LLMO対策で効かない施策と効く施策。発注前に確認する5項目

LLMO対策とは、ChatGPTやGoogleのAI回答に自社の情報が引用・言及される状態を作る施策の総称です。GEO・AIO・AEOは呼び名が違うだけで、狙っていることはほぼ同じです。この記事では、一次実証で「効かない」と分かっている施策と「効く」と分かっている施策を仕分けし、対策を発注する前に確認する5項目を渡します。

僕はAIVESTという会社を経営しながら、自社ブログを毎日更新し、GSC（Google Search Console。検索での表示回数やクリックを確認できるGoogleの無料ツール）とGA4で計測しながら運用しています。この記事の背骨は、僕が自社ブログで実際にやっている施策とやめた施策の現物と、Google公式ドキュメント・査読前のサーベイ論文・大規模なサーバーログ実測という一次情報だけを断定の根拠にした仕分けです。自社の順位や表示回数が「上がった」という効果の実績は語りません。語れない理由そのものが、この記事の中身だからです。

LLMO対策とは何か。GEO・AIO・AEOと何が違うのか

呼び名は4つ、狙いは1つ

LLMOはLarge Language Model Optimizationの略で、大規模言語モデル（ChatGPTやGeminiのような、文章で答えを返すAI）に自社の情報を拾わせるための最適化です。GEOは生成エンジン最適化、AIOはGoogleのAI Overviews（検索結果の最上部に出るAI要約）向けの最適化、AEOは質問に直接答える検索への最適化。呼び名が4つあるのは売る側がそれぞれ名前を付けたからで、どれも「AIが答えを作るときに、自社の情報が材料として選ばれる状態を作る」ことを狙っています。以後この記事ではLLMO対策で統一します。

なお検索候補で隣に並ぶ「LLMOps」は別物です。AIを業務システムに組み込んで運用し続けるための基盤や体制のことで、AI検索への露出とは関係がありません。

SEOと何が違うのか

Googleは公式ドキュメント「AI features and your website」（最終更新2025年12月10日・2026年9月時点）で、AI OverviewsやAI Modeに表示されるための追加要件は無く、特別な最適化も不要だと明記しています。条件は、通常の検索でインデックスされ、スニペット表示の対象になっていること。LLMO対策の土台はSEOそのものです。

違いは1つだけです。AI検索は、1つの質問を複数の小さな検索に分けて答えを集める仕組み（query fan-out。同じ公式ドキュメントに明記されている技法）で動きます。従来のSEOが「1つのキーワードで上位を取る」勝負だったのに対し、LLMO対策は「1つの質問から派生する小さな質問群に、自社の受け皿があるか」が問われます。追加で考える価値のある差分はこの点だけです。

なぜLLMO対策は「効く」「効かない」の判定が難しいのか

仕分けの前に、判定が難しい構造を押さえておきます。この構造を知らないと、根拠のない提案を見抜けません。

効果がGSCで分離できない

Googleの公式ドキュメントは、AI OverviewsやAI Modeに表示されたサイトの表示回数とクリックは、Search Consoleの「ウェブ」検索タイプに合算して報告されると書いています（2026年9月時点）。AI機能の分だけを取り出す機能はありません。つまり「AI検索からの流入が◯%増えました」という報告は、GSCでは証明も反証もできません。実測できるのは、GA4の参照元にchatgpt.comやperplexity.aiのようなドメインが出たときだけです。

引用元は試行のたびに変わる

2026年7月15日にarXivに投稿された査読前のサーベイ論文（Olivier Martinez・45研究を横断）は、AI検索の引用が安定しないことを整理しています。エンジン間・試行間で引用元がどれだけ重なるかを示す指標（Jaccard類似度）は0.34から0.42。温度0（同じ答えを返しやすくする設定）でも、9%から28%の判断が反復で変わります。

平たく言えば、同じ質問を2回投げると、引用元の6割前後が入れ替わるということです。「御社が引用されるようになりました」という報告は、1回の観測では成立しません。

「判定できない」が売り文句になる構造

加えて、Pew Research Centerが2025年7月22日に公開した実ブラウジングログ調査（米国成人900人・2025年3月）では、AI要約が表示された検索で従来の検索結果リンクをクリックしたのは訪問の8%、表示されなかった場合は15%。AI要約内の引用リンクをクリックしたのは1%でした。引用されても、流入にはほとんどなりません。

判定できないことは、効かないことの証明ではありません。ただし、測れないものに効果を約束する提案は、その時点で根拠がないと判断してよい。これがこの記事の出発点です。

実証で「効かない」と分かっている施策（2026年9月時点）

断定に使うのは、Google公式ドキュメント・方法論を公開している大規模ログ実測・査読前サーベイ論文の3種類だけに絞りました。

llms.txtと構造化データが「土台」として売られている

llms.txtとは、AI向けにサイトの概要を置いておくテキストファイルのことです。Ahrefsが2026年6月15日に公開した実測では、同社の解析ツールを導入した137,210ドメインのうち28%がllms.txtを設置していましたが、そのうち97%は2026年5月中に1度もアクセスされていません。AI検索の回答用にページを取りに来るボットは全リクエストの1.1%でした。Googleの担当者も2026年6月に、llms.txtは現時点では推測の域を出ないと発言しています。

構造化データとは、検索エンジン向けにページの意味を機械が読める形で添える記述のことです。Ahrefsが2026年5月11日に公開した分析では、2025年8月から2026年3月に構造化データを追加した1,885ページを、追加していない4,000ページと比較しました。結果はAI Overviewsでの引用が−4.6%、AI Modeで+2.4%、ChatGPTで+2.2%。後の2つは統計的にゼロと区別できません。Googleも公式に、AI機能のために特別な構造化データは不要だと書いています。

構造化データそのものが無価値なわけではなく、検索結果でFAQやパンくずを表示する目的なら別の価値があります。効かないのは「AIに引用されるために増やす」という使い方です。この2つを「LLMO対策の土台」として最初に提案する記事や見積は上位の解説でも珍しくありませんが、実証とは逆向きです。

「+40%」と「引用順位レポート」

「GEO施策で可視性が40%向上」という数字は2024年の研究に由来します。サーベイ論文の指摘は、この数字が「5つの文書が既にAIの手元に置かれたシミュレータの中で、位置調整済みの語数がどれだけ増えたか」という相対値だということです。検索段階まで戻した別の実験環境では、本文だけの最適化は最終的な引用を約6%減らしたと報告されています。「+40%」を提案書の根拠に使っている時点で、一次情報を読んでいないと判断できます。

AI引用順位を追跡するツールの数値も同じです。観測の道具としては使えますが、引用元は試行ごとに6割前後入れ替わるので、月次KPIにすると上下の大半はノイズです。

実証で「効く」と分かっている施策

効く側は確度を2段階に分けます。「断定できる」は一次情報が因果を示しているもの。「報告がある」は相関だけが示されていて、因果は未証明のものです。

「抽出可能な根拠」とは何か

抽出可能な根拠とは、AIが回答にそのまま切り出して使える、数値・定義・日付・価格のような断片のことです。「導入企業多数」ではなく「2026年8月時点で導入58社」。「お手頃価格」ではなく「月額5万円」。「最新」ではなく「2026年9月2日更新」。AIは要約を作るときに、この形の断片を優先して拾います。書式を整えるだけの施策より、本文に一次データを1つ置くほうが効く、というのがサーベイ論文の支持する数少ない結論です。

相関どまりの施策の扱い

第三者のブランド言及とYouTube上の言及は、相関係数だけなら最も強い要因です。ただし「元から有名だからAIも言及する」という逆向きの説明を否定できていないので、「効く」と断定せず「効くという報告がある」と書きます。言及を増やして損をする理屈はないので優先度は高いが、成果を約束させる根拠にはならない。この距離感が妥当です。

僕が自社ブログでやっていること、やめたこと

ここからは自社の運用の現物です。効果の実績は語りません。GSCでAI機能の分を分離できない以上、僕が「これが効いた」と言った瞬間、根拠のない主張になるからです。語れるのは、やった施策・やめた施策・計測の設計までです。

やっていること。執筆規約に「定義文・数値＋時点＋出典・更新日」を規格化した

僕の自社ブログは、企画から下書き・図解・機械チェック・投稿までを自作の仕組みで回しています。全体像はブログ記事をAIで自動化した仕組みと、4日止まった話に書いたので、ここでは2026年8月22日に実証を読み直して執筆規約に加えた項目だけ抜き出します。

僕の執筆規約（2026年8月22日改訂・要約）

冒頭150字は、外部の文脈がなくても意味が通る定義文で書く。

数値を書くときは「数値＋単位＋時点＋出典名」をセットにし、時点のない数値は書かない。

記事ごとに公開日と更新日を画面に表示する。

h2の本数・FAQまたは手順ブロック・内部リンク・タイトルへの狙いキーワード含有を機械で検査し、通らない記事は公開しない。

サーベイ論文で支持のある「抽出可能な根拠」と「最近の日付」を、記事の型として先に固定したものです。書き手の気分で入ったり抜けたりしないよう、規約と機械検査の側に置いています。

規約にした理由は単純で、実証で効くと分かっている要素が「数値・定義・日付」という地味なものばかりだったからです。地味なものは意識しないと抜けます。だから型にしました。

やめたこと。llms.txtを資産と数えること、構造化データを増やすこと

llms.txtは2026年7月のサイト公開時から置いてあり、害がないので削除はしていません。ただ、2026年8月に137,210ドメインの実測を読んでから、SEO資産として数えるのをやめました。「うちはllms.txtも整備済み」と胸を張る項目から外した、ということです。

構造化データは記事・FAQ・パンくず・組織情報の分を持っていて、検索結果の表示のために維持します。一方で、AIに引用されることを目的に構造化データを増やすのは2026年8月にやめました。1,885ページの実測でゼロと出ている作業に工数を使う理由がないからです。

計測の現実。AI流入はGA4の参照元でしか見ない

僕の計測では、AI経由の流入はGA4の参照元（chatgpt.com、perplexity.ai、gemini.google.comなど）にドメインが出た分だけを「AI流入」と数えています。GSC側はAI機能の表示が「ウェブ」に合算されるので、そこからの推定は最初から諦めました。「AIO対策のROI」を測る工数も持っていません。測れないものを測ろうとする時間が、いちばん高くつくからです。

週次でGSCとGA4の数字を自動で取り込む仕組みはClaude CodeでGSC・GA4のレポート取得を自動化する手順に書いています。測れないものは、目標にもKPIにもしない。これが僕の運用でいちばん上にある線です。

LLMO対策を発注する前に確認する5項目

ここまでの実証を、買い手側の確認軸に落とします。対策会社の選び方は提供側が書いた記事にもありますが、「根拠が一次情報か」を確かめる軸は、僕の知る限り含まれていません。

5項目のうち1つでも答えが返ってこない提案には、まだ払わない。これだけ覚えて帰ってもらえれば、この記事の役目は果たせます。

自社でまず無料でできる3つのこと

外注の前に、費用ゼロでできることが3つあります。いずれも実証で「効く」側に入っている施策です。

1. 定義文と一次データと日付を、記事の型にする

僕の執筆規約と同じことを自社の記事に当てはめます。冒頭に自己完結した定義文。本文に「数値＋単位＋時点＋出典名」のセットを3つ以上。価格や期間の具体値を最低1つ。公開日と更新日の表示。新しい記事を書き足すより、既存の記事にこの型を当てはめるほうが先です。

2. fan-outで派生する小さな質問まで受け皿を作る

主キーワードの記事が1本あるだけでは足りません。「費用は」「自社でできるか」「やめたほうがいい施策は」のような派生質問ごとに、答えている記事や見出しがあるかを確認します。このとき既存記事どうしが同じ質問を食い合っていないかも一緒に見ます。受け皿の整理と、新規で足すかリライトで直すかの分岐は、別の記事で手順を書いています。

関連記事SEOカニバリ対策。新規追加とリライトを分ける判断手順SEOのカニバリ対策の本丸は、起きた後の火消しではなく、書く前に「新規追加か、リライトか」を決めることです。GSCのクエリ×既存記事対応表で分岐する判断手順5ステップを、同じテーマの7本目を6回見送った僕の運用記録で解説します。→

3. 第三者に言及される場所を作る

自社サイトの外で、社名とサービス名が固有名詞として書かれる場所を増やします。YouTubeでの発信、登壇、寄稿、顧客の事例公開。どれも自社の手で始められます。

外注に払う意味がある領域は、この3つを踏まえると絞れます。制作の手数（記事や動画の本数を自社で回せないとき）と、第三者言及の獲得（自社の人脈だけでは届かない媒体への接触）です。逆に、「何が効くか」の判断そのものを外注すると、判断の根拠を自分で持てなくなります。判断は自社に残し、手を借りる領域だけ払う。それが僕の線引きです。

LLMO対策のよくある質問

まとめ。測れないものに払わない

LLMO対策は、判定が難しい構造のせいで、根拠のない施策が根拠のある施策と同じ顔で売られています。僕自身は、llms.txtを置いたまま資産と数えるのをやめ、構造化データを増やすのをやめ、AI流入はGA4の参照元でしか見ないと決めました。代わりに、定義文・一次データ・更新日を執筆規約に固定しています。効いたかどうかは、正直に言えば僕にも証明できません。だからこそ、証明できないものに払わない側の判断だけは確実にできます。

外注するかどうかの判断そのものに迷う場合は、お問い合わせから相談してください。効かない施策を止めるだけでも、予算はかなり残ります。

出典

効く施策と効かない施策の仕分け表、発注前の確認5項目、自社ブログの運用記述は、僕の編集と自社運用にもとづく見解です。実証データはすべて以下から借りており、2026年9月2日にURLの実在と数値を確認しました。日本語のAI検索を対象にした一次データはまだ乏しく、引用した実測はいずれも英語圏のものです。

• Google Search Central「AI features and your website」（最終更新2025年12月10日） https://developers.google.com/search/docs/appearance/ai-features

• Olivier Martinez「Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026)」arXiv:2607.14035（2026年7月15日投稿・査読前） https://arxiv.org/abs/2607.14035

• Ahrefs「We Analyzed 137K Sites: 97% of llms.txt Files Never Get Read」（2026年6月15日公開） https://ahrefs.com/blog/llmstxt-study/

• Ahrefs「We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.」（2026年5月11日公開） https://ahrefs.com/blog/schema-ai-citations/

• Ahrefs「How to Rank in AI Overviews: What Actually Works」（2026年1月20日公開。ブランド言及・YouTube言及の相関） https://ahrefs.com/blog/how-to-rank-in-ai-overviews/

• Pew Research Center「Google users are less likely to click on links when an AI summary appears in the results」（2025年7月22日公開） https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/

• Search Engine Journal「Google Says LLMs.txt Is Purely Speculative… For Now」（2026年6月2日。Google担当者の発言の報道） https://www.searchenginejournal.com/google-says-llms-txt-is-purely-speculative-for-now/577576/