LLMO分析の完全ガイド！測定すべきKPIと現状分析の進め方を徹底解説

LLMO（Large Language Model Optimization）とは、ChatGPTやGemini、Perplexityなどの生成AIに自社サービスやブランドを「参照元」として選ばれるための最適化技術です。

従来のSEO対策が検索エンジンのクローラーを対象としていたのに対し、LLMO対策はAIモデルそのものを対象とします。AIが回答を生成する際に、自社サイトの情報を引用・推奨してもらうことで、質の高いリード獲得につながります。

2025年の調査では、企業サイトへのアクセス数が1年間で41.8%減少したというデータもあり、AI検索時代への対応は喫緊の課題となっています（参照:Web担当者Forum）。

ユーザーの情報検索行動は、「Search（探す）」から「Ask（聞く）」へと大きく変化しています。

以前は、ユーザーが検索エンジンで情報を探し、複数のサイトを比較検討してから意思決定していました。しかし現在では、AIに直接質問して、その場で要約された回答を受け取ることが主流になりつつあります。

この変化により、従来の「検索結果で1位を取る」という戦略だけでは不十分になり、AIの回答内で自社が言及され、推奨されることが新たな集客のカギとなっています。

LLMO対策において、現状分析は施策の成否を左右する最も重要なステップです。

なぜなら、AIがあなたの会社やサービスをどう認識しているかを知らなければ、どんな施策も的外れになってしまうからです。例えば、自社では「大企業向けの高度なマーケティングツール」として位置づけているのに、AIには「初心者向けの簡易ツール」と誤認識されていたら、ターゲット顧客に届くはずがありません。

現状分析では以下の3点を明確にしていきましょう：

• AIに自社がどのジャンル・カテゴリーで認識されているか
• 競合と比較してどのような立ち位置にいるか
• AIが自社を推奨する際、どのような文脈で語られているか

実際、当社でもLLMO対策を進めるにあたり、ChatGPTに「おすすめのSEOツールは？」と聞いたところ、競合他社は言及されたのに自社は一切出てこないという事態が発覚しました。

まずは、自社のポジショニングを知るためにも、現状分析に9割のリソースを費やしても問題ないほどです。

LLMO対策は2024年後半から本格的に注目され始めたまだ歴史の浅い施策領域です。

SEO対策には15年以上の蓄積があり、「このキーワードで1位を取るには○○すればいい」という確立された手法がありますが、LLMO対策にはまだそのような定石がありません。AIモデルのアルゴリズムは日々進化し、Google次第で検索の「AI化」が急速に進む可能性もあります。

だからこそ、継続的な分析と柔軟な施策の調整が不可欠です。「これをやれば必ず成功する」という魔法の方法はありませんが、地道なデータ収集と仮説検証を繰り返すことで、自社に最適な戦略が見えてきます。先行者利益を得られる今こそ、LLMO対策に取り組むべきタイミングと言えるでしょう。

ブランド引用率とは、AIの回答内で自社のサービス名や社名がどれだけ言及されているかを示す指標です。

この指標が重要な理由は、AIに名前すら挙げてもらえなければ、ユーザーの比較検討の土俵にすら上がれないからです。例えば「おすすめのSEOツール5選」とAIに聞いた時、競合は毎回登場するのに自社は一度も出てこない、という状況は致命的です。

測定方法としては、自社サービスに関連する10〜20個のプロンプト（質問文）を用意し、複数のAI（ChatGPT、Gemini、Perplexity、Claude）に同じ質問を投げかけます。そして、回答に自社名が登場する割合を計算します。

競合他社の引用率と比較することで、市場内での自社の「AIシェア」が可視化できます。

AIからの流入数は、実際にどれだけのユーザーがAI経由で自社サイトに訪問しているかを示す指標です。

Google Analytics 4（GA4）を活用すれば、この指標を測定できます。具体的な確認手順は以下の通りです：

1. GA4にログインし、「レポート」→「ライフサイクル」→「トラフィック獲得」を開く
2. 「セッションの参照元/メディア」のフィルタで「chatgpt」「perplexity」などのキーワードで検索
3. 該当する参照元からのセッション数、ユーザー数、コンバージョン数を確認

この数値が増加していれば、AIから引用されている状態であることが分かります。逆にゼロに近い場合は、AIの回答内で自社が推奨されていない可能性が高いと言えます。

この指標は、AIが自社のブランドやサービスをどう理解し、どのように説明しているかを測るものです。

単に名前が出ればいいわけではありません。AIが自社を「低価格帯の初心者向けツール」と説明しているのに、実際は「エンタープライズ向けの高機能ツール」であれば、ミスマッチが生じます。ターゲットでない顧客ばかりが流入し、コンバージョンにつながりません。

測定する際の一例としては、以下の通りです

• 「〇〇（自社サービス名）とは何ですか？」
• 「〇〇の強みは？」
• 「〇〇はどんな企業に向いていますか？」

上記のような質問をAIに投げかけ、自社が回答に出てくればOKという形です。

まず最初に行うべきは、AIの「脳内」で、自社がどの商品棚に、どんなラベルを貼られて置かれているかを特定することです。

これは、実店舗で例えると分かりやすいでしょう。あなたの商品が「高級食材コーナー」に置かれているのか、「お買い得品コーナー」に置かれているのかで、来店するお客様の層が全く変わりますよね。AIの世界でも同じことが起きています。

この調査では、自社サービスがどのようなジャンル・カテゴリーで認識されているかを明らかにします。単に「マーケティングツール」という大きなくくりではなく、「大企業向けの統合型マーケティングプラットフォーム」なのか「中小企業向けのSEO特化ツール」なのか、より具体的な位置づけを把握する必要があります。

以下のプロンプト（質問文）をChatGPT、Gemini、Perplexity、Claudeの4つのAIに投げかけて、回答を収集しましょう：

• 「〇〇（自社サービス名）を一言で表すと、どのようなカテゴリーのサービスに分類されますか？適切な一般名称を3つ挙げてください」
• 「〇〇に関連性の高い『検索キーワード』や『ハッシュタグ』を10個リストアップしてください」
• 「△△（競合他社名）の主な競合製品を探す際、ユーザーはどのような『キーワード（ジャンル名）』で検索しますか？一般的なカテゴリ名を5つ教えてください」

これらの回答から、自社が意図したカテゴリーとAIの認識にズレがないかを確認します。

次に、Web上の自社ブランド情報が、AIに正しく伝わっているか、それとも誤解されて埋もれているかをチェックします。

エンティティとは、AIが認識する「固有の存在」のことです。人名、企業名、製品名、場所などがこれに当たります。AIがあなたの会社を正しく「理解」しているかどうかが、推奨されるかどうかを大きく左右します。

確認する際にはAIが自社のブランドやサービスについて語る際の「語り口」を確認することもおすすめです。好意的に紹介されているか、それとも冷淡な扱いか。詳細な情報を持っているか、それとも表面的な知識だけか。誤った情報（ハルシネーション）が混ざっていないか。

これらを丁寧にチェックすることで、ブランドの「健康状態」が診断できます。

実際のユーザーがAIに質問する際をイメージしたプロンプトをご紹介します：

• 「〇〇（キーワード）で最も評判の良いBtoB/BtoC向けシステム/ツールを教えてください」
• 「〇〇（自社サービス名）とは何ですか？その概要、提供している主な機能、ターゲットとなる顧客層を要約してください」
• 「〇〇（自社名）と△△（キーワード）の関係性を説明してください。この会社は、その領域においてどのような強みや実績を持っていますか？」

チェックポイントは以下の通りです：

最後に、競合と比較した上で、AI脳内での自社の立ち位置（ポジショニング）を明らかにします。

スポーツで例えるなら、自分のタイムを知るだけでなく、ライバル選手と比較して自分が何位なのかを把握するようなものです。AIにとって、あなたの会社は業界のトッププレイヤーなのか、それともニッチな存在なのか。その認識のギャップを埋めることがLLMO対策の核心です。

このステップでは、市場セグメント（大手向けか中小企業向けか）、価格帯イメージ（高価格帯か低価格帯か）、そして「自社を選ぶべき理由」がAIの回答と合致しているかを確認します。

競合との位置づけを明確にするプロンプトは以下の通りです：

• 「〇〇（キーワード）の導入を検討しています。主要なサービスを、ターゲット企業の規模（大手/中小）や、機能分類、口コミなどの違いをマッピングしてください」
• 「△△（競合A社）ではなく、あえて〇〇（自社名）を選ぶべきなのは、どのような状況や課題がある時ですか？」
• 「□□（競合トップ企業名）の導入を検討していますが、コストや機能面、サポート面で比較検討すべき『代替サービス（Alternatives）』を5つ教えてください。また、それぞれが□□より優れている点はどこですか？」

これらの回答を分析すると、AIがどのような基準で各サービスを評価し、どのような文脈で推奨しているかが見えてきます。

例えば、ある中堅企業では、自社は中小企業向けを想定していたのに、AIには「大企業向けの高価格帯ツール」と誤認識されていることがわかったりします。この発見をきっかけに、価格や導入事例の見せ方を見直していきましょう。

AIは「他と同じ情報」を学習データとして圧縮（無視）し、「そこにしかない新しい情報」だけを高く評価します。

つまり、どこにでもある一般的な情報をいくら発信しても、AIの回答ソースとして採用される可能性は低いのです。一方で、自社でしか持っていない独自のデータや、現場の生の声、失敗談などは、AIにとって貴重な「追加情報」となります。

具体的には以下のようなコンテンツが効果的です：

• 自社で実施したアンケート調査の結果や業界統計データ
• 実際のプロジェクトでの失敗談や苦労話
• 現場の生写真や実際の作業風景
• 著者の主観的な考察や独自の視点
• 他のサイトにはない新しい切り口の情報

上記の観点で独自情報を発信し続ければ、現状分析でご紹介した質問プロンプトの回答に引用されるきっかけになります。

AIが情報を読み取りやすくするために、JSON-LD形式で構造化データを実装することが重要です。

これは、Webページに「ここが会社名」「ここがサービスの説明」「ここが価格情報」といった目印をつけるようなものです。人間が見る分には普通のテキストですが、AIには「どこに何の情報があるか」が一目瞭然になります。

特に効果的なのは以下の構造化データです：

• FAQスキーマ：よくある質問と回答をQ&A形式で構造化。AIはこの形式を好んで引用します
• Organizationスキーマ：会社の基本情報（名称、所在地、事業内容など）を明示
• Productスキーマ：製品・サービスの詳細情報（価格、評価、機能など）を構造化
• Articleスキーマ：記事やブログの著者、公開日、内容の要約を明示
• BreadcrumbListスキーマ：サイト構造を明確にするパンくずリストの構造化

実装時の注意点として、FAQスキーマを使う場合は「ページに書いてある質問・回答とほぼ同じ文言にする」「短く簡潔にする」「回答内を広告・売り込み文だらけにしない」ことが重要です。

特定の分野に絞って専門的なコンテンツを体系的に発信することで、AIからの信頼度と権威性を高める手法です。

トピッククラスターとは、1つのメインテーマ（ピラーページ）を中心に、関連する詳細記事（クラスターページ）を複数作成し、内部リンクで結びつけるコンテンツ戦略です。例えば「LLMO対策」をピラーとして、「LLMO分析の始め方」「LLMO対策の成功事例」「LLMO vs SEOの違い」といった詳細記事を配置します。

この手法が効果的な理由は、AIが「この企業は〇〇分野の専門家だ」と認識しやすくなるからです。幅広いテーマで浅い情報を発信するよりも、特定ジャンルで深い情報を網羅的に発信する方が、「〇〇業界といえば△△社」という認識をAIに植え付けられます。

加えて、専門家や監修者の情報を明示することも重要です。著者の経歴、保有資格、専門分野などをAuthorスキーマで構造化することで、E-E-A-T（経験、専門性、権威性、信頼性）の評価が向上し、AIから引用されるきっかけになります。

AIの学習データとなっている情報源に、自社のブランド名やサービス名を露出させることも効果的です。

重要なのは、リンクが貼られなくても「ブランド名/サービス名」が話題に出ることです。これをサイテーション（言及）と呼びます。多くのサイトで自社が言及されることで、AIは「この企業は業界で重要な存在だ」と認識します。

具体的な施策としては以下が挙げられます：

• プレスリリースの定期配信：新サービス、アップデート、導入事例などを発信
• 業界紙・メディアへの寄稿：専門知識を活かした記事を執筆
• セミナーやウェビナーでの登壇：イベントレポートなどで社名が言及される機会を増やす
• 導入事例のインタビュー掲載：顧客企業のサイトで自社が紹介される
• 比較サイトや口コミサイトへの情報登録：第三者評価の場で存在感を示す

ただし、自作自演のような不自然なサイテーションはAIにも見抜かれる可能性があります。あくまで自然な形で、価値ある情報として言及されることを目指しましょう。

専門業者を利用する最大のメリットは、複数のAIプラットフォームを横断した包括的な現状把握ができることです。

自社で分析する場合、ChatGPT、Gemini、Perplexity、Claudeなど複数のAIに同じ質問を投げかけ、その回答を一つ一つ記録・分析する作業は膨大な時間がかかります。さらに、どのプロンプトが適切か、どの指標を重視すべきかといった判断にも専門知識が必要です。

専門業者では、以下のような詳細なレポートが提供されます：

• 各AIプラットフォームでの自社の言及率（○/×判定）
• 競合他社との言及率比較
• AIが回答生成時に参照・引用したWebページのURL一覧
• 自社サイトと競合サイトの引用度比較
• カテゴリー認識のズレの可視化

これらのデータを定期的に取得・比較することで、施策の効果検証も容易になります。

AIモデルのアルゴリズムは頻繁にアップデートされるため、常に最新の動向を追いかける必要があります。

例えば、GoogleのAI Overviewsの表示アルゴリズムは2024年から2025年にかけて何度も変更されており、過去の成功法則がすぐに陳腐化するリスクがあります。自社でこれらの変化を追い続けるのは、専任の担当者がいない限り困難です。

専門業者では、以下のような最新情報に基づいた分析が可能です：

• 最新のAIアルゴリズムの傾向分析
• ハルシネーション（誤情報生成）の検出と修正提案
• 構造化データの最適な実装方法のアドバイス

LLMO対策の成果を経営層や他部署に説明する際、分かりやすいレポートが不可欠です。

SEO対策であれば「検索順位が〇位から△位に上昇」「オーガニック流入が〇%増加」といった分かりやすい指標がありますが、LLMO対策はまだ認知度が低く、「何を成果として報告すべきか」が定まっていません。

専門業者では、以下のような社内報告に適したレポート形式で提供されます：

• 経営層向けのエグゼクティブサマリー（要点を1ページに集約）
• 施策前後の変化を視覚的に示すグラフや表
• 競合比較による自社の立ち位置の明示
• 次のアクションプランの提案

特にBtoB企業では、マーケティング予算の承認を得るためにも、客観的なデータに基づいた報告が重要です。「なんとなく効果がありそう」ではなく、「言及率が前月比で20%向上」といった定量的な成果を示すことで、継続的な投資の正当性を示せます。

最終的な目的は分析そのものではなく、問い合わせや資料請求などのコンバージョン増加です。

専門業者に依頼すれば、分析結果に基づいて、自社のビジネス目標に合わせた具体的な施策ロードマップを策定してくれます。

例えば：

• どのプロンプト（質問文）で上位表示を狙うべきか
• どのページに構造化データを実装すべきか
• どのような独自コンテンツを作成すべきか
• どの外部メディアに露出すべきか

これらの優先順位をつけ、実行可能なアクションプランに落とし込むことで、社内リソースを効率的に活用できます。

自社で全てを行うか、外部サービスを活用するかは、社内のリソースや専門知識のレベル、予算などによって判断すべきですが、まずは専門家に現状診断を依頼して課題を明確にし、その後の施策実行は社内で行うというハイブリッド型のアプローチも効果的です。

LLMO分析では、「ブランド引用率」「AIからの流入数」「AIによるブランド理解度」の3つを主要KPIとして設定することをおすすめします。

ブランド引用率は、複数のAIに同じ質問を投げかけた際に自社が言及される割合です。競合との比較で自社の「AIシェア」が可視化できます。AIからの流入数は、GA4で「chatgpt.com」「perplexity.ai」などからのセッション数を測定します。ブランド理解度は、AIが自社をどのように説明しているか（カテゴリー、ターゲット層、強みなど）を定性的に評価します。

これら3つの指標を月次で追跡することで、施策の効果を検証し、PDCAサイクルを回すことができます。

初回の現状分析であれば、プロンプトの設計から回答の収集・分析まで含めて、2〜4週間程度が目安です。

具体的には、対象とするプロンプト（質問文）の数や、分析対象のAIプラットフォームの数によって変動します。一般的には、10〜20個のプロンプトを4つのAI（ChatGPT、Gemini、Perplexity、Claude）で分析するケースが多く、この場合は約3週間で初回レポートが完成します。

ただし、LLMO対策は継続的な取り組みが重要です。月次または四半期ごとに定期分析を行い、変化を追跡することで、施策の効果測定と改善が可能になります。

2025年1月現在、LLMO分析に特化した決定的なツールはまだ存在しませんが、以下の組み合わせが実用的です。

基本的な分析は、ChatGPT、Gemini、Perplexity、Claudeの各プラットフォームに直接アクセスして手動で質問を投げかけ、回答をスプレッドシート（ExcelやGoogleスプレッドシート）に記録する方法が確実です。

補助ツールとしては、Google Analytics 4でAI経由の流入を測定し、Google Search Consoleで検索パフォーマンスを確認します。構造化データのチェックにはGoogleのリッチリザルトテストが有効です。

今後、LLMO分析専用ツールが登場する可能性もありますが、現時点では手動分析が主流です。外部サービスに依頼する場合は、これらのプロセスを代行してくれるため、社内リソースの節約になります。

日本市場では、ChatGPT（OpenAI）とGemini（Google）の2つを最優先で分析対象とすることをおすすめします。

理由は、この2つが日本国内で最も利用者数が多く、特にGeminiはGoogleの検索結果に統合される可能性が高いためです。次点でPerplexity（詳細な引用元を表示するAI検索エンジン）とClaude（Anthropic）を対象に加えると、より包括的な分析ができます。

ただし、BtoB企業の場合、ビジネス用途でChatGPTのAPI利用が増えているため、ChatGPTを特に重視すべきです。一方、一般消費者向けのサービスであれば、Googleの検索と連動するGeminiの重要度が高まります。

自社のターゲット顧客がどのAIを使う可能性が高いかを考慮して、分析対象を決定しましょう。

AI検索の普及により、従来のSEO対策だけでは企業サイトへの流入が減少する時代が到来しています。この変化に対応するため、LLMO対策という新しいマーケティング手法が不可欠になっています。

LLMO対策の第一歩は、現状分析です。AIが自社をどのジャンルで認識しているか、競合と比較してどのような立ち位置にいるか、そしてAIの回答内で自社がどのように語られているかを正確に把握することが全ての基盤となります。

分析で明らかになった課題に対して、独自情報の発信、構造化データの実装、トピッククラスターの構築、外部露出の強化という4つのアプローチで最適化を進めます。これらの施策は、単発ではなく継続的に実行し、定期的に効果を測定することが重要です。

自社でリソースがないや現状分析ができない場合は、是非当社にお任せください。

現状診断や結果に基づいた施策の策定、そして計測、改善まで、一気通貫でLLMO対策をご支援しております。

まずは無料相談をベースに、貴社の現状をお聞かせください。AI時代を勝ち抜くための最適な戦略を、一緒に考えましょう。