--- title: "LLMOとは？SEOとの違いと生成AIに引用される対策・効果測定【2026年10月】" url: "https://www.issoh.co.jp/column/details/6980/" published: 2025-05-27 updated: 2026-10-30 categories: ["SEO"] publisher: "株式会社一創" --- # LLMOとは？SEOとの違いと生成AIに引用される対策・効果測定【2026年10月】 LLMO（Large Language Model Optimization）は、ChatGPTやClaude、Perplexity、GoogleのAI Overviewsといった大規模言語モデルを使うサービスの回答に、自社の情報を正しく引用・言及してもらうための取り組みです。SEOが検索結果の順位を対象にするのに対し、LLMOはAIの回答文の中で名前やURLが出るかを対象にします。 ただし、Googleは自社のAI機能について「SEOのベストプラクティスがそのまま有効で、追加の要件や特別な最適化はない」と公式に説明しています。この記事では、LLMOのうちSEOと重なる部分と、Google以外のAIサービスに向けて別に手当てが要る部分を分け、書き方・技術設定・効果測定・投資判断の順に整理します。 ## まとめ｜LLMOとSEOの違いと先にやるべきこと - LLMOは生成AIの回答に引用されることを狙う取り組み。GEO・AEO・AIOもほぼ同じ範囲を指す業界の呼び名 - 生成AIが情報を得る経路は「学習データ」と「回答時の検索」の2つ。サイト側が短期で動かせるのは検索の経路 - Google検索のAI機能はインデックス登録とスニペット表示の対象であることが前提で、llms.txtや特別な構造化データは不要と公式が明言 - ChatGPT・Claude・Perplexityは検索用のクローラーを別に持つため、robots.txtで検索用を止めていないかの確認がLLMO固有の作業 - 書き方は「問いへの答えを段落の冒頭に置く」「数値と出典を本文に入れる」。キーワードの詰め込みは実験でも逆効果 - 効果はSearch Consoleの生成AIパフォーマンスレポートとBing Webmaster ToolsのAI Performanceで測れるが、どちらも見える範囲が限られる - SEOの土台（インデックス・内容の質）が無いサイトは、LLMO専用の施策より先にSEOを直す ## LLMOの意味と読み方・GEOやAEOとの関係 LLMOは「エルエルエムオー」と読み、日本語では「大規模言語モデル最適化」と訳されます。LLM（大規模言語モデル）を使うサービスがユーザーの質問に答えるとき、その回答の根拠や推奨先として自社のページやブランドが選ばれる状態をつくることを指します。標準化団体や検索事業者が定めた用語ではなく、マーケティングの現場で広まった呼び名なので、記事や会社ごとに範囲が少しずつ違います。 似た呼び名がいくつもありますが、対象とする範囲の違いはわずかです。 | 呼び名 | 正式名称 | 主な対象 | | ---- | --------------------------------- | ---------------------------- | | SEO | Search Engine Optimization | 検索結果の順位とクリック | | LLMO | Large Language Model Optimization | LLMを使う回答サービス全般 | | GEO | Generative Engine Optimization | 生成AI検索の回答（論文由来の語） | | AEO | Answer Engine Optimization | 強調スニペットや音声回答も含む | | AIO | AI Optimization | AI検索全般（AI Overviewsの略と紛らわしい） | GEOは2023年にプリンストン大学などの研究者が発表した論文で名付けられた語で、詳しくは[GEO（生成エンジン最適化）とは？SEOとの違い・E-E-A-Tとの関係](/column/details/8679/)で解説しています。AEOは[AEO（Answer Engine Optimization）とは？SEOとの違いとGoogle公式の見解・対策手順](/column/details/4941/)、AIOは[AIO（AI検索対策）とは？SEOとの違い・Google公式の見解とデータでの効果分析](/column/details/9302/)が担当です。呼び名の違いで施策が変わるわけではないので、社内ではどれか1つに揃えておけば足ります。 ## 生成AIが情報を取り込む2つの経路：学習データと回答時の検索 LLMOの施策が効くかどうかは、AIがどの経路で情報を得ているかで決まります。経路は大きく2つあり、サイト運営者が動かせる範囲がまったく違います。 ### 学習データとして取り込まれる経路 1つ目は、モデルを作る段階でウェブ上の文章が学習データとして取り込まれる経路です。OpenAIのGPTBot、AnthropicのClaudeBotなどが学習候補のコンテンツを集めています。学習済みの知識はモデルが更新されるまで変わらないため、今日ページを直しても、その内容が回答に反映される時期はわかりません。サイト側にできるのは、学習に使われることを許可するか拒否するかの意思表示までです。 ### 回答のたびに検索して引用する経路 2つ目は、ユーザーの質問を受けたAIがその場でウェブを検索し、見つけたページを根拠に回答を組み立てる経路です。ChatGPTの検索機能、Perplexity、GoogleのAI OverviewsやAI Modeは、回答の中に参照元のリンクを表示します。検索インデックスを使う経路では、ページを直せば次のクロール以降に反映される可能性があります。LLMOで手を動かす意味があるのは、主にこちらの経路です。ChatGPT検索の仕組みは[ChatGPT検索とは？SearchGPTからの統合・仕組みと引用元の選ばれ方](/column/details/3166/)にまとめています。 ### AI各社のクローラーとrobots.txtでの制御 主要なAI事業者は、学習用・検索用のクローラーとユーザー操作による取得用エージェントを区別しています。ただし、ユーザー操作による取得ではrobots.txtが適用されない場合があります。 | 事業者 | 学習用 | 検索用 | ユーザー操作の取得 | | ---------- | ----------------------- | ---------------- | --------------- | | OpenAI | GPTBot | OAI-SearchBot | ChatGPT-User | | Anthropic | ClaudeBot | Claude-SearchBot | Claude-User | | Perplexity | （学習に使わないと明記） | PerplexityBot | Perplexity-User | | Google | Google-Extended（制御トークン） | Googlebot | – | [OpenAIのクローラー解説](https://developers.openai.com/api/docs/bots)は、OAI-SearchBotを許可して検索結果に出しつつGPTBotを拒否して学習から外す、といった組み合わせが可能だと説明しています。robots.txtの変更が検索に反映されるまでは約24時間かかるとされています。一方、ChatGPT-Userはユーザーの操作で動くためrobots.txtが適用されない場合があり、検索に載るかどうかの判定にも使われません。[Perplexityのクローラー解説](https://docs.perplexity.ai/docs/resources/perplexity-crawlers)も、Perplexity-Userは通常robots.txtを無視すると書いています。 GPTBot・ClaudeBotによる学習向け収集を拒否し、掲載した3種類の検索用クローラーを許可するrobots.txtの例です。他社の学習利用や過去に収集されたデータまで一括で制御する設定ではありません。 ``` User-agent: GPTBot Disallow: / User-agent: ClaudeBot Disallow: / User-agent: OAI-SearchBot Allow: / User-agent: Claude-SearchBot Allow: / User-agent: PerplexityBot Allow: / ``` Google-Extendedはクローラーではなくrobots.txt用の制御トークンで、Geminiの将来のモデルの学習とGeminiアプリ・Vertex AIでのグラウンディングを止めますが、Google検索への掲載や順位には影響しません。AI Overviewsなどへのサイト単位の掲載は、Search Consoleの「検索の生成AI機能」で除外できます。Google-Extendedとは別の制御で、ページ単位の表示制限には後述のnosnippetなどを使います。LLMOで最初に確認すべきなのは、セキュリティ設定やCDNのボット対策で検索用クローラーまで遮断していないかです。robots.txtの書き方全般は[robots.txtとは？クロール制御の書き方と効く場面・不要な場面](/column/details/16577/)で解説しています。 ## LLMOとSEOの比較：対象・成果・測定手段 両者の差は「何に評価されるか」より「成果がどこに現れ、どう測るか」にあります。 | 比較軸 | SEO | LLMO | | ------- | ------------------------ | ------------------------------------ | | 対象 | 検索エンジンの順位 | AIの回答文と参照リンク | | 成果 | クリック・流入 | 引用・言及（クリックは伴わないこともある） | | 候補になる条件 | インデックス登録 | 検索用インデックスへの登録（検索経路の場合） | | 測定手段 | Search Consoleの検索パフォーマンス | 生成AIレポート・AI Performance・手動確認 | | サービスの数 | Google中心 | ChatGPT・Claude・Perplexity・Geminiなど複数 | Googleの[AI features and your website](https://developers.google.com/search/docs/appearance/ai-features)は、AI OverviewsやAI Modeに表示されるための追加要件や特別な最適化は無いと明記しています。つまりGoogleの範囲では、LLMOはSEOの一部です。LLMOとして別に考える価値があるのは、Google以外のサービスがそれぞれ別のクローラーと検索インデックスを持っている点と、成果をクリックではなく引用で測る点の2つに絞られます。 ## 「LLMOは意味ない」と言われる理由と、意味が残る範囲 「LLMOは意味ない」という疑問を検討する材料になるのが、Googleが2026年5月に公開した生成AI向けの最適化ガイドです。[Googleのガイド](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide)（英語版は2026年7月10日更新）は、LLMO対策として売られてきた施策の一部をはっきり否定し、Google検索については次の施策を無視してよいとしています。 - llms.txtなどAI向けのテキストファイルやマークアップの新規作成（Google検索はこれらを使わない） - AIに理解させるための本文の細切れ化（chunking） - 作為的な言及の獲得 この範囲では「LLMO専用の施策は意味がない」という主張は正しいといえます。一方で、ChatGPTやClaude、Perplexityの検索はGoogleとは別の仕組みで動いており、Googleのガイドはそれらについて何も保証していません。これらのサービスに検索経由で出るには、各社の検索用クローラーがページに届いている必要があります（ユーザー操作によるページ取得は別の経路です）。意味が残るのは、クローラーの到達を確保すること、引用される根拠（数値・一次情報・明確な答え）を本文に持つこと、引用状況を測ることの3点で、どれも良い記事を書くSEOの作業と大きくは変わりません。 ## 生成AIに引用される記事の構成と書き方 ### 問いへの答えを段落の冒頭に置く構成 見出しで立てた問いには、段落の冒頭で結論を示す構成を勧めます。この位置が引用されやすさを左右すると示した公式資料はありませんが、読者が答えをすぐ確認でき、回答の根拠として抜き出された場合も意味が通ります。見出しを「〜とは」「〜の手順」のように質問の形に近づけ、その直後の文で定義や数値を示し、理由や条件はその後に続けます。記事全体では、冒頭に結論のまとめを置き、本文は根拠と詳細、最後に実在の質問に答えるFAQを置く構成が、人の読者とAIの両方に読みやすい形です。ページ単位の構成や見出しの具体例は[AIに引用されるには？生成AIの回答に選ばれる記事構造とサイト対策](/column/details/15415/)で詳しく扱っています。 ### 数値・引用・出典を本文に入れる理由と実験値 GEOの名付け元となった[Aggarwalらの論文](https://arxiv.org/abs/2311.09735)（2023年11月arXiv投稿、KDD 2024採択）は、1万件のクエリからなるベンチマーク（GEO-bench）を作り、ページの書き方を変えたときに生成AIの回答で使われる量がどう変わるかを比べています。次の値は、表1のPosition-Adjusted Word CountのOverall列です。評価対象はGEO-benchのテスト分割1,000件で、「無変更との差」は掲載値から計算した相対変化率です。 | 書き方の変更 | 指標値 | 無変更との差 | | ---------- | ---- | ------ | | 無変更 | 19.3 | – | | 引用文の追加 | 27.2 | +40.9% | | 統計・数値の追加 | 25.2 | +30.6% | | 出典の明記 | 24.6 | +27.5% | | キーワードの詰め込み | 17.7 | \-8.3% | これは論文が用意した生成エンジン上の実験値で、ChatGPTなど実際のサービスで同じ伸びが出る保証はありません。それでも、具体的な数値・専門家や公式文書の引用・出典リンクが効き、キーワードの繰り返しは逆効果という傾向は、Googleが推す「一般的な知識を超える独自の内容」とも一致します。根拠を書いた段落の中で一次情報へリンクを張り、本文末に出典をまとめて並べるだけで終わらせないことが実務上のポイントです。 ### FAQと構造化データの扱い FAQは実際の質問に1問1答で答える形なので、質問と答えの対応がはっきりします。ただし中身の薄いQ&Aを量産しても引用の根拠にはなりません。Search Consoleで実際に表示されているクエリや、営業・サポートに寄せられる質問から5問程度を選ぶのが現実的です。構造化データについてGoogleは、AI機能に表示されるために追加すべき特別なschema.orgは無いとしています。構造化データは通常のSEOと同じく、ページに見えている内容と一致させて実装すれば足ります。 ## 技術面の整備：インデックス・スニペット制御・llms.txt ### AI Overviews・AI Modeに表示される前提条件 GoogleのAI機能で参照リンクとして表示されるには、ページがGoogle検索にインデックス登録され、スニペット付きで表示できる状態である必要があります。逆に、ページの内容をAI Overviewsなどの直接の入力に使われたくない場合は、nosnippet・data-nosnippet・max-snippet・noindexで制御します。LLMOの観点で確認するのは、意図せずnoindexやnosnippetが付いていないか、主要ページがSearch Consoleでインデックス登録済みになっているか、Search Consoleの「検索の生成AI機能」でサイトが除外されていないかの3点です。 ### llms.txtの現状 llms.txtは、サイトの概要と主要ページの一覧をMarkdownで/llms.txtに置く提案で、2024年9月にJeremy Howard氏が公開しました。Googleは前述のガイドで、Google検索はllms.txtを使わず、置いても順位にプラスにもマイナスにもならないと明記しています。他のサービスやエージェント向けに置くこと自体は問題ありませんが、LLMOの効果を期待して最初に着手する施策ではありません。仕様の内容と書き方は[llms.txtとは？書き方・設置方法とv2の変更点、Googleが効果なしとする理由](/column/details/6984/)を参照してください。 ## LLMOの効果測定：使えるレポートと見えないもの ### Search Consoleの生成AIパフォーマンスレポート Googleは2026年8月31日、Search Consoleに[生成AIパフォーマンスレポート](https://support.google.com/webmasters/answer/16984139?hl=ja)を全世界で提供しました。AI OverviewsとAI Modeで自サイトへのリンクが表示された回数を、ページ・国・日付・デバイスの単位で確認できます。通常の検索パフォーマンスレポートと違い、どの質問で表示されたかというクエリの単位は出ません。見方と通常レポートとの突き合わせ方は[サーチコンソールの生成AIレポートとは？見方と指標の限界・通常レポートとの突き合わせ方](/column/details/17762/)にまとめています。 ### Bing Webmaster ToolsのAI Performance Microsoftは2026年2月10日、Bing Webmaster ToolsにAI Performanceをパブリックプレビューとして追加しました。Microsoft CopilotやBingのAI要約で自サイトが出典として表示された回数（Total Citations）、引用されたページ、AIが情報を探すときに使った語句（Grounding queries）のサンプルを確認できます。ユーザーが入力した質問そのものや、引用に関わる全語句の一覧ではありません。2026年6月には意図・トピック別の分析や引用シェアの比較も加わりました。Google側のレポートに無い検索用の語句を確認できるのが利点です。ただし対象はMicrosoft Copilot・Bing・一部の提携AI体験で、ChatGPTやClaude全体の引用状況を網羅するレポートではありません。 ### アクセス解析と手動での回答確認 AIサービスからの流入はGA4で追えます。GA4は2026年5月13日、ChatGPT・Gemini・Claudeなどからの訪問をまとめる「AI Assistant」チャネルをデフォルトチャネルグループに追加しました（[Googleアナリティクスの更新情報](https://support.google.com/analytics/answer/9164320?hl=ja)）。チャネルで全体の推移を、参照元（chatgpt.com・perplexity.aiなど）でサービス別の内訳を見ます。ただし、参照元が渡らない訪問や引用だけでクリックされないケースはAI経由として把握できないため、主要な質問を10〜20個決めて各サービスに定期的に入力し、自社が回答や参照リンクに出るかを記録する手作業の確認を併用します。回答は同じ質問でも変わることがあるため、サービス名・使用モデル・検索の有無・実施日・ログイン状態を記録し、条件を揃えて複数回確認します。出現率は、その質問群と実施条件の範囲で比較します。 ## LLMOに投資する優先順位と見送ってよい場面 着手の順番は、効果の確実さで決めます。最初はクローラーの到達確認（robots.txtとCDNのボット設定・インデックス状況）です。設定とアクセスログで遮断の有無を確認し、必要に応じてrobots.txtやCDNの設定を修正します。修正後も、再取得や検索側の反映を待つ必要があります。次に、問い合わせにつながる主要ページで、結論の位置・数値・出典リンクを見直します。引用状況の定期確認はその後で十分です。 次のどれかに当てはまる場合は、LLMO専用の予算を組むより通常のSEOを直す方が先です。 - 主要ページがインデックス登録されていない、またはSearch Consoleでほとんど表示されていない - 製品・サービスの説明が他社と同じ一般論で、引用される固有の数値や事例が無い - 自社名での検索がほぼ無く、AIが回答で名前を挙げる根拠となる言及がウェブ上に少ない 逆に、比較・選定の段階で「おすすめの〇〇は？」とAIに聞かれやすい商材（BtoBのSaaSや開発会社など）で、SEOの土台が既にある場合は、引用状況の測定とページの改善を継続的に回す価値があります。社内に担当者がいない場合は、[LLMO対策の支援サービス](/service/web/llmo/)のように、クローラー設定の点検から記事改善・測定までを外部に任せる方法もあります。発注する場合の業務範囲と費用の考え方は[LLMOコンサルティングとは？業務範囲・費用相場と発注可否の判断基準](/column/details/17110/)で整理しています。 ## よくある質問 ### LLMOとSEOはどちらを優先すべきですか？ SEOが先です。GoogleのAI機能はインデックス登録とスニペット表示の対象であることが前提で、ChatGPTやPerplexityも検索経由では各社の検索用クローラーが集めたページを引用します。Google以外のサービスの選ばれ方は公開されていない部分が多いため、確実に効くSEOの土台を先に整え、そのうえでAI各社のクローラー設定と引用状況の確認を足す順番を勧めます。 ### LLMOは意味ないのですか？ Google検索に限れば、llms.txtの設置や本文の細切れ化などLLMO専用とされた施策は無視してよいとGoogle自身が説明しています。ただしChatGPT・Claude・Perplexityは別の検索用クローラーを使うため、それらを遮断していないかの確認と、引用状況の測定には意味があります。 ### llms.txtを設置すればAIに引用されますか？ 設置だけで引用されるという根拠はありません。Googleは検索でllms.txtを使わないと明言しています。他のサービスが参照する可能性はありますが、引用は本文の内容だけでなく、質問との関連性やサービスごとの取得・選択の仕組みにも左右されます。 ### LLMOの効果はどうやって測ればよいですか？ Search Consoleの生成AIパフォーマンスレポートでAI OverviewsとAI Modeでの表示回数を、Bing Webmaster ToolsのAI Performanceで引用回数と、AIが情報取得に使った語句のサンプルを見ます。ChatGPTなどは、アクセス解析の参照元と、決めた質問を定期的に入力する手動確認で補います。 ### 構造化データはLLMO対策に効果がありますか？ GoogleはAI機能に表示されるための特別な構造化データは無いとしています。通常のSEOと同じく、ページの見える内容と一致する構造化データを正しく実装していれば十分で、AI向けに追加の記述を足す必要はありません。 ## 関連記事 - [AIO（AI検索対策）とは？SEOとの違い・Google公式の見解とデータでの効果分析【2026年10月】](/column/details/9302/) - [GEO（生成エンジン最適化）とは？SEOとの違い・E-E-A-Tとの関係](/column/details/8679/) - [AIに引用されるには？生成AIの回答に選ばれる記事構造とサイト対策【2026年時点】](/column/details/15415/) - [AI Overview対策とは？Google公式の条件と引用される記事構造・実装手順【2026年時点】](/column/details/13587/) - [GXOとは？GEO・AEOとの違いと生成AI検索でブランドが選ばれる考え方【2026年時点】](/column/details/13589/) --- 出典: [LLMOとは？SEOとの違いと生成AIに引用される対策・効果測定【2026年10月】]()（株式会社一創）