LLMOとは？意味とGEO・AIOとの違い、対策の全体像を解説

「おすすめの〇〇は？」とAIに聞いてみたら、出てきたのは競合の名前ばかりだった。
最近、こういう相談が本当に増えました。検索エンジンの順位は追ってきたけれど、AIの回答の中身までは手が回っていない。そんなとき目にするのが、LLMOという言葉ですよね。

LLMOは、ChatGPTなどの生成AIに自社情報を見つけてもらい、回答内で引用・言及されやすくする取り組みです。本記事では、GEO・AIO・AEO・SEOとの違い、生成AIが情報源を選ぶ仕組み、具体的な対策を順番に解説します。

LLMOとは？生成AIに自社情報を見つけてもらうための施策

LLMOとは、ChatGPTをはじめとする生成AIに自社情報を見つけてもらい、回答内で引用・言及されやすくするための施策です。Large Language Model Optimizationの略で、日本語では「大規模言語モデル最適化」と訳されます。

LLMとLLMOの関係

LLMは、大量のテキストから言葉のつながりを学び、文章を生成する技術です。ChatGPTやGemini、Claudeなどの基盤に使われています。LLMOは、これらのAIが回答を作るときに、自社サイトや自社に関する情報を参照しやすい状態へ整える取り組みです。

従来の検索では、ユーザーが検索結果のリンクから読むページを選びます。そのため、検索順位を上げ、クリックにつなげるSEOが集客の中心でした。

生成AIでは、複数の情報源をもとに、ひとつの回答が作られます。ユーザーが最初に触れるのはリンクの一覧ではなく、AIがまとめた答えです。その中で自社が引用・言及されるかどうかが、新しい接点になります。

LLMOの定義は、まだ業界全体で統一されていません。実務では、「生成AIの回答で、自社情報を見つけてもらいやすくする施策の総称」と捉えれば十分です。呼び方の違いよりも、AIが情報源を選ぶ条件を押さえることが重要です。

なぜいまLLMOが注目されているのか

LLMOが注目されているのは、生成AIの回答が情報収集や比較検討の入口になり始めているからです。何かを調べるとき、検索結果を一つずつ見る代わりに、まずAIへ質問する人が増えています。

実際に「llmoとは」「llmo」「llmo対策」の検索結果を確認すると、いずれもAI Overviewが表示されていました。LLMOを調べる検索でも、AIの回答が最初の接点になっています。

ただし、従来の検索がすぐにAIへ置き換わるわけではありません。自社計測でも、AI経由はまだ流入全体の主役ではない一方、問い合わせにつながる割合はオーガニック検索を大きく上回りました。現時点では、流入の量よりも質を見るべき段階です。

LLMOは、SEOから乗り換える施策ではありません。SEOを続けながら、生成AIから質の高い見込み客と出会う経路を増やす取り組みです。

LLMO・AIO・GEO・AEO・SEOの違い

結論からいうと、LLMO・AIO・GEO・AEOは、着目する対象が異なるものの、目指す方向はほぼ同じです。SEOは別の施策ではなく、その土台になります。用語が多いのは、生成AI検索の分野が新しく、定義がまだ統一されていないためです。

用語の違いは「どこへの最適化か」で整理する

5つの用語は、「何を最適化するのか」で分けると理解しやすくなります。

LLMO・AIO・GEO・AEOは、いずれもAIの回答で自社情報を見つけてもらうための考え方です。違いは、どこに焦点を当てるかにあります。LLMOは基盤技術のLLM、GEOは生成エンジン全般、AEOは質問への直接回答に注目した呼び方です。AIOは、AI検索全般を指す場合と、GoogleのAI Overviews対策を指す場合があります。

使われ方には地域差もあります。日本のWeb業界ではLLMOという呼び方が広く使われていますが、海外の記事や調査ではGEOが優勢です。

実際、この記事に来る検索でいちばん多いのは、geoとllmoの違いを調べる検索でした。みなさん、同じところで迷っているんですよね。

結局どの言葉を使えばいい？

私たちの答えは、「社内やクライアントに通じる言葉を使えばいい」です。上位の解説記事を読み比べると、ある会社はGEOが正確だと言い、別の会社はAEOを推し、また別の会社はLLMOで通すと宣言しています。

それぞれに理屈はありますが、読者からすれば、呼び方の主張より施策の中身が知りたいはずです。

大事なのは、どの呼び方を選んでも、評価されるページの条件は変わらないという事実です。AIが参照するのはWeb上のページであり、検索エンジンに評価される良質なページと、AIが引用したくなるページは大きく重なります。だからSEOを捨ててLLMOに乗り換える、という発想は成り立ちません。

SEOという土台の上に、AIに引用されるための観点を積み増す。

この関係を押さえておけば、用語の流行がどう変わっても迷いません。

では、その「AIに引用されるための観点」とは何なのか。それを知るには、LLMがどうやって引用先を選んでいるかを理解するのが近道です。次の章で仕組みを見ていきましょう。

生成AIはどこから情報を集め、何を引用するのか

LLMはどうやって引用するサイトを選んでいるのか？

結論からお伝えすると、LLMが自社を知る経路は2つあります。学習データに刻まれた記憶と、回答するときに行うWeb検索です。どちらの経路で選ばれたいかによって、打つべき手が変わります。ここがLLMO対策の設計図になるので、少しだけ仕組みの話にお付き合いください。

LLMが答えを作る2つの経路｜学習データと検索

1つめの経路は、学習データです。LLMは開発の段階で、Web上の膨大なテキストを読み込んで知識を蓄えます。このとき自社の名前が、自社サイトの外、つまり業界メディアや口コミ、各種のデータベースなどで繰り返し語られていれば、AIは「この分野にはこの会社がある」という記憶を持った状態になります。会話の中で検索を使わずに自社名を挙げてもらえるのは、この経路のおかげです。ただし学習データの更新はゆっくりで、今日の施策が反映されるまで時間がかかります。

2つめの経路は、検索（回答するときにWeb上の情報を検索する経路）です。最近のAIは、質問を受けると裏側で検索エンジンに問い合わせ、上位の結果を読み込んで、要約とともに出典リンクを返します。ChatGPTの検索機能、Perplexity、GoogleのAIによる概要は、いずれもこの経路で動いています。ここで選ばれる条件は、検索エンジンで評価されていること、そして読み込まれたときに引用しやすい構造であることです。効果が出るのも学習データ経路より早く、企業サイトがまず狙うべきはこちらです。

ChatGPT検索の引用の87%はBing上位と一致する

検索経路には、見落とされがちな重要ポイントがあります。AIによって、裏側で使う検索エンジンが違うことです。

Seer Interactiveが2025年2月に公開した調査では、ChatGPTの検索機能が示した引用の87%以上が、同じ質問をBingで検索したときの上位オーガニック結果と一致しました。一方、Googleの検索結果との一致は56%にとどまっています。ChatGPTはMicrosoftと提携しており、検索の土台にBing系の基盤を使っているとされるためです。

これが実務に落ちると、こういう話になります。Googleで上位でも、Bingでインデックスされていなければ、ChatGPTの回答には出てこないことがある。日本の企業サイトはGoogle向けの整備しかしていないことが多く、Bing Webmaster Toolsが未登録のまま放置されているケースをよく見かけます。無料でできる登録がChatGPT対策の入口になるのだから、やらない手はありません。

ちなみにGoogleのAIによる概要のほうは、Google検索の評価と連動しています。Googleは公式ドキュメントで、AI機能のための特別な最適化は不要で、検索向けの基本的な最適化がそのまま有効だと説明しています。つまりGoogle系のAIにはこれまでのSEO資産が、ChatGPT系にはBingの整備が効く。この対応関係を知っているだけで、施策の狙いがぐっと明確になります。

AIに引用されやすいページの3つの条件

経路の違いを踏まえたうえで、最終的にAIが「このページを引用しよう」と判断する条件は、3つに集約できます。

1. 答えがすぐにわかること。見出しの直後に結論を置き、その後に根拠や具体例を続けます。前置きが長く、結論が分散しているページは、読者にもAIにも要点が伝わりにくくなります。

2. ページを正常に取得できること。robots.txt、ステータスコード、内部リンク、XMLサイトマップを整え、必要に応じて構造化データでページの種類や発信主体を明示します。構造化データだけで引用が保証されるわけではありません。

3. 誰が、何を根拠に書いたかがわかること。著者の専門性、企業の実績、一次情報、外部からの言及などを示します。公式サイト内外の情報が一貫しているほど、自社とコンテンツの位置づけを理解してもらいやすくなります。

この3点は、後述する「コンテンツ」「技術基盤」「エンティティ」の対策につながります。次に、自社の実測から、LLMOをどの指標で評価するべきかを見ていきます。

【自社実測】AI経由は流入数より問い合わせ率で見る

ここからは、弊社クーシー （ coosy.co.jp ） の実測データを紹介します。

比較しやすいように、AI経由流入の構成比と問い合わせ率で整理しました。データは、GA4をBigQueryで集計した2026年7月の確定値です。

AI経由流入の73%がChatGPT系

AI経由流入の内訳を見ると、利用するサービスによって大きな差がありました。

ChatGPT系が73%を占め、Geminiは15%、Claudeは8%、Perplexityは4%でした。一般的な利用動向だけでなく、自社サイトで実際にどのAIから流入しているかを見ると、施策の優先順位を決めやすくなります。クーシーでは、ChatGPT Searchで参照される土台として、Bingのインデックス状況も優先して確認しています。

問い合わせ率はオーガニック検索の約36倍

流入の構成比だけでは、LLMOの価値は判断できません。確認したいのは、訪問後に問い合わせへつながった割合です。

2026年7月のサービス問い合わせ率は、AI経由が約2.7%、オーガニック検索経由が約0.075%でした。AI経由は約36倍です。また、識別できたAI経由のサービス問い合わせは、すべてChatGPT経由でした。

背景には、AIを使う時点ですでに比較検討が進んでいる可能性があります。ユーザーはAIに条件を伝えて候補を絞り、回答で知った企業のサイトを訪れます。そのため、一般的な情報収集段階の検索流入よりも、訪問時の検討度が高くなるケースがあると考えられます。

LLMOの効果は、流入数だけで判断しません。問い合わせ率、商談化率、問い合わせ内容まで確認し、流入の質を含めて評価します。

識別できないAI流入はDirectに含まれることがある

AI経由の計測では、すべての訪問元を正確に識別できるとは限りません。

OpenAIは、ChatGPT Searchの参照リンクに「utm_source=chatgpt.com」を付けると説明しています。この流入はGA4で識別できます。

一方、参照元情報が引き継がれない環境や、URLをコピーしてアクセスした場合などは、Directに含まれることがあります。ただし、DirectにはAI以外の流入も含まれるため、増加分をすべてAI経由とみなすことはできません。

本記事の構成比と問い合わせ率は、GA4でAI経由と識別できた範囲の数値です。効果測定では、参照元だけでなく、ランディングページ、問い合わせ時の申告、Directの変化なども組み合わせて確認します。

自社がAIでどのように紹介され、どの経路が成果につながっているかを把握したい場合は、AI検索診断で現状を可視化できます。

合わせて読みたい

AI検索診断｜LLMO／AIO／GEO対応のサイト診断

 LLMO対策の全体像｜4つの領域と進め方

お待たせしました、対策の話です。結論からいうと、LLMO対策は、「コンテンツ」「技術基盤」「エンティティ」「プラットフォーム別戦略」の4領域に分けると、やるべきことが整理できます。本記事では全体像と進める順番を示し、詳しい実装方法は各専門記事で解説します。

領域①コンテンツ｜引用されやすい形に整える

最初に取り組みたいのは、既存ページを「答えがすぐにわかる形」へ直すことです。見出しの直後に結論を置く、質問と回答をセットにする、一次情報や事例を加える、更新日と根拠を示す。こうした改善は、読者にもAIにも内容を伝えやすくします。

新しい記事を増やす前に、すでに検索で評価されているページから改善するほうが効率的です。既存の検索評価を生かしながら、回答のわかりやすさと引用しやすさを高めます。

新しいページを増やすより、すでに検索で評価されているページから直すのが効率的です。順位という資産をAI時代の書き方に置き換えていく作業だと捉えてください。具体的な7つの施策と手順、チェックリストは、実践編の記事に詳しくまとめています。

合わせて読みたい

AIO対策の始め方とは？AI検索で自社サイトを表示させる実践ガイド

領域②技術基盤｜構造化データとAIクローラーの受け入れ

2つめは、検索エンジンやAIサービスがページを正常に取得できる状態を整えることです。robots.txt、ステータスコード、XMLサイトマップ、内部リンクを確認し、必要に応じて構造化データでページの種類や発信主体を明示します。

とくにBingの整備は、費用ゼロで着手できるわりに効果の見込める、コスパの高い一手です。前述のとおりChatGPTの引用はBing上位との一致率が高く、自社の流入実測でもChatGPT経由が7割強を占めていました。Google向けのSEOができているサイトなら追加の作業は多くありません。まだ未登録なら、今週の作業リストに入れてしまいましょう。最近よく聞く構造化データって？という方は以下の記事をおすすめします。

合わせて読みたい

構造化データとは？AIO対策に必須の理由と実装方法を徹底解説

領域③エンティティ｜この会社は何者かをAIに覚えてもらう

3つめは、Web上で「この会社は何者か」を一貫して示すことです。社名、所在地、事業内容、専門領域、実績などの情報をそろえ、同じ企業についての情報だと理解できる状態を作ります。

クーシーでは、公式サイトの会社情報を整え、Organizationの構造化データとsameAsで公式プロフィールや外部情報との関係を示しています。短期的な流入増を狙う施策ではありませんが、企業情報を正しく理解してもらうための基盤になります。

まずは公式サイトの社名・所在地・事業内容・実績をそろえ、Organizationの構造化データで発信主体を明示します。そのうえで、業界メディアへの寄稿、調査データ、導入事例など、第三者が参照できる情報を増やします。

領域④プラットフォーム別戦略｜どのAIから攻めるか決める

最後は配分の話です。AIによって回答の土台が違う以上、すべてのAIに同じ力をかけるのは得策ではありません。GoogleのAIによる概要とGeminiにはGoogle検索の評価が、ChatGPTにはBingの整備と外部での言及が、Perplexityには引用しやすいページ構造が効きます。

自社の流入構造と顧客が使うAIから優先順位を決め、1〜2個に絞って始める。多くの企業サイトではGoogle系から着手するのが定石ですがまずは主要な1〜2プラットフォームに絞り、引用状況、流入構成、問い合わせへの寄与を定点観測します。クーシーではChatGPT系の比率が高かったため、Bingのインデックス状況とChatGPTでの引用も優先して確認しています。

進める順番｜現状把握から効果測定までの4ステップ

4つの領域は、現状把握、コンテンツ改善、技術対応、効果測定の順で進めます。

エンティティ整備は反映に時間がかかるため、最初から並行して進めます。早く検証できる施策と、中長期で企業理解を支える施策を組み合わせることがポイントです。

FAQ

LLMとLLMOの違いは何ですか？

LLMは「大規模言語モデル」という技術の名称です。LLMOは、そのLLMや生成AIの回答で、自社情報を見つけてもらい、引用・言及されやすくするための施策です。

LLMOは海外でも通じる言葉ですか？

LLMOという表現も使われますが、海外ではGEOやAEOも広く使われています。海外の調査や事例を探す際は、「large language model optimization」だけでなく、「generative engine optimization」「answer engine optimization」でも検索すると見つけやすくなります。

LLMOの効果がGA4で見えにくいのはなぜですか？

ChatGPT Searchの一部の参照リンクにはutm_sourceが付くため、GA4で識別できます。一方、参照元情報が引き継がれない環境やURLのコピー＆ペーストでは、Directに含まれることがあります。DirectにはAI以外の流入も含まれるため、参照元、ランディングページ、問い合わせ時の情報を組み合わせて評価します。

Wikipediaに記事がない会社は、LLMOで不利になりますか？

記事がないだけで勝負が決まるわけではありません。WikipediaはAIが参照しやすい情報源のひとつですが、掲載には特筆性の基準があり、無理に作ろうとするのはおすすめしません。もし不安があればご相談ください。

llms.txtは設置したほうがいいですか？

現時点で、llms.txtの優先度は高くありません。LLM向けにサイト情報を示すための提案ですが、Web標準として確立しているわけではなく、効果も保証されていません。まずはクロール・インデックス、コンテンツ、構造化データなどの基礎施策を優先します。

LLMO対策はクーシーにご相談ください

LLMOは、生成AIの回答で自社情報を見つけてもらい、引用・言及されやすくするための施策です。SEOを土台に、コンテンツ、技術基盤、エンティティ、プラットフォーム別戦略の4領域を整えます。効果は流入数だけでなく、問い合わせや商談への寄与まで見て判断します。

クーシーは、Web制作と運用・改善の知見を生かし、AI検索での可視性診断から、情報設計、構造化データ、エンティティ整備、効果測定まで一貫して支援します。自社サイトでの検証結果も、施策の設計と改善へ反映しています。自社がAIでどのように扱われているかを把握したい場合は、まず現状診断からご相談ください。

合わせて読みたい

AI検索診断｜LLMO／AIO／GEO対応のサイト診断