LLMO対策で何が効くのか？AIマーケティング担当者のための施策の優先順位と測り方【2026年版】

ChatGPTやGeminiに質問して、そのまま商品やサービスを選ぶ人が増えています。サイバーエージェントの調査では、生成AIを検索に使う人の割合は2025年5月の21.3%から、2026年8月には52.3%まで伸びました。マーケティングの現場でも、AIの回答で自社がどう紹介されているかを気にする声が増えています。

一方で、LLMO対策として勧められる施策は玉石混交です。「AIに好まれる文章の書き方」「llms.txtの設置」「AI向けの構造化データ」など多くの施策が紹介されていますが、効果が確かめられているものは一部にとどまります。

この記事では、2026年10月時点で公開されている国内外の研究、業界の調査データ、GoogleやMicrosoftの公式見解を突き合わせ、AIマーケティングの一環としてLLMO対策に取り組むときの優先順位を整理します。

先に結論をまとめると、次のとおりです。

• AIの回答に取り上げられるかを大きく左右するのは、AIが参照する検索エンジンで上位に入ることと、自社サイト以外の場所で自社が語られることの2つ
• AI向けの文章テクニック、llms.txt、AI専用の構造化データは、効果を裏づける証拠が乏しい。Googleも公式ガイドで不要としている
• AI経由の流入は全体の約1%にとどまるが、通常の検索流入より成約しやすいという調査が多い。AIに推奨された人が後から社名で検索する形でも成果が表れる
• 日本はGoogleのAI（AIによる概要、AIモード）の比重が大きく、AIが引用するサイトの顔ぶれも英語圏と違う

この記事でわかること

• LLMO対策とAIマーケティングの関係
• AI検索がマーケティングの成果をどう変えたか
• AIが回答の引用元を選ぶ仕組み
• 研究データで見る、効く施策・評価が割れる施策・効かない施策
• 日本でLLMO対策をするときの注意点
• 部署ごとの進め方と、効果の測り方

LLMO対策とAIマーケティングの関係

LLMOは「Large Language Model Optimization」の略です。ChatGPTやGemini、GoogleのAIによる概要（AI Overviews）などが回答を作るときに、自社のページが引用されたり、社名や製品名が挙がったりするよう整える取り組みを指します。海外ではGEO（Generative Engine Optimization）やAEO（Answer Engine Optimization）と呼ばれることが多く、指す範囲はほぼ同じです。

LLMOは日本で広まった呼び方で、米国ではAEOやGEOが主流だと日本経済新聞も報じています。Googleの日本語の公式ガイドもAEO、GEOという言葉を使っており、LLMOという言葉は出てきません。海外の情報を調べるときは、GEOやAEOでも検索してみてください。

「AIを使う」マーケティングと「AIに選ばれる」マーケティング

AIマーケティングという言葉は、生成AIで記事や広告文を作る、顧客データを分析するといった「AIを使う」取り組みを指すことが多い言葉です。LLMO対策は、もう一方の「AIに選ばれる」ための取り組みにあたります。

2つの取り組みはつながっていますが、AIで記事を大量に作るだけでは、AIに選ばれるようにはなりません。Googleは、AIが内部で行う関連検索の言い換えごとにページを量産すると、スパムポリシーの「大量生成されたコンテンツの不正使用」にあたりうると注意しています（Google 検索セントラル）。

LLMO対策とSEOの違いや、LLMO対策の根拠としてよく引用される「GEO論文」の読み方は、LLMO対策とは？GEO論文の「最大40%」を正しく読み、いま始める実務の手順で詳しく解説しています。

AI検索でマーケティングの成果はどう変わったか

検索の回数は減らず、クリックが減った

Googleは2026年第2四半期の決算で、AIモードの月間利用者が10億人を超え、検索クエリ数も過去最高になったと発表しました（Google）。検索そのものは減っていません。減っているのは、検索結果からサイトへのクリックです。

いちばん確かな証拠は、インド商科大学院（ISB）とカーネギーメロン大学の研究者によるランダム化実験です。米国でデスクトップ版Chromeを使う1,065人を2つのグループに分け、片方ではAIによる概要を表示しないようにしました。すると、1回の検索あたりのオーガニッククリックは0.37から0.62に増えました。AIによる概要があると、クリックがおよそ4割減る計算です（査読前のワーキングペーパー。論文PDF）。

Pew Research Centerが米国の成人900人の閲覧データを分析した調査でも、AIの要約が表示された検索で結果のリンクがクリックされた割合は8%で、表示されなかった検索の15%の約半分でした。AIの要約の中のリンクがクリックされたのは、約1%です（Pew Research Center）。

日本については、SEOツールを提供するAhrefsが、情報収集型キーワードで検索1位のクリック率がAIによる概要の影響で62.7%下がったと推計しています（2026年6月時点）。AIによる概要がなかった場合の予測値と実測値を比べたモデル推計で、単純な前後比較ではありません（Ahrefs）。

Gartnerは2024年に「2026年までに検索エンジンの利用量が25%減る」と予測しました。検索の回数で見ればこの予測は外れましたが、サイトに届くクリックで見れば、予測どおりかそれ以上の減少が起きている分野もあります。Chartbeatのデータでは、ニュースサイトへのGoogle検索からの流入は2026年7月までの1年で40.2%減りました（Search Engine Journal）。

AI経由の流入は約1%、ただし成約しやすい

AIからの流入は、まだ多くありません。SEOプラットフォームを提供するConductorが1.3万以上の企業ドメイン、33億セッションを分析したところ、AI経由の流入は全体の平均1.08%で、その87.4%がChatGPTからでした（Business Wire）。

ただし、AI経由の訪問者は成約しやすいという調査が多くあります。

どの調査も、自社の製品やプラットフォームのデータにもとづくものです。倍率に大きな幅があるのは、AI経由の流入がまだ少ないこと、1社だけのデータがあること、比べる相手（全チャネルか検索流入か）が調査ごとに違うことなどが理由です。社内で説明するときは「多くの調査で1.3〜4倍程度。それより大きな倍率は特定の企業や業種に限られる」と伝えるのが安全です。

成果は指名検索にも表れる

AIの影響は、AIからの流入だけでは測れません。Similarwebの分析では、ChatGPTに推奨されたブランドは、7日以内のサイト訪問が2.5倍に増えました。さらに、AIの影響を受けた訪問の55.9%は、AIからの流入ではなく、社名や製品名での検索（指名検索）として計測されていました（Similarweb）。

AIの回答で社名を知った人は、その場でリンクを押すとは限りません。後から社名で検索したり、直接サイトを訪れたりします。AIマーケティングの成果を見るときは、AIからの流入に加えて、指名検索や直接訪問の推移も追ってください。

日本ではGoogleのAIの存在感が大きい

日本でも、生成AIを検索に使う人は急速に増えています。AI検索対策の研究組織を持つサイバーエージェントの調査（n=9,278）では、生成AIでの検索利用率は2025年5月の21.3%から、2026年2月に37.0%、8月に52.3%と伸びました。サービス別ではChatGPTが30.6%、GoogleのAIモードが28.4%、Geminiが23.2%で、10代ではAIモードの利用率が48.8%に達しています（サイバーエージェント）。同社の別の調査では、AIによる概要だけを見て検索を終えることが「時々」以上ある人が63.2%いました（サイバーエージェント）。

ChatGPTと並んで、AIモードやGeminiといったGoogleのAIがよく使われている点が日本の特徴です。日本でLLMO対策を考えるなら、GoogleのAIへの対応が出発点になります。

AIは回答の引用元をどう選んでいるのか

効く施策と効かない施策を見分けるには、AIが回答を作る仕組みを知っておく必要があります。

「検索→並べ替え→引用」の3段階

検索機能を持つAIの多くは、次の3段階で回答を作ります（図1）。

1. 検索：質問に関係するページを、検索エンジンで集める
2. 並べ替え：集めたページを、質問との関連性などで並べ替えて絞り込む
3. 回答と引用：残ったページを読んで回答をまとめ、一部を出典として示す

1の検索で拾われなければ、2や3には進めません。拾われても、引用されるとは限りません。Ahrefsが140万件のプロンプトを分析したところ、ChatGPTが検索で取得したURLのうち、回答で引用されたのは約半分でした（Ahrefs）。

AIサービスごとに参照する検索エンジンが違う

1の検索で使われる検索エンジンは、AIサービスによって違います。

そのため、Google検索で上位を取れば、すべてのAIに引用されるわけではありません。Ahrefsの調査では、Google検索の上位URLとAIの引用の重なりは、Perplexityで28.6〜65.07%だったのに対し、ChatGPTでは8.0〜10.0%でした（Ahrefs）。LLMO対策は、上位を取るべき検索エンジンがGoogle以外にも増えたものと考えると整理しやすくなります。

候補に入った後は、順位と関連性が効く

候補に入った後は、AIの内部での順位と、質問との関連性が効きます。AirOpsとKevin Indig氏の共同研究では、ChatGPTの検索ツール内で1位のページは58.4%の割合で引用されたのに対し、10位のページは14.2%でした（Search Engine Journal）。

2026年の情報検索の国際学会SIGIRで発表された研究は、6つのLLMで25万2,000回の試行を行い、最初に引用されるかどうかを決める最大の要因は、トピックとの関連性とリストの中での位置だと報告しました。価格情報と新しい日付の表示は一貫してプラスに働き、書式を変えるだけではほぼ効果がありませんでした（arXiv）。

ページの冒頭で答えることも効きます。SEOツールのSurferが1万件のAIによる概要を分析したところ、引用の38%はページの冒頭100語から生まれていました。冒頭で質問に答えているページの引用率は45%で、答えていないページの23%を大きく上回りました（Surfer）。

自社サイトの外で語られているかが効く

ブランド単位で見ると、自社サイトの外での露出が強く効いています。Ahrefsが約7.5万ブランドを調べたところ、ChatGPTやGoogleのAIで言及されるかと最も強く相関したのは、YouTube上での言及（相関係数0.737）と、Web上でのブランド名の言及（0.656〜0.709）でした。サイトの被リンクの強さを示すドメインレーティングとの相関は0.27〜0.33で、被リンク数との相関は非常に弱いという結果でした（Ahrefs）。

学術研究でも、AI検索は報道やレビューといった第三者のメディアを引用しやすいことがわかっています。米国とカナダの消費者向けの質問を分析した研究では、AI検索の引用に占める第三者メディアの割合は、カナダの自動車で69.1%、米国の家電で92.1%でした。Google検索の結果では40〜45%程度です（arXiv）。

AIに名前を知られていることと、推奨されることは別の話です。Product Huntに掲載されたスタートアップ112社を調べた研究では、社名を出して尋ねるとChatGPTは99.4%の会社を認識していましたが、社名を出さずに「おすすめ」を尋ねる質問で挙がったのは3.32%でした（arXiv）。

ただし、すでに知られているブランドと、まだ知られていない新しい商品では状況が違います。Ahrefsが自社で行った小規模な実験では、AIがすでに知っているAhrefsというブランドの新たな言及は、94%が第三者のコンテンツから生まれていました。一方、AIがまだ知らない新しいイベントでは、新たな言及の82%が自社ページを引用した回答から生まれました（Ahrefs）。知られているブランドは第三者からの言及を、新しい商品やサービスはまず自社での発信を、足がかりにすることになります。

ここで紹介した数字の多くは相関で、因果関係を示したものではありません。被リンク、言及、検索量はどれも「ブランドの大きさ」と連動して動くためです。

研究データで見る、効く施策・割れる施策・効かない施策

学術研究、業界データ、公式見解を突き合わせて、よく勧められる施策を3つのグループに分けました。証拠の強さは、公式の掲載条件であるか厳密な研究と複数の大規模調査が同じ方向を示すものを「強」、複数の調査で方向が一致するが因果は確かめられていないものを「中」、限られた条件の実験や1社の調査にとどまるものを「弱」としています。

効く施策は、検索と並べ替えの段階に作用する

表を図1の3段階に当てはめると、効く施策はどれも前の段階、つまり検索で拾われること、上位に並ぶこと、第三者の文脈で語られることに作用しています。

反対に、文章の書き換えテクニックは、3の段階で候補どうしが回答の取り分を奪い合う話です。NeurIPS 2025で発表されたC-SEO Benchは、GEO論文の書き換え手法を統計的に検証しました。gpt-4o-miniを使い、1社だけが手法を採用する条件で試しても、有意に改善した組み合わせは54のうち3つにとどまりました。採用する会社が増えるほど効果は縮み、ゼロサムになります。どの書き換えよりも、文書を候補リストの先頭に移す操作、つまり検索で上位に入ることのほうがはるかに効きました（arXiv）。

長く効くのは、競合がまねしにくい資産です。自社だけが持つデータや検証結果、社名で検索してもらえるブランドの認知、第三者のメディアやレビューでの評判がこれにあたります。

評価が割れる施策は、目的を分けて扱う

構造化データは、評価が最も割れている施策です。Googleは生成AI機能のために特別なマークアップは不要としていますが、Microsoftは2025年10月の公式ブログで、商品やレビュー、FAQなどのJSON-LDを勧めています（Microsoft Advertising）。Ahrefsが構造化データの追加前後を比べた分析では、AIでの引用に有意な増加は見られませんでした（Ahrefs）。構造化データは、リッチリザルトや、自社の商品や組織の情報を正しく伝える目的で整え、AIでの引用が増えることは約束しない、という扱いが現実的です。

コンテンツの分割も同じです。Googleは「理想的なページの長さはない」として細かな分割を不要とし、MicrosoftはCopilotがページを小さな単位に分けて評価すると説明しています。表やリスト、前後の文脈がなくても意味が通る文は、読者にとってもわかりやすいものです。読者のための構成として取り入れ、見た目の書式だけを変えることには時間を使わないようにしましょう。

文字数については、AhrefsのAIによる概要の分析で引用との相関が0.04とほぼゼロで、引用されたページの53.4%は1,000語未満でした（Ahrefs）。ChatGPTでは長いほど有利という調査もあり、AIサービスや測り方によって結論が逆になります。最適な文字数はない、と考えておくのが安全です。

効かない施策に予算を使わない

llms.txtは、AIにサイトの概要を伝えるためのファイルとして2024年に提案されました。しかし、Ahrefsが約13.7万ドメインを調べたところ、97%のllms.txtにはリクエストが1件もありませんでした（Search Engine Journal）。Googleも、検索では使わないと明記しています。置いても害はありませんが、優先度は最も低い施策です。

ページに隠しテキストを置いたり、AIへの指示文を埋め込んだりする手法は、研究室の実験では高い成功率が報告されています。しかし、12億URLを調べた実地調査では、AIが埋め込まれた指示に従った割合は最大でも8%でした（arXiv）。Microsoftは、AIアシスタントに自社を推薦させる指示を仕込む手法を「AI recommendation poisoning」と呼んで攻撃手法に分類し、正規の企業31社による実例を報告しています（Microsoft Security）。見つかったときの損失を考えると、割に合いません。

日本でLLMO対策をするときの3つの注意点

1. AIが引用するサイトの顔ぶれが英語圏と違う

英語圏ではRedditやWikipediaがAIによく引用されることが知られていますが、日本では顔ぶれが違います。Ahrefsが2025年12月から2026年3月の日本のデータを集計したところ、AIモード、AIによる概要、ChatGPT、Perplexity、Copilotで引用の多いドメインは、次の順でした（Ahrefs）。

1. youtube.com
2. ja.wikipedia.org
3. google.com
4. instagram.com
5. note.com
6. amazon.co.jp
7. ameblo.jp
8. news.yahoo.co.jp
9. prtimes.jp
10. en.wikipedia.org

前回の集計（2025年5〜9月）でChatGPTの1位だったRedditは、上位5位から外れました。プリンシプルが日本向けの5,366問、11万6,966件の引用URLを分析した調査では、ChatGPTの1位はprtimes.jpでした。上位10ドメインが占める割合は9.5%にとどまり、59.3%のドメインは1回しか引用されていません（プリンシプル）。

店舗ビジネスを中心に約250プロジェクト、120万件超の引用を分析したIteraの調査では、AIが根拠に使ったサイトの95%以上が第三者のサイトで、自社サイトは1〜3%でした。AIサービスごとの傾向もあり、PerplexityはPR TIMESとnote、ChatGPTは公的機関と食べログ、ClaudeとGeminiは一休、ホットペッパー、Retty、GoogleのAIはGoogleビジネスプロフィールとYouTubeをよく使っていました（PR TIMES）。

海外で勧められている「Reddit対策」「Wikipedia対策」を、そのまま日本に持ち込むのは得策ではありません。日本では、PR TIMES、note、アメブロ、YouTube、業界のポータルサイトやレビューサイト、Googleビジネスプロフィールが、第三者から語られる主な場所になります。

2. ステマ規制と優良誤認に気をつける

LLMO対策として、自社で作った「おすすめ◯選」の記事で自社を1位にする手法が紹介されることがあります。しかし、日本では景品表示法のステルスマーケティング規制に触れるおそれがあり、「AIに必ず引用される」といった結果の保証は優良誤認表示にあたりうると指摘されています（合同会社謙虚）。

効果の面でも疑問があります。Lily Ray氏の分析では、自社を推す「best X」記事がGoogleのAIによる概要に引用されても、69%（323件中224件）のケースでそのブランド自体は推奨から外れていました（Lily Ray）。第三者からの言及は自作するものではありません。取材やレビューで取り上げてもらえるよう、確かめられる事実と実績を出していきましょう。

3. 報道機関とAIの関係が変わりつつある

日本では、報道機関とAI検索の対立が続いています。2025年8月には読売新聞、日本経済新聞、朝日新聞がPerplexityを提訴しました。2026年4月には日本新聞協会が、AIへの利用を拒むと通常の検索からも消える仕組みは独占禁止法上の問題がある疑いがあるとして、GoogleのAIによる概要とAIモードについて声明を出しています（日本新聞協会）。

Googleは2026年8月31日、Search Consoleで、サイトをAIによる概要やAIモードに使わせるかどうかを選べる設定を全世界のサイトに提供しました（Search Console ヘルプ）。政府の知的財産戦略本部も「生成AI知財プリンシプル・コード」を公表し、2026年10月26日から事業者の届出を受け付けます（内閣府）。

大手の報道サイトがAIへの提供を拒む方向に進めば、日本語のAIの回答は、個人の投稿、PR TIMES、企業の公式サイトに頼る割合が高まると考えられます。公式サイトで正確な一次情報を出しておく価値は、今後さらに上がりそうです。

LLMO対策の進め方：部署ごとの役割と優先順位

LLMO対策は、SEO担当者だけでは完結しません。クローラーの設定は情報システム部門、第三者からの言及は広報、レビューはカスタマーサクセスと、複数の部署にまたがります。ここまでの内容をふまえ、取り組む順番と主な担当をまとめました（図2）。

ステップ1：AIに見つけてもらえる状態を確認する

最初に、AIのクローラーを意図せずブロックしていないかを確認します。AIサービスの各社は、学習用、検索用、ユーザーの指示で動くもの、の3種類のクローラーを分けています。

• ChatGPTの検索に表示されるには、OpenAIの検索用クローラー「OAI-SearchBot」を許可する必要がある。学習用の「GPTBot」は別に判断できる（OpenAI）
• Anthropicも、学習用の「ClaudeBot」と検索用の「Claude-SearchBot」を分けている（Claude ヘルプセンター）
• Cloudflareは2025年7月、AIクローラーを初期設定でブロックする方針に変えた。AI検索に表示されたいのに、CDNの設定で止まっている場合がある（MIT Technology Review）
• Search Consoleの生成AIに関する設定で、サイトがAIによる概要やAIモードから除外されていないかを確認する

あわせて、本文、価格、仕様がHTMLに含まれているかも確認しましょう。Vercelの2024年12月の計測では、OpenAI、Anthropic、PerplexityのクローラーはJavaScriptを実行していませんでした（Vercel）。JavaScriptで後から表示する情報や、タブやアコーディオンの中、PDFだけに置いた情報は、AIに読まれにくくなります。

ステップ2：主要な検索エンジンで上位を取る

Googleは2026年5月に公開した公式ガイドで、生成AI検索への最適化は検索体験の最適化であり、「still SEO」、つまりSEOであることに変わりはないと説明しました（Google 検索セントラル）。日本ではGoogleのAIの比重が大きいため、まずはGoogleでのSEOの基本を見直すことが出発点です。

そのうえで、CopilotのためにBingでの表示状況も確認します。Bing Webmaster Toolsに登録し、Microsoftが勧めるIndexNowで更新を伝えましょう。

ステップ3：確かめられる一次情報を出す

AIに引用されやすいページの特徴として、研究の間で方向が一致しているのは、冒頭で質問に答えていること、価格や日付、統計や出典など確かめられる事実が書かれていることです。

価格や仕様、導入実績、自社で集めたデータは、競合がまねできない情報です。主張には出典を添え、数字は根拠をたどれるようにしておきましょう。

更新は中身を伴うものにします。研究では、架空の公開日を付けるだけでAIの並べ替えが新しい記事に偏ることが確認されています（arXiv）。日付だけを新しくする操作はAIの偏りを突くもので、見つかったときのリスクが高い手法です。

ステップ4：第三者の場で語られる状態をつくる

第三者からの言及は、AIでの露出と最も強く相関する要素です。日本では、次のような場所が受け皿になります。

• PR TIMESでの発表、noteやアメブロでの発信
• YouTubeでの製品紹介や解説
• 業界メディアへの情報提供、取材対応
• レビューサイトや業界のポータルサイトへの掲載、既存顧客へのレビューの依頼
• 導入企業との共同事例（顧客のサイトや登壇でも語ってもらう）

新しい商品やサービスの場合は、AIがまだその存在を知らないため、まず自社サイトで正確な情報を出すことが足がかりになります。

ステップ5：EC・店舗は商品フィードと店舗情報を整える

Googleは公式ガイドで、Merchant CenterとGoogleビジネスプロフィールの活用を明記しました。OpenAIも2026年3月、ChatGPT内での決済から、商品フィードを使った商品の発見へと軸足を移しました（CNBC）。ECや店舗ビジネスでは、商品情報や営業時間、価格などのデータを正確に保つことが、AIでの露出に直結します。

ステップ6：効果を測って見直す

決めた質問への回答を定期的に記録し、Search ConsoleやGA4の数字と合わせて見直します。測り方の詳細は、次の章で紹介します。

LLMO対策の効果を測る方法

「AIの中の順位」には意味がない

AIの回答は、同じ質問でも毎回のように変わる点に注意が必要です。SparkToroとGumshoe.aiの研究では、ChatGPTやGoogleのAIに同じ質問をしたとき、同じブランドのリストが2回出る確率は1%未満、同じ順番で出る確率は約0.1%以下でした（SparkToro）。

そのため「AIの中で何位か」を1回の結果で測っても意味がありません。決めた質問を何度も聞き、自社が挙がった割合（出現率）で見ます。SparkToroのRand Fishkin氏は1つの質問につき60〜100回の実行を勧めています。学術研究では、まず1つの質問につき7〜8回から始めることが推奨されています（arXiv）。

AIのモデルが更新されると、結果は大きく揺れます。SISTRIXのドイツ語のデータでは、ChatGPTのモデルがGPT-5.5に切り替わった2026年5月22〜23日に、引用の日次の変動が通常の1〜2%から47%に跳ね上がりました（Search Engine Journal）。1か月の数字の上下に一喜一憂せず、数か月単位の傾向で判断しましょう。

「引用」「言及」「推奨」を分けて見る

AIの回答での見え方は、1つの指標ではとらえきれません。前の章で紹介したように、自社ページが引用されても、自社が推奨されるとは限らないためです。

使えるデータと、その限界

2026年に入って、各社が公式のデータを出し始めました。ただし、どれも一部しか見えません。

GoogleのAIからのクリックは、2026年10月時点でも直接は見られません。Search Consoleの表示回数とGA4のオーガニック検索の流入を突き合わせて推測することになります。

効果検証では「AIそのものの伸び」を差し引く

AI経由の流入が増えても、施策の効果とは限りません。AIを使う人そのものが急速に増えているためです。

2026年6月に公開された研究では、glasp.coというサイトでAI検索向けの施策を行ったところ、施策をしたページのChatGPTからの流入は5.7倍に増えました。しかし、施策をしていないページも3.5倍に伸びていました。ChatGPT自体の成長を差し引いた施策の効果は1.82倍で、著者自身もこの結果を「示唆的」な水準にとどめています（arXiv）。

社内に効果を報告するときは、施策をしたページとしていないページを比べるなど、AIそのものの伸びを差し引ける形で測りましょう。

支援会社やツールを選ぶときのチェックポイント

LLMO対策の支援費用は月10万〜70万円程度が中心とされ（Grill）、ITreviewの「AEO・GEO・LLMO」カテゴリには約50の製品が並んでいます（ITreview）。一方、ナイルの調査では、LLMO対策の最大の課題は「効果測定の方法が分からない」（30.9%）でした（SEO HACKS）。

注意したいのは、LLMO対策に関する大規模な調査のほとんどが、AIの計測ツールや支援サービスを販売する企業によるものだという点です。この記事で紹介した数字の多くも、そうした企業の調査です。数字そのものは参考になりますが、調査した企業が「AIでの見え方は測れて、改善できる」という結論に利害を持つことは覚えておきましょう。

支援会社やツールを選ぶときは、次の点を確認してください。

• AIでの引用や順位を保証していないか
• 計測の条件を開示しているか（質問の数、1つの質問を何回聞くか、APIで取得するか画面で取得するか、地域と言語）
• llms.txtや構造化データの設置だけを、高額なパッケージとして売っていないか
• 効果の報告で、AIそのものの伸びを差し引いているか
• 第三者からの言及を、自作自演やステマで作ろうとしていないか

指名検索を追い、根拠のある記事を出し続けるために

ここまで見てきたとおり、AIマーケティングの成果は、AIからの流入だけでなく、指名検索の推移にも表れます。そして、AIに選ばれるために欠かせないのは、検索で見つけてもらえる記事と、出典や数字で裏づけた一次情報です。

指名検索の推移は、toviraのcoreAnalyticsでも確認できます。指名検索比率や、課題起点で検索されるキーワードの流入数、CTR、表示順位をダッシュボードで追えます。

根拠のある記事を増やすほど、出典や数字を確かめる手間も増えていきます。Content Studioは、BtoB向けのSEO記事を最大20記事まで同時に作成できるツールです。LLMO対策の観点では、次の機能が役立ちます。

• アップロードした資料からテキストを取り出し、自社の一次情報として記事に反映する
• 本文の作成工程で、Web検索による裏取りと自動修正を行うファクトチェック（強度に応じて最大1〜3回）
• 本文中のURLに実際にアクセスし、たどり着けないリンクを取り除く
• ピラー記事とクラスター記事の内部リンクを自動で設計する

※2026年10月時点の機能ページの記載に基づきます。

根拠のある記事を、無理なく増やしたい方へ

Content Studioの機能や記事制作の流れを、機能ページで紹介しています。

Content Studioの機能を見る

よくある質問

LLMO対策とAIマーケティングは何が違いますか？

AIマーケティングは、生成AIで記事を作る、データを分析するといった「AIを使う」マーケティングを指すことが多い言葉です。LLMO対策は、ChatGPTやGoogleのAIの回答の中で自社が引用・推奨されるようにする「AIに選ばれる」ための取り組みです。AIで記事を量産するだけではAIに選ばれないため、2つは分けて考えましょう。

LLMO対策は何から始めればいいですか？

まず、AIのクローラーをブロックしていないか、Search Consoleの生成AIに関する設定でサイトが除外されていないかを確認します。そのうえで、Googleを中心にSEOの基本を見直し、確かめられる一次情報の発信と、第三者からの言及を増やす取り組みに進みます。

LLMO対策の費用相場はどのくらいですか？

外部の支援会社に依頼する場合は、月10万〜70万円程度が中心とされています。ただし、比較できる公的な統計はなく、診断だけか、コンテンツ制作やPRまで含むかで費用は大きく変わります。見積もりを取るときは、支援の範囲と効果の測り方を必ず確認してください。

AI経由の流入が少ないのに、取り組む意味はありますか？

あります。AI経由の流入は全体の約1%ですが、成約しやすいという調査が多く、AIに推奨されたブランドは後から指名検索される傾向もあります。また、効く施策の多くはSEOや広報と重なるため、AIのためだけの投資にはなりにくいのも利点です。

llms.txtや構造化データは必要ですか？

llms.txtは急いで設置する必要はありません。Googleは検索で使わないと明記しており、設置されたllms.txtの97%にはリクエストが1件もなかったという調査もあります。構造化データは、リッチリザルトや商品・組織の情報を正しく伝えるためにSEOの一環として整えれば十分で、AIでの引用が増えることは期待しないほうが安全です。

LLMO対策の効果はどのくらいで出ますか？

決まった期間はありません。Iteraの調査では、新しく公開した記事がAIの根拠に初めて使われるまでの中央値は14日でしたが、店舗ビジネスを中心とした1社の調査です。AIの回答はモデルの更新でも大きく変わるため、月に1回など間隔を決めて記録し、数か月単位で傾向を見ましょう。

まとめ

• LLMO対策は、AIマーケティングのうち「AIに選ばれる」ための取り組み。AIで記事を量産するだけでは選ばれない
• AIによる概要が表示されると、オーガニッククリックはおよそ4割減る。AI経由の流入は約1%だが成約しやすく、成果は指名検索にも表れる
• AIは「検索→並べ替え→引用」の順で回答を作る。効くのは、各AIが参照する検索エンジンで上位に入ることと、自社サイトの外で語られること
• 文章の書き換えテクニック、llms.txt、AI専用の構造化データは、効果を裏づける証拠が乏しい
• 日本はGoogleのAIの比重が大きく、YouTube、Wikipedia日本語版、note、PR TIMESなどがよく引用される。自作のランキング記事はステマ規制に触れるおそれがある
• 効果は、同じ質問を何度も聞いた出現率、Search ConsoleやBing Webmaster Tools、GA4、指名検索を組み合わせて測り、AIそのものの伸びを差し引いて評価する

LLMO対策に、AIだけに効く近道はありません。検索で見つけてもらえる状態を整え、確かめられる一次情報を出し、自社以外の場所でも語られる存在になること。AIマーケティングの成果も、その積み重ねの上に表れます。

Content Studioの機能を見る

参考資料

• Google 検索セントラル「Google 検索における生成 AI 機能への最適化のための Google ガイド」
• Google 検索セントラル：AI 機能とウェブサイト
• Search Console ヘルプ：生成AI機能に関するサイトの設定（英語）
• Search Console ヘルプ：生成AIパフォーマンスレポート（英語）
• Microsoft Advertising：AI検索の回答に掲載されるためのコンテンツ最適化（2025年10月、英語）
• Bing Webmaster Blog：Bing Webmaster ToolsのAI Performance公開プレビュー（2026年2月、英語）
• OpenAI「Overview of OpenAI Crawlers」
• Agarwal、Sen：AIによる概要の有無を割り付けたランダム化フィールド実験（ワーキングペーパー、査読前）
• Pew Research Center：AIの要約が表示されるとリンクのクリックが減るという調査（2025年7月、英語）
• Haritz Puerto ほか「C-SEO Bench: Does Conversational SEO Work?」（NeurIPS 2025 Datasets and Benchmarks Track）
• Mahe Chen ほか「Generative Engine Optimization: How to Dominate AI Search」（arXiv、2025年9月）
• Olivier Martinez「Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026)」（arXiv、2026年7月）
• Watanabe、Nakayashiki：glasp.coでのAEO施策の効果を分断時系列分析で検証した研究（arXiv、2026年6月）
• Ahrefs：AIでのブランドの露出と相関する要素の分析（約7.5万ブランド）（英語）
• Ahrefs：日本でAIに引用されるドメインTOP10（第2弾）
• Ahrefs：AIによる概要がクリック率に与える影響（2026年6月）
• SparkToro：AIによるブランド推奨の一貫性に関する調査（英語）
• サイバーエージェント：生成AIでの検索利用に関する調査
• Itera：AIが根拠に使うサイトの分析（PR TIMES）
• 日本新聞協会：GoogleのAIによる概要とAIモードに関する声明（2026年4月20日）
• 内閣府 知的財産戦略本部：生成AI知財プリンシプル・コード