LLMOとは？SEOとの違いと、意味がないと言われる理由

LLMO（大規模言語モデル最適化）は、ChatGPTやGeminiなどのAIの回答で、自社や商品が見つかり、正しく説明されるようにする取り組みです。

「AIにおすすめのサービスを聞いたら、競合ばかり出てきた」。そこでLLMOを調べると、「意味ない」という意見も見つかります。この記事では、LLMOの意味、SEOとの違い、意味がないと言われる理由と確かめられること、効果の測り方、最初の1か月の作業を順に説明します。

LLMOとは：AIの回答で自社がどう紹介されるかを改善する取り組み

LLMOは、AIが作る回答の中で、自社の見え方と説明のされ方を改善する取り組みです。 LLMは、大量の文章から学んで回答を作るAIの仕組みを指します。

SEOツールを提供するSemrushは、LLMOを「LLMが生成する回答で、ブランドの見え方と描かれ方を改善することを目指すマーケティング手法」と定義しています [1]。

例えば、勤怠管理ツールを提供する会社（説明用の仮定）なら、「従業員50人の会社に合う勤怠管理ツールは？」という質問で、自社が候補に入り、料金や機能が正しく説明されるかを見ます。

LLMOはGEOやAEOと呼ばれることもあります。呼び名の違いはLLMO・GEO・AEO・AIOの違いで説明しています。

LLMOとSEOの違い：確認する画面と数える単位

SEOは検索結果と順位を見て、LLMOは質問ごとのAIの回答と引用元を見ます。 確認する画面と、数える単位が違います。

観点	SEO	LLMO
確認する画面	検索結果のページ	AIの回答
数える単位	キーワードとURLの順位	質問ごとの自社名の登場と引用元
主な記録	表示回数・順位・クリック	自社名の有無・リンクの有無・説明の正しさ
結果のばらつき	時期や条件で順位が変わる	同じ質問でも回答が変わる

ただし、二つは切り離せません。Googleは、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はなく、通常のSEOの基本がそのまま当てはまると説明しています [2]。ページが検索に登録され、説明文を表示できる状態であることが前提です [2]。

この説明はGoogleのAI機能についてのものです。ChatGPTなど他社のAIも同じ条件とは限らないため、実際の回答で確かめます。

「LLMOは意味ない」と言われる理由と、確かめられること

「意味ない」と言われる理由は、効果が確認されていない施策と、確認できる作業が混ざって語られることにあります。 二つを分けると、取り組むべきかを判断しやすくなります。

意味がないと言われる主な理由は次の三つです。

• GoogleのAI機能には、SEOの基本以外の特別な最適化は不要と説明されている [2]。
• AI向けの新しいファイルや、特別なschema.orgの記述は不要とされている [2]。
• AIの回答は同じ質問でも変わるため、効果を測りにくい。

構造化データについても、Googleはページの内容を説明するためのもので、読者に見えない情報を記述しないよう求めています [3]。機械向けの記述だけを足しても、AIの回答で選ばれるとは言えません。

一方で、次の作業は結果を確かめられます。

作業	確かめられること
顧客の質問で回答を記録する	自社名とリンクが出たか、説明が正しいか
公開ページの不足を直す	答えや条件がページに書かれたか
巡回の設定を確かめる	検索用のプログラムを止めていないか

OpenAIは、ChatGPTの検索で使うOAI-SearchBotと、学習に使うGPTBotを別々に設定できると説明しています [7]。学習を断るつもりで検索用まで止めていないかは、確かめられる項目です。詳しくはAIクローラーの違いで説明しています。

つまり、確認したGoogleの資料では、GoogleのAI機能にAI専用のファイルや専用の記述は必要とされていません。どの施策でも、提案されたら根拠を確かめます。そのうえで、回答の記録とページの修正は、結果を確かめながら進められる作業です。

E-E-A-TとLLMOの関係

E-E-A-Tを整えることは読者の確認に役立ちますが、それだけでAIの引用は保証されません。 E-E-A-Tは、経験・専門性・権威性・信頼性を表す言葉です。

Googleは、E-E-A-T自体は特定のランキング要因ではなく、中でも信頼が最も重要だと説明しています [4]。そのうえで、誰が書いたか、どう作ったか、なぜ作ったかを読者に分かるようにすることを勧めています [4]。

この説明はGoogle検索についてのもので、AIの引用への効果を示したものではありません。出典や著者を示すのは、読者が情報を確かめられるようにするためと考え、引用が増えるかは実際の回答で確かめます。

LLMOの効果を調べる：AIの回答・BingのCitation Share・訪問

効果は、質問ごとの回答、BingのCitation Share、AI経由の訪問を別々に記録して調べます。 まとめて一つの数字にすると、何が変わったか分からなくなります。

1つ目は、質問ごとの回答です。決めた質問を同じAIに複数回聞き、自社名が出たか、自社ページへのリンクが付いたかを分けて記録します。「5回中2回、リンクが付いた」のように回数を残します。利用した画面やモデル、検索機能の有無、言語・地域も記録し、毎回新しい会話で聞きます。ツールがAPI経由で測った結果は、利用者が画面で見る回答と一致するとは限らないため、どちらの結果かも書きます。

2つ目は、BingのCitation Share（引用シェア）です。2026年6月16日にpreview（試験提供）として公開され、AIが回答の根拠を探すために使った特定の検索語（grounding query）について、全サイトの引用のうち自社サイトへの引用が占める割合を示します [5]。自社で数える「引用された回答の割合」とは別の指標です。Microsoftは、順位や流入の割合ではない観測用の指標と説明しています [5]。

3つ目は、サイトへの訪問です。Search Consoleの生成AIレポートでは、GoogleのAI機能での表示回数を確認できます [6]。発表の項目にクリック数はないため、訪問はアクセス解析で見ます。紹介元が記録されない訪問もあるため、確認できた範囲として扱います。

記録	分かること	分からないこと
質問ごとの回答	自社名とリンクの有無	何人が見たか
Citation Share	Bingでの引用の割合	訪問数
生成AIレポート	GoogleのAI機能での表示回数	クリック
アクセス解析	サイトに来た訪問	回答の中身

LLMOを始める最初の1か月

最初の1か月は、質問リスト→回答の記録→設定の確認→ページ修正の順に進めます。 追加のツールがなくても、手作業で始められます。

次の表は当社が提案する予定の一例です。この工程数が必須というわけではなく、成果が出る期限を示すものでもありません。

週	やること	できあがるもの
1週目	顧客の質問を10件決める。自社名を含まない質問と含む質問を分ける	質問リスト
2週目	3つのAIで各質問を3回ずつ聞き、自社名・リンク・引用元・誤りを記録する	回答の記録表
3週目	robots.txtで検索用のプログラムを止めていないか、制作担当に確認を頼む	設定の確認結果
4週目	答えや条件が足りないページを1〜2本直し、次の確認日を決める	修正したページと予定

2か月目以降は、同じ質問・同じAIで記録を続けます。質問や対象のAIを変えたら、その日も記録します。Googleは、ページの再クロールには数日から数か月かかることがあると説明しているため [2]、修正直後の一回の結果で判断しないようにします。

回答の記録を続けたい場合は、AI最適化の使い方で、AgentSignalのAI引用率の手順を確認できます。記録は変化を見るためのもので、掲載を保証するものではありません。