AI 活用記事基礎知識

LLMO対策とは?やり方と効果測定|AIに引用されたかを15問で3週測った結果

LLMO対策(AIの回答に自社サイトを引用させる取り組み)のやり方と効果測定を、Google公式ガイドと自社サイトの実測で解説。同じ15問の被引用は0→7→9問に増えた一方、別のAI(Codex CLI)では30回で0回、llms.txtへのAIクローラーのアクセスは4回のログで0件でした。

基礎知識、、読了時間:18分

図書館のカード目録の引き出しを開けたところ。青い見出しカードに英語で「探しているものがここになければ、案内デスクの司書に尋ねてください」と印刷されている(米国インディアナ州立図書館、2024年10月撮影)
写真:TBurmeister (WMF) / CC BY-SA 4.0(16:9 にトリミング) — 出典 / CC BY-SA 4.0

LLMO対策のやることの中心は、通常のSEOと同じです。検索に載ること、質問に冒頭で答えること、他にない一次情報を出すこと、そして同じ質問で毎週測ることです。当サイトで同じ15問をAI検索に毎週聞いたところ、引用された問は3週で0→7→9問に増えました。一方で、別のAI(Codex CLI)に同じ15問を30回聞くと、引用は0回でした。llms.txt へのAIクローラーのアクセスは、4回のログで0件です。

  • 引用されやすかったのは「公式の答えがない問」(業務の進め方・比較)。9問中6問で引用され、6問とも1番目だった(11月8日)
  • 料金・手順・制度のように公式や官公庁の答えがある問は、公式が先に引用される。当サイトは6問中3問で3〜5番目だった
  • llms.txt は Google 検索では使われない(Google 公式)。当サイトのログでも、AIクローラーは llms.txt ではなく記事そのものを取りに来ていた

本記事は2026年11月11日時点の情報です。

LLMO(エルエルエムオー)とは、Large Language Model Optimization の略で、ChatGPT・Gemini・Perplexity・Google の AI による概要などのAIの回答に、自社のページが情報源として引用・紹介されるように整えることです。AIO(AI検索最適化)やGEO(生成エンジン最適化)も、ほぼ同じ意味で使われています。

本記事では、Google の公式ガイド(2026年11月11日確認)と、当サイト(ai.sanvia.co.jp)で2026年10月25日から続けている計測の結果をもとに、やり方と測り方をまとめます。AIが外部の情報を検索して答える仕組みそのものはRAGとは、AIのクローラーを robots.txt で扱う方法はrobots.txtでAIの学習を拒否する方法で解説しています。

結論:LLMO対策でやること・やらなくてよいこと

LLMO対策は、特別な裏技より「検索に載る・答えを先に書く・一次情報を出す・測る」の4つが中心です。下の表は、公式の説明と当サイトの観測を並べたものです。

施策 公式の説明(出典) 当サイトで観測したこと
検索にインデックスされる Google の AI 機能に表示されるには、インデックス登録されスニペットを表示できる必要がある(Google) 78ページすべてインデックス済み(11月11日の Search Console)
AIの検索ボットを拒否しない OAI-SearchBot を拒否すると ChatGPT の検索回答に出ない(OpenAI) robots.txt で許可。OAI-SearchBot は12時間で23回来た
質問に冒頭で答える・表とFAQ 読者のために整理されたページが評価される。AI向けの書き換えは不要(Google) 引用された9記事のうち8記事は、冒頭の1文が質問への答え
独自の一次情報を出す 他の場所にある情報の言い換えではなく、独自の視点・経験を(Google) 引用された9記事のうち4記事は自前の検証つき。残りは公式資料を表で整理した記事
出典・数値・引用を足す 研究では出典・引用・統計の追加で可視性が最大40%上がった(GEO論文) 本記事も数値の直後に出典を置いている
llms.txt を置く Google 検索は使わない。他のサービス向けに置くのは問題ない(Google) 置いているが、AIクローラーのアクセスは4回のログで0件
構造化データ AIのために特別なものは不要。リッチリザルトのために使うのはよい(Google) 全記事に Article・FAQ を入れているが、効果は分けて測れていない
キーワードの詰め込み 効果がない、または逆効果(GEO論文) 試していない

確認日:2026-11-11。出典の詳細は記事末の「参考」に記載。

LLMOとは?AIO・GEO・AEOとの違い

LLMO・AIO・GEO・AEOは、どれも「AIの回答の中で、自社の情報が使われるようにする」取り組みを指す言葉で、厳密な使い分けは決まっていません。

用語 元の英語 主に指すもの
LLMO Large Language Model Optimization ChatGPT・Claude・Gemini などの大規模言語モデルの回答に向けた対策
AIO AI Optimization など(AI検索最適化) AI検索・AIによる概要に向けた対策。日本でよく使われる
GEO Generative Engine Optimization 生成AIの検索エンジン向けの対策。2023年の論文で名前が付いた
AEO Answer Engine Optimization 「答えを返す」検索(音声検索・AI回答)向けの対策

GEO は、プリンストン大学などの研究者による論文「GEO: Generative Engine Optimization」(KDD 2024)で定義された言葉です。Google は公式ガイドで「Google 検索の観点から見ると、生成 AI 検索向けに最適化することは、SEO であることに変わりはありません」と書いています(2026年11月11日確認)。

つまり、Google の AI による概要・AI モードに限っていえば、LLMO対策は SEO の延長です。ChatGPT や Perplexity は自社の検索・クローラーを持つため、それぞれのボットを拒否していないかの確認が加わります。

LLMO対策の進め方(6ステップ)

当サイトで実際に行っている手順です。費用のかかるツールは使っていません。

1. 検索に載っているかを確かめる

Search Console の「URL検査」やページのインデックス登録レポートで、狙うページが登録済みかを確かめます。Google は、AI による概要や AI モードに表示されるには、インデックスに登録され、スニペットを表示できる状態である必要があるとしています。当サイトは2026年11月11日時点で、送信した78ページすべてが登録済みでした。

2. robots.txt でAIの検索ボットを止めていないか確かめる

自社の robots.txt を開き、OAI-SearchBot(ChatGPT の検索)や PerplexityBot を Disallow していないかを見ます。OpenAI の説明では、OAI-SearchBot を拒否したサイトは ChatGPT の検索回答に表示されません。学習用の GPTBot だけを拒否し、検索用は許可する、という分け方もできます。書き方はrobots.txtでAIの学習を拒否する方法にまとめています。

3. 測るための質問を10〜15個決める

お客様がAIに聞きそうな質問を、自社のページ1つにつき1問ずつ書き出します。当サイトは15問に固定し、毎週同じ文面で聞いています。文面を変えると前週と比べられなくなるからです。

4. 各ページの冒頭で、その質問に答える

最初の1〜2文で答えを書き、そのあとに表・手順・FAQを置きます。11月8日に引用された9記事のうち8記事は、冒頭の1文が質問への答えになっていました。Google は、AIのための特別な書き換えや、内容を細かく切り分ける「チャンク化」は不要としています。人が読みやすい構成にすれば足ります。

5. 他にない一次情報を足す

自分で試した結果、数えた数字、撮った画面、現場の手順など、他のサイトにない情報を入れます。Google のガイドは、既存のコンテンツの要約ではなく、体験にもとづく独自の視点を勧めています。当サイトで11月8日に引用された9記事のうち4記事は自前の検証結果つきで、残りの多くは公式資料を表に整理した記事でした(自前の検証が引用の条件とまでは言えません)。数値や引用には、直後に出典と確認日を書きます。

6. 同じ質問で毎週測り、記録する

ステップ3の質問をAI検索に入れ、回答の引用元に自社のURLがあるかを記録します。1回の結果は揺れるので、週ごとの推移で見ます。あわせて Search Console の表示回数・クリックと、アクセス解析で AI サービスからの流入を見ます(測り方は後の節)。

自社サイトで測った結果:同じ15問で3週

当サイトでは、2026年10月25日から毎週日曜に、同じ15問を Web 検索つきのAIアシスタント(ログアウト状態で使えるもの1種。以下「AI検索A」)に入れ、回答の引用元の上位5件に ai.sanvia.co.jp が入るかを記録しています。

同じ15問で当サイトがAIの回答に引用された数の棒グラフ。AI検索Aでは10月25日が0問、11月1日が7問(すべて公式の答えがない問)、11月8日が9問(公式・官公庁の答えがある問が3問、公式の答えがない問が6問)。11月11日に Codex CLI で各問2回・計30回聞いた結果は0問。プロンプトは自社の記事の題名から作ったため当サイトに有利な条件
同じ15問での被引用の推移。出典: 編集部の計測(2026年10月25日〜11月11日)
計測日 引用された問 公式・官公庁の答えがある問(6問) 公式の答えがない問(9問)
2026年10月25日 0/15 0/6 0/9
2026年11月1日 7/15 0/6 7/9
2026年11月8日 9/15 3/6(3〜5番目) 6/9(6問とも1番目)

条件:AI検索A、各問1回、引用元の上位5件で判定。データは docs/llmo-prompts.md(当サイトのリポジトリ)に毎週記録。

「公式・官公庁の答えがある問」は、Claude Code の料金、Codex CLI の使い方、助成金・補助金の条件、ChatGPT の学習オフの設定、Agent Skills の書き方の6問です。「公式の答えがない問」は、不動産会社の ChatGPT 活用、反響メールの返信、入居者へのお知らせ、議事録の作り方、社内ルールの作り方、Codex と Claude Code の比較など9問です。

結果から読み取れることは3つです。

  • 公式の答えがない問ほど、引用されやすい。11月8日に1番目で引用された6問は、すべて「不動産会社が〇〇をAIでやる方法」「中小企業の導入がうまくいかない理由」のような業務の問でした。不動産会社のChatGPT活用や反響メールの返信をAIで作る方法がその例です。
  • 料金・仕様の問では、公式が先に引用される。11月1日は公式・官公庁の6問のうち5問で、引用元が公式・官公庁のページだけでした。11月8日に3問で引用されましたが、順位は3〜5番目です。
  • 0から7問に増えた理由は分からない。この1週間に構成を書き換えた2問(情報漏洩対策・社内ルール)はどちらも引用されず、増えたのは書き換えていない問でした。検索側の再クロールの時期など、外からは確かめられません。

ただし、この計測には偏りがあります。プロンプトは当サイトの記事の題名から作っているので、当サイトに有利です。各問1回なので、1問ずつの増減は誤差の範囲です。ChatGPT・Perplexity・Gemini・Copilot はログインやブラウザ操作が必要なため、測っていません。

別のAIでは引用0回:Codex CLIで30回聞いた結果

同じ15問を、2026年11月11日に Codex CLI(OpenAI のモデルを使うコーディング用のAI。ChatGPT アカウントでログイン、Web 検索あり)にも各2回、計30回聞きました。結果は30回とも当サイトの引用0回です。

項目 結果
実行 15問×2回=30回(2026年11月11日 13:59〜14:05 JST、1回29〜61秒)
Web 検索の回数 30回すべてで検索した(1回あたり中央値3回)
回答に書かれたURL 1回あたり2〜10件(中央値4件)
ai.sanvia.co.jp の引用 0/30回
引用されたドメインの種類(のべ71件) AI各社の公式31件、官公庁22件、業界団体・商工会議所5件、企業13件

条件:Codex CLI 0.163.0、codex exec(読み取り専用)、質問文の末尾に「ウェブで調べて日本語で答え、根拠のURLを箇条書きで示して」と付けた。全文は data/experiments/2026-11-11-site-llmo-runs.json。

AI検索Aでは9問で引用された同じ質問が、Codex CLI では1回も引用されませんでした。Codex CLI は、どの問でも公式ドキュメント・官公庁・大手企業のページを根拠に選び、のべ71件のうち58件(82%)が公式・官公庁・業界団体でした。不動産の問でも、三井不動産・東急リバブルなど大手の解説と、不動産公正取引協議会のページが選ばれています。

ここから言えるのは、AIによって引用元の選び方が大きく違うということです。1つのAIで引用されたからといって、他のAIでも引用されるとは限りません。なお、Codex CLI の結果は ChatGPT の画面の検索と同じになるとは限りません。根拠のURLを示すよう頼んだことが、公式を選ぶ方向に働いた可能性もあります。

llms.txtの効果は?AIクローラーのアクセスを数えた

llms.txt は、サイトの概要と主要なページの一覧を Markdown で書き、/llms.txt に置くファイルの提案です(llmstxt.org、2024年9月初版・2026年8月に第2版)。Google は「Google 検索(生成 AI 機能を含む)は llms.txt を使わない」と公式ガイドに明記しています。他のサービス向けに置くことは問題ないともしています。

当サイトは llms.txt と llms-full.txt を置いています。そこで、配信サーバー(Vercel)のリクエスト記録で、どのボットが何を取りに来たかを数えました。

記録の期間(JST) 全リクエスト /llms.txt への既知のAI・検索ボット 主なAI・検索ボットの合計
10月25日 8:18〜20:06(約12時間) 3,147 0 47
11月1日 8:05〜20:05(約12時間) 3,927 0 176
11月8日 7:15〜20:12(約13時間) 1,896 0 88
11月11日 2:01〜14:01(12時間) 4,762 0 140

主なAI・検索ボット=Googlebot・bingbot・OAI-SearchBot・ChatGPT-User・GPTBot・PerplexityBot・ClaudeBot・Amazonbot・YandexBot(11月11日は Applebot・Claude-User を含む)。11月11日の /llms.txt へのアクセス6件は、curl 4件とブラウザの表記2件(うち1件は Lighthouse の端末表記)でした。

4回・計約49時間の記録で、AIや検索のボットが llms.txt を取りに来たことは一度もありませんでした。一方で、記事そのものは取りに来ています。11月11日の朝に公開した記事は、公開から約2時間で Googlebot、約3時間で PerplexityBot、約4時間半で OAI-SearchBot が取得していました。昼に公開した別の記事は、約1時間で Googlebot と OAI-SearchBot が来ています。

ボット 11月11日 2:01〜14:01 のアクセス数 用途(各社の説明)
Googlebot 32 Google 検索(AI による概要を含む)
OAI-SearchBot 23 ChatGPT の検索機能に表示するため
bingbot 21 Bing 検索
PerplexityBot 20 Perplexity の検索
ChatGPT-User 10 ChatGPT の利用者の操作で訪問(自動の巡回ではない)
GPTBot 1 OpenAI のモデルの学習用(取得したのは sitemap.xml のみ)

出典:編集部の集計(Vercel のリクエスト記録、2026年11月11日)。用途は OpenAI「Overview of OpenAI Crawlers」(2026年11月11日確認)ほか各社の説明。

結論として、llms.txt は「置いても害はないが、当サイトでは効果を観測できていない」ものです。llmstxt.org は、コーディング用のAIが開発者向けドキュメントを読む用途で最も使われているとしています。社外向けの一般的なサイトなら、先に記事の中身と robots.txt を整えるほうが確実です。

LLMO対策の効果測定のしかた

LLMO対策の効果は、1つの数字では測れません。当サイトでは次の4つを毎週記録しています。

測るもの 方法 当サイトで分かったこと
AIの回答に引用されたか 固定した10〜15問をAI検索に入れ、引用元を記録 0→7→9問(上の結果)
Google の表示・クリック Search Console の検索パフォーマンス AI による概要・AI モードの分は、API ではウェブ検索の合計と分けられなかった(11月8日に確認)
AIサービスからの流入 アクセス解析で、参照元が chatgpt.com・perplexity.ai などの訪問を数える 11月1日・11月8日の週はどちらも0件
AIボットの訪問 サーバーのリクエスト記録をユーザーエージェントで集計 上の表のとおり

Google の公式ガイドは、Search Console の「生成 AI パフォーマンス レポート」で AI 機能での表示を確かめるよう案内しています。当サイトはこのレポートをまだ確認しておらず、本記事では数値を載せていません(未確認)。

当サイトの場合、AI検索Aで9問引用された週も、AIサービスからの訪問は0件でした。引用されることと、訪問が増えることは別の話です。問い合わせなどの成果につながるかは、引用の数とは分けて見る必要があります。

注意点:業者・ツールを選ぶ前に

Google は、ランキングでの上位獲得を約束したり、Google 内部の指標を使っていると主張したりする第三者のツールに注意するよう呼びかけています。外部のツールが Google 内部のランキングや AI のシステムにアクセスすることはできません(Google 公式ガイド、2026年11月11日確認)。

  • 「llms.txt を置けばAIに引用される」:Google 検索では使われません。当サイトでも、ボットのアクセスは0件でした
  • 「AI向けに文章を細かく分ける・言い回しを全部入れる」:Google は不要としています
  • 「ネット上での言及(サイテーション)を探して増やす」:Google は、ウェブ上の言及を探し回ることは実際にはそれほど役に立たないとしています
  • AI の回答は誤りを含むことがあります。自社の情報が間違って紹介されていないかも、測るときに一緒に確かめます(ChatGPTのハルシネーション(もっともらしい誤り)を減らす方法)

自社でどこから手をつけるか迷う場合は、AI導入診断(8問・無料)で、AIの使い方とあわせて整理できます。

よくある質問

Q. LLMO対策とSEOの違いは何ですか?

A. Google の AI による概要・AI モードに限れば、Google は「生成 AI 検索向けの最適化も SEO である」と説明しており、やることはほぼ同じです。違いは、ChatGPT や Perplexity のような Google 以外のAIでは、それぞれの検索ボット(OAI-SearchBot・PerplexityBot など)を robots.txt で拒否していないかの確認と、AIごとに引用されたかを測る作業が加わる点です。

Q. llms.txtは意味がないのですか?

A. Google 検索では使われません(Google 公式ガイド)。当サイトでは4回・計約49時間のサーバー記録で、AIや検索のボットの llms.txt へのアクセスは0件でした。llmstxt.org はコーディング用のAIが開発者向けドキュメントを読む用途で使われているとしており、置くこと自体に害はありませんが、まずは記事の中身と robots.txt を整えるほうが先です。

Q. AIO・GEO・LLMOは何が違いますか?

A. どれも「AIの回答で自社の情報が使われるようにする」取り組みで、厳密な使い分けはありません。GEO は2023年の論文で名前が付いた言葉、AIO は日本でよく使われる言い方、LLMO は大規模言語モデル(LLM)向けを強調した言い方です。

Q. LLMO対策の効果はどのくらいで出ますか?

A. 当サイトでは、測り始めた10月25日の0問から、1週間後に7問、2週間後に9問へ増えました。ただし、プロンプトが自社に有利な条件で、AI検索1種・各問1回の結果です。他のAI(Codex CLI)では同じ質問で0回でした。期間の目安は、サイトや質問によって大きく変わると考えてください。

Q. 構造化データ(schema.org)は必要ですか?

A. Google は、生成 AI 検索のために特別な構造化データは不要としています。ただし、リッチリザルトの対象になるため、SEO の一部として使うことは勧めています。当サイトは全記事に Article・FAQ の構造化データを入れていますが、引用への効果は分けて測れていません。

Q. 自社でできますか?何から始めればよいですか?

A. 費用のかかるツールなしで始められます。まず Search Console で狙うページがインデックス済みかを確かめ、robots.txt で OAI-SearchBot などを止めていないかを見ます。次に、お客様がAIに聞きそうな質問を10問決め、毎週同じ文面でAI検索に入れて引用元を記録します。

参考

検証データについて

AI検索Aの週ごとの結果(質問・引用されたドメイン)は当サイトの運用記録 docs/llmo-prompts.md に、Codex CLI の30回の質問文・回答の全文・判定と、11月11日のボットの集計は data/experiments/2026-11-11-site-llmo-runs.json に収録しています。結果は手を加えずに載せています。

この使い方を自社のどの業務から試すか、約3分で確かめる

全8問に答えると、AI 導入の準備度と、最初に試す活用アイデアがわかります。無料・登録不要です。

関連記事

すべてを表示