LLMOとは？自分で対策するやり方と仕組みを解説

LLMO（Large Language Model Optimization）とは、ChatGPTやGemini、Googleの「AIによる概要」などの生成AIの回答内で、自社のサービス名・ブランド名・会社名が言及されたり、自社サイトが情報源として引用されたりする状態を目指す施策です。

例えば、ChatGPTに「おすすめのMEO順位ツールを教えてください」と質問した際に、以下の画像のように自社サービス名やURLが回答内におすすめとして表示される状態が、LLMOによって目指す状態です。

Googleの「AIによる概要」や「gemini」「ChatGPT」といった利用者の多い生成AIの回答内で紹介されることで、認知度の向上や問合せの増加に繋がるため、現在LLMOは多くの企業が注目している施策です。

なお、生成AIから「おすすめ」されるだけでなく、自社サイトが情報源として表示された場合も、認知拡大や流入数の増加が期待できます。

続いて、SEOとLLMOの違いについても理解しておきましょう。

SEOとLLMOはどちらも最終的なゴールは自社のお問い合わせや来店・購入といったコンバージョンを増やすことです。ただし、追うべき指標や露出を狙う場所が大きく異なります。

SEOは、Google検索などの検索結果上に自社サイトを表示させ、検索ユーザーにクリックしてもらい、自サイトへ流入してもらうことを目的とした施策です。そのため、SEOでは「どのキーワードで上位表示させるか」が重要になります。

一方LLMOは、ChatGPTやGemini、Googleの「AIによる概要」などの生成AIに、自社サービスやブランドを回答文の中でおすすめしてもらうことを目的とした施策です。そのため、LLMOではキーワードやプロンプトを入力した際に、自社がどの程度言及されるか、またどのような文脈で紹介されるかが重要になります。

	SEO	LLMO
目的	検索結果から自サイトへ流入を増やす	生成AIに自社サービスをおすすめしてもらう
対象	Google検索などの検索エンジン	ChatGPT、Gemini、AIによる概要、Perplexityなど
重要な指標	検索順位、CTR、検索流入数	AIでの言及数、推薦率、推薦される際の文脈

実際に行う施策については、Googleのクローラーと同様に生成AIもホームページの情報を参照しているため、従来通りユーザーにとって必要な情報を提供することがSEO・LLMO双方に有効であり本質的な施策です。

ただし、生成AIにおススメされるためには、自社が発信した情報だけではなく、より信頼できる根拠となる情報が必要です。

そのため、第三者が運営するWebサイトやメディア・口コミサイトで「誰向けか」「何が強みか」「どのような条件でおすすめされるべきか」といった情報を、AIが理解しやすい形で言及されることがLLMOでは重要になります。

LLMOを行う際に指標にすることが多い「言及」と「引用」の違いについても解説します。

「言及」と「引用」の違いを理解することでLLMOを行う際に「自社がどのような状態を目指すのか？」また「どのような施策が必要になるのか？」を整理して考えることができます。

LLMOを行う際に「引用」と「言及」のどちらを重視するかは各社の目的によって異なります。

生成AI経由の流入数を増やしたいのであれば、自社サイトが情報源として扱われる「引用」を追うことが重要です。

一方で、問い合わせや購入などのコンバージョンを増やしたいのであれば、比較・検討フェーズの回答内で自社名やサービス名が候補として出てくる「言及」を追うことが重要になります。

LLMOが注目されている理由は以下の3つです。

それぞれ詳しく解説します。

LLMOが注目されている理由の一つに、Google検索そのものの変化があります。

これまでのGoogle検索は、検索結果に複数のリンクを表示し、ユーザーが自分でページを選んで答えを探す形が中心でした。

しかしGoogleは現在、AI OverviewsやAI Modeを実装し、ユーザーの質問に対してAIが直接回答し、必要に応じて追加質問をしながら情報収集できる回答提示型の検索エンジンに進化しています。

つまり、Googleはユーザーにリンクを選ばせるだけでなく、検索結果上で直接答えを提示し、より早く目的の情報にたどり着ける検索体験を強化しているということです。

そのため、今後のWeb集客では、検索結果の1位を取るよりも「おすすめのブランドとして紹介してもらう」ことの重要性が高まっています。

Google検索画面の変化や生成AIの普及によって、ユーザーが商品やサービスを知り、比較し、候補を絞り込む流れが変わり始めています。

これまでは、Googleで検索し、複数のWebサイトや比較記事を見ながら、自分に合う商品・サービスを探す流れが一般的でした。しかし現在は、ChatGPTやGemini、AI Overviewsなどに条件を入力し、自分に合う候補を直接聞くユーザーが増えています。

AIの回答内に自社名やサービス名が出てこなければ、ユーザーの比較・検討候補に入る機会を失う可能性があるため、生成AIの回答内で自社名やサービス名をおすすめとして紹介させるLLMOが企業のマーケティングとして注目されています。

LLMOが注目されている理由として、生成AIの回答が問い合わせや商談結果に影響し始めている点も挙げられます。

例えば、「AIに質問したらおすすめされたので問い合わせた」というケースがある一方で、「AIが競合他社の方が条件に合うと回答したため失注した」「AIが自社について誤った情報を回答したことで検討対象から外れた」といったケースが実際に起こっています。

つまり、生成AIの回答は単なる参考情報ではなく、ユーザーの問い合わせ先や購入候補の選定をする意思決定に影響する接点になりつつあります。

LLMOのやり方を解説する前に、生成AIがWebページの情報を取得する方法と言及対象や引用対象を決める仕組みについて解説します。

SEOにおける検索アルゴリズムと同じように、生成AIにも「どの情報を参照するか」「どのブランドを候補として扱うか」「どのページを引用元として表示するか」を判断する仕組みがあります。

この仕組みを理解しておくことでLLMOで取り組むべき施策が見えてきます。

LLMOについてより深く理解するために、生成AIがどのようにWebページの情報を取得しているのかを理解しておきましょう。

生成AIは、人間のように自分で考えて回答を行っているのではなく、「事前学習」「RAG」「ユーザーが入力したURL」の3つの方法を使って取得したデータをもとに回答を生成しています。

それぞれ、どのような仕組みで回答の元となるデータを収集しているかを把握することで、LLMOでどのような施策が必要か見えてきます。

事前学習とは、生成AIがあらかじめ大量のWebページや書籍、記事などを学習し、その情報をもとに回答を生成する仕組みです。

例えば、OpenAIは「GPTBot」、Googleは「Google-Extended」、Anthropicは「ClaudeBot」といったAIクローラーを利用してWeb上の情報を収集しており、取得したテキストデータをもとに大規模言語モデル（LLM）の学習を行っています。

生成AIは、このように事前学習時に取得した情報をもとに回答を生成しているため、リアルタイム検索を行わなくても、学習済みデータ内に存在する情報については回答することができます。

どの情報が学習データとして利用されるかの詳細は公開されていませんが、「どのようなサービスなのか」「何に強い会社なのか」といった情報がWeb上で一貫して存在していることで、生成AIにエンティティ（実態）として認識されやすくなり、事前学習データとして利用される可能性があります。

RAG（検索拡張生成）とは、 ユーザーの質問に応じてリアルタイムでWeb検索を行い、取得した情報をもとに回答を生成する仕組みです。

生成AIが回答文を作成する際に、事前学習済みの情報だけでは最新情報や特定のWebページ内容まで反映できないため、生成AIは必要に応じてリアルタイムでクエリを投げて検索を行い、Web上の情報を取得し、その内容を参考に回答を生成しています。

RAGで情報源として利用されるためには、以下の条件を満たしAIや検索エンジンがページ情報を取得できる状態になっていることが重要です。

生成AIは、ユーザーが直接URLを入力することで、そのページ内容を読み取って回答を生成することもできます。

例えば、「このページを要約してください」とURLを渡すことで、AIがページ内容を解析して回答するケースがこれに該当します。

LLMOの基本としては、生成AIが「事前学習」「RAG」「ユーザーが入力したURL」のいずれかを実行した際に自社に関する情報が正しく生成AIに伝わるようにしておくことが重要です。

生成AIが回答内でおすすめするブランドを決める仕組みは以下になります。

それぞれの項目について詳しく解説します。

ユーザーが「おすすめのSEO会社」「〇〇に強いサービス」「A社とB社の違い」のような質問を入力した場合、生成AIは表面的なキーワードだけではなく、その質問に含まれる前提条件も読み取ろうとします。

例えば、「中小企業向けのSEO会社を教えてください」という質問には、「SEO会社を知りたい」という意味だけでなく「大企業向けの高額SEO会社ではない」 「自社の予算や体制に合う会社を知りたい」「中小企業でも依頼しやすい会社を知りたい」といった前提条件が含まれています。

生成AIが質問内容を理解したら、次にその質問に関連するWeb上の情報を取得します。

生成AIは、RAGによるリアルタイム検索を利用しながら、質問と関連性の高い企業の公式サイトやサービスページ、比較記事、ランキング記事、口コミサイト、導入事例、プレスリリース、ニュース記事、業界メディアなど、Web上に存在するさまざまな情報を取得します。

生成AIが取得した情報をもとに、各サービスの特徴を整理します。

この段階では、会社名やサービス名を把握するだけではなく、そのサービスが「誰に向いているのか」「何を提供しているのか」「どのような特徴があるのか」「どのような場面で選ばれるのか」といった情報を整理していると考えられます。

生成AIは整理された情報の中から、ユーザーの質問条件に合う企業やサービスを言及対象として絞り込んでいきます。

この時、生成AIは関連性の低いブランドやサービスをおすすめしないように、Web上で強みや特徴が一貫して語られているか、また信頼性の高いサイトで紹介されているかなどを踏まえて、言及対象を絞り込んでいると考えられます。

最後に生成AIは、絞り込んだ候補や取得した情報をもとに、ユーザーの質問に対する回答を作成します。

企業名やサービス名を並べるだけではなく、「なぜその企業やサービスがおすすめなのか」「どのような条件に合っているのか」まで含めて回答が生成されます。

また、AI Overviewsや一部の生成AIサービスでは、回答の根拠として参照元ページのURLが表示される場合もあります。

生成AIが回答内で引用するWebページを決める仕組みは以下になります。

それぞれの項目について詳しく解説します。

生成AIがWeb上のページを取得します。その際、ページが存在していても、クローラーが正しくアクセスできなければ情報を取得できません。

生成AIに引用されるためには、まずAIや検索エンジンがページ情報を取得できる状態にしておくことが重要です。情報がクロールできなければ、回答の根拠として使われる可能性も低くなります。

取得されたWebページは、ページ全体をそのまま扱うのではなく、意味のまとまりごとに細かく分割されます。この分割された情報の単位を「チャンク」と呼びます。

例えば、1つの記事の中でも「定義」「特徴」「料金」「メリット」「注意点」「FAQ」など、内容ごとに分けて扱われるイメージです。

チャンク化された情報は、AIが意味を比較しやすいように数値データへ変換します。これを「ベクトル化」と呼びます。

ベクトル化によって、文章同士の意味の近さを比較できるようになり、「この文章は料金について説明している」「この文章はサービスの特徴について説明している」といった内容の近さを判断しやすくなります。

ユーザーが質問を入力すると、その質問内容も同じようにベクトル化されます。生成AIは質問内容と意味が近いチャンクを検索し、回答に使えそうな情報を取得します。

例えば、「LLMOとは何ですか？」という質問であれば、LLMOの定義やSEOとの違い、対策方法などが明確に書かれたチャンクが取得されやすくなります。

取得されたチャンクの中から、生成AIは回答の根拠として使う情報を選びます。

情報を選ぶ際に質問との関連性だけではなく、情報の明確さ、信頼性、鮮度、ページ全体の文脈なども踏まえて、回答に利用する情報が選ばれると考えられます。

つまり、質問に対する答えが分かりやすく整理されているページほど、回答生成に使われやすくなります。

最後に、生成AIは回答を作成し、その根拠として参照したWebページを引用元として表示する場合があります。

ただし、取得されたすべてのページが引用元として表示されるわけではありません。回答内容の根拠として使われたページや、ユーザーが追加で確認すべき情報源として適切だと判断されたページが、引用元として表示されます。

LLMOで自社の言及を増やすには、生成AIに自社の商品・サービスの特徴や強みを正しく理解してもらう必要があります。

言及数を増やすための具体的なLLMOの対策方法は以下になります。

それぞれ詳しく解説します。

LLMOで自社の言及を増やすためは、エンティティ情報を整備して、生成AIや検索エンジンに「自社が何者なのか」を正しく認識してもらうようにしましょう。

生成AIは、回答内で候補を挙げる際に、その対象がどのカテゴリに属しているのか、どのような特徴を持つのか、どのようなユーザーに向いているのかを判断します。

そのため、エンティティとして認識されている情報が整理されているほど、AIが関連情報を結びつけやすくなり、ユーザーの質問に合う候補として言及される可能性が高まります。

エンティティ情報を整備するためには以下の方法が有効です。

LLMOで自社の言及を増やすためには、自社サイト内の情報を充実させることが重要です。

自社サイト内に「誰向けのサービスなのか」「何に強いのか」「どのような条件に向いているのか」といった情報が不足していると、生成AIが自社を適切な候補として認識しにくくなるため、まずは公式サイトである自社サイト内の情報を充実させましょう。

例えば、「SEOに強い会社」とだけ書くのではなく、「ECサイトのSEO支援実績が500サイト以上」「SEOコンサルティングの継続率88％」「主要キーワードの上位表示率83％」のように、具体的な数字を交えて強みを示すことで、生成AIが自社の特徴を理解しやすくなります。

その他にも以下に関する情報を自サイトに記載しておきましょう。

ユーザーが自社に強みや特徴に関する質問をした際に、確実におすすめされるように細かく情報を記載するのがポイントです。

LLMOで自社の言及を増やすためには、第三者が運営する外部サイト上で自社の会社名・サービス名・商品名などについての言及「サイテーション」を増やすことが重要です。

実際に、AirOps Researchの調査では、AI検索におけるブランド言及の85％が第三者サイト由来、13％が自社ドメイン由来、2％が引用元なしだったとされています。さらに、第三者サイト由来の言及のうち、約90％がリスト記事・比較記事・レビュー記事から発生していたと報告されています。

参考：https://www.airops.com/report/the-influence-of-offsite-signals-in-ai-search

リスト記事・比較記事からのサイテーションを獲得するためには、以下を行うのが効果的です。

営業する際は、 記事運営者が掲載しやすいように、サービス概要・ロゴ・画像・実績データを提供したり、「比較対象として追加する価値がある理由」を明確に伝えるようにしましょう。

Web上で紹介されている自社の強みや特徴にズレがあると、生成AIも人間と同じように「どんな特徴の商品なのか」「何に強い会社なのか」を判断しにくくなります。

そこで、自社について外部サイトに掲載してもらう際は、以下のような情報をできるだけ統一します。

人間が迷うことは生成AIも同じように迷います、どのサイトを見ても強みや特徴が一貫した内容で紹介されているようにWeb上の情報をコントロールしましょう。

LLMOで自社の言及を増やすためには、口コミを獲得することも重要です。

私たちが、ユーザーから多くの口コミやレビューを獲得している商品・サービスを人気と思うように、生成AIも同じように「利用者から評価されているサービス・商品」と認識します。

例えば、「評判の良い美容クリニック」「口コミ評価が高いMEOツール」「利用者満足度の高いSEO会社」のように、ユーザーが評価や評判を含めて質問した場合、生成AIは、口コミサイト、レビューサイト、などに掲載されている第三者の評価も参考にする可能性があります。

口コミは、ユーザーにとっての判断材料になるだけでなく、生成AIが「どのような商品・サービスが支持されているのか」を判断する材料にもなるため、LLMO対策として、口コミ獲得に取り組みましょう。

LLMOで自社の言及を増やすためには、成功事例やお客様の声を増やすことも重要です。

通常成功事例やお客様の声には、導入前の課題、利用したサービス、実施した内容、得られた成果などが具体的に記載されるため、生成AIがユーザーの細かい質問に回答する際に、自社の商品・サービスが条件に合う候補として認識されやすくなります。

また、成功事例やお客様の声が多いことは、実際に導入・利用されている商品・サービスであることの証明にもなるため、実績がある企業・サービスとして認識され生成AIが「おすすめできる候補」として言及されやすくなる可能性があります。

成功事例やお客様の声を掲載する際は、抽象的な内容ではなく、課題、導入理由、施策内容、成果、利用後の変化などを具体的に記載することが大切です。

具体的な情報が多いほど、生成AIが商品・サービスの特徴を理解しやすくなり、条件に合う質問で言及される可能性が高まります。

LLMOで引用数を増やすには、以下の施策をおこなうのが有効です。

それぞれ詳しく解説します。

生成AIに引用される確率を高めるためには、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が大切です。

生成AIは、ユーザーの質問に対する回答を作成する際に、Web上の情報から関連性の高い文章や段落を参照することがあります。ページ内に質問への答えが分かりやすく記載されているほど、回答の参考情報として扱われやすくなります。

例えば、「AはCでDだからBです」のように理由から説明するのではなく、まず「AはBです」と結論を伝え、その後に理由や補足情報を説明する構成にしましょう。

このように、最初の一文で質問に直接答えることで、ユーザーにも生成AIにも内容が伝わりやすくなるため引用される可能性が高くなります。

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。

AQ、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。

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と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に取り組む際には、次の7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。

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。

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。

クローラー名／提供元	User-agent名
ChatGPT（OpenAI）	GPTBot
ChatGPT（OpenAI）画像用	GPTBot-Image
Google AI Overview	Google-Extended
Perplexity AI	perplexitybot

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。

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。

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。

指標	内容	やり方
引用・言及数	AI回答に自社ページが載ったか	手動モニタリング：主要キーワードで検索して、自社ドメインが引用リンクに入っているか確認する。 自動モニタリング：ツールを導入して、主要キーワードで自社ドメインが引用リンクに入っているか確認する。
流入数	AI経由の流入量	GA4 を使って各生成AIツールからの流入数を計測
クロール数	AIクローラーの巡回状況	サーバーログでGPTBot,CCBot,perplexitybotなどのUser‑Agentを集計し、施策前後でヒット数を比較。

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。

今回は、LLMOについての基本的な仕組みとして、生成AIが「言及」「引用」する仕組みや、実際に言及や引用を増やすためのやり方について解説しました。

LLMOの基本的な方針としては、自社サービスや商品の魅力や特徴をユーザーと生成AIに理解してもらうようにすることが何よりも重要です。そのため、自サイトの情報整備に加えて第三者が運営するサイト上や口コミサイトでも自社について一貫した内容で紹介される必要があります。

このように、LLMOはブランド力が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きましょう。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。