LLMOとは？SEOとの違い・対策手順・費用を計測データで解説

LLMOとは、AIが質問に答えるとき、その回答のなかに自社の情報が載るようにする取り組みです。読み方は「エルエルエムオー」。Large Language Model Optimization（大規模言語モデル最適化）の略です。

対象になるのは、ChatGPTやPerplexity、GoogleのAI Overviews（検索結果の上に出るAI要約）などです。「LLM対策」や「AI検索対策」も、ほぼ同じ意味で使われています。

検索結果で上位に出ることではなく、AIが書いた答えのなかに入ること。狙いはここに絞られます。

AIO・GEO・AEOとの関係

LLMOの周りには、AIO・GEO・AEOといった言葉が並んでいます。生まれた背景は少しずつ違いますが、目指す状態は同じです。AIの回答に自社が載ること、という一点に集約されます。

私たち株式会社くるみは社内の資料と提案書で、呼び名をLLMOに統一しました。同じ施策を別の言葉で議論すると、施策が同じでも話が噛み合わなくなるためです。

呼び名は違っても中身は同じ、という関係を図にしました。

言葉ごとの成り立ちの差はLLMOとAIOの違いで整理しています。この記事ではLLMOで統一して進めます。

LLMOが指す2つの状態

LLMOには2つの状態があります。ひとつは、自社のページがAIの回答の参照元として引用されること。もうひとつは、自社名やサービス名が候補として挙がることです。

前者はサイトへの流入につながり、後者は指名での問い合わせにつながります。どちらを先に取りにいくかで、手を付ける場所が変わります。

流入を取りたいなら、記事とFAQを整えます。名前を挙げてほしいなら、カテゴリの説明と社外での言及を増やします。同じLLMOという言葉でも、作業内容は別物です。

この記事で扱うこと

この記事は、LLMOの意味、SEOとの違い、計測のやり方、サイト内外の対策、費用と依頼先の順に進みます。

数字は、私たちが自社サイトで実際に計測したものと、出典を明記した公開データだけを使います。相場や一般論の推計は載せていません。

SEOとLLMOの違いは、評価する相手です。SEOは検索エンジンの順位を相手にし、LLMOはAIが書く回答を相手にします。

ただし、やることが総入れ替えになるわけではありません。私たちが自社サイトと支援先で運用した範囲では、SEOで積み上げた施策のおよそ6割はそのまま効き、残りのおよそ4割が別の動き方をしました。

相手が変わることで、何が共通して何が変わるのかを図に整理しました。

目的と評価軸の違い

観点ごとに並べると、違いは次のようになります。

評価の単位が「ページ」から「文章の一節」に変わる点が、実務では一番効いてきます。ページ全体の完成度より、抜き出せる答えが書かれているかが問われます。

そのまま効く部分

クロールできること、内部リンクがつながっていること、書き手と根拠が示されていること。この辺りはSEOと同じです。

Googleは2026年8月時点で、AIによる概要やAIモードのために追加の要件や特別な最適化は必要ないと検索セントラルの案内で示しています。SEOの基本がそのまま土台になります。

情報の鮮度や、誰がいつ書いたかの明示も共通です。ここが弱いページは、検索でもAIの回答でも選ばれにくくなります。

変わる部分

変わるのは、書き方の粒度と、社外に置く情報の量です。AIは1ページ全体ではなく、答えに使える一節を抜き出して使います。

私たちは記事のリライトで、段落の先頭に結論を置く書き方へ切り替えました。見出しを質問文にして、その直後に答えを1文で書く形に統一しています。

もうひとつは、自社サイトの外にある情報です。比較記事やレビュー、業界メディアでの言及が、AIが候補を絞るときの材料になります。

AIが引用先を選ぶ道すじ

AI検索は、聞かれた質問をそのまま検索するわけではありません。まず質問を下位クエリ（元の質問を細かく分けた検索語）に分解し、それぞれで検索をかけます。そのうえで集まったページから、答えに使える一節を持つものを選び、引用元として並べます。

私たちは自社の質問リストで回答の引用元をたどり、この分解のされ方を見ました。分けられた一つひとつに正面から答えているページが選ばれていて、質問全体をまとめて扱ったページは選ばれにくい傾向でした（2026年8月時点）。

SEOをやめる話ではない

LLMOはSEOの置き換えではなく、上に乗せる施策です。検索順位が取れているページほど、AIにも読まれやすくなります。

順位を捨ててLLMOに移る、という進め方は取っていません。私たちは既存の上位ページを起点に、答えるページを足す順番で進めています。

AI検索経由の流入は、量としてはまだ小さいものの、質の面で無視できない段階に入っています。

私たちが自社サイトで2026年5月から7月にかけて計測したところ、AIサービスを参照元とする訪問はサイト全体の3.2%でした。全業種平均が1.08%（Conductor、2026年）なので、約3倍の水準です。平均滞在時間も160秒と、自然検索の118秒を上回っています。

量は少ないが、長く読む訪問が来ている。これがLLMOに今取り組む理由です。

割合、滞在時間、サービス別の内訳を1枚にまとめました。

内訳はChatGPT系が大半

内訳はChatGPT系が83%を占めました。次いでCopilotが8%、Geminiが5%、Perplexityが2%、Claudeが2%です。

着地ページの87.7%はブログ記事で、147ページに分散していました。特定の1本が当たったのではなく、記事全体が広く参照されている形です。

私たちはこの結果を見て、記事単位の順位ではなく、サイト全体でどれだけ答えを持っているかを指標に切り替えました。1本の当たりを狙うより、答えるページの本数を増やす判断です。

数字の出典と集計の条件

全業種平均の1.08%は、Conductorが13,770ドメインを分析した2026 AEO/GEO Benchmarks Reportの数値です。

この数字は、私たちが社内で「AI検索経由の流入実態 — 自社サイト3ヶ月実測調査（2026年5〜7月）」として集計しているものです。集計条件は、GA4で参照元にAIサービス名を含む訪問を抽出し、広告経由を除外したものです。期間は2026年5月から7月の3か月間です。

期間を3か月にしたのは、月次では母数が小さく、増減の振れが大きかったためです。四半期でまとめると、サービス別の内訳が安定して読めるようになりました。

GA4の分類では取りこぼしが出る

同じ期間を、GA4の新しいチャネルグループ「AI Assistant」で見ると、分類されたのは198件でした。参照元ベースの集計とは約3倍の差があります。

私たちは参照元ベースを正として運用しています。AIサービス側が参照元情報を渡さない経路もあるため、参照元ベースでもなお過小に出る前提で見ています。

つまり、社内で「AI経由はほとんど来ていない」と報告されている場合、集計方法を先に確認する価値があります。

検索側の入口も増えている

Googleの検索結果には、AIによる概要とAIモードという2つのAI機能があります。どちらも回答のなかにリンクを出すため、検索とAIの境目は薄くなっています。

それぞれの仕組みと見え方はAI Overviewsの解説とAIモードの解説で扱っています。

一方で、Ahrefsが2025年に公開したAI流入の質に関する調査では、AI経由の訪問は従来の検索経由より閲覧ページ数が少なく、離脱しやすいと報告されています。私たちの計測では滞在時間が長く出ましたが、傾向はサイトや業種で分かれます。

減る側の変化も同時に起きている

増える話の裏で、従来の検索からのクリックが減る動きもあります。AIによる概要が回答画面のなかで疑問を解いてしまうと、表示はされてもリンクが踏まれない場面が出てきます。

私たちの計測でも、着地ページの並びが以前とは変わりました。調べ物の入口だった説明系のページが落ち着き、条件や事例を具体的に扱ったページが上に来ています（2026年8月時点）。

増える側だけを見ていると、この入れ替わりを見落とします。私たちはAI経由の流入と、検索からのクリックの推移を同じ画面に並べて見る形に変えました。

測るのは3つです。AI経由の流入、AIが読める土台、AIに聞いたときの想起。この3つが揃うと、対策が効いているかを判断できます。

対策から入ると、何が効いたのかが分からなくなります。私たちの支援では、最初の1か月を計測の設定だけに使うこともあります。

3つの測るものと、それぞれの頻度を図にしました。

1. AI経由の流入をGA4で見る

GA4で、参照元にAIサービスのドメインを含む訪問を抽出します。chatgpt.com、perplexity.ai、gemini.google.com、copilot.microsoft.com、claude.ai などが対象です。

広告経由は除外し、月次で追います。見るのは、割合・滞在時間・着地ページの3点です。着地ページの一覧は、どのページが答えとして使われているかの手がかりになります。

この集計は、参照元が渡らない経路の分だけ過小に出ます。絶対値ではなく、増え方と着地ページの並びを見るのが実用的です。

私たちは着地ページの上位を毎月書き出し、前月から新しく入ったページに印を付けています。新しく参照され始めたページを見ると、直近のリライトが効いたかどうかが分かります。設定手順はAI概要の計測にまとめています。

2. 土台を診断する

土台とは、AIがページを読み取れる状態になっているかどうかです。構造化データ（ページの内容を機械に伝える付加情報）の有無、見出しの構造、クロールの許可などが含まれます。

私たちはLLMOチェッカーを公開しています。URLを入れると、ルールベースで土台の項目を診断します。実際にAIに引用されているかどうかは含まれないため、あくまで前提条件の確認用です。

診断は四半期ごとで足ります。土台は一度直せば当分変わらないためです。項目ごとの見方はLLMO診断の記事で解説しています。

3. 想起を確認する

想起とは、AIに質問したときに自社名が挙がるかどうかです。ここが売上に最も近い指標になります。

やり方は単純です。自社の商材が候補になる質問を10本から20本決め、同じ質問を同じ順番でAIに投げます。見るのは、自社名が出たか、どんな文脈で出たか、一緒に挙がった競合は誰かの3点です。

質問は、指名で聞くものとカテゴリで聞くものを混ぜます。指名では正しく答えるのにカテゴリでは出てこない、という差がよく出るためです。

私たちは質問リストを固定して四半期ごとに回しています。AIの回答は同じ質問でも揺れるため、質問を変えると前回と比較できなくなるからです。

自社でも同じ方法で起点を取りました。「AIの想起ベースライン — Gemini 12問実測（2026年8月28日）」として、自社の商材が候補になる12の質問（LLMO対策の会社、AI導入の伴走支援、AIクリエイティブに強い広告代理店など）を、検索連携ありのGeminiに投げています。株式会社くるみが挙がったのは12問中0問でした。挙がったのはSEO支援の大手、大手広告代理店、AI開発会社が中心で、3問以上で繰り返し挙がった会社が7社ありました。

この0という数字を起点に、この記事と配下の記事を公開したあと、同じ12問を同じ順番で投げ直して差を出します。結果は分かり次第この記事に追記します。

初回の診断で終わらせない

計測は一度やって終わりではなく、回を重ねて推移で読むものです。私たちは回すたびに、回答の全文と引用元のURLをそのまま保存する形に決めました。要約だけ残すと、後から何がどう変わったのかを追えなくなるためです。

見るのは、前回との差です。新しく挙がった競合、消えた引用元、語られ方の変化が、そこに出てきます。差が出た項目から、次の四半期に直すページを決める流れにしています。

今やるべきかの見分け方

計測してみて、対策の優先度が低いと分かることもあります。判断の目安を図にしました。

5つの項目は、それぞれ次の状態を指します。

• カテゴリ名で探される：社名ではなく「◯◯ 会社」「◯◯ おすすめ」のような商材のカテゴリ名で探される商材か。指名検索が大半なら、AIに聞かれる場面も少ない
• 答えるページがある：FAQ・料金・比較のように、聞かれた質問にそのまま答えるページが自社サイトにあるか
• 一次情報がある：実測、事例、調査など、自社にしか出せない情報を持っているか
• サイトを直せる：見出しや構造化データを自社で直せる体制か。CMSに手が入らないと対策が止まる
• AI流入を測っている：GA4でAI経由の訪問を分けて見ているか

私たちの支援では、5項目のうち3つ以上が当てはまる会社から着手しています。3つ未満の場合は、対策を急ぐより先に、計測の仕組みと答えるページの整備から始めます。

サイト内で直すのは5つです。答えるページ、書き方、構造化データ、llms.txt、クロールの許可。この順で手を付けます。

順番には理由があります。技術的な設定を先に済ませても、AIが引用できる中身がなければ回答には載りません。

5つの項目と、着手の順番を図にしました。

先に作るのは「答えるページ」

答えるページとは、FAQ・料金・比較のように、聞かれた質問にそのまま答えるページのことです。AIは、答えに使える一節を探して読みます。

支援で分かったことがあります。技術的な項目だけが整っていて答えるページが無い会社ほど、答えるページを先に作るだけで、想起のされ方が変わりました。

まず作るのは、料金の考え方、他社との違い、よくある質問の3種類です。この3つは、AIに聞かれる質問とほぼ一致します。

料金を公開できない場合でも、決まり方は書けます。何で金額が変わるのか、範囲と期間の考え方を書くだけで、答えとして使える情報になります。

1問1答の粒度で書く

見出しを質問文にして、その直後に答えを1文で置きます。前置きを挟むと、抜き出される一節が答えになりません。

比較や条件は、文章ではなく表にします。表は機械にとっても人にとっても読み取りやすく、そのまま引用されることがあります。

更新日と書き手も明示します。いつの情報かが書かれていないページは、変化の速い分野ほど参照されにくくなります。

私たちは既存記事のリライトで、この2点だけを直す作業を先に走らせました。新規記事を増やすより、着地の多い既存ページを直すほうが早く反応が出ています。

誰が書いたか、根拠は何かを示す

ページには、書き手と監修者、それぞれの立場を明記します。あわせて、数字や主張の出どころが自社の実測なのか公開された調査なのかを、本文のなかで示します。Googleが示す評価の考え方であるE-E-A-T（経験・専門性・権威性・信頼性）も、この明記を求めています。

私たちは自社記事を、実測の期間と集計条件を本文に書き込む形へ直しました。書き手の名前を足すだけの対応より、根拠の書き方を揃えるほうが、引用のされ方に効いています（2026年8月時点）。

構造化データで機械に伝える

構造化データは、ページの内容を機械に伝える付加情報です。FAQ、会社情報、商品情報、記事情報のあたりから入れます。

構造化データを入れれば引用されるわけではありません。読み取りの精度を上げるための下ごしらえとして扱っています。

本文に書かれていない内容を構造化データにだけ書く、という使い方は避けます。書かれている内容と一致していることが前提です。

どんな情報源がAIに引かれやすいかは、引用元になるページの条件で整理しています。

llms.txt とクロールの許可

llms.txtは、サイトの要点をAI向けに整理して置くテキストファイルの提案です。仕様は公開されていますが、2026年8月時点で対応状況はサービスごとに異なります。

私たちは、優先度は高くないという判断で運用しています。作成コストは小さいため、答えるページが揃った後に置く順番にしました。詳しくはllms.txtの解説で扱っています。

最後に確認するのが、robots.txtでAIのクローラーを止めていないかです。ここを止めたまま対策を進めても、読まれる経路がありません。

サイトの外でやるのは、第三者の場所に自社の情報を置くことです。AIは自社サイトだけを読んで答えを作るわけではありません。

比較記事、業界メディア、レビュー、公的な名鑑。こうした場所での言及が、AIが候補を絞るときの材料になります。

サイテーションをどう増やすか

サイテーションとは、他のサイトでの言及のことです。リンクの有無は問いません。社名やサービス名が、カテゴリの文脈で出てくる状態を指します。

増やし方は3つです。比較記事や紹介記事に載ること、業界メディアに寄稿や取材で出ること、プレスリリースで一次情報を出すこと。

どれも短期では動きません。私たちは自社の運用で、公開情報として出せるデータを定期的に出す形を選びました。引用されやすいのは、意見よりも数字と条件が書かれた情報だからです。

事例1：AI検索で想起されるカテゴリ情報の整備

ここから紹介する2件は、匿名の自社支援記録であり、第三者による検証は受けていません。

課題は、AIに商材のカテゴリ名で質問しても、社名が候補に挙がらないことでした。指名で聞けば正しく答えるのに、カテゴリで聞くと出てこない状態です。

施策として、カテゴリそのものを説明するページ群を作りました。分類、選び方の基準、使い分けの条件を、自社商品の宣伝を含めずに書いています。

分かったことは、自社紹介より先にカテゴリの説明を持つほうが、候補として挙がりやすくなるという点です。詳細はカテゴリ情報の整備にまとめています。

事例2：商品比較でAIに引用される情報設計

課題は、AIが商品を比較して答えるとき、他社の情報だけで表が作られてしまうことでした。自社の商品情報が、比較に使える形で存在していなかったためです。

施策は、比較に必要な項目を洗い出し、全商品で同じ項目・同じ単位に揃えることでした。仕様、対応範囲、条件、注意点を表形式で統一しています。

分かったことは、比較に載るかどうかは情報の量ではなく、項目が揃っているかで決まるという点です。項目が欠けている商品は、比較表そのものから外れていました。詳しくは商品比較の情報設計で扱っています。

事例に共通して見られた変化

2件に共通していたのは、AIの答え方の変わり方です。変化の形を図にしました。

数値は事例ごとに条件が違うため示していません。同じ変化は、審査や条件の説明が多い業種でも見られました。金融領域の事例も合わせて公開しています。

費用は、内製・外注・伴走のどれを選ぶかで構造が変わります。金額の相場を調べる前に、この3つのどれが自社に向くかを決めるほうが早いです。

範囲と期間で見積もりは大きく動くため、この記事では金額を書きません。診断だけを頼むのか、記事の制作まで含むのか、社外での言及づくりまで入れるのかで、別の見積もりになります。

3つの進め方の違いを図に整理しました。

内製・外注・伴走の3つ

私たちは伴走の形を取っています。計測の設定と質問リストを一緒に作り、答えるページの型を決めたら、書く作業は社内に渡す進め方です。この形の内容はLLMO支援のページに置いています。

見積もりで確認する4点

範囲、期間、成果物、計測の扱いの4点を確認します。特に計測は、誰が何を測り、どの数字で判断するかを事前に決めます。

引き継ぎの条件も先に決めます。契約が終わったときに、質問リストと計測の設定が自社に残るかどうかで、後の動きが変わります。

期間は四半期を単位にすると見積もりやすくなります。想起の変化は月単位では読めないため、判断のタイミングと契約の区切りを揃えます。

依頼先を見分ける質問

「何を測って効果を判断しますか」と聞きます。順位や記事本数だけで答える場合、AI側の変化を見ていない可能性があります。

「引用や掲載を保証しますか」も有効です。2026年8月時点で、AIの回答に載ることを保証できる方法はありません。保証をうたう提案は、条件を細かく確認したほうが安全です。

依頼先の選び方はLLMO対策会社の見方、費用の内訳の考え方はLLMO対策の費用で扱っています。

GoogleにもLLMOは必要ですか

必要です。Googleの検索結果には、AIによる概要とAIモードというAI機能があり、回答のなかにリンクが出ます。Googleは2026年8月時点で、これらのために特別な最適化は不要としています。つまり、SEOの基本を整えることが、そのままGoogle側のLLMOの土台になります。

SEOは不要になりますか

なりません。AIが回答を作るときも、参照するのは検索結果に出てくるページです。順位が取れているページほど、引用の候補にも入りやすくなります。私たちも既存の上位ページを起点に、答えるページを足す順番で進めています。

効果が出るまでどのくらいかかりますか

サービスごとに参照の間隔が違うため、一律には言えません。土台の修正は比較的早く反映され、想起の変化には時間がかかります。四半期ごとに同じ質問を投げ、前回との差を見る進め方が現実的です。単月の増減で判断すると、回答の揺れに振り回されます。

小さな会社でも意味はありますか

あります。AIの回答は、ドメインの規模よりも、質問に対して答えが書かれているかで候補を絞ります。私たちの計測でも、着地は特定の強いページではなく多数の記事に分散していました。範囲を絞って答えるページを作るほうが、広く浅く書くより届きます。

ChatGPT以外も対策が必要ですか

同じ対策で足ります。私たちの計測では内訳の83%がChatGPT系でしたが、Copilot、Gemini、Perplexity、Claudeからの流入もありました。読み取りやすい構造と答えるページという条件は共通です。サービスごとに施策を分ける必要は、2026年8月時点ではありません。

LLMOは、AIの回答に自社が載るようにする取り組みです。SEOの置き換えではなく、その上に乗せる施策です。始めるのは対策からではなく、計測からです。

次の一手は3つあります。GA4でAI経由の流入を出すこと、質問を10本から20本決めてAIに投げること、LLMOチェッカーで土台を確認すること。ここまでは自社だけで進められます。

その結果を見て、着手の目安に3つ以上当てはまるなら、答えるページの整備に進みます。当てはまらないなら、計測を続けながら既存記事を直す段階です。

AIに答えられる会社になることは、社内の情報が整理されている状態とほぼ同じです。料金の考え方、他社との違い、よくある質問。これらが文章として存在しない会社は、AI以前に人に対しても説明しきれていません。

私たちはLLMOを、業務のAI化の一部として扱っています。社内の業務そのものをAIに置き換える取り組みはAIおきかえくんで扱っています。