LLMOとは何か？
関連する用語との整理から始める
LLMO（Large Language Model Optimization）とは、ChatGPT・Gemini・Perplexity・ClaudeなどのAIが回答を生成する際に、自社のコンテンツが情報源として参照・引用されやすくするための最適化施策の総称です。日本語では「大規模言語モデル最適化」と訳されます。
ただし、LLMOという言葉は日本国内で便宜的に広まった造語であり、海外ではGEO（Generative Engine Optimization：生成エンジン最適化）という表現が定着しつつあります。また、同じ文脈で使われる類似用語として「AIO（AI Optimization）」「AEO（Answer Engine Optimization）」なども存在します。
これらの用語は微妙にニュアンスが異なるため、翔進では以下のように整理しています。
| 用語 | 対象 | 目的 |
|---|---|---|
| LLMO / GEO | ChatGPT・Gemini・Perplexityなどの対話型AI全般 | AI回答内での引用・ブランド言及の最大化 |
| AIO | GoogleのAI Overview（旧SGE）など検索エンジン上のAI回答機能 | AI生成の検索結果に自社コンテンツを採用させる |
| AEO | ボイスアシスタント・AIアンサーエンジン全般 | 「答え」そのものとして選ばれる |
| 従来のSEO | Googleなどの検索エンジン | 検索結果での上位表示・トラフィック獲得 |
実務上はこれらを明確に切り分けるより、「SEO基盤の上にLLMO視点を加える」という統合的なアプローチが現実的です。
なぜ今、LLMOが必要なのか
ユーザーの情報収集行動が変わっています。「Googleで検索してサイトを10件開いて比較する」という行動から、「AIに聞いて要約された回答を読む」という行動へのシフトが急速に進んでいます。
Googleは2025年5月にAI Modeを正式発表し、同年9月には日本語での提供を開始しました。2026年1月には、AI概要からAI Modeへのシームレスな連携も発表されています。検索体験のAI化は、もはや「将来の話」ではなく「現在進行形の変化」です。
での情報収集
等のAI経由での情報収集
翔進が注目しているのは、現状において情報収集の検索依存度とAI依存度がほぼ50：50に近づきつつあるという実態です。これはどちらか一方を選べばいいという話ではありません。SEOだけ対策してAIを無視すれば、半分の流入機会を失います。逆にSEOを疎かにしてLLMOだけ取り組んでも、AIが評価する情報源の基盤を失います。両方を同時に押さえることが、これからの標準です。
LLMOを理解するために
知っておくべきLLMの仕組み
施策を正しく設計するには、LLMがどのように回答を生成しているかを理解する必要があります。LLMが情報を参照する方法は大きく2つあります。
パラメトリック知識
Retrieval-Augmented Generation
翔進がLLMO施策で特に重視しているのはRAGへの最適化です。RAGはリアルタイムでウェブを参照するため、検索エンジンに評価されているコンテンツが引用されやすいという特性があります。つまり、SEOで上位表示されているコンテンツは、RAGにも拾われやすい。SEOとLLMOの基盤が重なる最大の理由はここにあります。
AIが「引用する情報源」を選ぶ4つの基準
翔進では、LLMOとSEOを
別サービスとして分けていません
多くのSEO会社が「LLMO対策」を新しい別メニューとして打ち出しています。しかし翔進の考え方は異なります。
LLMOはSEOの延長線上にある取り組みであり、本質的に行う作業のほとんどはSEOと変わりません。
一次情報の発信、E-E-A-Tの強化、コンテンツ構造の最適化、被リンク・サイテーションの獲得、FAQの整備、構造化データの実装——これらはSEOにとっても、LLMOにとっても同じように機能します。「LLMO専用の特別な施策が別途必要になる」という考え方は、実態とずれています。
ただし、正直に申し上げると、AIが普及すればするほど求められる工数は以前より増えます。対象プラットフォームが増え、モニタリングすべき指標が増え、コンテンツに求められる質の水準も上がります。これはSEOの難易度が上がっているのと同じ文脈です。
翔進では、この増加した工数を「LLMO対策費」として別途請求するのではなく、SEO施策の進化として標準プロセスに組み込んでいます。
両輪で対策すべき、3つの理由
すでにほぼ50：50
AIが評価する可能性は低い
今後さらに高まる
翔進のサービスにおける位置づけ
| 従来のSEO施策 | LLMOとしての追加視点 |
|---|---|
| キーワード設計・コンテンツ制作 | プロンプト設計の観点を追加 |
| E-E-A-T強化・一次情報の発信 | AI引用されやすい断言形式・構造に最適化 |
| 被リンク獲得 | サイテーション（言及獲得）施策の追加 |
| 内部リンク・構造化データ | AIクローラーのアクセス環境の整備 |
| 効果測定（GA4・Search Console） | AI引用モニタリングツールの追加 |
翔進では、これらを統合した形でSEO＋LLMO対策を一体として提供しています。
翔進が行うLLMO施策
現状診断から、コンテンツ構造のリライト、サイテーション施策、構造化データ実装、AIクローラー対応、引用モニタリングまで——一貫した6つのアクションで、AIに引用される情報源を構築します。
施策を始める前に、現状を把握します。貴社に関連するキーワードで各AIプラットフォームに質問を行い、どの競合がどのような文脈で引用されているかを調査します。
自社が引用されていない理由（コンテンツの不足なのか、権威性の問題なのか、構造の問題なのか）を特定したうえで、優先施策を決定します。
LLMが好む構造があります。「問いと答えが明確に対応」「数字・事実・事例が具体的」「独自見解が断言形式」「各セクションが自己完結」——これらを満たすよう既存コンテンツを見直しリライトします。
特にFAQはRAGが「この質問にはこのページが答えている」と判断しやすい形式。翔進ではFAQを単なる補足ではなく、LLMO戦略の中核として設計します。
自社サイトの外でブランドが語られる環境をつくります。業界メディアへの寄稿・掲載、プレスリリース配信、SNS発信、レビューサイト管理、専門家としての外部登壇——これらをLLMOのオフページ施策として体系的に実行します。
「どこかに書いてある」より「信頼できるところに書いてある」が重要です。
Organization・FAQPage・Article・BreadcrumbList・LocalBusinessなど、適切なSchemaを実装し、AIが情報を正確に抽出できる環境を整えます。
構造化データは、AIが「このサイトはどんな組織か」「この記事は何について書かれているか」を理解するための補助情報として機能します。
robots.txtを確認し、主要なAIクローラー（OAI-SearchBot / PerplexityBot / Googlebot等）が適切にアクセスできる状態にします。
JavaScriptで動的に生成されるコンテンツはクローラーに読み取られにくい場合があるため、サーバーサイドレンダリングやプリレンダリングの導入も必要に応じて検討します。
各AIプラットフォームで貴社関連キーワードを定期調査し、引用状況・競合との比較・シェアオブボイスの推移をレポートします。
引用されていないが引用されるべきジャンルのコンテンツを特定し、次の制作優先度へ反映するPDCAサイクルを回します。
LLMOの効果は数値化できるのか
引用されたかどうかはわかるか
以前は「LLMOの効果は測りにくい」と言われていましたが、状況は変わっています。AI引用を専門に計測するツールが実用レベルに達しており、主要AIプラットフォームでのブランド言及数・引用数・シェアオブボイスを定量的に追跡できる環境が整いつつあります。
ただし、GoogleのSearch ConsoleがSEOパフォーマンスを一元管理できるような「公式の統合インフラ」はまだ存在せず、プラットフォームをまたいだ横断的な計測には複数ツールの組み合わせが必要です。
① ツールによる自動追跡
その他の計測手法
GoogleはすでにAIオーバービューの掲載URLをSearch Consoleで一部開示し始めており、計測環境は整備される方向に動いています。今から取り組みを始めておくことで、計測環境が整った時点で先行優位を持つことができます。
他に押さえておくべき
LLMO関連の視点
GoogleのAI Overviewへの対応
Googleの検索結果にAIが生成した回答が表示されるAI Overview（日本でも提供開始済み）は、ゼロポジション（検索結果の最上位）を獲得することよりも重要になりつつあります。AI Overviewへの掲載確率を高めるためには、質問形式の見出し・FAQ構造・簡潔で断言的な回答文・構造化データの実装が特に有効です。調査では、Google AI Overviewの引用と検索上位10件との相関が93%以上という数値も出ており、SEOとAI Overview対策は高い整合性を持っています。
Perplexityの特性と活用
Perplexityはすべての質問に対してリアルタイムのウェブ検索を行い、参照元URLを明示します。そのため「引用されているかどうか」を最も直接的に確認できるプラットフォームです。また、Perplexityのユーザーは情報収集への関与度が高いリサーチ志向の層が多いため、BtoBサービスや専門性の高い業種にとって特に重要なチャネルになっています。
プロンプト設計とLLMOの接点
ユーザーがAIに質問する際の「プロンプトの傾向」を分析することで、どのような質問に対して自社が引用されるべきかを設計できます。「〇〇を選ぶときの基準を教えて」「〇〇の費用相場を教えて」「〇〇業界でおすすめの会社は」といったプロンプトパターンを想定し、それに対して引用されやすいコンテンツを逆算して設計します。SEOのキーワード設計に相当するこの「プロンプト設計」が、LLMO時代の新たなコンテンツ戦略の出発点です。