成する場合、FAQの構造化データを実装すると、「質問とその答え」であることを生成AIに伝えることができるため、引用されやすくなるということです。

これについて、Microsoft BingのプリンシパルプロダクトマネージャーであるFabrice Canel氏が、ミュンヘンのSMX で構造化データがMicrosoftのLLMによるコンテンツ理解促進に役立つと述べています。

また、GoogleのMartin Split氏も日本のSEO会社のインタビューで「Googleも同じ」という内容の発言をしていることからも、構造化データでマークアップしてあるコンテンツの方が生成AIが内容を理解しやすいというのは間違いなさそうです。

ただし、構造化データを実装しなくても、本文がわかりやすく記述されていればAIに引用されるため、LLMOを行う上で構造化データの実装が必須というわけではありません。

前述したとおり、生成AIはユーザーが入力した質問と関連性の高いページの情報を参考にして回答を作ります。そのため、LLMOでもSEOと同じようにページの タイトルタグなどメタタグを適切に記述して、コンテンツの内容を適切に伝えることが大切です。

特にタイトルタグは、AIが回答候補となるページを評価・選定する際にも参照される要素であり、タイトルと内容に一貫性があることが重要です。

また、最近ではSEO上の意味がほとんどなくなったメタディスクリプションもLLMOに取り組む上では無視できません。

メタディスクリプションはページ内の要約や説明としてAIに読み取られる可能性があるため、設定しておくことで、生成AIが質問と関連性の高いページと判断して引用や要約の対象にされやすくなります。

llms.txt ファイルとは、Webサイトの運営者が「生成AIに自分のコンテンツをどのように利用してほしいか」を指示するために設置するテキストファイルです。

llms.txtは2024年に入り複数の大手AI企業が提唱し始めたフォーマットで、robots.txtのようにWebサーバーのルートディレクトリ（例：https://example.com/llms.txt）に設置することで、AIクローラーに対して情報の取り扱い方を伝えることができます。

ただし、現時点（2025年5月時点）ではllms.txtはあくまで「提案段階の仕様」であり、すべてのAIクローラーがこれに対応しているわけではありません。

つまり、「llms.txtを設置したからといって、確実に生成AIによるコンテンツ利用が制御できるわけではない」というのが現状です。 

HTML 5のセマンティック要素（<article>　<header>　<section> 　<footer> など）を使うと、検索エンジンだけでなく生成系 AI がコンテンツの内容を把握しやすくなります。

2024 年に発表された HtmlRAGでは、従来の「HTML→プレーンテキスト」変換で失われる見出しや表などの構造情報が回答品質を低下させていると指摘し、HTML タグごと生成AIに渡した方が質問応答データセットで性能が向上したと報告しています。
【参考】https://arxiv.org/html/2411.02959v1

これは、人間が段落ごとに見出しが作成されているコンテンツの方が読みやすいのと同じで、AI も「ここが本文」「ここが補足」と区別できるほうが理解しやすいからです。

LLMOで直接的な施策ではありませんが、AI が回答をつくるときに「このページは情報が整理されていて使いやすい」と判断しやすくなるため、引用されやすくなる可能性があります。

表示速度の早いWebサイトは、Google のクローラーに巡回してもらいやすく、インデックス登録が早まるため、Google AI Overview の回答に使われる可能性が高くなります。

また、検索拡張生成機能を使っている生成AIは、ユーザーの質問に対し「数秒以内」に外部ページを取得して要約するため、バックエンドでフェッチタイムアウトを設けています。

応答が一定時間以内に返ってこないURLはスキップされ生成AIの回答内で引用されないため、ページの読み込み速度が極端に遅い場合は注意が必要となります。

ただし、基本的にはSEOで同じように体感的に遅くなければ特に何かを行う必要はありません。

気になる方はPageSpeed Insightsを使って、ページの読み込み速度に関するパフォーマンスを確認してみましょう。

LLMOでは生成AIに自社のエンティティを認識させることが重要です。

エンティティとは、検索エンジンや生成AIが「固有の意味をもつもの」として識別する対象で、人名・企業名・製品名・場所・日時・概念などを指します。

生成AIは質問に答える際、まず固有名詞をナレッジグラフのIDにひも付けて情報源を選びます。自社のエンティティが正しく認識されていないと、自社情報が引用候補から外れてしまうため、LLMOではエンティティ対策として次の４つの対策に取り組むのが効果的です。

それぞれ詳しく解説します。

Wikipediaに自社の情報を掲載することで、生成AIから引用や言及される可能性を高めることができます。

生成AIはページを引用するとき「誤りが少なくクローラーでアクセス可能かつ構造化された情報源」を優先的に利用します。その際、情報源として信頼性が高いWebサイトがWikipedia です。

Wikipediaの多くの記事はrobots.txtでクロールを許可しており、記事ごとに出典が整備されているため、AI が学習をするデータ元として最適なWebサイトと言えます。

実際にBrightLocalが、2024年の12月に実施したChatGPTの検索機能を調査したレポートでは、生成された回答に添えられる外部リンクのうち「ビジネスを説明する情報源」の 39% が Wikipedia だったと報告されています。

Wikipedia に自社に関する情報が掲載されたページを作成するのは難しいですが、掲載された場合のLLMO効果は大きいため是非チャレンジしてみましょう。

会社概要ページは「この会社について一番正しい情報が載っている場所」と見なされています。Webサイト内にある会社概要ページの情報を充実させることで、生成AIが自社について言及する際の情報が正確になります。

また、AI は質問に答える際に、企業名をナレッジグラフで照合し、信頼できる一次情報を探すため、内容が充実した会社概要の方が引用されやすくなります。

会社概要ページの情報は基本的な住所や電話番号に加え、設立年月日や取得している資格情報なども記載して内容を充実させます。

更にOrganization構造化データで name、address、foundingDate、sameAsなどを実装しておくと、AI はエンティティ照合と属性抽出を短時間で済ませられるため、生成された回答内で自社についてより言及されやすくなります。

会社概要を充実させる施策は、LLMOだけではなくSEOのE-E-A-Tを高める施策にも繋がるため取り組んでおきましょう。

自社のことを外部のニュースサイトや業界メディア、専門家のブログなどでたくさん紹介されていると、生成AIに引用されやすくなります。

GoogleやChatGPTのようなAIは複数の情報源が同じエンティティを扱っている場合「確かな情報である」と判断しやすくなります。

とくに信頼度の高いメディアの記事や業界団体のWebページに社名やリンクが掲載されていると、AIが答えをつくるときの根拠として使いやすくなり、自サイトが参考リンクに選ばれる可能性が高まります。

第三者のサイトに多く取り上げてもらうためには、業界メディアへの寄稿、プレスリリースの配信、無料の統計レポートを公開するなど、日々のプロモーション活動に力を入れることが大切です。

手間と時間はかかりますが、他サイトに多く掲載されればLLMOの効果だけではなくSEO効果もあるため取り組んでみましょう。

AI Overviewではリスト型の記事を引用元として表示することが多いため、リスト記事への掲載数を増やすことで自社についての言及を増やすことができます。

リスト記事とは「○○おすすめ20選」のような会社や商品を一覧で紹介している記事のことを指します。例えば、「SEO会社」と検索すると以下の画像のように AI Overviewには引用元としてリスト記事が３つ表示されています。

つまり、生成AIに引用元として表示されているリスト記事や、上位表示しているリスト記事に営業を行い、自社の掲載数を増やすことができれば、生成AIの回答内で言及される可能性が高くなるということです。

また、自社でリスト記事を作成すれば、言及+引用元として表示される可能性もあるため、他サイトが作成しているリスト記事への掲載だけではなく、自サイト内でのリスト記事の作成もLLMOの施策として取り組んでみましょう。

LLMOに取り組む際には、次の4つに注意するようにしましょう。

それぞれ詳しく解説します。

コンテンツに関連キーワードを多く追加しても生成AIから引用される数が増えることはありません。

Seerが2025年に行ったLLMOに関する調査結果によると、様々な業界に関連するキーワード10,000件をベンチマークとして作成し様々なテストを行った所、キーワードの過剰な使用は生成AIの引用数を向上させなかったと断言しています。

”excessive use of keywords does not enhance optimization for generative AI. Just like traditional search engines, keyword stuffing did not improve visibility for generative engines.”

【SEM Plus訳】
さらに、キーワードの過剰な使用は生成AIの最適化を向上させません。従来の検索エンジンと同様に、キーワードスタッフィングは生成エンジンの可視性を向上させませんでした。

Optimizing Content for Generative Search Engines Resulted in 40% More Visibility

LLMは単語の回数ではなく内容の信頼度やわかりやすい構造で情報を評価するため、関連キーワードを追加するだけでは引用されやすさは改善しないと言うわけです。

LLMOでは被リンクを増やしても生成AIに引用される数は増えません。

AI Overviewの回答で引用されるWebサイトの多くは、検索結果の上位に表示されるため必然的に多く被リンクを獲得している高DRのWebサイトとなりますが、生成AIはWebサイトが獲得している被リンク数や品質によって引用元を決めているわけではありません。

実際にKevin Indig氏 が1,675の健康系キーワードで AI Overview を調査したところ、AI Overviewに頻繁に引用されるドメインと被リンク数の間に強い関係は見られなかったと報告しています。
【参考】https://www.growth-memo.com/p/the-traffic-impact-of-ai-overviews

LLMOとSEOの施策には共通する点が多くありますが、被リンクによる評価については大きく異なるという事を覚えておきましょう。

文体がカジュアルな口調であったり感情的な場合、生成AIから引用されずらくなる可能性があります。

2024年の論文 Writing Style Mattersでは、同じ内容の文章を10通りの文体（フォーマル、カジュアル、絵文字入りなど）に書き換え、回答の候補に選ばれる確率に違いがあるか実験したところ以下のような結果になったと報告されています。

生成 AIは文章を「数字のかたまり」に置き換えて質問との近さを測り、近いものを引用の候補にするため、カジュアルな文体だと関連性を正確に把握しづらいのかもしれませんね。

たしかに、AIの回答は口調を指定しない限り固い文章が多く、 AI Overviewでもカジュアルな口調の文章が引用されているのを見たことがないため、LLMOに取り組む際は意識しておきましょう。

生成 AI に引用してもらうにはページ上のテキストをAIクローラーが取得できることが前提ですが、chatGPTなど一部のAIクローラーはJavaScriptを実行せずHTMLだけを取得します。

2025 年にVercelとMerjが公開したテストでは、OpenAI (GPTBot)・Anthropic (ClaudeBot)・PerplexityBotなどはJavaScriptをまったくレンダリングせず、HTML に直接書かれたテキストしか取得できなかったと報告されています。
【参考】https://vercel.com/blog/the-rise-of-the-ai-crawler

ここからはあくまで推測ですが、生成 AI 検索はユーザーの質問を受けてから数秒以内に外部ページをクロールして要約する必要があるため、時間とリソースのかかるJavaScriptの実行を省いていると考えられます。

GoogleのGeminiはJavaScriptをレンダリングできているので、AI Overviewへの影響はなさそうですが、その他の生成AIはJavaScriptを読み込んでいないため、LLMOを行うのであればなるべくHTMLで主要コンテンツを直書きしましょう。

※ 公式情報は公開されていませんが、一部検証ではGeminiが動的コンテンツも取得できる可能性が示唆されています。

まずはLLMOに取り組む上でどのような指標を計測すれば良いのか解説します。

LLMOはまだ確立されていない施策のため、今後別の指標が生まれる可能性がありますが現状は上記指標を追う形で良いと思います。

本記事では上記３つの指標の中からWebサイトのアクセス数や認知度に大きく関係する「引用・言及数」「流入数」の計測方法を紹介します。

AI OverviewやchatGPTは常に進化しており、表示内容も頻繁に変わるため最初は手動で計測する形でも十分です。

手動で計測する方法は以下になります。

手動でモニタリングする場合は手間がかかりますが、毎週ブラウザで検索してシートを埋める作業を続けていると、AI Overviewに引用される傾向のあるキーワードやコンテンツの特徴が少しずつ見えてきます。

ある程度データが貯まったら、「キーワード別の引用率」や「AIごとの引用傾向」を可視化してみましょう。

有料ですが、専用のツールを活用することで、生成AIに引用・言及されている数を自動で計測することができます。

生成AIのモニタリングツールで代表的なものは次の３つです。

生成AIの仕様が日々変更されたり、進化しているため、有料ツールを導入する必要は現時点ではないかもしれませんが、是非チェックしてみてください。

ZipTieは、生成AI専用のモニタリングツールで、AI Overview、ChatGPT、Perplexityをモニタリングすることができます。

海外の有名SEOコンサルタントも多く利用しているため、今注目されている生成AIモニタリングツールの1つとなります。2週間の無料期間がついていて全ての機能が利用できます。

【URL】https://ziptie.dev/

otterly.AIもZipTieと同じように、AI Overview、ChatGPT、Perplexityをモニタリングすることができる生成AIツールモニタリングツールです。

引用されたリンクの追跡機能や言及されたブランドがネガティブなのかポジティブなのかを判断する機能があるなど、生成AIツールモニタリングツールの中では多機能と言えます。

【URL】https://otterly.ai/

SE RankingはSEOの順位計測ツールで有名なツールで、オプション機能としてAI Overviewをモニタリングできる「AI Overviews Tracker」を提供しています。

引用されたリンク先のWebサイトのドメインランク、被リンクドメインの数、ランクインしているキーワードの数なども一覧で見れるので、どのようなサイトが引用されているのか競合分析を行うことも可能です。

【URL】https://seranking.com/features/ai-rank-tracker.html

GA4を使うことで、以下の画像のように各生成AIから自サイトへどのくらい流入数があるのか確認することができます。

レポートの作り方は以下になります。

以後はこの探索を開くだけで、ChatGPT・Gemini・Perplexity など生成 AI 経由のセッション数を確認することができます。

有料ツールにはなりますが、ahrefsを使うとAI Overviewに自サイトが引用元として表示されているキーワードを一覧で表示することが可能です。

これでAI Overview が表示されるキーワード一覧が表示されます。

最後にLLMOのデメリットについて解説します。

それぞれ詳しく解説します。

LLMOのデメリットの1つ目は効果測定が難しいことです。

LLMOの効果測定の方法について前述しましたが、ChatGPTやGeminiでは、同じキーワードでも回答や引用リンクが検索ごとに変わることがあるため、正確に効果を把握することはできません。

また、会話形式の質問の場合は、質問内容がユーザーによって無限にあるため、すべての回答バリエーションをチェックするのは現実的に不可能です。

さらに、AI回答だけでユーザーの疑問が解決してしまうケースも多いため、流入してきたユーザーの購買や問い合わせが本当にLLMOによるものか、別のマーケティング施策なのかを切り分けるのが難しいという問題もあります。

そのため、現状は問い合わせをしてきたユーザーに直接何を参照して問い合わせをしたのか確認する必要があります。

LLMOのデメリットの2つ目は対策を行っても費用対効果が悪い可能性があることです。

LLMOを行い AIの 回答に自社ページがたくさん引用されても、ユーザーが必ずリンクをクリックしてくれるわけではありません。

なぜなら、検索結果に強調スニペットが出るとクリック率（CTR）が下がるのと同じで、AI Overview や ChatGPT が質問に十分な答えを表示した時点で、読者は満足して離脱してしまうことが多いからです。

実際、最近になって「生成 AI経由の流入でコンバージョンが出た」という事例がちらほら報告され始めたものの、流入や成果が劇的に増えたという統計データは知る限りまだ見当たりません。

つまり、高いコストをかけて LLMO だけに注力しても、費用対効果が見合わない可能性があると言うことです。現状では、AI 検索で引用されやすいページも、基本的には従来のSEOとほぼ同じ「関連性と質の高いコンテンツ」「明確な構造」「信頼できる情報源」を持つページが評価されています。

今回は、LLMOについて対策方法や計測方法、生成AIが引用元を選定する仕組みについて解説しました。

正直、LLMOの施策内容はSEOと共通する項目が多く、計測方法もされていないため、現状ではしっかりとSEOに取り組むだけである程度は要件を満たす事が可能です。

ただし、ブランド力は今後大きく影響するためSEOと合わせてPR活動やプロモーション活動に力を入れていく必要があります。

弊社ではLLMOを加味したSEO対策を行う事ができるため、興味がある方は気軽にご相談ください。