今回は、こんな疑問にお答えします。
- LLMO対策って、何をすればいい?
- 業者に頼まないと、できない?
- llms.txtは、どう書く?効果はある?
こんにちは、自社サイトを直近12か月で検索表示 約19万回まで育てた、Web制作会社のマサトです。
先に結論から書きます。
中小企業のLLMO対策は、専門の業者に頼む前に自社でできることがほとんどです。見出しの直後に結論を書く、用語を一文で定義する、FAQを構造化データにする、llms.txtを置く。
どれも費用はかからず、良いSEOの延長線上にあります。
当社は広告費ゼロで、SEOとAI検索だけで集客してきた会社です。
それでは、LLMOという言葉の整理から、自社サイトで実際にやっている施策8つ、llms.txtの書き方、効果の測り方まで見ていきましょう。
この記事の要点
- LLMO(生成AI最適化)とは
- LLMOとは、ChatGPTやGoogleのAI Overviewsなど生成AIが回答を作る際に、自社の情報を引用・参照してもらうための最適化のことで、結論の先出し・一文定義・FAQの構造化データ・llms.txtなど、SEOの延長にある施策が中心です。
目次
LLMO対策とは|中小企業がまず知っておくこと
LLMOとは、ChatGPTなどの生成AIが回答を作るときに、自社の情報を引用・参照してもらうための最適化のことです。SEOに代わるものではありません。
特別な裏技があるわけでもなく、結論を先に書く・定義を一文にする・構造化するという、地味な積み重ねが中心です。
検索の入り口は、Google検索だけでなく生成AIとの対話にも広がりました。
ChatGPTに検索機能が付き、Googleの検索結果にはAI Overviewsが出て、Perplexityのような生成AI検索も定着しています。
問い合わせにつながる入り口が「検索結果の一覧」から「AIとの会話」に移っていくなら、そこに映らないことは中小企業にとって機会損失に直結します。
LLMO・AIO・GEO・AEOの違い
正直に言うと、4つの用語に業界標準の統一定義はまだありません。新しい市場に、いろいろな会社がそれぞれの呼び方を持ち込んでいるのが実情です。大まかな傾向は以下のとおりです。
| 呼び名 | 主に指す範囲 | 備考 |
|---|---|---|
| LLMO(Large Language Model Optimization) | ChatGPT・Claude・Perplexity・AI OverviewsなどLLMベースの回答に引用されるための最適化 | 国内で広く使われる呼び方。この記事はこの言葉を軸にする |
| AIO(AI Optimization) | 検索に限らず、チャットボットやレコメンドAIも含むAI全般からの流入・引用の最適化 | 国内での認知度が高く、やや広義で使われがち |
| GEO(Generative Engine Optimization) | 生成AI検索エンジンでの引用獲得 | 海外で主流。実務上はLLMOとほぼ同義で使われることが多い |
| AEO(Answer Engine Optimization) | 強調スニペットや音声アシスタントなど「回答枠」への直接掲載 | GEOと役割分けして語られることもあるが、施策は大きく重なる |
検索する側は、「ChatGPTで調べる」「Google検索で調べる」をそれほど意識して使い分けていません。一番早く答えてくれる窓口を、そのつど選んでいるだけです。
だから作り手側も、呼び名より「AIに情報源として選ばれる」という目的が共通だと分かっていれば十分です。
当社の用語集でも「LLMO / GEO」を「生成AI最適化」としてまとめています。
AIが引用元を選ぶ仕組み
各社は具体的な選び方を公開していません。以下は、公開されている仕組みと、一般に「傾向がある」と言われている範囲の整理です。
生成AIの検索の多くは、「検索エンジンで候補ページを探す→中身を取りにいく→要約して回答を作る」という流れを土台にしていると説明されています。
GoogleのAI Overviewsは自社の検索インデックスを、ChatGPT検索やCopilotは主にBing系のインデックスを使っていると一般に理解されています。
つまり、まず検索エンジンに拾われていることが、生成AIに拾われる前提になっていることが多いわけです。
もうひとつ、生成AIはページを丸ごと引用するのではなく、一部分だけを切り出して回答に使うことが多いです。根拠の一文が離れた場所に埋もれていると拾われにくい。
「この段落だけ切り出されても意味が通じるか?」という目で書くのが、実務では効きます。
引用されやすいページの特徴として、よく挙げられるのは以下の5つです。
- 明確な一文定義がある
- 結論が先に書いてある
- 見出し・箇条書き・表で構造化されている
- 実測データや実体験といった一次情報がある
- 著者や運営者が明確で、実績が確かめられる
Googleが長く重視してきたE-E-A-T(経験・専門性・権威性・信頼性)とほぼ重なります。LLMOは、SEOで良いとされてきたことを、さらに徹底する話なんですよね。
中小企業が自社でできるLLMO対策8つ
特別なツールが無くても始められるものから並べました。効果測定がまだ難しい分野なので、費用をかけずにできることを優先しています。
1. 質問形の見出しの直後に、結論を一文で書く
「◯◯とは?」「◯◯の相場は?」という見出しを立てたら、直後の一文で結論を言い切ります。生成AIは、質問と答えが近くにあるページを要約に使いやすいと考えられています。
背景から書き始めず、最初の一文で答えてから理由と具体例を続ける順番です。
2. 用語の一文定義を用意する
専門用語や自社サービスの名前に、「◯◯とは、〜のことです」という60〜120字ほどの一文定義を用意します。長い説明に埋もれさせず、独立した一文として置くのがコツです。
当社のブログでは、記事ごとにこの一文定義を構造化データとしても持たせています。
3. FAQを用意して、構造化データにする
読者が抱きそうな質問と答えをFAQにまとめ、FAQPageの構造化データ(JSON-LD)でマークアップします。
質問と答えがセットで機械に読める形になるので、生成AIにも検索エンジンの回答枠にも拾われやすくなります。
4. 要点を箇条書きや表にまとめる
文章だけで説明を続けるより、要点を箇条書きや表にした方が、生成AIは情報を抜き出しやすくなります。記事の冒頭に要点ボックスを置くのも、同じ考え方です。
5. llms.txtを置く
AI向けに、サイトの構成と主要ページを案内するテキストファイルです。書き方は次の章で、自社の実物を使って説明します。
6. 著者と運営者を明示する
誰が書いた記事か、運営者は誰か、実績は何かを明示します。プロフィールページや会社概要へのリンク、実名と実績の公開です。
匿名で根拠の薄い記事より、書き手の実績が確かめられる記事の方が、引用の土台として有利です。
7. Bingにもサイトを登録する
ChatGPT検索はBing系のインデックスを使っていると一般に理解されているので、GoogleだけでなくBing Webmaster Toolsにも登録しておくと安心です。
設定は10分もかかりません。
8. 一次情報を持つ
実測データ、自社の失敗談、具体的な事例。他のサイトのコピーでは出せない一次情報を持つことが、長い目で見て一番強い施策です。
似た記事の中から引用するとき、独自の数字や体験がある記事の方が選ばれやすいからです。逆に、「LLMO対策」と称して中身の薄い記事をAIに量産させるやり方は本末転倒です。
構造を整えることと、中身を薄くすることは別の話です。
llms.txtの書き方|webharu.comの実物の構成
llms.txtは、サイトのルートに置くMarkdown形式のテキストファイルです。
llmstxt.orgで提案されている形式に沿って、AIに「このサイトに何があるか」を案内します。
webharu.comのllms.txtは、2026年10月時点で164行です。構成は以下のとおりです。
- 1行目:「# Web春(株式会社Web春 / Webharu)」と社名だけを書く
- 2段目:「>」で始まる要約を1段落。何の会社か、所在地、主なサービスと料金の下限
- 「## サービス」「## 自社プロダクト」「## 会社情報」「## ガイド・ツール」「## 技術ブログ」「## 制作実績」で区切る
- 各行は「- [ページ名](URL): 説明」。説明には料金や特徴など、そのまま答えになる事実を書く
運用で大事なのは2つです。1つは、手で書かずにデータから作ること。当社は記事や実績を足すたびに、ビルドの中でllms.txtを作り直しています。もう1つは、公開前に検査すること。
llms.txtに書いた全URLが実在するか、301の転送元になっていないかを機械で確かめ、1つでも外れたら公開を止めます。
AIが読む案内に古いURLや古い料金が残ると、AIはそのまま古い情報で答えてしまうからです。
llms.txtの効果は、まだ分かりません
正直に書くと、llms.txtは主要なAI企業が正式に対応を明言している仕様ではありません。僕も、llms.txtだけを入れて流入が増えたと言える数字は持っていません。
ただ、作る手間はほぼゼロです。入れない理由が無いので入れている、というのが本当のところです。
LLMO対策の効果の測り方
LLMOの効果測定は、SEOほど確立していません。現実的にできるのは以下の3つです。
GA4でAI経由の流入を見る
GA4の「セッションの参照元」で、chatgpt.com・perplexity.aiなどからの流入を絞り込みます。
自社サイトでは、AI経由の流入は2026年8月の17セッションから、9月は61セッションに増えました(うちChatGPTが54)。
手順と月ごとの推移はChatGPTからの流入をGA4で実測した記事に書いています。
Search Consoleは間接的な手がかりにする
Search Consoleでは、AI Overviews経由の表示を通常の検索結果と分けて見ることができません。代わりに、社名や商品名での指名検索が増えているかを見ます。
AIの回答で社名を知って、あとから検索で確かめに来る人がいるからです。
ChatGPTやPerplexityに直接聞く
一番手軽なのは、自社の商品名やサービス名、狙っている質問をChatGPTやPerplexityに直接聞いてみることです。
僕がおすすめするのは、自社に関わる質問を3つ決めて(「地域名+業種のおすすめ」「サービス名の評判」「社名そのもの」など)、毎月同じ文面で聞き、回答に社名が出たかを表に残していく方法です。
数字にはならなくても、変化の方向は追えます。
中小企業がLLMO対策で陥りやすい誤解
SEOをやめてLLMOだけやればいい、は逆
「これからはLLMOだけやればいいんでしょ?」違います。多くの生成AIは検索エンジンの土台の上で動いています。
SEOの基礎ができていないサイトがLLMOだけ対策しても、効果は限られます。検索で上位にいることは、AIに拾われる母数を増やすことと同じ意味を持ちます。
構造化データを入れれば引用される、わけではない
構造化データは、AIが中身を理解する助けになるだけです。地図を渡しても、中身が無い場所には人を呼べません。
一度やれば終わり、ではない
生成AIの仕組みも、各社の検索アルゴリズムも変わり続けています。定期的に見直す前提で取り組む話です。
「LLMO対策できます」と断言する業者は、一度疑う
施策を8つ書いておいて言うのも変ですが、「これが正解」というものは、まだ誰にも分かっていません。だから、断言して売っている会社は一度疑ってかかった方がいいと思っています。
不思議なことに、その会社の名前をAIに聞いても出てこないことがよくあります。AI検索で引用させる方法を売っている会社が、AIに引用されていないわけです。
見分け方は簡単で、その会社の名前をChatGPTに聞いてみてください。
当社の実践|自社サイトのLLMO対策と実測
「ChatGPTで調べて来ました」という相談は来ています
実際に、「ChatGPTで調べて来ました」という方から相談をいただいたことがあります。聞いたところ、「Webflowで日本で一番いいのはどこか」というような聞き方をしたそうです。
AIに会社選びを相談して、そこから本当の問い合わせが生まれている。体感として確実に起きています。
ただし正直に書くと、自社がどの質問でどれくらい引用されているかは、まだ体系的には測れていません。
GA4で見えるAI経由の流入は増えていますが、「AIの回答に名前が出たのにクリックされなかった分」は数字に出ないからです。ここは今後の課題です。
自社サイトでやっている実装
2026年7月に自社サイトをAIで作り直したとき、構造化データとllms.txtを最初から標準の構成に入れました。
経緯はホームページをAIでリニューアルした7日間の記録に書いています。
同じ月に、ブログ63記事へ要点ボックス・FAQ・一文定義を一括で入れ、自社の採点で平均47.8点から97.3点にしました。
AIで作ったサイト全体の検索の実測はAIで作ったサイトはSEOに弱いのかを検証した記事にまとめています。
やれていないこともあります
効くと言われていて、まだ手をつけていないものもあります。
Quora(アメリカ版のYahoo!知恵袋のようなQ&Aサービス)やRedditで、実際の質疑応答を積み上げると引用されやすくなる、という話です。
本当に効くのかは、僕自身まだ判断できていません。
結局、僕が読みたい記事しか意味がない
記事の方針としては、短くまとめて更新の頻度を上げることを意識しています。本数は1日1本、多くても5本くらいがちょうどいいと考えています。
AIは新しくて簡潔な文章を優先する傾向があると言われているので、そこに素直に合わせている形です。
ただし、量を出すこと自体が目的ではありません。読みやすいのは当然として、それが体験談であること、実際の声であることを重く見ています。
AIで生成しただけの記事には、ほとんど意味がないと思っています。
理由は単純です。僕が読みたくないからです。
AIに引用されるための対策を突き詰めると、結局「人が読んで良かったと思う記事を書く」に戻ってきます。LLMOという言葉が新しいだけで、やるべきことはそれほど新しくない。
それが今のところの僕の結論です。
当社のAIサイト制作は、構造化データやllms.txtを含むSEO・AI検索の整備が標準で入っています。
LLMOを意識した記事を続けて増やしたい場合は、代表が全件編集する記事制作の運用もあります。
「うちのサイトはAIに引用される状態になっているか」を確かめたい方は、お問い合わせフォームからどうぞ。実測の続きはメルマガで先に出しています。
制作実績
よくある質問
中小企業はLLMO対策を業者に頼むべきですか?
まずは自社でできることから始めてください。見出しの直後に結論を書く、用語の一文定義を用意する、FAQを構造化データにする、llms.txtを置く、の4つは費用がかかりません。業者を選ぶなら、その会社名をChatGPTに聞いて出てくるかを確かめてください。
LLMO対策は何から始めればいいですか?
既存記事の見出しの直後に一文で結論を書くことからです。次に、専門用語やサービス名の一文定義、FAQとFAQPageの構造化データ。どれも今ある記事に足すだけで、追加の費用はかかりません。
llms.txtはどう書けばいいですか?
1行目に社名、次に「>」で始まる要約を1段落、そのあと「## サービス」などの見出しで区切って「- [ページ名](URL): 説明」を1行1ページで並べます。webharu.comのllms.txtはこの形で164行です(2026年10月時点)。
llms.txtに効果はありますか?
効果はまだ証明されていません。主要なAI企業が正式に対応を明言している仕様ではないからです。ただし作る手間はほぼゼロなので、自社サイトでは入れています。
LLMO対策の効果はどう測ればいいですか?
GA4の「セッションの参照元」でchatgpt.comなどからの流入を見ます。自社サイトでは2026年8月の17セッションが9月は61セッションになりました。クリックされない引用は測れないので、指名検索の推移とAIへの直接の質問で補います。
SEOとLLMOの違いは何ですか?
SEOは検索結果の順位を上げる工夫、LLMOは生成AIの回答で引用される工夫です。多くの生成AIは検索エンジンのインデックスを土台にしているので、LLMOはSEOに代わるものではなく、その延長にあります。






