「LLMO（生成AI最適化）に取り組みたいが、何をKPIに置けばいいのかわからない」という相談が増えています。検索からAIへと情報収集の入口が移るなかで、従来のアクセス数を中心としたKPIだけでは、施策の成果を正しく評価しづらくなってきました。この記事では、LLMO/AIO対策のKPIをどう設計し、どう効果測定すればよいかを、指標の全体像から運用上の注意点まで整理して解説します。

LLMOのKPI設計でつまずく原因は「従来の指標」のまま考えていること

LLMOを始めようとする多くの企業が、最初の段階でつまずくのがKPIの設計です。背景には、SEO時代に慣れ親しんだ指標（検索順位・自然検索流入数・CTR・CV数）をそのままLLMOに当てはめようとして、うまく機能しないという問題があります。実際、現場では次のような悩みがよく聞かれます。

これらはすべて「クリック以降」だけを見ていることから生じる悩みです。AI時代のKPIは、クリックの“前”に何が起きているかまで含めて設計し直す必要があります。

従来のSEOKPI例

なぜ従来のKPIだけでは成果を測れないのか

検索の前に、AI上で比較・理解が進むようになった

従来の検索は「キーワードで検索 → 検索結果から複数サイトを回遊 → 比較しながら理解 → サイト上でCV」という流れでした。一方、AI検索（ChatGPTやAI Overviews）では、ユーザーはAIに質問し、LLM／AIO内で要点を集約・比較し、理解まで済ませてしまいます。

情報収集・比較・理解がAI上で完結するため、ユーザーがサイトを訪れる必要性そのものが薄くなっています。検索結果ページ上で疑問が解消され、クリックせずに終わる「ゼロクリック」も珍しくありません。実際、当社のあるBtoB系クライアント（コラム中心のサイト）では、デイリークリック数が2025年の約800から2026年には400〜500へと、おおよそ37.5〜50%ほど減少しました。ただし、これは必ずしも施策の失敗を意味しません。クリックの前段階でAIに認識・比較されるようになったことの裏返しでもあるのです。

参考：Google「AI機能とウェブサイト」

「クリック以降」だけで判断すると、実態を見誤る

注意したいのは、流入が減ること自体を問題視してKPIを設計すると、かえって判断を誤るという点です。AI経由で訪れるユーザーは、すでにAI上で比較検討を済ませているため、来訪時点の関心度が高く、CVRが高い傾向があります。

参考：Seer Interactive「Case Study: 6 Learnings About How Traffic from ChatGPT Converts」

Webサイトはもはや唯一の接点ではありません。「クリック以降」だけで成果を判定すると、AI上で進んでいる“見つけられ方”や“比較のされ方”という最重要の変化を見逃します。従来のクリック中心のKPIは「使えなくなった」のではなく、「それだけでは全く足りない」と捉えるのが正確です。

しかも、AI経由の流入は質が高いだけでなく、量の面でも伸び続けています。海外の統計では、AI経由の流入数は2028年ごろに既存の検索エンジンを逆転するとの見通しも示されています。KPI整備の遅れは、そのまま見込み顧客の機会損失につながりかねない——だからこそ、いま指標を整え直しておく意味があります。

LLMOのKPI設計、基本は「流入量」より「接点の質」

LLMOのKPIを設計するうえでの出発点は、発想の転換です。新しいKPIは「流入の最大化」ではなく、「成果につながる接点の質」を測るものへと設計します。具体的には、事業成果をKGIに置き、それを4分類のKPIで支える構造で考えると整理しやすくなります。

【最重要】可視性KPI：クリック前の「見つけられ方」を測る

4分類のなかでも、LLMOで最初に向き合うべきなのが可視性KPIです。これは、AI上・検索面で自社が「見つけられているか」を測る指標で、クリックが発生する“前”のブランドの露出・認識状況を捉えます。主に、以下の7つの指標を組み合わせて多面的に把握します。

指標	目安	説明	この指標でわかること	主な確認方法
AIO出現率	50〜60%以上	対象KWでAI Overviewsが表示された割合	そのテーマでAI回答が検索体験にどれだけ入り込んでいるか	定点観測ツール／手動観測
AIO引用順位	平均1.5〜2.5位	AI Overviews内で自社サイトが引用された際の順位	AIに根拠情報として採用されているか	定点観測ツール／手動観測
AI言及率（SOV）	30〜60%以上	ChatGPTやGeminiの回答で自社が言及された割合	AI上で比較候補に入っているか。競合比の存在感	定点観測ツール／手動観測
AI引用率	—	AI回答の出典・参照URLのうち、自社が引用された割合	信頼できる情報源として認識されているか	定点観測ツール／手動観測
AI掲載順位	平均1.5〜2.0位	AI回答内で、自社が何番目に紹介・掲載されたか	第一想起に近い位置を取れているか。競合との優先度	定点観測ツール／手動観測
指名検索数	—	ブランド名・サービス名で検索された回数	AI接触後にユーザーがブランドを再検索しているか	Search Console／キーワードプランナー
AI Botアクセス数	—	ChatGPT-User等のAIクローラーによるアクセス数	LLM経由で自社ページが閲覧されたインプレッション数	サーバーログ

ポイントは、これらがクリック数では測れないという点です。たとえばChatGPTの回答に自社ブランドが表示されても、引用リンクが実際にクリックされるのは1%程度にとどまります。だからこそ、クリックの数ではなく“露出・言及そのもの”を指標にする必要があります。

ポイントは、これらがクリック数では測れないという点です。たとえばChatGPTの回答に自社ブランドが表示されても、引用リンクが実際にクリックされるのは1%程度にとどまります。だからこそ、クリックの数ではなく“露出・言及そのもの”を指標にする必要があります。

AIの回答結果は日々ブレます。だからこそ可視性KPIは「1回見て終わり」では意味がなく、定点観測が前提になります。

KPIは「誰に見せるか」で設計する：レイヤー別ダッシュボードの作り方

KPIは、数値を集めるだけでなく「誰に、どの粒度で見せるか」まで設計して初めて機能します。見せる情報が粗すぎても細かすぎても、相手の知りたいことに届きません。実務では、読み手のレイヤーに合わせて指標を束ね、ダッシュボードを2層に分けて組み立てます。

経営者・マーケ責任者向け：事業インパクトを見る

売上換算しやすい指標が中心です。指名検索数はリスティング広告のCPA等から価値を概算できますが、LLMO以外の要因も影響するため“補助的KPI”として扱います。

どう作るか：GA4で参照元別にセッション・トランザクション・CVR・合計収益を分解すると、LLMの貢献度＝投資対効果が見えてきます。AIからの流入数は、GA4とLooker Studio（旧データポータル）を連携させて可視化するのが定番です。

実際、ある自社クライアントでは自然検索のCVRが0.8%なのに対し、ChatGPT経由は2.0%、Gemini経由は6.7%と、AI経由ほどCVRが高くなっていました。どの参照元が成果に効いているかが分かれば、どこに投資すべきかの判断材料になります。あわせて、指名検索数の月次推移（キーワードプランナー）も追っておくと、AI接触後の再検索の動きを把握できます。

AKARUMIの指名検索量の変化

マーケ担当者向け：可視性の動きを見る

これらはCV・セッションに到達する“手前”の可視性KPIです。ここを見ない限り、LLMO改善の第一歩が始まりません。では、これらをどう計測・記録するのかを具体的に見ていきます。

AIO・LLMの計測と記録の方法

AI OverviewsとLLM（ChatGPT等）のどちらも、記録する内容は基本的に同じです。 ①引用リンクと引用順位 ②ブランド名の言及状況と順位 の2系統を記録します。 たとえばあるテーマなら、引用URLの1〜3位や、言及されたブランドの1位＝freee会計／2位＝マネーフォワードクラウド／3位＝弥生会計…といった形で、並びを記録していきます。

運用面では、1日1回、シークレットブラウザを立ち上げてKW・プロンプトを入力し、結果を記録します。計測対象は「プロンプト数 × モデル数」で設計します（例：50プロンプト × 2モデル（ChatGPT・Gemini）＝1日100回計測）。

記録したデータは、サイト名・ブランド名ごとに「出現数・言及率・平均順位」を集計してレポーティングします。プロンプト全体の平均だけを見るのではなく、モデル別、プロンプトのグルーピング別（潜在層／顕在層など）に分け、月ごとの変化を追って効果を検証します。

ポジショニング分析レポート例

AI Botのアクセスはサーバーログで測る

可視性KPIのうち「AI Botアクセス数」は、サーバーログから把握します。ChatGPT-User等のAIクローラーのアクセスは、LLM経由でユーザーが自社ページを閲覧した“インプレッションの代替指標”になるためです。 手順は以下の通りです。 ①サーバーログを取得（社内システム部門または外注先へ依頼） ②User-Agent・IPアドレスからChatGPT-Userのアクセスを抽出 ③Looker Studioに読み込ませて日別・bot別に可視化

ChatGPTのbotは大きく3種類あり、見るべきはChatGPT-Userです。GPTBotは学習用クロール、OAI-SearchBotはChatGPT検索のインデックス用で、ChatGPT-Userだけが回答時にリアルタイムでページを取得します。ChatGPT-Userのアクセス1件は、ユーザーのプロンプト1回に対応するため、LLMO対策が進むとこのbotのアクセス数が増えていきます。

ここまでの計測は、手作業で続けるとかなりの手間がかかります。言及率・順位・引用元をモデル別／期間別に自動で可視化できる定点観測ツール（AKARUMIなど）を使うと、記録とレポーティングの負荷を大きく下げられます。

KPIの測定・運用で押さえる3つの注意点

可視性KPIは観測が前提になるぶん、運用方法を間違えると数字に振り回されます。最低限、次の3点を押さえておきましょう。

①日々の変動に一喜一憂せず、月平均で見る

AKARUMIのデータでも、AI言及率（ヴィジビリティ）は日ごとに大きく上下します。ある対策期間（2026年4月28日〜5月27日）でも、日次の値は乱高下しました。日次データに一喜一憂せず、月の平均値を“正”のデータとして判断するのが鉄則です。

②モデル別・プロンプト群別で見る

全体の平均値だけを見ると、改善の実態が見えなくなります。モデル別（ChatGPT／Gemini等）や、プロンプトのグルーピング別（潜在層／顕在層など）で分けて、月ごとの変化を追いましょう。計測対象は「プロンプト数×モデル数」で設計します（例：50プロンプト×2モデル＝100回計測）。

③「引用されたか」だけでなく「どう言及されたか」まで見る

引用の有無だけを成果指標にすると、実態を見誤ります。自社サイトが引用されていても、回答本文では競合ばかりが推奨されているケースもあります。逆に、自社サイトが直接引用されていなくても、第三者メディア経由で自社名が有力候補として言及されていれば、一定の成果と言えます。

とはいえ、LLMの計測はやり始めると手間がかかります。あれもこれもと欲張ると続かないため、迷ったらまず次の2つだけから始めるのが現実的です。

この2つを押さえるだけでも、自社がAI上でどの程度見つけられ、どれだけ成果につながっているか、おおよその立ち位置は把握できます。そこから必要に応じて、引用率・掲載順位・AI Botアクセスなどへ計測を広げていくとよいでしょう。

KPIの状態から逆算する、LLMO施策の優先順位

KPIを設計したら、次は「今の数値からどの施策を優先するか」を逆算します。LLMOの基本施策は大きく4つ——①AI Botにコンテンツを発見・読込させる、②自然検索での順位向上、③AIが引用しやすいコンテンツ構築、④外部・第三者メディアでの言及対策——に整理できます。可視性KPIの状態によって、まず手を打つべき施策は変わります。

Case1｜AI言及率が10%以下

比較候補にほとんど入れていない状態。まずは「発見される・認識される」土台づくりが優先です。

優先する施策：①AI Bot対応 ＋ ②自然検索での順位向上
具体アクションは、XMLサイトマップ、内部リンク、重要ページのクロール導線、robots.txt、対象テーマのSEOページ整備など。AIに見つけられる状態を作り、主要テーマで比較候補に入る頻度を増やします。なお、検索順位は必ずしも1〜3位を狙う必要はなく、まずは20〜30位帯で対象テーマに引っかかることを目標にすれば、AIに比較候補として拾われる可能性が高まります。

Case2｜言及率を30〜40%へ伸ばしたい

一部のプロンプトでは登場するが、露出が安定しない状態。認識はされ始めているものの、競合より優先して紹介される根拠が不足しています。

優先する施策：②自然検索での順位向上 ＋ ③引用されやすいコンテンツ構築
具体アクションは、比較ページ、料金・機能・事例・FAQ、用途別ページ、構造化データ、内部リンクの再設計など。SEOで順位を上げる手もありますが、実務上は引用されやすいコンテンツへ作り替える方が、結果が早く出やすい傾向があります（具体的な作り方は後述します）。

Case3｜引用元が外部メディアに偏っている

AIが比較サイトやランキング記事を根拠にしている状態。自社サイトの改善だけでは露出が伸びにくいため、外部の情報面を取りにいきます。

優先する施策：④外部・第三者メディアでの言及対策
具体アクションは、比較記事への掲載、業界メディア露出、PR配信、レビュー獲得、調査データ提供、導入事例の外部展開など。AIが参照する外部情報源上で、自社が正しく紹介される状態を作ります。たとえば比較メディアの問い合わせ窓口から掲載を依頼するのは地道ですが有効で、10回打診して1回掲載される程度の感覚でも、積み上げれば確実に効いてきます。

補足：AIに引用されやすいコンテンツの作り方

Case2・Case3で共通して効くのが「引用されやすいコンテンツ」です。AIに引用されるのは、SEOで上位を取る記事とは別物で、次の4つの要素が揃ったコンテンツです。

そのうえで、1ページの構造を次の5点で組み立てると、ChatGPTやPerplexityが比較文脈で引用しやすくなります。

まとめ：KPIが決まれば、LLMOは「説明できる施策」になる

AI時代のLLMOは、「流入を増やす施策」から「AI上で正しく見つけられ、比較され、選ばれる状態をつくる施策」へと変わりつつあります。だからこそ、追うべき指標も、クリック以降の数字だけでなく、クリックの“前”段階——可視性KPI——まで広げて設計する必要があります。

KPIの全体像（KGI＋4分類）を整理し、可視性KPIを定点観測する。これだけで、LLMOは「なんとなくの施策」から「経営層に説明できる施策」へと変わります。

ipe（アイプ）が提供する「AKARUMI」では、AI上で自社がどれだけ言及・引用されているか（可視性KPI）を、モデル別・プロンプト群別・期間別に可視化でる為、おすすめです。

また、LLMO対策を体系的に進めたい方には、株式会社ipeのLLMOコンサルティングがおすすめです。AKARUMIの分析データを基に、KPI設計から情報整備、AI検索時代を前提としたコンテンツ改善まで支援しています。「何から手を付ければいいかわからない」「効果測定の方法が分からない」といった段階からのご相談も歓迎しています。