【2026年版】LLMO分析のやり方を解説、KPI設定・3ステップ現状把握・最新ツール

LLMO（Large Language Model Optimization）とは、ChatGPTやGemini、Perplexityなどの生成AIやAI検索において、自社サービスやブランドが正しく理解され、回答内で参照・言及されやすい状態を目指す取り組みです。

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回答内で自社の情報やブランド名が適切に扱われることで、比較検討の候補に入りやすくなります。

冒頭で紹介した2025年11月の調査では、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がありますし、さらに、Pew Research Centerの調査では、AI summary表示時のクリック率は通常結果で8%、非表示時は15%と報告されており、AI Overviewが表示される検索ではユーザーが従来結果をクリックしにくくなっています。

これらを切り取ってみても、AI検索時代への対応は喫緊の課題となっているかと思います。

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。現在では、検索エンジンだけでなく、AIに直接質問して要約された回答を受け取る行動も広がっています。

この変化により、検索結果での上位表示に加えて、AI回答内で自社がどのように言及され、どの文脈で比較検討候補に入るのかを把握することが重要になっています。Googleも、AI Overviewでは複雑な質問の要点把握や追加調査を助ける機能として説明しており、検索体験が「クリックする検索」から「答えを得る検索」へとシフトしていることがわかります（Google Search Central）。

「アクセス解析を見ると影響度はまだ少ないのでは」という声も聞きますが、当社EXIDEAでも、問い合わせ時のヒアリングを通じて、生成AIをきっかけにEmmaToolsを認知したと回答いただくケースが増えていることを実感しています。あくまで当社の一例ではありますが、30％から多い月では50％もの問い合わせが生成AIをきっかけとしている、または決めてとなっていることが分かっています。

※生成AIを経由した問い合わせかどうかは、GA4の参照元数値だけでは見えにくい変化のため、問い合わせフォームや商談初回ヒアリングで「当社をどこで知りましたか」を確認する運用と組み合わせるのがおすすめです。

LLMO対策では、最初に現状分析を行うことが重要です。AIが自社をどのカテゴリーで認識しているのか、競合と比較してどのような立ち位置にいるのかを把握しないまま施策を進めると、改善の方向性がずれやすくなります。

たとえば、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回答上では「初心者向けの簡易ツール」に近い文脈で説明されていれば、想定顧客とのズレが生まれます。

LLMOの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回答上で、自社がどのような文脈で言及されているか

実際、当社でも1年ほど前からLLMO対策を進めていまして、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するところからのスタートでした。

当社の提供するEmmaToolsは総合的なSEOツールというよりは、ライティングに特化しているものなので、「おすすめのSEOツールは？」という問いに対しては今でも表示されませんが、突っ込んだ会話の中で「ライティングに強いSEOツール」「AIを用いたライティング機能がある」「法人向けやチームで使える」「国産、日本語に強い」などの話題が出ると高い確率で、ChatGPTやGeminiなどの生成AIで選ばれるようになりました。

まずは十分な時間を取り、自社の認識状況・競合比較・成果貢献を確認し、その上でどのポジションを取ることができ、また、どのポジションを取ると効果的を事前に分析してから進めることが大事だと実感しています。

LLMO対策は2024年後半から本格的に注目され始め、2025年〜2026年にかけて急速に体系化が進んでいる新しい施策領域です。

SEO対策であれば、「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対策はまだ測定方法や改善手法が発展途上です。AIモデルのアルゴリズムは日々進化しているため、SEO対策がそうであったように対策方法も変化していくと考えられます。

だからこそ、継続的な分析と柔軟な施策の調整が重要です。「これをやれば必ず成功する」という方法を前提にするのではなく、継続的な観測と仮説検証を行い、ノウハウを蓄積していくことが大切です。私自身も20年近くSEOに取り組んできた経験からも、新しい領域は早く着手することで知見が貯まりやすいと感じています。

効果があると聞いた方法は負荷が少ないならまずは試していくというのが、新しい分野では重要なので、LLMO対策は今取り組むには良いタイミングだと思います。

1つ目のKPIは、AIが自社のブランドやサービスをどう理解し、どんな文脈で説明しているかを測るものです。可視性や流入を測る前に、まず「AIに何として認識されているか」を押さえないと、後続のデータの解釈ができません。診断の出発点になるKPIです。

たとえば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、ターゲットでない顧客ばかりが流入し、コンバージョンに結びつきません。「正しいポジションでAIに認識されているか」を継続的にチェックする必要があります。

測定の進め方

自社名を主語にしたプロンプトをAIに投げ、回答テキストを構造的に観察します。

• 「○○（自社サービス名）とは何ですか？」
• 「○○の強みは何ですか？」
• 「○○はどんな企業に向いていますか？」
• 「○○のデメリットや弱みは？」
• 「○○と〔競合名〕の違いを教えてください」

回答から抽出すべき4つの観点

得られた回答テキストから、以下の4観点を整理します。形容詞は特に大事ですが、それだけ拾って終わらせず、複数軸で記録するのがコツです。

• 形容詞・属性語：「安い」「高機能」「初心者向け」「エンタープライズ向け」「日本語に強い」など、自社にどんな性質が結びつけられているか
• 推奨される利用シーン：「SEO初心者に」「中堅企業の内製チームに」「BtoB SaaSに」など、AIがどんな読者にすすめているか
• 競合との対比：どのツールと比較されているか、どう差別化されて説明されているか
• 事実誤認の有無：料金、機能、運営会社、提供サービスなどが正しく説明されているか

まずはこれらを調べて、自社が意図したポジションでAIに認識されているかを確認します。ズレがあれば、自社サイト・外部メディア・PR・SNSなどで発信する内容を調整して、AI上の認識を意図した方向に修正していく。これがLLMO運用で一番初めに行うことです。

なお、調べる際には、パーソナライズがされていない状態で調べる必要があるので、ChatGPTでは「一時チャット」を使いましょう。

2つ目のKPIは、AIが自社をどれだけ回答に登場させているかを量的に測る指標です。AIに「正しいポジション」で認識されていることが前提のうえで、次に必要なのが「どれだけ登場しているか」の確認です。

例えば当社を例に取ると、「国産のSEOライティングツールのおすすめを教えて」とAIに聞いた時、EmmaToolsの名前が出るのか、重要な扱いとして登場するのかをモニタリングするということです。

ブランド可視性は3つの指標に分解する

「自社がAI回答に出る」と一口に言っても、いくつかの指標で見る必要があります。日本ではこの辺りのKPIはまだあまり言われておらず、海外のLLMO/GEO領域でもまだ指標の名称は安定していないように見えますが、主に以下の3つに分解して見ることができます。

同じ「自社が出る」という話でも、名前として言及されること（Mention）と、自社サイトが情報源として引用されること（Citation）はAI上では別物と考える必要があります。

たとえば、「法人向けのSEOライティングツールをおすすめを教えて」という質問に対して、10個目くらいに少しだけ言及されるのと、1番目か2番目に紹介されて、回答内に何度も自社や自社サービス名が出るのとでは、その後の問い合わせ率にも大きく影響を及ぼします。

SoVの計算方法には複数の流派がある

SoVの計算方法は文献やツールによって幅があります。上記の表では「言及回数ベース」を例に挙げていますが、ほかにも「言及されたワード数ベース」「プロンプト単位での出現有無ベース」など、複数の流派が並走しています。重要なのは計算式そのものよりも、同じ定義で継続的に時系列を追えるかどうかです。途中で計算方法を変えると比較できなくなるため、最初に決めた定義を社内で共有し、固定して運用するのがポイントになります。

測定の進め方

計測の基本手順は、自社サービスに関連する10〜20個のプロンプトを用意し、複数のAI（ChatGPT、Gemini、Claude、Perplexity）に同じ質問を投げて、回答内の言及・引用状況を集計する流れです。競合他社と並べて比較することで、市場における自社の「AI上での占有度」が可視化できます。

3つ目のKPIは、AI経由でどれだけの成果（流入・問い合わせ・商談・売上）が生まれているかを測る指標です。認識（KPI①）と可視性（KPI②）が整っていれば、最終的にこの指標で結果が見えるはずです。可視性が上がっても、最終的にビジネス成果につながらなければ施策の打ち手を見直す必要があります。

Google Analytics 4（GA4）の参照元レポートでは、ChatGPTやPerplexityなど一部のAI関連サービスからの流入を確認できます。ただし、AI回答を見た後に指名検索で訪問した場合や、AI回答内で比較検討が完結した場合は、参照元データだけでは把握できません。

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」「gemini」「claude」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

ここで注意したいのは、AI検索がゼロクリック型になりやすいということです。AI回答の中で比較検討が完結してしまったり、ユーザーがAIで知った後にGoogleで指名検索してから訪問するケースも多く、参照元データだけで見るとLLMOの成果を過小評価しがちです。

先ほども述べましたが、当社EXIDEAでも、問い合わせ時のヒアリングを通じて、これを確認しており、直近では実に半数以上が生成AIをきっかけに当社を認知したと回答している月もありました。LLM経由の認知が増えていることを実感している状況です。GA4の参照元数値だけでは見えにくいため、問い合わせフォームや商談初回ヒアリングで「当社をどこで知りましたか」を確認する運用と組み合わせるのがおすすめです。

このKPIで見るべき具体的な指標は以下のとおりです。

• AI参照元（chatgpt.com、perplexity.ai、gemini.google.com など）からのセッション数・CV数
• 自社ブランド名・サービス名での指名検索数の推移
• 問い合わせ時の認知経路ヒアリングで「生成AI経由」と答えた割合
• 商談時に「ChatGPTで知った」「AIに聞いて出てきた」と言われる頻度

最初に確認すべきなのは、AIが自社ブランドやサービスをどのようなカテゴリー・文脈・強みで理解しているかです。

ここで大切なのは、「自社が言いたいこと」と「AIが理解していること」は必ずしも一致しないという点です。企業側では「法人向けの高度なSEOライティング支援ツール」として打ち出していても、AIの回答上では「初心者向けのAIライティングツール」「SEO記事作成ツールの一つ」といった別の文脈で説明されていることがあります。

このズレを確認せずに施策を進めると、LLMO対策の方向性がずれてしまいます。まずは、自社がAI上でどのように見られているのかを丁寧に確認しましょう。

確認すべき項目

使用するプロンプト例

まずは、自社名やサービス名を直接入れたプロンプトで、AIの認識を確認します。

• 「〇〇（自社サービス名）とは何ですか？特徴を分かりやすく教えてください」
• 「〇〇の強みと弱みを教えてください」
• 「〇〇はどのような企業に向いていますか？」
• 「〇〇と△△（競合名）の違いを比較してください」
• 「〇〇を一言で表すと、どのようなカテゴリーのサービスですか？」

EmmaToolsであれば、例えば以下のような質問を投げることで、AIがどのように認識しているかを確認できます。

• 「EmmaToolsとはどのようなSEOツールですか？」
• 「EmmaToolsの強みと弱みを教えてください」
• 「EmmaToolsはどのような企業に向いていますか？」
• 「EmmaToolsとミエルカSEOの違いを教えてください」
• 「EmmaToolsとSEARCH WRITEの違いを教えてください」

このとき、単に自社名が出るかどうかだけを見るのではなく、どのような形容詞で語られているかを見ることが重要です。「SEOライティングに強い」「日本語コンテンツに向いている」「法人利用に適している」「AIライティング機能がある」といった表現が出ていれば、意図したポジションに近づいている可能性があります。

一方で、「無料で使える簡易ツール」「初心者向けの文章作成ツール」のように、自社が狙っていない文脈で説明されている場合は注意が必要です。その場合は、自社サイト、導入事例、比較記事、外部メディア、プレスリリースなどで、正しいカテゴリー認識を強化していく必要があります。

なお、調査時はパーソナライズの影響を避けるため、ChatGPTでは一時チャットを使うなど、できるだけフラットな状態で確認することをおすすめします。

次に確認するのは、自社がAI回答の中にどれだけ登場しているかです。

ステップ1では「AIが自社をどう理解しているか」を確認しましたが、それだけでは不十分です。どれだけ正しく理解されていても、実際の比較検討シーンで回答に出てこなければ、ユーザーの選択肢には入りません。

そのため、次に行うべきは、自社が登場したい質問を複数用意し、その回答内で自社がどの程度言及されているかを測定することです。

まずは「自社が出たい質問」を10〜20個作る

LLMO分析では、どのプロンプトを測定対象にするかが非常に重要です。広すぎる質問だけを見ても、自社の実態は分かりません。

例えばEmmaToolsの場合、「おすすめのSEOツールは？」という質問だけを見ると、総合型SEOツールや大手SEOプラットフォームが優先されやすくなります。しかし、EmmaToolsの強みはSEOライティングやAIを活用した記事作成支援にあるため、より具体的な質問で見る必要があります。

具体的には、以下のような質問です。

• 「法人向けのSEOライティングツールのおすすめを教えてください」
• 「SEO記事作成に使えるAIライティングツールを比較してください」
• 「日本語に強いSEOライティング支援ツールはありますか？」
• 「コンテンツSEOを内製化するためのツールを教えてください」
• 「SEO記事の品質をスコアリングできるツールはありますか？」
• 「SEOツールにはどのような種類がありますか？」
• 「SEOライティングツールと総合SEOツールの違いを教えてください」
• 「BtoB企業がSEO記事制作を効率化するには、どのようなツールを使うべきですか？」

このように、ビッグワードに近い質問と、自社の強みが出やすい具体的な質問を分けて測定することが大切です。

EXIDEAでも、EmmaToolsがどの質問では出やすく、どの質問では出にくいのかを確認しています。たとえば「SEOツール おすすめ」のような広い質問では、総合SEOツールが中心になりやすい一方で、「法人向けのSEOライティングツール」「AIを活用したSEO記事作成ツール」「日本語コンテンツに強いSEOライティング支援ツール」といった文脈では、EmmaToolsの強みが伝わりやすくなります。

Mention Rate・SoV・Citation Rateを記録する

プロンプトを用意したら、ChatGPT、Gemini、Perplexity、Claudeなど複数のAIに同じ質問を投げ、回答を記録します。そのうえで、以下の指標を集計します。

ここで重要なのは、「出た・出ない」だけで判断しないことです。

同じようにAI回答に登場していても、1番目に「有力な選択肢」として紹介される場合と、最後に「その他のツール」として一言だけ触れられる場合では、ユーザーに与える印象は大きく異なります。

また、AIに自社名が出ていても、自社サイトが引用されていない場合があります。これは、AIが他社サイトや比較記事、外部メディアの情報をもとに自社を説明している可能性があるということです。逆に、自社サイトが引用されている場合は、自社の一次情報がAI回答に使われている可能性があるため、重要なシグナルになります。

スプレッドシートで記録する項目

手動で始める場合は、以下のような項目をスプレッドシートで管理すると分かりやすくなります。

この記録を月1回でも継続すると、自社がどの文脈でAIに選ばれやすくなっているのか、逆にどの文脈ではまだ弱いのかが見えてきます。

特にBtoB商材では、いきなり「おすすめツール」の1番目に出ることだけを目指すのではなく、自社が勝てる文脈を見つけ、その文脈で確実に言及される状態を作ることが重要です。EmmaToolsであれば、「SEOツール全般」ではなく、「SEOライティング」「AI記事作成」「法人向けコンテンツSEO内製化」といった文脈での可視性を高めることが、現実的なLLMO戦略になります。

最後に確認するのは、AI上での認識や言及が、実際の成果につながっているかです。

LLMO分析では、AI回答に自社名が出ること自体がゴールではありません。最終的には、問い合わせ、資料請求、商談、受注につながっているかを確認する必要があります。

ただし、AI経由の成果はGA4だけでは見えにくいのが実態です。ユーザーがChatGPTでサービスを知った後、Googleで指名検索してサイトに訪問することもあります。AI回答内で比較検討を終えた後、数日後に直接訪問することもあります。そのため、アクセス解析だけに頼ると、AI経由の成果を過小評価してしまう可能性があります。

GA4でAI参照元からの流入を確認する

まずはGA4で、AI関連サービスからの参照元流入を確認します。

• chatgpt.com
• perplexity.ai
• gemini.google.com
• claude.ai
• copilot.microsoft.com

GA4では、「レポート」→「集客」→「トラフィック獲得」などから、参照元/メディアを確認できます。上記のようなAI関連ドメインからのセッション数、エンゲージメント、コンバージョン数を見ていきます。

ただし、ここで見える数字はあくまで一部です。ChatGPTで知った後にGoogle検索や直接訪問で入ってきたユーザーは、AI参照元としては記録されません。そのため、GA4の数字だけで「AI経由は少ない」と判断するのは危険です。

Search Consoleで指名検索の変化を見る

次に、Google Search Consoleで自社名・サービス名の検索数を確認します。

AI回答で自社を知ったユーザーは、その場でリンクをクリックせずに、後からGoogleで指名検索することがあります。そのため、LLMO対策の効果は、AI参照元流入だけでなく、指名検索数の増加として現れる場合があります。

確認すべきキーワードの例は以下です。

• 自社名
• サービス名
• サービス名 + 評判
• サービス名 + 料金
• サービス名 + 比較
• サービス名 + 導入事例

EmmaToolsであれば、「EmmaTools」「EmmaTools 評判」「EmmaTools 料金」「EmmaTools SEOライティング」などの検索数が、LLMO施策や外部露出の強化後にどう変化しているかを確認します。

問い合わせフォームと商談ヒアリングで補完する

EXIDEAで特に重要だと考えているのが、問い合わせフォームや商談時のヒアリングで、生成AI経由の認知を直接確認することです。

実際、GA4だけを見ていると、生成AI経由の影響は小さく見えることがあります。しかし、問い合わせ時や商談時に話を聞くと、「ChatGPTで調べて知りました」「AIにおすすめを聞いたら出てきました」「いくつかのツールをAIで比較していました」といった声が出てくることがあります。

このような声は、アクセス解析だけでは拾えません。そのため、BtoB企業ではフォームや商談プロセスに、以下のような確認項目を入れることをおすすめします。

• 「当社サービスをどこで知りましたか？」の選択肢に「ChatGPT・Geminiなどの生成AI」を追加する
• 商談時に「比較検討時にAIツールを使いましたか？」と確認する
• 「どのような質問をAIにしましたか？」を聞く
• 「AIの回答では、当社はどのように紹介されていましたか？」を確認する

このヒアリングによって、実際のユーザーがどのようなプロンプトで自社にたどり着いているのかが見えてきます。これは、次に強化すべきコンテンツや、AI上で取りたいポジションを決めるうえで非常に重要な情報になります。

AI経由の成果を見るときの注意点

AI経由の成果は、短期的に分かりやすく数字に出るものばかりではありません。特にLLMOでは、以下のような間接的な変化も見ていく必要があります。

LLMO対策の成果は、SEO順位のように一つの指標だけで判断するのが難しい領域です。だからこそ、AI上での認識、AI回答内での可視性、実際の問い合わせ・商談貢献をセットで見る必要があります。

EXIDEAでも、EmmaToolsがどのような質問で言及されやすいのか、どの文脈ではまだ弱いのか、そして生成AIをきっかけに問い合わせが生まれているのかを継続的に確認しています。その結果、単に「SEOツール」として認識されるだけでなく、「法人向けのSEOライティング支援」「AIを活用したコンテンツ制作」「日本語に強いSEO記事作成ツール」といった文脈を強化することが重要だと分かってきました。

このように、LLMO分析は一度調べて終わりではありません。自社がどの文脈で選ばれたいのかを定義し、その文脈でAIに正しく認識され、回答に登場し、最終的に問い合わせにつながっているかを継続的に確認することが重要です。

株式会社CINCが提供するKeywordmapが、2026年に「AI検索結果レポート（β版）」をリリースしました。ChatGPT・Gemini・Perplexity・Claude・AI Overviewsの5プラットフォームに対応し、自社ブランドの言及シェアを可視化できます。

プロンプトを自由に設定でき、再現性のある定期測定が可能なため、月次・週次のレポーティングに向いています。日本語UIでサポート対応もあるため、国産企業がまず検討しやすいツールです（Keywordmap発表）。

株式会社Faber CompanyのMIERUCAは、GEO（AI検索/LLMO/AIO）対応を強化しています。公式サイトでは、AI検索流入レポート、AI Overviews関連の分析、LLMモニタリング、AI検索シェアの確認など、AI検索・GEO文脈の機能が紹介されています。利用できる機能や提供プランは変更される可能性があるため、最新情報は公式サイトで確認してください。

日本語SEO運用とAI検索対策を一つのツールで両立したい中堅〜大規模企業に向いています。料金は公式比較表ベースで月額15万円〜が目安ですが、変更される可能性があるため公式サイトで確認しましょう。

Otterly.AIは、ChatGPT・Gemini・Perplexity等のAIチャットボット内でのブランド可視性を監視・測定することに特化したツールです。特定のキーワードや質問に対して、自社ブランドが競合と比較してどの程度の割合で言及・表示されているか（Share of Voice）を追跡できます。

料金は$29/月〜と比較的入りやすく、小規模〜中堅企業のLLMO観測の入門としても扱いやすいツールです。

Profoundは、ChatGPT、Perplexity、Google AI Overviews、Geminiなど主要なAI検索エンジンでの自社ブランドの言及状況を一元管理・可視化できるエンタープライズ向け分析ツールです。

ブランドの露出度や回答に登場する頻度、競合との比較を詳細に追跡し、今後追加すべきコンテンツの提案まで行います。料金は問い合わせベースで、大手企業のLLMO戦略立案に使われる傾向です。

Peec AIは、ChatGPT・Perplexity・Claude・Geminiなど主要なAIチャットエンジンにおいて、自社ブランドがどのように回答に取り上げられているかを可視化する分析ツールです。中堅企業向けの実用的な機能セットを提供しています。

Ahrefsは2026年に、LLMO対応の独自機能「ブランドレーダー」を追加しました。主要な生成AIプラットフォームでのブランド言及数をリアルタイムで可視化できます。すでにAhrefsを使っているサイトであれば、追加コストを抑えてLLMO観測機能を統合できる点がメリットです。

Semrushが2025年に発表した「Semrush One」では、AI Visibility機能を中核に据えました。ChatGPT・Gemini・Perplexity等での自社ブランドの露出を計測でき、SEO・広告・コンテンツ・AI検索を1ツールでカバーできます。Pro $139.95/月から、AI Visibility機能はGuru以上のプランで利用できます。

すべてのツールが必要なわけではありません。EXIDEAでは規模・目的別に以下のように整理することをおすすめしています。

2026年現在、「LLMO分析専用ツールはまだない」状態は終わり、選択肢が多数登場している段階です。手動分析だけに頼るのではなく、自社の規模と目的に合わせてツールを組み合わせる運用が現実的になっています。

一般的な情報だけでは、AI検索やユーザーにとって独自の根拠として扱われにくくなります。一方で、自社でしか持っていないデータ、現場の声、失敗談、検証結果などは、他サイトとの差分を作る重要な材料になります。

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。構造化データは、検索エンジンがページ内容や発信主体を理解する手がかりになります。LLMOの観点でも、企業名、著者、記事、商品・サービス情報を整理して伝えるうえで有効です。

EXIDEAでLLMO観点で重要だと考える構造化データの優先順位は以下の通りです：

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。FAQだけに頼るのではなく、Organization・Article・Author・Product/Service・VideoObjectを含めて、サイト全体の発信主体・専門性・コンテンツ内容を正しく伝える設計が重要です。

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、検索エンジンやAI検索が、特定テーマにおける自社の専門性を理解しやすくする手法です。

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検索や大規模言語モデルが「この企業は〇〇分野の専門家」と理解する手がかりが増えるからです。幅広いテーマで浅い情報を発信するよりも、Web上で一貫したテーマ発信を続けることで、「〇〇領域に詳しい企業」として認識される手がかりを増やせます。

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、専門分野、監修体制などを明示し、必要に応じて構造化データで補足することで、読者や検索エンジンに発信主体を伝えやすくなります。E-E-A-T（経験、専門性、権威性、信頼性）の観点でも、誰が責任を持って発信しているかを示す手がかりが増えます。

外部メディアや比較サイト、プレスリリースなど、AI検索やユーザーが参照しうる外部情報源で、自社のブランド名やサービス名が正しく語られる状態を作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一貫した文脈で言及されることは、AI検索や大規模言語モデルがブランドやカテゴリーを理解する手がかりになります。

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

日本市場では、テーマによってYahoo!知恵袋、note、X（旧Twitter）、Qiita、はてなブログなどが、外部言及やユーザーの声を確認する場になることがあります。

ただし、自作自演のような不自然なサイテーションは、ユーザーからの信頼を損ねるだけでなく、ブランド評価にも悪影響を与え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。

LLMOについて調べると、「結局SEOと同じです」と説明されることがあります。たしかに良質なコンテンツを作る、専門性を高める、外部から評価されるといった点では、SEOとLLMOには共通点があります。

しかし、LLMOではそれに加えて、AIが回答を生成するときに参照しやすい情報構造や、Web上でのブランド認識が重要になります。LLMOはSEO部門だけで完結する施策ではありません。マーケティング、PR、広報、コンテンツ、ブランド戦略が連動して初めて成果が出やすくなります。

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検索やAI回答の表示傾向は変わりやすいため、同じプロンプト群で定期的に観測し、回答内容・引用元・競合言及の変化を追うことが重要です。

例えば、GoogleのAI Overviewsの表示傾向は2024年から2026年にかけて何度も変化しており、過去の手法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負荷が高くなります。

外部サービスや専用ツールでは、以下のような継続的な分析が可能です：

• AI回答の表示傾向の継続観測
• 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、「定義したプロンプト群における言及率が前月より改善した」「競合との差分が縮まった」のように、同じ測定条件で変化を示すと説明しやすくなります。

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）で自社が比較検討候補として言及されたいか
• 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、「①AI上でのブランド認識・ポジショニング」「②AI回答内でのブランド可視性（Mention Rate / SoV / Citation Rate）」「③AI経由の成果貢献（流入・問い合わせ・商談）」の3つを主要KPIとして設定することをおすすめします。

診断順としては、まず①の「AIが自社をどう説明しているか」を確認することが起点になります。AIに何として認識されているかを把握しないまま可視性や流入を見ても、データの解釈ができません。次に②で「AI回答にどれだけ出ているか」を量的に測り、Mention Rate（言及率）、Share of Voice（競合比の占有率）、Citation Rate（自社サイトの出典引用率）の3指標で多角的に把握します。最後に③で「実際に成果につながっているか」を、GA4の参照元データと問い合わせ時の認知経路ヒアリングの組み合わせで確認します。

これら3つの指標を月次または四半期で追跡すると、施策の変化を検証しやすくなります。

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。

2026年現在、LLMO分析専用のツールが急速に増えています。本記事で紹介したように、Keywordmap AI検索結果レポート、MIERUCA GEO、Otterly.AI、Profound、Peec AI、Ahrefs Brand Radar、Semrush AI Visibilityなどから自社の規模・目的に合わせて選ぶのが現実的です。

手動で始める場合は、ChatGPT、Gemini、Perplexity、Claudeの各プラットフォームに直接アクセスして質問を投げかけ、回答をスプレッドシート（ExcelやGoogleスプレッドシート）に記録する方法から始められます。「同じAIモデル・同じプロンプト群・同じ実行条件で、毎週または毎月回答を記録する」のように、再現性を担保する運用が重要です。

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。

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AI機能や検索体験と関係が深いためです。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。

2026年現時点では、必須ではありません。EXIDEAとしては「導入してもよいが、過度な期待はしない」立場です。llms.txtはまだ提案段階の仕様で、Googleも現時点で推奨していません。LLMO施策の優先順位としては、コンテンツ改善、ブランド定義、構造化データ、外部露出、比較サイト掲載、YouTube活用の方が重要です。

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しているケースもあります。この変化に対応するため、LLMO分析の重要性が高まっています。

LLMO対策の第一歩は、現状分析です。AIが自社をどのカテゴリーで認識しているか、競合と比較してどのような立ち位置にいるか、AI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、施策の方向性を決める土台になります。

2026年現在は、Keywordmap AI検索結果レポート、MIERUCA GEO、Otterly.AI、Profound、Peec AI、Ahrefs Brand Radar、Semrush AI Visibilityなど専用ツールも増え、手動分析だけに頼らない運用が現実的になっています。

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。

自社だけでLLMO分析を進めるのが難しい場合は、まず現状診断、重要プロンプトの設計、競合比較、改善方針の整理から始めるのがおすすめです。当社EXIDEAでは、現状診断、分析結果に基づく施策設計、計測・改善まで、SEOとLLMOを組み合わせた支援を行っています。

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。

まずは無料相談で、貴社の現状をお聞かせください。AI検索時代に向けた改善方針を、一緒に整理していきましょう。

LLMO分析で見つかった課題をもとに、SEO記事の改善や独自情報の追加、網羅性の確認を進めたい場合は、EmmaToolsのようなSEOコンテンツ制作支援ツールも選択肢になります。