LLMO対策とは？SEOとの違いと、BtoB企業の進め方・測り方

この記事の要点：

• LLMOは、AIの回答の中で自社の情報が正しく扱われ、出典として示されやすい状態をつくる取り組みで、Googleなどが定めた公式の用語ではありません。GEO・AIO・AEOも目指すことはほぼ同じで、違いは対象と言葉の由来です。
• GoogleはAIによる概要やAIモードに特別な最適化は不要と説明しており、LLMOはSEOの土台の上に、会社や製品を正しく理解させる取り組みを積み上げるものです。
• robots.txtでは検索用と学習用のクローラーを分けて扱います。Googlebotを止めると、Google検索とその上のAI機能の両方から外れます。
• 進め方は、自社の事実の整理、質問セットでの記録、クローラーの確認、表記の統一、一次情報のページ作り、外部での言及、測定の7ステップです。
• 効果は、Search Consoleの生成AI機能のレポート、GA4のAIサービスからの訪問、質問セットの記録を月1回並べ、推移で判断します。

LLMOとは

LLMO（Large Language Model Optimization、大規模言語モデル最適化）とは、ChatGPT・Gemini・Perplexity、GoogleのAI機能など、大規模言語モデルを使ったAIの回答の中で、自社の名前や情報が正しく扱われ、出典として示されやすい状態をつくる取り組みです。Googleなどが定めた公式の用語ではなく、日本のマーケティングの現場で広まった呼び方です。

似た用語との違い（LLMO・GEO・AIO・AEO）

AI時代の検索対策を表す言葉はいくつもあります。どれも公式の用語ではなく、指す範囲は大きく重なります。違いは「何に向けた呼び方か」と「言葉の由来」です。

同じ「AIO」でも、AI全般への最適化の意味で使う人もいるため、社内や依頼先と話すときは「どのサービスの、どんな答えを対象にするか」を先にそろえます。

SEOとLLMOの違い

SEOは検索結果の一覧で自社のページを見つけてもらう取り組み、LLMOはAIの回答文の中で自社の情報が正しく扱われ、出典として示される取り組みです。目指す場所と見る数字は違いますが、クローラーが読めるページと正確で独自の情報という土台は共通です。

土台が共通であることは、Googleの説明からも分かります。Googleは、AIによる概要やAIモードに表示されるために追加の要件や特別な最適化は必要ないと説明しています。ChatGPTの検索機能も、ウェブを検索して見つけたページを出典にします。

LLMOとSEOの違い：両方に効く作業と、片方にしか効かない作業

LLMOとSEOの作業の多くは共通で、片方にしか効かないのは、AIの会社ごとのクローラーの許可と、AIの回答を記録する測り方です。Googleは生成 AI 機能向けのガイドで、生成AI検索向けの最適化もSEOであることに変わりはないと説明しています（2026年10月14日に確認）。

AIが回答を作る仕組みと、サイト側でできること

AIの回答の材料は、大きく2つに分けられます。どちらから情報が来るかで、サイト側でできることが変わります。

学習済みの知識から答える

LLMは、学習の時点までに集めた大量の文章から言葉のつながりを学んでいます。ウェブを検索せずに答えるときは、この学習済みの知識が材料になります。学習の時点より新しい情報は反映されず、知識が少ない会社については誤った説明（ハルシネーション）が出ることもあります。サイト側では、学習用のクローラーを許可するかどうかを選べます。

その場で検索して答える

ChatGPTの検索機能、Perplexity、GoogleのAIによる概要などは、質問を受けてからウェブを検索し、見つけたページを読んで回答をまとめ、出典を示します。この場合は、検索用のクローラーに読まれていること、検索で見つかること、ページの内容が質問に答えていることが直接関係します。

主なクローラーと用途

主なクローラーの用途は次のとおりです。

例：「AIの検索結果には出たいが、学習には使われたくない」なら、検索用は許可し、学習用だけを拒否します。

# 例：検索用は許可し、学習用の収集は拒否する
User-agent: OAI-SearchBot
Allow: /

User-agent: GPTBot
Disallow: /

User-agent: Google-Extended
Disallow: /

Googlebotを拒否すると、Google検索とその上で動くAI機能の両方から外れます。クローラーの名前や扱いは変わることがあるため、各社の最新の説明を確認してから設定します。

LLMO対策の進め方：BtoB企業の7ステップ

LLMO対策は、自社の事実の整理、質問セットでの回答の記録、クローラーと読み取りの確認、会社・製品の情報の統一、一次情報のページ作り、外部での言及、測定と修正の7ステップで進めます。以下では例として、「工場向けの計測機器を製造・販売するメーカー」が自社サイトで進める場合を示します。

ステップ1：AIに正しく覚えてほしい「自社の事実」を1枚にまとめる

会社名（正式名称・略称・英語表記）、所在地、主な製品の名前と型番の体系、対象となる業界、できること・できないこと、問い合わせ先を1枚の表にします。これがサイトの内外で表記をそろえるときの基準になります。

ステップ2：質問セットで今の回答を記録する

自社名・製品名・カテゴリー・比較・課題・費用などの質問をまとめた質問セットを、ChatGPT、Gemini、Perplexity、Googleの検索で確認し、自社が出るか、説明が正しいか、出典にどのサイトが使われているかを記録します。どのサービスで、ログインの有無、確認日も残します。

ステップ3：クローラーと読み取りの状態を確かめる

自社のページがAIのクローラーに読まれ、検索で見つかる状態かを、robots.txt、インデックス、本文の書き方の3点で確かめます。

1. https://自社ドメイン/robots.txt を開き、検索用のクローラー（Googlebot、OAI-SearchBotなど）を止めていないか確認する
2. Search Consoleの「URL検査」で、主要な製品ページや解説ページがインデックスされているか確認する
3. 仕様表や対応業界の一覧がPDFや画像の中だけになっていないか確認する。重要な情報はHTMLの本文と表にも書く

ステップ4：会社・製品の情報をサイト内外でそろえる

AIが会社や製品を1つの対象（エンティティ）として正しく理解できるよう、自社の事実をまとめた1枚の表（正式名称・略称・英語表記など）に合わせて、会社概要ページ、製品ページ、採用ページ、外部のプロフィール（業界団体の会員名簿、展示会の出展者情報、Googleビジネスプロフィールなど）を直します。会社概要ページには構造化データ（Organization）で基本情報を示します。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "株式会社〇〇計測",
  "alternateName": "〇〇 Measurement",
  "url": "https://example.com/",
  "sameAs": ["https://example-association.jp/members/0000"]
}
</script>

当サイト（seoagent.jp）でも、記事の構造化データの型が空で、投稿者欄に管理者のユーザー名が出ている状態がありました。型をBlogPosting（ニュースはNewsArticle）に直し、著者を運営組織にそろえました。誰が発信している情報かをAIや検索エンジンに誤って伝えないための修正です。

ステップ5：質問に答えるページを、一次情報で作る

AIは多くのページをまとめて答えるため、どこにでもある一般論だけのページは引用される理由がありません。例のメーカーなら、次のような自社にしか書けない情報を、質問に答える形で書きます。

• 「〇〇の測定で誤差が出る原因と対処」：サポート窓口に寄せられた問い合わせをもとにした原因の一覧と確認手順
• 「設置環境の条件」：温度・湿度・設置スペースの条件を表で示す
• 「導入までの流れ」：見積もりから据え付けまでの手順と、各段階で顧客が準備するもの

見出しは質問の形にし、直後の1〜2文で結論を書きます。数値には条件と更新日を添えます。

ステップ6：外部で正しく言及される

AIの回答は、自社サイトだけでなく、業界メディア、比較記事、Q&Aサイト、展示会の記事なども材料にします。プレスリリースや技術資料、取材への協力など、第三者が正しく紹介できる材料を出します。社名や製品名が言及されること（サイテーション）は、リンクがなくても会社の認知につながります。外部の記事で事実の誤りを見つけたら、掲載元に訂正を依頼します。

ステップ7：測って直す

月に1回、同じ質問セットで回答を記録し、Search ConsoleとGA4の数字を並べます。誤った説明が続く場合は、その説明の出典になっているページを探し、自社ページなら修正し、外部ページなら訂正を依頼します。

例：AIの回答を確かめる質問セット

AIの回答を確かめる質問セットは、指名・カテゴリー・比較・課題・費用など種類の違う質問を混ぜて作り、同じ質問を複数のAIサービスに入力して結果を比べます。例：工場向けの計測機器メーカーの場合は次のとおりです。

記録は「確認日」「サービス」「ログインの有無」「質問」「自社の言及」「出典の自社URL」「説明の正誤」「主な出典の種類」の列で十分です。

施策の優先順位（判断の目安）

LLMO対策は、robots.txtとインデックスの確認、会社・製品の表記統一、質問に答えるページと一次情報の追加の順に、前提に近いものから進めます。

• 指名の質問で説明が誤っているなら：優先度2を最初に行う。新しい記事を書くより先に、会社情報の食い違いを直す
• 指名では正しいが、カテゴリーの質問で候補に挙がらないなら：優先度3と5に力を入れる
• Googleでは出るがChatGPTでは出ないなら：OAI-SearchBotを止めていないか確認する
• どのAIでも出典が比較メディアばかりなら：比較の観点を自社の記事で表にし、第三者が引用しやすい資料を用意する

llms.txtについてはllms.txtとはで、置く場合の考え方を説明しています。

効果測定：Search Consoleの生成AIレポートとGA4

効果は、3つの数字と1つの記録を月に1回並べて、推移で判断します。

• Search Console：生成AI機能のパフォーマンス レポートで、AIによる概要・AIモードでの表示回数をページごとに見る（クリック数と検索語は含まれない）。社名や製品名を含む検索（指名検索）の推移も合わせて見る
• GA4：ChatGPTやPerplexityなど、参照元が分かるAIサービスからの訪問とキーイベントを見る。GoogleのAIによる概要・AIモードからの訪問は通常の自然検索と区別できない
• 質問セットの記録：自社が出たか、説明が正しいかを同じ質問で記録する

当サイト（seoagent.jp）では、改修前の基準値として検索での表示回数10・クリック0、GA4の全体46セッション・自然検索0を記録しています。取り組み前の数字を残しておくことが、後で変化を判断する前提になります。

LLMO対策の費用の目安

LLMO対策の費用は、作業を自社で行いツールに払うか、診断や毎月の観測・改善を外部に任せるかで決まり、決まった相場はありません。各社が公式ページで公開している料金は、出典と確認日を付けてLLMO対策の費用の記事にまとめています。

LLMO対策の作業の多くは、インデックスの確認、会社情報の整備、質問に答えるページの制作のように、SEO対策やAIO対策と共通です。見積もりを比べるときは、共通の作業と、AIの回答を記録・比較するLLMO固有の作業に分けて読むと、同じ作業に二重に払うことを防げます。

依頼先ごとに確かめる点と、ツールと外注の違いはLLMO対策の会社の選び方と費用に、見積書を作業ごとに読む方法は「SEO対策の費用と見積もりの見方」にまとめています。

注意点とよくある失敗

LLMO対策でよくある失敗は、サイト内外の情報の食い違い、学習用と検索用のクローラーの取り違え、効果の確かめられていない施策への偏りです。

LLMO対策に関する記事は「LLMO対策の記事一覧」にまとめています。

よくある質問

LLMOとAIO対策は、別々に進める必要がありますか？

分ける必要はありません。Google検索のAI機能に絞るとAIO対策、ChatGPTなどほかのAIサービスまで含めるとLLMOと呼ばれますが、質問に答えるページと会社情報の整備という土台は同じです。違いが出るのは、各社のクローラーの許可の書き分けと、GA4で参照元を分けて見る測り方です。

知名度の低い会社でも、取り組む意味はありますか？

あります。AIは知識が少ない会社について誤った説明をすることがあるため、まずは指名の質問で正しく説明されるかを確かめ、会社概要と表記の統一から始めます。カテゴリーの質問で候補に挙がるかは、その後に一次情報のページを増やしながら見ていきます。

AIの回答の誤りは、AIのサービス側に直してもらえますか？

Googleの検索では、回答の下の評価ボタンからフィードバックを送れますが、送れば必ず直るものではありません。根本の対処は、誤りの出典になっているページを探し、自社ページなら修正し、外部のページなら掲載元に訂正を依頼することです。

学習用のクローラーを拒否すると、すでに学習された内容は消えますか？

robots.txtは、これからのクロールに対する指定です。すでに集められたデータがどう扱われるかは各社の説明によるため、この記事では確認できていません。設定する前に、各社の最新の説明を確かめてください。

SEOAGENTでできること

SEOAGENTでは、自社の資料や写真を記事の材料として登録し、一次情報を含む記事づくりを進められます。また、robots.txtを読み取り、検索の表示に使われるクローラーと学習に使われるクローラーを分けて確認でき、GA4で参照元を識別できるAI経由の訪問を確認できます。

• 自社資料・写真・文体
• AI検索・表示速度の診断
• 公開前の品質確認

※LLMOの取り組みは、AIの回答に表示されることを保証するものではありません。

参考情報

• Google 検索セントラル：AI 機能とウェブサイト
• Google：Google の一般的なクローラー
• OpenAI：Overview of OpenAI Crawlers
• Search Console ヘルプ：生成AI機能のパフォーマンス レポート（検索）
• Aggarwal et al.「GEO: Generative Engine Optimization」（arXiv:2311.09735）