LLMO対策とは？
ChatGPT・Gemini・AI Overviewに選ばれる方法

先に誤解を解いておきます。「LLMO対策をすればChatGPTが必ず自社を推薦してくれる」——そんな裏技は存在しません。AIの回答は誰にも制御できないからです。ただし、AIが回答を作るときに参照する情報を整えて、候補に入りやすい状態を作ることはできます。それがLLMO対策の正体です。この記事では、AIが何を材料に店を選んでいるのかという仕組みと、同じ整備をしても結果が分かれる場所を、保証できないことは保証できないと明言しながら解説します。

LLMO対策とは何か（AIO・GEOとの違い）

LLMO（Large Language Model Optimization：大規模言語モデル最適化）とは、ChatGPT・Gemini・Perplexity・GoogleのAI OverviewといったAIの回答に、自社の情報が引用・推薦されやすくするための施策です。

似た言葉にAIO（AI最適化）、GEO（生成エンジン最適化）がありますが、指している中身はほぼ同じです。呼び方が定まっていないこと自体が、この分野の新しさを物語っています。本記事ではLLMOで統一します。

従来のSEOが「検索結果の上位に表示される」ことを目指すのに対し、LLMOは「AIが生成する回答文の中で言及される」ことを目指します。表示枠を争うのではなく、AIの判断材料になるという発想の転換が必要です。

なぜ今やるべきか：検索行動の変化

「近くのおすすめの店」をChatGPTに聞く。旅行の宿をGeminiに相談する。こうした行動は着実に増えています。Google検索にもAI Overview（AIによる概要）が表示されるようになり、ユーザーは検索結果のリンクを踏む前に「AIの答え」を目にする機会が増えました。

ここで重要なのは、AIの推薦は1〜3件程度しか提示されないことです。検索結果なら10位でも見てもらえる可能性がありますが、AIの答えに入らなければ存在しないのと同じ。入るか入らないかの二択の世界です。

そして、候補に入っていない期間の損失は請求書の形では届きません。AIに聞いて行き先を決めた人は、そもそも自店を見ないまま隣の店へ流れます。行こうとしていた客数が他店の並びに吸われ続けても、取りこぼした側の画面には一行も残らない。減ったことに気づくのは、来客と売上が目に見えて落ちてからです。

AIはどうやって「おすすめの店」を決めているのか

AIは魔法で店を選んでいるわけではありません。材料になるのは、店が自分の名前で出している情報と、第三者の側に書かれた情報——大きくはこの二系統です。前者はGoogleビジネスプロフィールや公式サイトが、後者は口コミや外部メディアがそれにあたります。

厄介なのは、この二系統が食い違っているときです。AIがどちらを採るかは固定されておらず、どちらの情報が新しいか、どれだけ多くの場所で同じことが言われているかで入れ替わります。つまりAIに選ばれる店とは、二系統が同じことを言っていて、しかも言っている内容が具体的な店です。お気づきでしょうか——これはMEO対策・SEO対策で整備する情報とほぼ重なります。だからLLMOは、既存の集客施策と別枠で積むものではなく、同じ土台の上に出口をもう一つ足す話になります。MEO対策のやり方を先に押さえておくと、この記事の理解が速くなります。

何を整えると引用されるのか

整備の対象になるのは、先ほどの二系統をそのまま裏返した二つの層です。自店が名乗っている内容が、どの窓口で見ても同じことを言っている状態。そして、その内容を裏づける材料が第三者の側に積み上がっている状態。当社が実際に見ているのも、突き詰めればこの二層のどこが抜けているかです。

ただし、整備する対象の名前を並べるところまでは、どの会社がやっても同じものができます。結果を分けるのは、どこから手を付けるかと、それぞれをどの深さまでやるかです。たとえばFAQは「置けば引用される」ものではなく、どの問いを立てたかで引用されるかどうかが決まります。構造化データも、入れた時点で効くわけではなく、書かれている中身が本文やGBPと食い違った瞬間に、むしろ足を引っ張る側に回ります。第三者からの言及に至っては、獲りにいく先の選び方で効果がまるで変わる。

そして厄介なことに、どこが自社のボトルネックかは、業種と競合の整備状況によって入れ替わります。すでに情報が揃っている会社が同じ整備を重ねても変化は出ませんし、実態の情報が薄い会社が構造化データだけ足しても引用されません。しかも自社の管理画面には「AIが自社をどう扱ったか」の記録が一行も残らないため、手元の数字を何か月ぶん並べ直しても、どこで止まっているかは出てきません。判定には、実際にAIに聞いたときの出方そのものが要ります。無料のAI診断で、現状の見え方を確認するところから始めるのが確実です。

やってはいけないLLMO対策

もうひとつの落とし穴は、llms.txtや構造化データといった技術施策「だけ」で完結させようとすることです。器を整えても中身（実態のある営業・良い口コミ・具体的な情報）がなければ、AIには引用する材料がありません。技術と実態の両輪で考えてください。

効果測定のやり方

LLMOの効果測定はまだ発展途上の分野です。順位表のように、開けば現在地が載っている画面はありません。聞かれ方を変え、AIを変え、時期を変えて、同じ店がどう扱われたかを並べて初めて形になる種類の記録です。

ここで起きやすいのが、記録は溜まるのに打ち手が一切変わらない状態です。自社が答えたい質問と、見込み客が実際にAIへ投げる質問はズレます。そのズレを抱えたまま観測を続けている限り、毎月きれいな記録は残っても、翌月どこを書き換えるべきかは出てきません。AIの回答は同じ質問でも揺れるため、どこからを「入り始めた」と見なすかの線引きも、業種と競合状況によって引き直すことになります。

※当社FACTORは、この定点観測を設計から運用ごと引き受け、月次レポートに標準で含めています。観測で並べているのは自店の扱われ方だけではなく、同じ商圏の競合がどの文書から拾われているか、聞き方を変えたときに参照元がどう入れ替わるかまで突き合わせて逆算しています。この比較材料は自店側からは取得できないため、社内では組み立てにくい部分です。難しいのは記録することではなく、観測の設計そのものと、結果を見て翌月どの情報を書き換えるかの判断です。ここを決めずに毎月記録だけ続けても、AIの回答は変わりません。

よくある質問

まとめ

LLMO対策とは、AIを騙す技術ではなく、AIが引用しても差し支えないと判断できる状態をWeb上に用意しておくことです。ただし、用意したかどうかと、拾われるかどうかは別の話です。同じ整備をしても、隣に誰が並んでいるかで戻ってくる結果は変わります。そして、自店がいまAIにどう扱われているかは、店の中からは再現できません。並びの履歴も、聞き方を変えたときの入れ替わりも、自店の管理画面には残らないからです。そこだけは、外から見ている側に出してもらうほうが早い。まずは現状を外から見てもらうところから始めてください。