ChatGPTに引用される会社になるには（LLMOの基礎）
LLMOとは
対話型AIが回答を作るとき、自社が正しく言及されるよう整える施策、それがLLMO（Large Language Model Optimization）です。
ChatGPT・Gemini・Perplexity・Claude・Microsoft Copilotなど、AIに質問して答えを得るユーザーが増えています。
- 「〇〇におすすめのサービスは？」
- 「〇〇の会社の評判は？」
- 「〇〇と△△の違いは？」
こうした質問にAIが答えるとき、参照元として挙げられる、あるいは回答の中で名前を出してもらえるかどうか。それを左右するのがLLMOです。
これまでのSEOは「検索結果で何位に出るか」が目標でした。LLMOは「AIの回答の中でどう扱われるか」が目標です。
SEOとの違い
LLMOはSEOと対立するものではありません。AIの多くは検索上位のページを参照元にしているため、SEOという土台の上にLLMOを重ねるイメージに近いです。
| 観点 | SEO | LLMO |
|---|---|---|
| 目標 | 検索結果での順位向上 | AIの回答に引用・言及される |
| 評価される場所 | 検索結果ページ | チャットの回答本文 |
| 主な指標 | 検索順位、クリック数、CTR | 言及回数、引用のされ方、AI経由の流入 |
| ユーザーの行動 | リンクをクリックして訪問 | クリックせず回答だけで判断することも多い |
LLMOの具体的な施策
AIのクローラーを拒否しない
GPTBotやGoogle-Extendedなど、AIが情報収集に使うクローラーをrobots.txtで拒否していないか確認します。ここが塞がっていると、そもそも参照対象になりません。
構造化データを実装する
FAQPage・Organization・Articleなどのスキーマを実装し、AIが情報を機械的に読み取りやすい状態にします。
見出しをQ&A形式に近づける
「〇〇とは」「〇〇のやり方」など、ユーザーが実際にAIへ投げかけそうな表現に見出しを寄せます。見出しが順序立てて整理されているページほど、AIに引用されやすい傾向があります。
事実は表やリストで整理する
料金・対応範囲・実績などは、文章で書き流すより表や箇条書きにした方がAIは抽出しやすくなります。
- 料金
- 対応エリア・対応範囲
- 実績・導入社数
- 独自データ・一次情報
表記を統一する
社名・サービス名・所在地などの表記ゆれをなくし、どこで書いても同じ表記になるようにします。
執筆者・監修者を明記する（E-E-A-T）
誰が書いた情報かを明記することで、AIからも信頼できる情報源として扱われやすくなります。
第三者からの言及を増やす
プレスリリース、メディア掲載、レビューサイト、SNSでの言及など、自社サイト以外の場所で名前が出る機会を増やします。AIは学習データの中で複数の情報源から同じ内容が確認できるものを、より信頼できる情報として扱う傾向があります。
効果はどう測るか
LLMOはSEOと違い、成果が見えにくいのが実情です。次のような指標を組み合わせて見ていく必要があります。
- AI経由の流入数（リファラーで確認できる場合がある）
- 自社名・サービス名の言及回数
- 競合と比較した言及シェア
- 言及されたときの文脈・評判（ポジティブかネガティブか）
- 指名検索数の推移 AI経由の流入は件数自体は少なくても、すでに自社を認知した状態で訪れるため、問い合わせや申し込みにつながりやすいという報告もあります。件数だけでなく、その先の行動まで含めて評価することが大切です。
WEBRISでLLMOの状態を確認する
WEBRISは、検索順位やクリック数といった従来のSEOデータに加えて、AIサービスからの流入もあわせて確認できるツールです。
- 検索エンジンとAI検索、それぞれからの流入
- 検索順位・表示回数・CTR
- テクニカルSEOの診断 SEOとLLMO、どちらか一方ではなく、両方の「現在地」を数字で把握しながら、次の一手を決めていきましょう。