先に結論をお伝えします。LLMOとは、大規模言語モデルが回答を生成する際に、自社のコンテンツを根拠として採用し、ブランド名を回答に含めやすくする取り組みです。「コンテンツを機械が読み取れる状態にする」という土台はSEOと共通していますが、狙う成果はまったく異なります。SEOが検索順位を競うのに対し、LLMOが目指すのは、モデルに認識され、引用されることです。この違いを理解しないままでは、Google向けの施策をそのままChatGPTに当てはめ、成果が出ない理由に悩むことになります。
LLMOは何を最適化するのか
LLMOはLarge Language Model Optimizationの略で、日本語では「大規模言語モデル最適化」と呼ばれます。ChatGPT、Gemini、Claude、Perplexityなどのモデルが、コンテンツを検索・理解・引用しやすくするための一連の取り組みを指します。GEO（Generative Engine Optimization）やAEO（Answer Engine Optimization）とほぼ同じ意味で使われることも多く、3つの対象領域は90％以上重なります。違いは主に力点です。GEOは生成AI検索の全体像、AEOは直接的な回答、LLMOはコンテンツの読み手である「モデルそのもの」に焦点を当てます。用語の定義には議論の余地がありますが、実務で取り組むべき内容はほぼ同じです。
モデルがコンテンツを読む2つのタイミング
モデルがコンテンツに触れるタイミングは2つあります。1つ目は学習時です。自社のWebページや資料、第三者が引用した文章などがモデルのパラメータに取り込まれ、自社についてモデルが「すでに知っていること」を形づくります。2つ目は推論時です。ユーザーが質問すると、Perplexityや検索機能を有効にしたChatGPTなど、リアルタイム検索に対応するエンジンがその場でWebページを取得し、複数の情報源をコンテキストに加えて回答を生成します。LLMOでは、この両方の経路を考慮しなければなりません。前者には長期的な情報蓄積と、Web全体で一貫したブランドの語られ方が必要です。後者には、必要な箇所を取得し、明確に切り出せるコンテンツが求められます。推論時の対策だけに注力し、長期的なブランドシグナルを軽視するサイトが、検索を使わないChatGPT上ではまったく言及されないことがあるのは、このためです。
従来のSEOとの4つの重要な違い
どちらも、明確に構造化され、機械が解析できるコンテンツを必要とする点は共通しています。しかし、その先で施策の方向性が分かれます。違いを端的に整理すると、次のとおりです。
- 競争の単位が異なります。SEOが検索結果ページの掲載順位を競うのに対し、LLMOが競うのは回答内での引用や言及です。検索順位の枠は限られているものの順位自体は明確です。一方、参照には順位がありませんが、いったん有力な根拠として認識されると、ほかの情報源に置き換えられにくくなります。
- 結果の安定性が異なります。同じキーワードであれば、Googleの検索順位は短期的には比較的安定しています。一方、言語モデルに同じ質問を2回しても、参照元や表現が変わることがあります。LLMOが目指すのは固定された順位ではなく、引用される確率を高めることです。
- 想定する読み手が異なります。SEOでは、検索順位を決めるアルゴリズムと、検索結果から流入するユーザーを意識して書きます。LLMOではさらに、文章を抽出してユーザーへ伝えるモデルも読み手になります。モデルにとって重要なのは、前後の文脈がなくても意味が通じ、引用できる事実を明確に切り出せるかどうかです。
- 効果測定の方法が異なります。SEOには、検索順位や検索流入を測る成熟したツールがあります。LLMOで追跡するのは、特定の質問に対して、どのエンジンで言及・引用され、選択肢として挙げられたかです。複数のエンジンを対象に、時期を変えながら繰り返しサンプリングする必要があります。
特に見落とされやすいのが、最初の違いです。SEOでは4位と5位に大きな差が生じますが、これは連続的な順位争いです。一方、LLMOでは、モデルが1回の回答で引用する情報源は通常3〜5件に限られます。引用されるか、されないかのどちらかであり、次点に価値はありません。つまり、LLMOの露出は一部の情報源に強く集中します。数百のキーワードを広くカバーするより、本当に重要な少数の質問を見極めるほうがはるかに重要です。リソースも均等に分散させず、優先度の高い質問へ集中させる価値があります。
モデルに参照されやすいコンテンツとは
B2B SaaS企業のGEOプロジェクトを支援してきた経験から見ると、繰り返し引用されるコンテンツにはいくつかの共通点があります。まず、各段落が独立して意味を持ち、前後を読まなくても、その段落だけで明確な問いに答えています。また、結論まで3文も前置きするのではなく、主張の直後に数字、手順、具体的な状況が示されています。用語は本文内で明確に定義されており、モデルが該当箇所だけを抽出しても意味が失われません。書式も重要です。小見出し、箇条書き、定義が明確なページは、手掛かりのない長文よりも必要な箇所を切り出しやすくなります。もう1つ見落とされやすいのが、情報源をまたいだ一貫性です。公式サイト、第三者レビュー、コミュニティで同じ見解が一貫して語られてはじめて、モデルはそれを一方的な自己申告ではなく、信頼できる事実として扱います。
反対に、LLMOと相性が悪いのは、網羅的でありながら明確な主張のない長文記事です。あらゆる話題に少しずつ触れるだけでは、モデルはそのブランドの立場を代表する一文を取り出せません。8,000語の万能ガイドを作るより、単独で引用できる明確な回答10本に分けるほうが効果的です。
何から始めるべきか
いきなりWebサイト全体を刷新する必要はありません。まず、2つの作業から始めましょう。1つ目は、見込み顧客が実際にAIへ尋ねる質問を10〜20個リストアップすることです。多くはBOFUキーワードと重なりますが、「キーワード」ではなく「質問」の形で書き出してください。2つ目は、主要なエンジンでそれらの質問を実際に入力し、現在どの情報源が引用されているか、自社が登場するか、自社についての記述が正しいかを記録することです。この2つを終えると、問題は検索順位の低さではなく、そもそもAIの候補リストに自社が入っていないことだと気づくかもしれません。そこで見つかったギャップの一覧が、LLMOロードマップの初版になります。
SEOは検索エンジンに見つけてもらうための施策であり、LLMOは言語モデルに認識され、別の表現で伝えてもらうための施策です。SEOが「何位に表示されるか」を左右するのに対し、LLMOは「AIが回答する際に自社を挙げるか」を左右します。— Tenten GEO
LLMOは、SEOを捨てて取り組むものではありません。既存のSEO基盤に、「検索順位を獲得するだけでなく、引用されるコンテンツにする」という新たな層を加える施策です。ChatGPT、Perplexity、Google AI Overviewsなどにおける自社の可視性のギャップや、優先して対策すべき質問を把握したい方は、30分間のGEO診断をご予約ください。実際の質問を使い、主要6エンジンにおける現状をご案内します。
