LLMO対策のやり方を調べると、llms.txt、構造化データ、FAQの追加、プレスリリース、比較サイトへの掲載と、施策の一覧が次々に見つかります。けれども一覧を読んだだけでは、それぞれの施策が何のためにあり、どれから手をつければよいかは分かりません。
この記事ではBtoBのLLMO対策を4つのレイヤーに分けて、体系として整理します。AIエージェントが自社サイトを読める環境を整える「技術レイヤー」、サービスページと社外の説明で自社が何者かをそろえる「記述レイヤー」、どんな場面でどう紹介されたいかを決める「文脈レイヤー」、そしてAIに薦められた買い手が連絡してくる出口の「接触レイヤー」です。
レイヤーごとに、何を問うのか、代表的な施策、確かめ方、さらに学ぶための記事をまとめました。BtoBのマーケティング責任者やWebサイトの担当者が、LLMO対策の全体像をつかみ、自社のどこから手をつけるかを決めるための地図として使えます。なお、LLMO対策はGEO(生成エンジン最適化)、AIO対策、AEO対策とも呼ばれます。用語の定義や研究の読み方は「LLMO対策とは?」で解説しています。
LLMO対策の全体像:4つのレイヤー
4つのレイヤーはそれぞれ次の問いに置き換えられます。
AIが買い手に自社を薦め、買い手が連絡してくるまでには段階があります。AIは自社のページを読み、読んだ内容から自社が何者かを理解し、買い手の質問の条件に合うと判断すれば、理由をつけて薦めます。薦められた買い手はサイトで確かめてから連絡します。4つのレイヤーはこの段階に対応しています。
技術・記述・文脈の3つはAIについての問いです。接触レイヤーだけは問いの主語が買い手(または買い手が使うAIエージェント)に戻ります。どれか1つが欠けると、ほかのレイヤーでの取り組みは売上に届きません。
施策をレイヤーに分けて見えること
段階ごとに分けておくと、施策の役割が見えます。たとえばllms.txtは技術レイヤーの施策で、AIエージェントにサイトの案内を渡し、どのページを読めばよいかを示すものです。AIが自社をどう紹介するかを、直接変えるものではありません。比較サイトのプロフィールを直すのは記述レイヤー、業種別の導入事例を増やすのは文脈レイヤーの施策です。何のための施策かが分かれば、効果の測り方と担当の部署も決まります。
| レイヤー | 問い | 主な施策 | 測るもの | 主な担当 |
|---|---|---|---|---|
| 技術 | AIが読めるか | AIクローラーの許可、JavaScriptなしで本文が読める作り、判断材料のHTML化 | AIクローラーの来訪、主要ページの取得結果 | Web担当、制作会社、情シス |
| 記述 | AIが正しく知っているか | サービスページの事実、比較サイト・代理店・プレスリリースなど社外の説明の統一 | AIの回答に含まれる事実の誤り | 製品マーケティング、広報、パートナー担当 |
| 文脈 | AIがどの場面で、どんな会社として薦めるか | ポジショニングとUSPを紹介されたい一文に決める、業種・規模別の事例、比較ページ | 狙った質問での伝わり方(何の会社として・誰向けとして・どんな強みで紹介されたか) | マーケティング責任者、営業、経営 |
| 接触 | 薦められた後に会えるか | AI経由の訪問者への導線、日程調整、エージェントでも操作できるフォーム | AI経由の訪問企業、商談化、商談で「AIで知った」と答えた割合 | マーケティング、インサイドセールス |
担当の部署がレイヤーごとに違うことも、この表から分かります。LLMO対策がブログの担当者だけでは進まないのは、このためです。
SEOとの違いをレイヤーで見る
LLMO対策とSEOの違いも、レイヤーに分けると整理しやすくなります。
| レイヤー | SEOとの関係 | LLMO対策で加わること |
|---|---|---|
| 技術 | ほぼ共通。クロールできること、本文が読めることはSEOの前提と同じ | AIの会社ごとのクローラーの扱いと、WAF・CDNでの止まり方を確かめる |
| 記述 | 共通する部分が多い。製品ページに事実を書くことはSEOにも効く | 自社サイトの外にある説明も、AIの答えの材料になる |
| 文脈 | SEOにはない考え方 | 順位がなく、どの条件で、どんな会社として紹介されるかを見る |
| 接触 | SEOのCV設計の延長 | 買い手が比較を終えてから来る。AI経由の訪問は参照元に出ないこともある |
Googleは生成AI向けの最適化ガイドで、生成AIの検索に向けた最適化は検索体験の最適化であり、SEOそのものだという立場をとっています。技術と記述のレイヤーでSEOの基本を外さないことが、LLMO対策の前提です。違いが大きいのは文脈と接触で、測る指標が順位やクリック数から、AIでの伝わり方とAI経由の商談に変わります。
技術レイヤー:AIエージェントが読める状態にする
技術レイヤーは整えたからといって推薦が増えるものではありません。止まっていると、ほかの3つのレイヤーで何をしてもAIに届かない、という種類のものです。まず、塞ぐべき穴があるかを確かめます。
3種類のAIクローラーとrobots.txt
AIの会社が動かすクローラーは用途で3つに分かれます。モデルの学習のためにページを集めるもの、AI検索の回答のためにページを集めるもの、そして利用者がAIに頼んだときに、その場でページを読みに来るものです。
robots.txtで学習用を断っても、検索用と人の操作で読みに来るものを通していれば、AI検索の回答に載る道は残ります。逆に、AIのクローラーをまとめて断る設定にしていると、比較検討の場面で自社サイトが読まれません。人の操作で読みに来るものについては、robots.txtの指定が当てはまらない場合があると説明している会社もあります(OpenAI、Perplexity)。
Googleの「Google-Extended」は、Geminiの学習などにページを使うことを断るための、robots.txt用の名前です。Google検索への表示には影響せず、AIによる概要やAIモードへの表示もこの名前では止まりません。AIによる概要やAIモードに自社サイトを含めるかどうかは、2026年8月末から、Search Consoleの「検索の生成 AI 設定」で選べるようになりました。この設定で意図せず外していないかも確かめます。
WAFやCDNでの止まり方
見落としやすいのがWAFやCDNの設定です。Cloudflareは2025年7月、許可なくコンテンツを集めるAIのクローラーを既定で止める方針を発表し、新しく登録するドメインでは、AIのクローラーを許可するかどうかを最初に選ぶ形にしました。robots.txtで許可していても、その手前のWAFやCDNで止まっていれば読まれません。BtoBの企業サイトはセキュリティの方針で海外からのアクセスやボットを広く止めていることもあります。情シスと一緒に、どこで止めているかを確かめます。
JavaScriptを実行しないクローラー
Vercelが2024年12月に公開した分析では、OpenAI、Anthropic、PerplexityのクローラーはJavaScriptのファイルを取得しても、実行はしていませんでした。実行していたのは、GoogleのGeminiが使うGooglebotと、AppleのAppleBotです。その後、実行するようになったという報告は個人のログにとどまり、各社は公表していません。
ブラウザでJavaScriptを動かして本文を表示する作りのページは、こうしたクローラーには中身のないページに見えることがあります。製品ページや料金表を後から読み込む作りにしている場合は、JavaScriptを切った状態でも本文が読めるかを確かめます。
判断材料をPDFやフォームの奥に置かない
料金表、機能一覧、セキュリティチェックシートへの回答、導入の流れ。比較検討でいちばん使われる材料ほど、BtoBではPDFの資料や、資料ダウンロードのフォームの奥に置かれがちです。フォームの奥の資料はAIには読めませんし、PDFも画像だけで作られていれば中身を取り出せません。
リードの獲得のために資料を残すとしても、候補に入るための事実(対象企業、主な機能、料金の考え方、連携先、認証)は、HTMLのページにも書いておきます。資料には比較表のひな形や稟議用の説明など、読んだ人が持ち帰って使う材料を残せば、ダウンロードの理由はなくなりません。
llms.txtと構造化データの位置づけ
Googleは「AI 機能とウェブサイト」で、AIによる概要やAIモードに表示されるための追加の要件や特別な最適化はないとしています。生成AI向けの最適化ガイドでも、構造化データは必須ではなく、AI向けのテキストファイルも作る必要はないと書いています。Google検索のAIによる概要やAIモードだけを考えるなら、どちらも優先度は高くありません。
ただし、AIの読み手はGoogle検索だけではありません。Claude CodeやCodexのようなエージェントツールに、候補製品の比較や技術的な評価といった深い分析を任せると、エージェントがllms.txtを読みに来ます。Claude Codeなどのエージェントがllms.txtを読んでいることは、当社でも直接確認しています。外部の調査にも同じ傾向が出ています。Ahrefsが13万7,000のサイトを調べた調査では、llms.txtへのリクエストのうち、Claude CodeなどのAIエージェントとその関連基盤によるものが10.5%で、AI検索のボット(1.1%)より多くありました。AhrefsはAIエージェントについて、指示されたときにllms.txtを取りに来るもので、当てずっぽうに探しには来ないと分析しています。AIトラフィック分析のGaugeは、OpenAIのCodexが作業の33.6%でllms.txtを開いていたと報告しています。構造化データが読まれているかを示すデータはまだありませんが、HTMLをそのまま取得するエージェントなら、ページに埋め込んだ構造化データ(JSON-LD)も目に入るため、読まれる可能性はあります。
BtoBでは、情シスやエンジニアがAPI連携やセキュリティの要件を確かめる場面で、こうしたエージェントツールを使うことが考えられます。llms.txtは深い分析を任されたエージェントにサイトの道案内を渡すものとして、置いておく価値があります。構造化データも、エージェントが読む可能性に備えて整えておけば、読み手の手間が減ります。ただし、どちらもなければAIに読まれないというものではありません。優先するのは、クローラーを止めていないか、本文が読めるかの確認のほうです。
エージェントが操作できるページにする
AIエージェントはページを読むだけでなく、ボタンを押したり、フォームに入力したりもします。OpenAIは、ブラウザのChatGPT Atlasが、スクリーンリーダーと同じARIA(アクセシビリティのための属性)のラベルや役割を手がかりに、ページの構造と操作できる要素を読み取るとしています(Publishers and Developers FAQ)。見出し、ボタン、フォームの項目に正しいラベルが付いているページは、AIエージェントにも操作しやすいページです。この点は、接触レイヤーにもつながります。
技術レイヤーの確かめ方
- サーバーやCDNのログで、AIのクローラーの来訪と、返したステータスコードを見る
- JavaScriptを切ったブラウザやcurlでページを取得し、本文が含まれるかを見る
- 料金や仕様が、画像やPDFではなくHTMLのテキストで書かれているかを見る
- WAFやCDNのボット対策と、Search Consoleの検索の生成 AI 設定を確かめる
技術レイヤーをさらに学ぶ
- 「llms.txtは意味ない?」:SEOの効果がないと言える根拠と、Claude CodeなどのAIエージェントが読んでいる形跡、BtoBの比較検討で役立つ可能性、書き方のテンプレート
記述レイヤー:自社が何者かを事実でそろえる
記述レイヤーで問うのは、AIが自社について正しく知っているかです。AIが買い手に説明できるのは、どこかのページで読めた事実だけです。事実を置く場所は自社のサービスページと社外にある自社の説明の2つに分かれます。
サービスページに書く事実
選定や比較の質問では、AIはブログ記事よりもサービスページや製品ページを多く出典にしています。BtoBのSaaSや専門サービスについての引用7,387件を調べたTen Speed(BtoBのマーケティング支援会社)の調査では、評価段階の質問で最も多く引用されたのは製品ページで、24.1%でした。
書くべきは誰に向けたものか(向かない企業も含めて)、解決する課題、できること・できないこと、料金の考え方、連携先、認証、導入事例の成果です。「あらゆる企業の業務をスマートに」のような言葉は、AIにとって推薦の根拠になりません。
社外にある自社の説明
AIは自社サイトだけを読むわけではありません。Ahrefsが7万5,000のブランドを調べた分析では、GoogleのAIによる概要での露出と最も強く相関したのは、Web上でブランドが言及された数でした(相関係数0.664)。被リンクの数(0.218)より強い相関です。相関なので因果までは言えませんが、社外での言及がAIの答えと結びついていることがうかがえます。社外の説明は評判として推薦を後押しします。一方で、内容が古ければ、誤った説明の出どころにもなります。
BtoBでは、自社について書かれた場所が思いのほか多くあります。
| 場所 | よくあるずれ | 直す人 |
|---|---|---|
| IT製品の比較・レビューサイト(ITreview、BOXIL SaaSなど) | 旧プランや旧料金、登録したカテゴリ | 製品マーケティング |
| 代理店・販売パートナーの紹介ページ | 旧製品名、終了した機能、古い画面 | パートナー担当 |
| 過去のプレスリリース | 当時の料金や対象、提供を終えたサービス | 広報 |
| 企業情報のデータベース | 事業内容の古い説明、従業員数 | 広報、総務 |
| 登壇資料・ウェビナーのアーカイブ | 旧ロードマップ、旧価格 | 事業部 |
| 求人サイト・SNSのプロフィール | 事業の一行説明が製品ページと違う | 人事、広報 |
全部を一度に直すのは現実的ではありません。まず、製品名の表記、一行の説明、対象企業、料金の考え方、主な連携先、認証を1枚にまとめたファクトシートをつくります。製品ページも社外のプロフィールもそこから写す形にします。ファクトシートを更新したら、上の表の持ち主に知らせる流れも決めておきます。
記述レイヤーの確かめ方
- AIに自社の料金、対象企業、主な機能、競合との違いを聞き、事実の誤りを数える
- 誤りがあれば、AIが示した出典をたどり、どこから来た説明かを調べる
- ファクトシートと、比較サイト・代理店のページの記載を見比べる
記述レイヤーをさらに学ぶ
- 「LLMOの時代はサービスページ・製品ページを強化しよう」:AIが選定の質問で製品ページを多く引用する理由と、製品ページを強化するときの3つの視点
- 「AIO・AEO対策の外部施策」:プレスリリースや技術系メディアなど、社外での言及そのものを増やす施策
文脈レイヤー:どの場面でどう紹介されたいかを決める
記述レイヤーが「自社は何者か」という事実の話だとすれば、文脈レイヤーは位置づけの話です。AIは会社の名前だけを挙げるわけではありません。「従業員300人の製造業でSAPと連携したいなら、生産管理システムの〇〇。製造業の導入事例が多いから」というように、誰に向いているか、何の会社か、なぜ選ぶのかを名前と一緒に語ります。この記事でいう文脈はどんな質問のときに、どんな会社として、どんな理由で名前が挙がるかのことです。
文脈を決めるのは、マーケティングで昔から言われてきたポジショニングとUSP(他社にはなく、買い手にとって意味のある、選ばれる理由)です。名前が挙がっても、強みや対象がずれて伝われば、比べられる相手も問い合わせもずれます。考え方と決め方は「LLMOで問われるのは「文脈」」で詳しく解説しています。
買い手がAIに添える条件
AIは、買い手が候補を絞る段階に入り込んでいます。
| 出典(発表元の立場) | 調査の対象・時期 | 結果 |
|---|---|---|
| G2「In the Answer Economy, Don't Win the Click — Win the Answer」(ソフトウェアのレビューサイト) | B2Bソフトウェアの買い手・意思決定者1,076人、2026年3月 | 51%がGoogleよりAIのチャットで調べ始めることが多い(2025年の調査では29%)。候補のリストに最も影響した情報源はAIのチャットで、レビューサイト、調査会社、ベンダーのサイトを上回った。69%が、AIのチャットが薦めたことで当初の予定と違うベンダーを選んだ |
| HubSpot Japan「日本のBtoB購買に関する意識・実態調査2026」(CRM・MAのベンダー) | 生成AIやAI検索を使う1,155人、2026年6月 | 用途の1位は「候補となる商品・サービスの洗い出し」で50.3% |
※いずれも回答者の自己申告です。対象と設問が違うため、数字をつないだり比べたりはできません。
候補の洗い出しを頼むとき、買い手は自社の業種や規模、困っていること、いま使っている仕組みを条件として添えます。tovira.jpのSearch Consoleにも、「BtoB企業です。〇〇ツールの導入を検討しています。うちのような会社に合うものをいくつか教えてください。」のような、AIに話しかけるような長い文の検索語が出てきます。この「BtoB企業です」「うちのような会社に」の部分が、AIが推薦の相手を選ぶときの文脈です。
記述と文脈の違い
2つのレイヤーの境目は、次のように分けると説明がぶれません。
この分け方では、社外の説明の統一は事実の話なので記述レイヤーに入ります。比較サイトでどのカテゴリに登録するか、何と比べられるかは、文脈レイヤーに入ります。選ばれる理由を裏づける事実(数字入りの事例、仕様、料金)は、記述レイヤーで書きます。
紹介されたい一文を先に決める
文脈レイヤーで最初にするのは、AIにこう紹介されたいという一文を書くことです。AIの紹介は「〇〇なら△△。□□だから」という形になりやすく、〇〇を決めるのがポジショニング、□□を決めるのがUSPです。一文には次の4つを入れます。
- 誰の:どんな会社の、どの担当者に一番向いているか(業種、規模、部門)
- どんな場面で:買い手がどんな悩みを抱えたときに思い出されたいか
- 何として:買い手に何と比べてほしいか(カテゴリ)。競合の製品だけでなく、Excelでの管理や内製、何もしないことも比べる相手になる
- なぜ(USP):その場面で、他社ではなく自社を選ぶ理由を一つ
対象を絞ると取りこぼすように感じますが、AIへの質問には「中堅の製造業で」「SFAとつなげたい」のような条件が入ります。絞って言っている会社ほど、その条件に当てはまります。向いていない会社も書いておくと、対象がずれて伝わりにくくなります。
この一文はマーケティングの部署だけでは決められません。商談で勝っている相手と負けている相手、受注した企業がよく口にする理由を、営業から聞いて書きます。経営が狙っている市場とずれていないかも確かめます。LLMOの施策というより、ポジショニングを言葉にする作業です。
文脈を裏づける材料を置く
一文を決めたら、AIがその文脈で自社を挙げられるだけの材料を置きます。「中堅の製造業に強い」と書くだけでは足りません。AIはそれを裏づける事実や、第三者による言及を探します。
- 業種・規模別の導入事例のページ(企業名、課題、成果の数字)
- 比較のページ(競合や代わりの手段との違いを、自社に不利な点も含めて書く)
- 「向いている会社・向いていない会社」の記載
- 比較サイトで登録するカテゴリと、業界のメディアで登壇や寄稿をするテーマ
決めた一文は自社サイトでも社外の説明でも、言い換えずに同じ言葉で言います。言い換えるたびに、AIから見ると別の説明が一つ増えます。社外の説明は記述レイヤーのファクトシートの一行の説明をこの一文にそろえてから直します。
文脈レイヤーの測り方
文脈レイヤーで確かめるのは、名前が出たかではなくどんな会社として出たかです。買い手が使いそうな質問をAIに聞き、回答ごとに、何の会社として、誰向けとして、どんな強みで、何と並べて紹介されたかを、決めた一文と見比べます。判定は「一致」「一部」「ずれ」「出ない」の4つに分けておくと、変化を比べやすくなります。
ただし、AIの回答は同じ質問でも聞くたびに変わります。SparkToroがGumshoe(AIでの露出を測るツールの会社)と行った調査では、600人が12の質問をChatGPT、Claude、GoogleのAIで計2,961回実行しました。ChatGPTとGoogleのAIで同じブランドの一覧が2回返ってくる確率は100分の1未満で、順番まで同じになるのはさらにまれでした。一方で、あるブランドが回答に含まれる割合は比較的安定しており、調査は順位ではなく出現率を指標にすること、同じ質問を少なくとも60〜100回聞いて平均することを勧めています。
1回の回答で判断せず、同じ質問を何度も聞いて、「一致」と判定した回答の割合を追います。質問は営業に聞いて決めるのが近道です。商談で聞かれる質問や、競合と比べられるときの言い方は、買い手がAIに聞く質問とほぼ同じだからです。Search Consoleの「生成 AI パフォーマンス レポート」も、GoogleのAIによる概要やAIモードでの表示を見る手がかりになります。
文脈レイヤーをさらに学ぶ
- 「LLMOで問われるのは「文脈」」:ポジショニングとUSPで紹介されたい一文を決める方法、AIでの伝わり方の確かめ方と、toviraCMSで確かめた記録
- 「LLMO対策で何が効くのか?」:研究データで見る施策の優先順位と、引用・言及・推薦の測り方
- 「BtoBの指名検索を増やす施策」:「どう語られるか」を設計する考え方と、社名で検索される状態のつくり方
接触レイヤー:AIに薦められた後の出口
ここまでの3つのレイヤーはAIに読まれ、知られ、薦められるための話でした。接触レイヤーは、薦められた買い手が実際に連絡してくる出口の話です。LLMO対策の議論は、AIへの引用や言及を成果として扱うことが多く、主語が買い手に戻るこの部分はあまり語られてきませんでした。けれどもBtoBでは、どれだけ薦められても問い合わせや商談につながらなければ売上になりません。
体系の出口としての接触
AIで候補を絞った買い手は、比較の大半を終えてから売り手に連絡してきます。6senseの「2026 B2B Buyer Experience Report」では、買い手が売り手に初めて接触するのは検討の約59%の時点で、その時点で91.4%が候補の順位づけを終えていました(6senseはABM・インテントデータのベンダーです)。AIで比べてから来る買い手は、説得されに来るのではなく、AIの答えが自社の条件にも当てはまるかを確かめに来ます。接触レイヤーで整えるのは、確かめたいことにすぐ答えられる出口です。
文脈への戻り道
接触レイヤーのもう1つの役割は、AIが自社をどう紹介したかを買い手から直接聞ける、唯一の場所であることです。AIの回答は人や質問の仕方によって変わり、外から観察できるのは一部にすぎません。商談で買い手が「ChatGPTで、中小企業向けで安いと出てきた」と話せば、それが文脈レイヤーの答え合わせになります。狙った紹介のされ方と違っていれば、紹介されたい一文や、それを裏づける材料を直します。4つのレイヤーは技術から接触への一方通行ではなく、接触から文脈に戻る循環です。
接触レイヤーをさらに学ぶ
接触レイヤーの設計と測り方は、別の記事で詳しく解説します。関連する話題は次の記事で扱っています。
- 「「お問い合わせ」はCVRが低い?」:CTAの選び方と、フォーム直後の日程調整で商談を増やす方法
- 「BtoBマーケティングの今後の展望」:買い手のAIエージェントが比較や交渉を代わりに行うようになったときの、売り手の仕事
4つのレイヤーを進める順番
この記事は技術から接触の順で説明してきましたが、着手の順番は少し違います。
- 技術の穴を塞ぐ:AIのクローラーを止めていないか、本文が読めるか、判断材料がPDFだけになっていないかを確かめる。数日から数週間で終わる
- 文脈を決める:紹介されたい一文を、営業と経営と一緒に決める
- 記述をそろえる:一文を裏づける事実を製品ページに書き、ファクトシートをもとに社外の説明を直す
- 接触を整える:確かめに来た買い手への導線、CTAと日程調整、商談で聞く項目を整える
- 接触で聞いたことを文脈に戻す:四半期ごとに、紹介のされ方と一文を見比べる
技術を先に済ませるのは、ほかのレイヤーの前提だからです。文脈を記述より先にするのは、どう紹介されたいかが決まらないと、製品ページに何を書くか、社外の説明をどの言い方にそろえるかが決められないからです。
ただし接触の計測だけは手順1と同じ時期に始めます。AI経由の流入の分類と、フォームの「何で知りましたか」の選択肢を先に入れておけば、手順2〜4の施策の前後を比べる基準になります。
toviraで4つのレイヤーを支える
toviraのtoviraCMSとcoreAnalyticsには、この記事で扱ったレイヤーごとの機能があります。
- 技術:toviraCMSのrobots.txt設定で、AIのクローラーを学習用・検索用・人の操作で読みに来るものに分けて、許可するか断るかを選べます。llms.txtは公開中のページから自動で作るか、AIで作るか、手で書くかを選べます。構造化データ(運営会社、パンくずリスト、FAQ、記事など)は、ページごとに自動で出力されます
- 技術:coreAnalyticsの「AIクローラー」で、AIのクローラーがどのページを何回読みに来たかを確かめられます
- 接触:coreAnalyticsは参照元とutm_sourceから、ChatGPT・Gemini・Claude・Perplexity・CopilotなどのAI経由の流入を見分けて集計します。訪問企業の判別と組み合わせれば、AI経由で来た企業がどのページを見たかを追えます
- 記述・文脈:業種や役割ごとの切り口で、製品ページを補う記事群をつくるなら、1つの検討テーマを最大20本の記事群として制作するContent Studioが使えます
※2026年11月時点の機能です。
LLMO対策を自社サイトで進めたい方へ
toviraの無料オンラインデモでは、AIのクローラーの来訪やAI経由の流入の見える化を、実際の画面でご覧いただけます。デモの日程は、デモ依頼ページでその場で選べます。
よくある質問
LLMO対策とAIO対策・GEO対策は何が違いますか?
主に呼び方の違いで、どれもAIの回答に自社が正しく取り上げられるようにする取り組みを指します。LLMOは大規模言語モデル最適化、GEOは生成エンジン最適化、AEOは回答エンジン最適化の略です。AIO対策は「AI最適化」の意味で使われるほか、GoogleのAIによる概要(AI Overviews)への対策を指すこともあります。この記事の4つのレイヤーはどの呼び方の場合にも当てはまります。
LLMO対策は、何から学べばよいですか?
まず技術レイヤーで、自社サイトがAIに読める状態かを確かめるところから始めるのがおすすめです。次に文脈レイヤーで紹介されたい一文を決めると、記述レイヤーで何を書くべきかが決まります。各レイヤーの「さらに学ぶ」の記事をこの順に読み進めると、施策の背景まで押さえられます。
学習用のAIクローラーは、断ってもよいですか?
方針しだいです。学習用を断っても、検索用と人の操作で読みに来るクローラーを通していれば、AI検索の回答に載る道は残ります。ただし、学習に使われた情報はモデルが前提として持つ知識になるため、検索をせずに答える場面での説明に影響する可能性があります。断るかどうかは自社の情報の扱いの方針と合わせて決めます。
小さな会社でも、4つのレイヤーすべてに取り組む必要がありますか?
最低限なら、技術の穴を塞ぐ、製品ページに事実を書く、紹介されたい一文を決める、フォームに「AIで知った」の選択肢を足す、の4つから始められます。どれも大きな予算は要りません。
まとめ
- LLMO対策のやり方は技術・記述・文脈・接触の4つのレイヤーで体系的に整理すると、施策の役割と測り方、担当がはっきりする
- 技術レイヤーではAIのクローラーを止めていないか、JavaScriptなしで本文が読めるか、判断材料がフォームの奥にないかを先に確かめる
- 記述レイヤーは事実、文脈レイヤーは位置づけ。紹介されたい一文を先に決め、それを裏づける事実をサービスページと社外の説明にそろえる
- 接触レイヤーは、AIに薦められた買い手が確かめに来る出口であり、AIにどう紹介されたかを聞ける場所。ここから文脈に戻す循環をつくる
- SEOとの違いが大きいのは文脈と接触で、測る指標が順位やクリック数から、AIでの伝わり方とAI経由の商談に変わる
参考資料
- Google 検索セントラル「AI 機能とウェブサイト」(2026年11月18日確認)
- Google 検索セントラル「Optimizing your website for generative AI features on Google Search」(2026年11月18日確認)
- Google 検索セントラル「List of Google's common crawlers」(2026年11月18日確認)
- Search Console ヘルプ「検索の生成 AI 設定」(2026年11月18日確認)
- Search Console ヘルプ「生成 AI パフォーマンス レポート(検索)」(2026年11月18日確認)
- OpenAI「Overview of OpenAI Crawlers」(2026年11月18日確認)
- OpenAI「Publishers and Developers FAQ」(2026年11月18日確認)
- Anthropic「Does Anthropic crawl data from the web, and how can site owners block the crawler?」(2026年11月18日確認)
- Perplexity「Perplexity Crawlers」(2026年11月18日確認)
- Cloudflare「Cloudflare Just Changed How AI Crawlers Scrape the Internet-at-Large」(2025年7月1日)
- Vercel「The rise of the AI crawler」(2024年12月17日)
- Ahrefs「We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read」(2026年6月15日)
- Gauge「Does Codex Read llms.txt? You Have to Look in the Right Place」(2026年8月23日)
- Ten Speed「What AI Cites for B2B Evaluation-Stage Prompts」(2026年9月3日更新)
- Ahrefs「An Analysis of AI Overview Brand Visibility Factors (75K Brands Studied)」(2025年5月26日)
- G2「In the Answer Economy, Don't Win the Click — Win the Answer」(2026年4月15日)
- HubSpot Japan「HubSpotが「日本のBtoB購買に関する意識・実態調査2026」を発表」(2026年7月16日)
- SparkToro「AIs are highly inconsistent when recommending brands or products」(2026年1月28日)
- 6sense「2026 B2B Buyer Experience Report」(2026年11月18日確認)
中川 晃次
再生ファンド傘下の複数企業にて、マーケティングディレクターとして事業再生を牽引。戦略立案から実行まで一貫して手がけ、ECサイトにおいては売上前年比150%成長を5年連続で達成した実績を持つ。現在はマーケティングSaaS「tovira」の開発に加え、BtoB領域のマーケティングコンサルティングを通じて、企業の持続的な成長を支援している。
おすすめ記事
関連記事
「お問い合わせ」はCVRが低い? BtoBサイトのCTA別データと、デモ予約・日程調整で商談を増やす方法
BtoBサイトのメインCTAは「お問い合わせ」のままでよいのか。よく引用されるCTA別CVRのデータを定義から読み直し、フォーム直後の日程調整が商談化率をどこまで変えるかを公開事例から見積もります。有効商談数で評価する指標と、件数の少ないBtoBでの検証手順も解説します。
LLMOで問われるのは「文脈」|AIに正しく伝わる会社が決めている、ポジショニングとUSP
LLMOで問われるのは、AIの回答に載るかどうかではなく、どんな会社として伝わるか。強みや対象がずれて伝わる原因と、ポジショニングとUSPの決め方、ChatGPTやGeminiでの確かめ方を、toviraCMSで実際に確かめた記録とともに解説します。
外部送信規律とは?BtoBサイトの対象判定と公表ページの作り方【2026年11月の総務省手引き対応】
2026年11月、総務省が外部送信規律の手引きと雛形を公表しました。業界動向やコラムを載せるコーポレートサイトは、規律対象の例に挙がっています。BtoBサイトの担当者が押さえておけばよい点だけを、対象判定、公表ページの書き方、載せるかどうかの判定チャートで解説します。
トピッククラスター戦略|記事本数と共倒れを防ぐ設計の考え方
BtoBのトピッククラスター戦略で記事本数をどう決めるかと、扱う範囲を分けて共倒れを防ぐ設計を解説します。現場・情シス・決裁者で検索語が分かれる勤怠管理システムを例に、ピラー1本とクラスター4本の5本構成の組み立て方も紹介します。
AIネイティブCMSとは?|サイト管理のすべてにAIが入り、ウェブサイトがお客様とのインターフェイスになる
AIネイティブCMSとは何かを、選定・運用の担当者向けに解説。MCP対応だけでは足りない理由、主要CMSの書き込み統制の違い、プロンプトインジェクション、8つの評価軸とPoCの設計まで整理します。
LLMOの時代はサービスページ・製品ページを強化しよう|AIに推薦されるための3つの考え方
LLMO時代、AIに推薦されるにはブログ記事より自社サービス・製品ページの強化が重要です。対象顧客・解決課題・料金・連携先など確かめられる事実を明記し、AIが引用できるエビデンスを整備するBtoB向け施策の考え方を解説。





