LLMO入門 ── ChatGPTやGemini、Claudeに自社サイトを「拾ってもらう」ために今やるべきこと

こんにちは！株式会社テラ AIエンジニアリングチームです。

「自社サイトが、ChatGPTやGemini、Claudeの回答に出てこない…」

こうした声を、最近よく耳にするようになりました。

Google検索の65〜70%がゼロクリック ── つまり、ユーザーがどのサイトにも訪問せず、検索結果画面だけで完結する割合が急増しています。さらに、AI Overviews（AIによる概要）が表示されるクエリでは、検索1位のクリック率が58%も低下するというデータも出ています。

「検索順位を上げる」だけでは、もう人は来ない時代。

ここで注目されているのが LLMO（Large Language Model Optimization：大規模言語モデル最適化） です。海外では GEO（Generative Engine Optimization）、また AIO（AI Optimization） とも呼ばれており、呼び方は異なりますが、目指すところは同じです。

AIの回答の中で、自社の情報が「引用」されること。

この記事では、LLMO（GEO / AIO）の基本から、今すぐ取り組める具体的な施策までを、実務レベルで解説します。

そもそもLLMOとは？ ── SEOとの決定的な違い

まず、従来のSEOとLLMOの違いを整理します。

SEOの目的： 検索結果の「順位」を上げて、クリックさせる。
LLMOの目的： AIの「回答」の中で、自社の情報が引用・言及される。

つまり、SEOは「来てもらう」ための施策であり、LLMOは「語ってもらう」ための施策です。

最近では 「Share of Model Response（言及シェア）」 という指標も注目されています。これは、特定のトピックについてAIが生成した回答の中で、自社ブランドがどれくらい言及されているかを測る指標です。検索順位ではなく、「AIにどれだけ取り上げられているか」が新たなKPIになりつつあります。

情報の入口はもはやGoogleだけではありません。ChatGPT、Gemini、Claude、Perplexity ── こうした「回答エンジン」が日常的に使われる今、LLMOは業種を問わず取り組むべきテーマになっています。

ゼロクリック時代に何が起きているか

AI Overviewsの一般化

Googleの検索結果に、AI生成の要約が表示されるようになりました。ユーザーは要約を読んで満足し、サイトに訪問しない。これが「ゼロクリック検索」です。

モバイルでは約77%がゼロクリックで完結しているというデータもあり、この傾向は加速する一方です。

「検索して探す」から「問いに答えさせる」へ

従来の検索は、キーワードを入力して複数のサイトを見比べるものでした。しかし今は、ChatGPTやGemini、Claudeに質問を投げかけて、1つの回答を受け取るスタイルが定着しつつあります。

AIが重視するのは、断片的なキーワードの一致ではなく、文脈（コンテキスト）の整合性 です。

企業への影響

PV・流入数だけを追っていると、知らないうちにAIの回答から除外され、競合にポジションを奪われる可能性があります。「サイトのアクセスは減っていないけど、問い合わせが減った」という状態が起きているなら、AIの回答画面で競合が言及され、自社が言及されていないことが原因かもしれません。

AIに「拾われる」サイトの5つの技術要件

では、具体的に何をすればAIに引用されやすくなるのか。技術的な要件を5つ解説します。

1. 結論ファーストの文章構造（Semantic Density）

AIは、膨大なWebコンテンツの中から「このセクションが答え」と判断できる箇所を探しています。

そのため、冗長な前置きや遠回しな表現は不利です。各セクションの冒頭に結論を置き、1つのセクションで「問い」に対する「答え」が最短距離で読める構造が求められます。

これを Semantic Density（意味密度）の最適化 と呼びます。

具体的なコツとしては、既存記事の冒頭に 「サマリーボックス」 を設置する方法があります。「この記事でわかること」「結論」を3〜5行でまとめたブロックを記事の先頭に置くだけで、AIが引用しやすくなります。

2. 構造化データの徹底（JSON-LD / Schema.org）

構造化データは、Webページの内容を検索エンジンやAIに「機械が読める形」で伝えるための仕組みです。

特に重要なのは以下のスキーマです。

• FAQPage ── よくある質問と回答のペア。AIは対話型の構造を引用しやすい。
• HowTo ── 手順・方法の説明。ステップバイステップの構造がAIの回答に採用されやすい。
• Organization / Person ── 組織・著者の情報。E-E-A-T（経験・専門性・権威性・信頼性）を示す。
• Article ── 記事の構造。著者、公開日、更新日を明示する。

これらをJSON-LD形式でページに埋め込むことで、AIが情報の「出典」として認識しやすくなります。

3. llms.txtの設置

llms.txt は、LLM（大規模言語モデル）向けの「案内板」です。robots.txtがクローラー向けのアクセスルールであるのに対し、llms.txtはAIに「このサイトはこういう内容で、重要なページはここです」と伝えるためのファイルです。

サイトのルートディレクトリにMarkdown形式で設置し、以下を記述します。

• サイト名と概要（1〜3行）
• 重要ページのURL一覧
• コンテンツの構造説明

あわせて、robots.txtでGPTBot、PerplexityBot、ClaudeBotへのアクセスを許可する設定も確認してください。AIに拾ってほしいのに、入口でブロックしていたというケースは意外と多いです。

llms.txtの詳しい書き方や設置方法は、こちらの記事で解説しています。
llms.txtとは？ AIに自社サイトを正しく伝えるための新しい標準ファイル

robots.txtのAIボット設定については、こちらの記事で詳しく解説しています。
robots.txtのAIボット設定ガイド ── Allow？Disallow？判断基準と設定方法

4. FAQ・Q&A形式のコンテンツ設計

AIは「質問→回答」のペアを引用するのが得意です。これはAIの仕組み上、対話型の構造と相性が良いためです。

サービスページや記事の中にFAQセクションを設けるだけでなく、記事全体を「問いに答える」構造で書くことが効果的です。各H2・H3の見出しを疑問形にする、という方法も有効です。

5. MCP（Model Context Protocol）への対応検討

MCP（Model Context Protocol） は、AIエージェントが外部データに直接アクセスするための標準規格です。Anthropicが提唱し、2026年現在ではOpenAI、Microsoft、Googleも対応。1万以上のMCPサーバーが公開されています。

これは少し先進的な取り組みですが、Webサイトを「人間が読むもの」から「AIエージェントが参照するデータソース」へと拡張する動きとして注目されています。

サービス詳細やFAQ、料金情報など、AIエージェントが参照できる形式で公開することで、AIの回答に自社情報が組み込まれやすくなります。

AIに「信頼される」ための外部施策

技術的な対応だけでなく、サイトの外側での施策も重要です。AIは単一のサイトだけでなく、Web全体の情報を照合して「信頼性」を判定するためです。

E-E-A-Tの外部証明

自社サイト内で「私たちは専門家です」と主張するだけでは不十分です。

第三者メディアでの掲載、業界誌への寄稿、SNSでの言及、論文や事例の公開 ── こうした外部からの言及（メンション）が、AIの学習データの中での「エンティティ（実体）」としての権威性を高めます。

一次情報の発信（Information Gain）

AIは一般論よりも、独自の情報を高く評価します。

自社の独自調査結果、実験データ、プロジェクト実績など、学習データに含まれていない情報は 「Information Gain（情報の利得）」 が高いと判断され、引用される可能性が上がります。

「他のサイトにも書いてある一般論」を丁寧にまとめるだけでは、AIに選ばれにくい。「この会社にしかないデータ」 を意識的に発信することが重要です。

ブランドメンションの獲得

これからは、被リンクだけでなく 「被言及」 が価値を持ちます。

広告予算を増やすよりも、「語られること」にリソースを割く。業界コミュニティでの発言、事例の公開、カンファレンスでの登壇 ── こうした活動が、AIの参照元としての自社の存在感を高めます。

メタ視点：情報の「所有」から「接続」へ

最後に、LLMOの本質について少し大きな視点で考えます。

Webページの概念が変わる

従来のSEOでは、1つのWebページにユーザーを引き込み、滞在させることがゴールでした。しかしLLMOの世界では、ページは「意味の最小単位（チャンク）」としてAIに取り込まれます。

1ページ丸ごとではなく、セクション単位で引用される。つまり、ページの「完成度」よりも、各セクションの「回答としての精度」が問われます。

主導権の逆転

企業が「どう見せるか」を制御する時代から、AIが「どう解釈するか」に最適化する時代へ。

これは、情報の「意図」と「事実」を分離し、純粋な価値だけが抽出されるプロセスでもあります。装飾や演出ではなく、情報そのものの質と構造が勝負を決めます。

目指すべきゴール

LLMOにおける目標・ゴールとは、AIという巨大な推論システムの一部として、自社の情報が 「最も確率的に正しいピース」 として選ばれ続けることです。

そのためには、正確で、構造化されていて、独自性のある情報を、AIが取得しやすい形式で、継続的に発信し続けること。地道ですが、これが最も確実な道です。

今すぐ取り組むべきアクションプラン

最後に、優先度別のアクションプランをまとめます。

【優先度：高】結論ファーストへの再編集
既存記事の冒頭にAIが引用しやすい「サマリーボックス」を設置する。まずはアクセス数の多い記事から着手。

【優先度：高】構造化データの拡張
Organization、Person、FAQPageのSchema.orgマークアップを実装。著者情報と公開日・更新日を明示する。

【優先度：中】llms.txtの設置
サイトルートにllms.txtを配置し、AI向けのサイト案内を整備する。あわせてrobots.txtでAIクローラーへのアクセスを許可。

【優先度：中】FAQ・Q&Aコンテンツの強化
主要サービスページにFAQセクションを追加。既存コンテンツも「問い→答え」の構造に見直す。

【優先度：中〜長期】MCP対応の検討
サービス詳細やFAQ情報をAIエージェントが参照できる形式で公開する方法を検討する。

【優先度：長期】ブランドメンションの獲得
業界メディアへの寄稿、事例の公開、SNSでの発信を強化し、AIの参照元を増やす。

---