結論から: LLMO（AI検索最適化、英語では generative engine optimization、GEO）とは、ChatGPT、Perplexity、Google AI Overviews、Claudeといったエンジンが回答を組み立てるときに、自社コンテンツを引用元として選ぶよう整える取り組みです。従来のSEOは10本の青いリンクの中での順位を争います。LLMOが争うのは、回答そのものの中で名前を挙げられることです。決め手は3つ。機械が本当に読めるHTML、文脈から切り離しても意味が通り具体的な数字を含む段落、そしてどこでも同じ形で説明されるブランドの一貫性です。
LLMO（AI検索最適化、GEO）とは何か。従来のSEOと何が違うのか？
LLMOとは、ページを検索結果の一覧で上に押し上げるためではなく、モデルが回答を書くときにそのページから一文・数値・定義を借りるように整える作業です。従来のSEOは順位争いです。10件の結果があり、自社はその何番目かにいます。一方でLLMOは選抜のプロセスです。エンジンは回答を書く前に、どの3件から5件の情報源に依拠するかを決め、それを言い換えて提示します。技術的な健全性、権威性、被リンクといった従来のシグナルは今も効きます。信頼の材料になるからです。ただしそれだけでは足りません。引用できる明快な一文が見つからなければ、エンジンはそれを持っている別のサイトに移ります。
- 目的が変わる: 順位ではなく引用。1位にいてもAIの回答で言及される保証はありません。
- 単位が変わる: ページではなく段落。エンジンは単体で意味が通る一区画だけを持ち出します。
- クリックが変わる: 業界の集計データでは、AI Overviewsが表示されるクエリで自然検索のクリック率が大きく下がっています。その一方で、AIの回答から来る少数の訪問者は購買意欲が高い傾向があります。
- 競合が変わる: フォーラム、掲載サイト、レビューページ、技術ドキュメントが、洗練された企業ブログより頻繁に引用されます。
- 計測が変わる: 表示回数と平均順位ではなく、引用される頻度、AIの参照ドメイン、指名検索の伸びを追いかけます。
AIエンジンは実際にどんなコンテンツを引用するのか？
AIエンジンは、検証でき、そのまま抜き出せる情報を引用します。実務で効く基準は6つです。データ密度（数値、しきい値、計算式、日付）、重要な用語を初出時に平易な一文で定義していること、文脈から切り離しても通じる40語から75語程度の自己完結した段落、構造化データ（著者・日付・質問と回答のJSON-LD）、更新日が見える情報の鮮度、そしてJavaScriptなしでも読めるクロール可能なHTMLです。
- エンジンごとに参照先がまったく違います。Perplexityは出典表示を設計の中心に置き、1回答あたり20件を超えるリンクを示します。ChatGPTは10件未満にとどまります。2026年の集計では、ChatGPTとPerplexityが引用するドメインの重なりはおよそ10%しかありません。1つのエンジンに最適化すれば他も追随する、とは考えないでください。
- Yextが680万件のAI引用を分析した調査では、引用元の約86%がブランド自身の管理下にある面でした。半分近くが自社サイト、残りは掲載情報、レビュー、構造化されたディレクトリです。手法の異なる分析では第三者ソースの比率がもっと高く出ます。数字を絶対視せず、ただし自社サイトの重みはどの調査でも大きい、と読んでください。
- プリンストン大学とIIT Delhiの研究チームがKDD 2024で発表したGEO論文は、1万件のクエリで9つの施策を検証しました。統計・引用・明示的な出典の追加は可視性を最大40%引き上げ、キーワードの詰め込みは逆に可視性を下げました。
- AI Overviewsはもう例外ではありません。ただし測り方で結果が変わります。キーワードの母集団と国によって、2026年の各調査はGoogle検索の4分の1から半分程度で表示されると報告しています。幅は広いものの、方向は一つです。
- AIエンジン経由の流入は多くのサイトでまだ小さく、2026年の集計では平均で全セッションの1%程度です。B2Bテクノロジーなどの業種では明らかに高くなります。一方でコンバージョン率は従来の自然検索を上回り、各種分析では40%高いものから数倍まで幅があります。
AIクローラーはJavaScriptを実行しますか？
いいえ、実行しません。 ここが、もっとも見落とされ、もっとも高くつく項目です。GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBotといったクローラーは生のHTMLを取得し、そこにあるものを読み、次に進みます。JavaScriptは実行せず、レンダリングを待たず、二度目の取得もしません。VercelとMerjがクローラーのログを分析した調査では、5億件を超えるGPTBotのリクエストにJavaScriptを実行した形跡は一つも見つかりませんでした。意味のある例外はGoogle側だけで、GeminiはGooglebotのレンダリング基盤を利用できます。結論は居心地の悪いものです。クライアント側でしか描画しないサイトは、Googleでは問題なく上位表示されながら、ChatGPTやPerplexityにとっては真っ白なページになり得ます。
- サーバーサイドレンダリング: 最初のHTMLレスポンスに本文を載せます。テキスト、見出し、リンクをJavaScript任せにしないでください。確認は簡単です。
curlでページを取得し、本文が見えなければエンジンにも見えていません。 - robots.txtの判断: GPTBot、ClaudeBot、PerplexityBot、OAI-SearchBot、Google-Extendedへの許可を意識的に決めます。引用されたいならブロックしないことです。
- llms.txt: ドメイン直下に、重要ページと各1行の説明を並べたプレーンテキストの地図を置きます。
- 構造化データ: Article/BlogPosting、FAQPage、Organization、BreadcrumbListのJSON-LDを追加し、著者・公開日・更新日を見える形にします。
- 質問形式の見出し: H2を実際の疑問文に変え、その直下に自己完結した答えを置きます。
- ブランド表記の一貫性: ブランド名、説明文、カテゴリを、自社サイト・掲載先・各種プロフィールで完全に同じ表記にそろえます。モデルはこの反復でブランドを一つの実体として認識します。
広告側も同じ規律で読み解く
Ads SensorはMeta広告、Google 広告、TikTok広告、Criteo、GA4のデータを1つの画面に統合し、AIでキャンペーンを分析して、優先順位と根拠のある打ち手に変えます。
AIエンジンからの流入はGA4でどう計測するのか？
AI経由の流入は、参照ドメインを切り分けることで計測します。GA4は2026年5月、デフォルトのチャネルグループに「AI Assistant」を追加しました。認識されたAIアシスタントからのセッションは独立した行に表示されます。ただしカバー範囲は不完全です。Googleは認識される参照元の完全な一覧を公開しておらず、業界の検証ではPerplexityのような面が今も「参照」に落ちています。AI Overviews経由のクリックは自然検索として集計され、新しい分類は過去データにさかのぼって適用されません。そして何より、AIの回答から始まったセッションのかなりの割合は参照元情報を持たないまま到達し、直接流入に落ちます。ですから自前のチャネルグループを作り、指名検索と直接流入を並べて読み、この節をクライアント向けレポートの常設ブロックとして加えてください。
- 自前のチャネルグループを作る: GA4に組み込まれた「AI Assistant」チャネルはすべての面を捕捉できません。chatgpt.com、perplexity.ai、claude.ai、gemini.google.com、copilot.microsoft.comなどの参照ドメインを含む「AIアシスタント」チャネルを自分で定義します。
- UTMは期待しない: モデルが書いたリンクにパラメータは付けられません。参照ドメインとランディングページの内訳が一次証拠になります。
- 指名検索を追う: Search Consoleでの指名クエリの表示回数とクリックの推移は、AI露出のもっとも信頼できる間接指標です。
- 直接流入を別枠で読む: 参照元を失ったセッションはここに溜まります。AI露出が増えるほど、この行も増えると考えてください。
- 手動で引用チェック: 月に1度、狙っている質問をChatGPT、Perplexity、Google AI Overviewsに実際に投げ、誰が引用されたかを記録します。簡単な表でも傾向は見えます。
AI検索での露出は広告成果に何をもたらしますか？
AIエンジンに引用されることは、広告側に2つの経路で返ってきます。1つは量です。ユーザーがChatGPTに「このカテゴリで見るべきブランドは」と尋ね、そこに自社名があれば、次の行動はたいていGoogleでの指名検索です。これは指名キャンペーンの表示機会を広げます。指名キーワードは通常、アカウントの中でもっとも安く、もっともROASが高い行です。もう1つは質です。AIの回答から来た訪問者は、すでに質問を済ませ、比較も読み終えています。業界の集計データでも、この流入のコンバージョン率は従来の自然検索を上回ります。LLMOはコンテンツの仕事に見えて、着地点はメディア効率です。AIによる広告運用の理屈もまったく同じで、機械は読めるデータしか使えません。
AIエンジンはあなたを順位づけしません。選ぶのです。選ばれるために必要なのは、機械が読めて、単体で意味が通り、本物の数字を含む一文だけです。Ads Sensorチーム
どこから始めるか：90日間のLLMO計画
- 0日目から15日目、監査: 流入上位20ページを
curlで取得し、本文が実際にHTML内にあるかを確認します。広告アカウント監査と同じ発想です。新しい投資の前に穴を見つけます。 - 15日目から30日目、質問マップ: 買い手がAIエンジンに投げるであろう質問を30個から50個書き出します。営業チームが最も多く聞かれる質問が最良の出発点です。
- 30日目から60日目、書き直し: 上位10ページでH2を疑問文に変え、その下に40語から75語の自己完結した答えを置き、各回答に具体的な数字を最低1つ入れます。
- 60日目から75日目、土台: JSON-LD（Article、FAQPage、Organization）、llms.txt、robots.txtの方針を本番反映し、更新日を見える形にします。
- 75日目から90日目、計測: GA4のチャネルグループを作り、毎月の手動引用チェックを予定に入れ、指名検索のボリュームを基準値として記録します。
LLMOはキャンペーンではなく、保守の規律です。コンテンツが新しく、HTMLが読め、ブランド表記が一貫している限り、引用され続けます。同じ規律は広告側にも当てはまります。データが1か所に集まるまで、どのチャネルが本当に効いているかは見えません。Ads SensorはMeta広告、Google 広告、TikTok広告、Criteo、GA4を1つの画面にまとめ、AIで分析し、優先順位と根拠のある打ち手を提示します。プレベータ登録を行い、指名検索の伸びと、それが生む広告成果を並べて確認してください。