LLMOとは何か。SEOの次に来る「AI検索最適化」を今から始める理由
「ChatGPTに聞いたら競合他社が出てきた」
最近、こんな声を聞くようになった。「自社のサービスについてChatGPTやPerplexityで検索してみたら、競合他社ばかり紹介されて自社が一切出てこなかった」。これは偶然ではない。AI検索エンジンには、参照する情報源の選び方に明確なロジックがある。そのロジックを理解して対策することを、LLMO（Large Language Model Optimization）と呼ぶ。
SEOとLLMOは何が違うのか
SEOはGoogleのクローラーに「このページは○○のキーワードで上位表示されるべきだ」と伝えるための最適化だ。一方LLMOは、ChatGPT・Claude・Perplexity・Google AI Overviewといった大規模言語モデルに「この企業・サービスは○○の文脈で信頼できる情報源だ」と認識させるための最適化だ。
最大の違いは、SEOが「クリックしてもらうこと」を目標にするのに対し、LLMOは「AIに引用・言及してもらうこと」を目標にする点だ。AI検索では、ユーザーはリンクをクリックせずに回答を得る。つまり、AIが回答を生成する際に自社の情報を参照してもらえなければ、存在しないも同然になる。
LLMが情報を参照する仕組み
LLMが特定の企業・サービスを回答に含める際、主に以下の3つの情報源を参照している。
- 学習データ（プレトレーニング）：LLMが事前学習した膨大なテキストデータ。Webページ、Wikipedia、書籍、論文などが含まれる。
- RAG（検索拡張生成）：回答生成時にリアルタイムでWebを検索し、最新情報を取り込む仕組み。PerplexityやGoogle AI Overviewはこれを活用している。
- 構造化データ・メタデータ：Schema.orgの構造化データ、OGPタグ、サイトマップなど、機械が読みやすい形式の情報。
LLMOの施策は、これらの参照経路を意識して設計する。
今すぐできるLLMO施策5選
1. 「○○とは」コンテンツを充実させる
AI検索は「○○とは何か」という定義・説明系のクエリに強く反応する。自社サービスや専門領域について、簡潔かつ権威ある説明文を用意する。Wikipedia的な記述スタイルが参照されやすい。
2. FAQをSchema.orgで構造化する
FAQPage スキーマを実装することで、AIが質問と回答のペアを直接取得しやすくなる。「よくある質問」ページを作るだけでなく、各サービスページにもFAQセクションを設けてスキーマを付与する。
3. 引用されやすい「一次情報」を発信する
独自の調査データ、事例、ノウハウ記事はAIに引用されやすい。「他では読めない情報」を継続的に発信することで、LLMの学習データやRAGの参照対象になる確率が上がる。
4. 権威あるサイトからの言及を増やす
SEOにおけるバックリンクと同様、信頼性の高いサイト（業界メディア、パートナー企業のサイト等）から自社が言及されることは、LLMが自社を「信頼できる情報源」と判断する材料になる。microCMSの公式パートナーページへの掲載はその典型例だ。
5. 企業情報をOrganizationスキーマで明示する
Schema.orgのOrganizationタイプで、会社名・所在地・事業内容・専門領域（knowsAbout）・パートナーシップ（sameAs）を構造化データとして出力する。AIは構造化データを優先的に参照するため、自社の属性をAIに正確に伝えられる。
LLMOはSEOを置き換えるのか
結論から言えば、当面は「SEO + LLMO」の両輪で取り組む必要がある。Googleの検索シェアはまだ圧倒的だし、AI検索がすべての検索行動を置き換えるには時間がかかる。ただし、BtoBの意思決定者がAI検索を使うケースは急速に増えている。「競合他社はAI検索でも出てくるのに自社は出てこない」という状況が続けば、認知・信頼・問い合わせのすべてで差がつく。今から始めることで、先行者優位を取れる領域だ。