- LLMOという言葉が指す範囲と、言及と引用という2つのゴール
- Googleが公式に示しているAI機能表示の前提条件
- いま着手してよい施策と、優先度を下げてよい施策の切り分け
- Search Consoleでは分離できない成果をどう測るか
社内で「LLMOもやったほうがいいのでは」という話が出て、調べ始めたものの、出てくる記事の言っていることが噛み合わない。定義も違えば、やるべきと書かれている施策も違う。llms.txtを置けと言う記事と、意味がないと言う記事が並んでいる。
この状態で手を動かすと、効くかどうか分からない作業に工数を使うことになります。LLMOという言葉自体がまだ固まっていないうえに、AI検索の挙動が変わり続けているので、情報の鮮度と正確さの差がそのまま記事の差になって出てきます。
この記事では、LLMOという言葉が何を指しているのかを整理したうえで、Googleが公式に明言している内容を基準にして、いま着手してよい施策、判断を保留してよい施策、やる必要がない施策を切り分けます。
結論を先に書くと、LLMOは新しい技術施策の集合ではなく、検索で読まれる状態を作れているかどうかの延長線上にあります。検索流入が伸びていないサイトがLLMOから手をつけても、順番を間違えているぶんだけ遠回りになります。
LLMOとは何を指す言葉か
LLMOはLarge Language Model Optimizationの略で、ChatGPTやGeminiのような大規模言語モデルを使ったサービスの回答のなかに、自社の情報が入るようにする取り組みを指します。ただし、この言葉は業界内の通称であり、Googleが定めた正式な用語ではありません。
LLMOの対象になるAIの範囲
LLMOという言葉が対象にしているのは、大きく分けて2種類です。1つはChatGPTやGeminiのようなチャット型のサービス。もう1つはGoogleの検索結果に出るAIによる概要や、AIモードのような、検索エンジンの中に組み込まれた回答機能です。
この2つは、情報の取り方も、答えの出し方も違います。検索エンジンに組み込まれた機能はGoogleの検索インデックスを土台にしているため、通常の検索対策との地続きです。一方、チャット型のサービスは学習データや独自のWeb取得を使うため、コントロールできる余地が小さくなります。
言及と引用という2つのゴール
LLMOの成果は、回答の本文に社名やサービス名が出てくる言及と、回答の根拠としてURLが示される引用の2つに分かれます。
引用はリンクが付くので流入につながる可能性がありますが、言及にはリンクが付きません。それでも、比較検討の候補として名前が挙がること自体に意味があります。どちらを狙うかで打ち手が変わるので、社内で目的を決めずに始めると評価軸がぶれます。
SEOとの関係は置き換えではなく上乗せ
LLMOはSEOを置き換えるものではありません。特にGoogleのAI機能については、後述するとおり、検索でインデックスされ、スニペットとして表示できる状態にあることが前提条件になっています。
つまりLLMOは、検索対策の土台の上に乗る追加の調整です。土台が崩れている状態で上に何を乗せても安定しません。AIO対策という言葉との違いや重なりは https://qujiraseo.com/blog/aio-taisaku-towa/ で整理しています。
LLMOが注目されている理由と、実際に起きている変化
言葉が広まった理由と、自社サイトに実際に影響が出ているかどうかは、分けて考える必要があります。
検索結果が回答提示型に寄っている
検索結果の上部にAIによる要約が出ると、利用者は要約を読んだ時点で疑問が解決することがあります。その結果、リンクがクリックされない場面が増えます。
Googleはこの点について、AIによる概要が表示される検索結果からのクリックは質が高い傾向があるという趣旨の説明をしています（出典: https://developers.google.com/search/docs/appearance/ai-features ）。クリック数そのものの増減と、訪問後の行動の質は別の指標として見る必要がある、という位置づけです。
検討の入口が分散している
これまで検索窓に入力されていた質問の一部が、チャット型のサービスに流れています。そこで候補として名前が挙がらなければ、比較のテーブルに乗る前に外れることになります。
ここがLLMOが気にされる本当の理由です。順位の話ではなく、候補に残るかどうかの話です。
話題の大きさと成果の大きさは一致しない
一方で、AI経由の流入が全体のなかでどれくらいの比率かは、サイトによって大きく違います。話題になっている量に引きずられて、自社での実際の比率を確認しないまま優先度を上げるのは危険です。
まずは自社の現状を数字で押さえる。それをしないうちは、どの施策も投資判断ができません。
注意したいこと
AI検索の影響度は業種とキーワードで差が出ます。全体の傾向をそのまま自社に当てはめず、自社の主要キーワードで実際に何が表示されるかを手で確認してください。
Googleが公式に示しているLLMOの前提条件
情報が錯綜している領域では、一次情報を基準にすると判断が早くなります。GoogleはAI機能についての公式ドキュメントを公開しています。
インデックスとスニペット表示が出発点
Googleの公式ドキュメントでは、AIによる概要やAIモードに表示されるための条件として、ページがインデックスされていること、そして検索結果にスニペット付きで表示できる状態であることが挙げられています（出典: https://developers.google.com/search/docs/appearance/ai-features ）。
逆に言えば、noindexのページ、スニペット表示を制限しているページは、この時点で候補から外れます。LLMOの施策を検討する前に、対象ページがこの条件を満たしているかを確認してください。
専用ファイルや専用マークアップは不要
同じドキュメントには、これらの機能に表示されるために新しい機械可読ファイル、AI向けのテキストファイル、マークアップを作る必要はなく、追加で必要となる特別な構造化データも存在しないという趣旨の記述があります（出典: https://developers.google.com/search/docs/appearance/ai-features ）。
この一文は、LLMO関連で語られる施策のかなりの部分の優先度を下げます。少なくともGoogle検索のAI機能に関しては、専用の仕込みは要件ではありません。
公式が言っていない部分の扱い
ChatGPTやPerplexityのようなGoogle以外のサービスについては、同じ確度の公式情報がそろっていません。この領域は各社の仕様変更で状況が変わるため、断定的に書かれている情報ほど慎重に扱う必要があります。
判断の基準としては、公式が明言している範囲を先に固め、それ以外は検証可能な範囲で小さく試す、という順番が安全です。
いま着手してよいLLMO施策
前提条件を満たしているなら、次はページ側の調整です。ここに挙げるものは、AI検索の仕様が変わっても無駄になりにくい施策に絞っています。
質問に先に答える段落構成への修正
AIは長い前置きを読んで要点を組み立てるより、要点が先に書かれている箇所を拾うほうが確実です。見出しで問いを立て、その直後の1段落で答えを言い切る。理由と条件はそのあとに続ける。
この構成は人間の読者にも有利に働きます。冒頭で答えが分かる記事のほうが離脱しにくいためです。既存記事の書き出しを直すだけでも、手をつけられる範囲は広いはずです。
自社にしか書けない情報の追加
どこにでも書いてある一般論は、AIから見れば代替可能な情報です。引用する理由がありません。
料金の条件、導入時に必要な準備、失敗しやすい工程、実際に受けた質問。こうした具体は、自社で持っているのに記事に書かれていないことが多い部分です。数字を出す場合は、いつ時点のどの範囲の数字かを添えてください。条件が書かれていない数字は、人からもAIからも扱いにくくなります。
社名・サービス名・事実関係の表記統一
サイト内でサービス名の表記が揺れていたり、会社概要とフッターで情報が食い違っていたりすると、どれが正しいかを判断できません。
表記統一は地味ですが、一度直せば全ページに効きます。サービス名、料金体系、提供範囲、会社情報を一度棚卸しして、基準となるページを決めてください。
外部に置かれた自社情報の確認
AI検索は自社サイト以外の情報源も参照します。掲載を依頼した比較サイトや、過去に出したプレスリリースに古い情報が残っていると、それが回答に混ざります。
自社名で検索して出てくる外部ページを一度洗い出し、明らかな誤りがあるものについては修正を依頼する。ここは自社サイトの改修より先に効くことがあります。
様子見でよい施策とやらなくていい施策
工数が有限である以上、やらない判断のほうが重要になる場面があります。
llms.txtの設置
llms.txtは、AI向けにサイトの情報を整理して置くという提案として広まったファイルです。ただし、Googleの公式ドキュメントは、この種のファイルを作る必要はないという立場を示しています（出典: https://developers.google.com/search/docs/appearance/ai-features ）。
設置してもサイトに害があるわけではありません。ただ、順位や表示を良くするために設置する、という理由づけには根拠が足りません。他の施策を止めてまで優先する対象ではない、という位置づけが妥当です。
AI向けの記事量産
引用されやすくするために記事数を増やす、という発想は、かつての量産型SEOと同じ失敗をたどりやすい方向です。内容の薄いページが増えると、サイト全体の評価にも読者の体験にも不利に働きます。
増やすより、既存ページのなかで検索順位が中位に留まっているものを直すほうが確実です。
構造化データの全面実装
構造化データはリッチリザルトの表示などで意味を持ちますが、AI機能への表示のために特別な構造化データが必要という記述は公式には見当たりません。
すでに実装しているなら、内容が実際のページと一致しているかを点検する。未実装なら、パンくずやよくある質問など効果の分かっているものから段階的に入れる。全面実装を最優先に据える理由は薄いと考えています。
ここがポイント
やらない施策を決めるときは、根拠として何を見たかを社内で記録に残してください。半年後に同じ議論が出たときに、判断をやり直す手間が減ります。
LLMOの成果をどう測るか
LLMOで最も難しいのは施策そのものではなく、効いたかどうかの判定です。ここを設計しないまま始めると、続ける理由も止める理由も作れません。
Search Consoleでは分離できないという前提
GoogleはAIによる概要やAIモードでの表示を、Search Consoleの全体のデータに含めていると説明しています（出典: https://developers.google.com/search/docs/appearance/ai-features ）。AI機能ぶんだけを取り出したレポートは提供されていません。
つまり、Search Consoleの数字だけでLLMOの成果を切り出すことはできません。この制約を理解したうえで、他の情報と組み合わせる必要があります。
手で確認した記録の蓄積
現実的な方法は、自社にとって重要な質問を10件ほど決め、主要なAIサービスで実際に投げて、回答に自社が出るかどうかを記録することです。
同じ質問を同じ頻度で確認し、結果を日付とともに残す。回答は毎回同じにはならないので、1回の結果で判断せず、複数回の傾向として見ます。手間はかかりますが、現時点ではこれが最も確実です。
指名検索と問い合わせ経路の併用
AIで名前を知った人が、そのあとに社名で検索して訪問する流れは珍しくありません。この場合、流入経路としてはAIの痕跡が残りません。
指名検索の推移、問い合わせフォームでの流入きっかけの選択肢、商談時のヒアリング。これらを合わせて見ると、AI経由の接点があるかどうかの手がかりになります。
検索流入が伸びていないサイトがLLMOに着手する順番
ここが、多くのLLMO解説記事が触れない部分です。すでに検索で成果が出ているサイトと、伸び悩んでいるサイトでは、着手すべき順番が変わります。
先に塞ぐべき土台の穴
インデックスされていないページが残っている、主要キーワードで50位圏外が続いている、更新が止まって情報が古いまま。この状態でLLMO施策に工数を割いても、前提条件を満たしていないので成果につながりません。
まずインデックス状況、スニペット設定、主要ページの順位、情報の鮮度を確認する。検索での不調の原因の切り分けは https://qujiraseo.com/blog/seo-koka-denai/ にまとめています。
新規制作より既存改修の優先
伸びていないサイトでは、新しい記事を作るより、すでにある記事のうち中位に留まっているものを直すほうが早く動きます。
その改修の中身は、答えを先に書く、一次情報を足す、条件を明記する、という前述の内容とほぼ重なります。検索のための改修とLLMOのための改修は、実務上ほとんど同じ作業になります。
小さく試して記録する運用
全ページを一度に直す計画は、たいてい途中で止まります。対象を10ページ程度に絞り、改修前後で検索順位とAI回答での出現をセットで記録する。
効いた型が見つかってから横展開する。この進め方であれば、AI検索の仕様が変わっても、判断材料が手元に残ります。
よくある質問
LLMOとSEOはどちらを優先すべきか
Google検索のAI機能については、インデックスとスニペット表示が前提条件になっているため、SEOの土台が先です。チャット型サービス向けの調整は、その土台の上での追加施策と考えてください。
llms.txtは置かないほうがよいのか
置いても害はありません。ただしGoogleの公式ドキュメントは必要ないという立場なので、検索やAI機能での表示を良くする目的での優先度は低くなります（出典: https://developers.google.com/search/docs/appearance/ai-features ）。
引用されれば流入は増えるのか
必ず増えるとは限りません。回答内で言及されるだけでリンクが付かない場合や、リンクが付いてもクリックされない場合があります。流入だけでなく、指名検索や問い合わせ時のきっかけまで含めて見る必要があります。
社内の人員だけで対応できるのか
答えを先に書く、一次情報を足す、表記を統一するといった施策は、記事を書ける担当者がいれば社内で進められます。難しいのは、どのページから手をつけるかの優先順位づけと、効果測定の設計です。
まとめ
- LLMOは大規模言語モデルの回答に自社情報が入るようにする取り組みで、業界内の通称であり公式用語ではない
- Googleの公式ドキュメントでは、AI機能に表示される条件はインデックスとスニペット表示であり、専用ファイルや専用の構造化データは不要とされている
- いま着手してよいのは、答えを先に書く構成への修正、一次情報の追加、表記の統一、外部情報の誤り修正
- llms.txtの設置、AI向けの記事量産、構造化データの全面実装は、優先度を下げて問題ない
- 成果はSearch Consoleだけでは分離できないため、手動での出現確認と指名検索の推移を組み合わせて判断する
新しい言葉が出てくるたびに施策を増やしていくと、工数だけが積み上がります。公式が明言している前提条件を基準にして、やることとやらないことを先に決める。検索で読まれる状態を作る作業とLLMOの作業はほとんど重なるので、遠回りに見えて、土台から直すほうが早く着きます。