LLMO（AI検索最適化）とは、ChatGPTやGoogle AI OverviewなどのAIが生成する回答の中で、自社の情報が引用・言及されるようにするための施策です。
GEO（Generative Engine Optimization）やAEOとも呼ばれます。鍵は「AIが抜き出しやすいエビデンス（定義・統計・出典）を備えたコンテンツ」と「外部メディアでの言及獲得」、そして「多数回実行による可視性の測定」の3つ。検索順位を追う従来のSEOに“上乗せ”する新しい考え方です。
目次
LLMO（AI検索最適化）とは（定義）
LLMOとは「Large Language Model Optimization」の略で、ChatGPT・Gemini・Google AI OverviewといったAIが生成する回答の中に、自社のブランドや情報が引用・言及されるように最適化する取り組みのことです。生成エンジン最適化を意味するGEO（Generative Engine Optimization）、回答エンジン最適化を意味するAEO（Answer Engine Optimization）も、ほぼ同じ意味で使われます。
ユーザーが検索結果の青いリンクを1つずつ開くのではなく、AIがまとめた回答をそのまま読む——この行動の変化に対応するのがLLMOです。従来のSEOが「検索結果ページで上位に表示されること」を目指すのに対し、LLMOは「AIの回答の中で、根拠として引用・推薦されること」を目指します。SEOを置き換えるものではなく、その上に積み上げる施策だと捉えるのが正確です。
なぜ今LLMOに取り組むべきなのか
AIの回答は「抜き出せるエビデンス」があるコンテンツを引用します。
プリンストン大学などの研究（GEO, ACM KDD 2024）では、引用文・統計データ・出典の明記といった手法を加えることで、生成AIの回答内での可視性が最大40%向上したと報告されています。逆にキーワードの詰め込みは効果がなく、むしろ逆効果でした
出典: Aggarwal et al.「GEO: Generative Engine Optimization」（Princeton, ACM KDD 2024）
勝敗を分けるのは、自社サイトの中身よりも「外部でどれだけ言及されているか」です。
75,000ブランドを対象にしたAhrefsの調査では、Web上でのブランド言及数がAI Overviewでの露出と最も強く相関（相関係数0.664）し、被リンク（0.218）を大きく上回りました。調査対象の約26%のブランドはAIの回答に一度も登場していません
AIの回答は毎回変わるため、単発では測れません。
SparkToroの調査によれば、同じ質問を100回投げても同じブランドのリストが2回続けて返る確率は1%未満。信頼できる評価には最低60〜100回の実行が必要です。出現率の水準はプロンプト・業種によって大きく異なり（89%・97%という高水準の例がある一方、30%台にとどまる例も）、他社事例をそのまま自社の目安にはできません
出典: SparkToro「AIs are Highly Inconsistent When Recommending Brands」
「AIの回答が普及し情報の入口が変わる × 引用されるかは外部での言及で決まる × 単発では測れない」——この3つが重なった結果、検索順位だけを追うSEOに加えて、AIの回答内での可視性を高めるLLMOが必要になっています。
従来のSEOとLLMOの比較
← 横にスクロールできます →
| 従来のSEO | LLMO（AI検索最適化） | |
|---|---|---|
| 目指すもの | 検索結果ページでの上位表示 | AIの回答内での引用・言及 |
| 主戦場 | 自社サイトの最適化 | 自社サイト＋外部メディアでの言及 |
| 効くコンテンツ | キーワード最適化・被リンク | 引用・統計・出典・定義・比較の明示 |
| 効果測定 | 検索順位・流入数 | 多数回実行による出現率（可視性%） |
| 指標の安定性 | 比較的安定 | 毎回変動（平均をとる必要） |
※LLMOはSEOの置き換えではありません。SEOで整えた構造化された良質なコンテンツは、そのままAIが参照する材料にもなります。両者は競合ではなく、土台（SEO）と上乗せ（LLMO）の関係です。
AI検索に引用されるための3つの施策
- 抜き出せるエビデンスを増やす — 定義・数値・統計・比較表・手順を、見出しで構造化して明示的に書く。AIは「引用できる事実」を含むページを好んで参照します。感想やキャッチコピーではなく、出典付きの具体的な数字と定義を置くことが、最も効果が実証された施策です。
- 外部での言及を獲得する — PR・寄稿・業界メディアへの掲載・第三者レビューなど、自社サイトの外での言及を増やす。AIは自社サイトだけでなく第三者のメディアや記事を広く参照するため、被リンクを集める以上に「言及されること」が可視性に効きます。
- 多数回の実行で可視性を測る — 対象の質問を60〜100回以上AIに投げ、自社が回答に登場する「出現率（可視性%）」で効果を測る。1回の回答で一喜一憂せず、施策の前後で出現率がどう動いたかを見るのが正しい評価方法です。
LLMOで失敗しないための注意点
- 「llms.txtを置けば引用される」は誤り — 話題のllms.txt（AI向けにサイト情報を伝えるとされるファイル）は、主要なLLM提供元がいずれも公式に対応を明言しておらず、引用効果は確認されていません。Ahrefsが137,000ドメインを調べた結果、公開されたllms.txtファイルの97%はAIクローラーから一度もリクエストされていませんでした。営業メニューに含む業者もありますが、優先度は最低です（出典: Search Engine Land「Does llms.txt matter?」）。
- キーワードの詰め込みは逆効果 — 従来型の小手先の最適化はAI検索では通用せず、前述のGEO研究でも可視性がむしろ低下しました。
- FAQ化は万能ではない — Q&A形式にすれば引用されるとは限りません。大切なのは形式ではなく、定義・数値・比較といった「抜き出せる中身」があるかどうかです。
- 数値はスナップショットとして扱う — AIの引用挙動は数ヶ月単位で変わります。相関データは因果を保証しないため、自社で継続的に測定して確かめる姿勢が欠かせません。日本語での大規模な測定データはまだ少なく、ここは自社で測る価値が大きい領域です。
よくある質問（FAQ）
Q. LLMOをやればSEOはもう不要ですか？
A. いいえ。LLMOはSEOの置き換えではなく上乗せです。SEOで整えた良質なコンテンツはAIが参照する材料になります。土台となるSEOと、AI回答での可視性を高めるLLMOは両立させるものです。
Q. llms.txtは作ったほうがいいですか？
A. 現時点で引用効果は確認されておらず、主要なAIはこのファイルをほとんど取得していません。作ること自体に害はありませんが、優先度は低く、まずはコンテンツと外部言及に投資するのが賢明です。
Q. 何から始めればいいですか？
A. まず自社サイトの主要ページに、定義・統計・出典・比較表を明示的に加えることから始めます。次に業界メディアへの寄稿やPRで外部言及を増やし、狙う質問での出現率を定期的に測定します。
Q. 効果はどうやって測るのですか？
A. 同じ質問をAIに60〜100回投げ、自社が回答に登場する「出現率（可視性%）」を記録します。施策の前後でこの数値がどう変化したかを見ることで、効果を定量的に評価できます。
まとめ: SEOの土台にLLMOを積み上げる
情報の入口がAIの回答へと移るなか、企業に求められるのは「検索順位で上位を取ること」だけでなく「AIの回答の中で引用・推薦されること」です。そのために効くのは、定義・統計・出典を備えた抜き出せるコンテンツ、外部メディアでの言及、そして多数回実行による可視性の測定——奇をてらった裏技ではなく、地道で誠実な情報発信こそがLLMOの本質です。
liensは、この記事で紹介した知見を自社サイトで実践しながら、AI検索時代のWeb集客とAIチャットボット導入を支援しています。「AIに見つけてもらえるコンテンツづくり」や、24時間の問い合わせ対応を自動化する「LIENS BOT」にご興味があれば、お気軽にご相談ください。
関連記事: AIチャットボットとは？仕組み・種類・選び方 ／ AIチャットボット導入ガイド（記事一覧） ／ LIENS BOT サービス紹介
出典一覧
- Aggarwal, Murahari, et al.「GEO: Generative Engine Optimization」（Princeton University, ACM SIGKDD 2024）
- Ahrefs「Brand Web Mentions Correlate with AI Overviews（75,000ブランド調査）」
- SparkToro「New Research: AIs are Highly Inconsistent When Recommending Brands or Products」
- Search Engine Land「Does llms.txt matter?」