LLMO/AIO(以下、LLMO)に取り組むべきか考えていても、本当に意味があるのか、どの施策に効果を見込めるのか悩むことも少なくありません。この記事では、LLMOが意味ないと言われる理由や効果が限定的な施策、投資判断の方法を解説します。AI上の見え方を可視化し、自社に必要な対策を見極めましょう。

LLMO/AIOが意味ないと言われる5つの理由

LLMOが意味ないと言われる背景には、効果測定の難しさやAI回答の不安定さがあります。また、効果が十分に確認されていない手法までLLMOとして紹介されていることも挙げられるでしょう。

AIの回答がモデルや計測時期によって変わるから

生成AIの回答は固定されておらず、利用するAIやモデル、検索機能の有無によって内容が変わります。同じ質問でも、計測する時期によって紹介される企業や引用元が異なることがあります。

そのため、回答の変化が施策によるものなのか、単なる揺らぎなのかを判断しにくく、LLMOの効果を実感しづらいと考えられます。

引用や推薦を保証できないから

コンテンツやサイトを改善しても、AI回答で自社が必ず引用・推薦されるわけではありません。参照される情報源や回答に含まれる企業は、企業側で直接コントロールできないためです。

成果を確約しにくいにもかかわらず、一定の費用や工数がかかることから、LLMOへの投資に疑問を持たれる場合があります。

施策と事業成果の因果関係を測りにくいから

AI回答内で自社の言及や引用が増えても、それだけで問い合わせや売上が増えるとは限りません。事業成果には、SEOや広告、広報、営業活動、ブランド認知など、複数の要素が影響します。

そのため、LLMO施策がCVや売上にどの程度貢献したのかを、明確に切り分けるのは困難です。投資に見合う成果が出ているのかわかりにくいことも、LLMOが意味ないと言われる理由です。

効果が確認されていない手法が紹介されているから

LLMO施策として紹介される手法のなかには、効果が十分に確認されていないものもあります。たとえば、llms.txtの設置や不自然な自社名の挿入、文章の過剰な分割などです。

こうした施策を導入しても、AI回答内での引用や言及が増えるとは限りません。期待した変化が出なければ、個別の手法だけでなく、LLMO全体への不信感にもつながります。

SEOとの違いがわかりにくいから

LLMOで重視される一次情報の発信やコンテンツの具体化、クロール環境の整備は、従来のSEOでも行われてきた施策です。ただ名称を変えただけで、実質的には何も変わっていないと思われることも少なくありません。

LLMOならではの目的や成果指標が十分に伝わっていないことも、「あえて取り組む意味はない」という見方につながっています。

「LLMO/AIOは意味ない」といえない理由

効果が限定的なLLMO施策があることは事実です。しかし、LLMOを特殊なAI対策ではなく、ユーザーとAIが正確な情報を取得できる状態をつくる取り組みと捉えると、実施する意味が見えてきます。

SEOとは異なる成果を確認する施策だから

LLMOはSEOを置き換える施策ではありません。SEOでは主に検索順位や自然検索流入を確認するのに対し、LLMOではAI回答内での言及や引用、推薦内容などを確認します。

GoogleのAI OverviewsやAI Modeは、既存の検索インデックスや検索品質システムを基盤としています。一方で、検索順位とAIでの引用は必ずしも一致しません。SEOの状況だけでは把握できないAI上の可視性を確認する点に、LLMOへ取り組む意味があります。

AI回答内で情報収集が完結する場面が増えているから

ユーザーがWebサイトを訪問せず、検索画面やAI回答内で情報収集を終える場面が増えています。その場合、アクセス解析だけでは、自社の商品やサービスがどのように紹介されたかを把握できません。

そのため、サイトへの流入数だけでなく、AI回答で自社が候補に含まれているか、どのような評価や文脈で紹介されているかを確認する必要があります。

情報整備はAI以外にも効果があるから

独自データの公開、一次情報の充実、情報の更新、表記の統一などは、AIから引用されるためだけの施策ではありません。

検索ユーザーの理解促進やSEO、営業資料、広報活動、ブランド形成にも活用できます。AIの仕様変更によって引用状況が変わっても、ユーザーに必要な情報を正確に伝えるコンテンツは、自社の情報資産として残るでしょう。

意味が限定的になりやすいLLMO施策と改善方法

LLMO施策は、特定の設定や文章表現だけを導入しても、大きな効果につながるとは限りません。ここでは、効果が限定的になりやすい施策と、取り組む意味を持たせるための改善方法を紹介します。

参考：Google Search Central「Google 検索の生成 AI 機能向けにウェブサイトを最適化する」

llms.txtや構造化データだけに頼る

llms.txtや構造化データを設定しただけで、AI回答から引用・推薦されやすくなるとは限りません。Googleは、AI OverviewsやAI Modeを含むGoogle検索への表示に、llms.txtは必要ないと説明しています。また、生成AI検索専用の構造化データもありません。

ただし、構造化データ自体が意味のない施策というわけではありません。ページの内容を検索エンジンへ正確に伝える役割があります。重要なページをクロール・インデックスできる状態にしたうえで、見出し構成や情報の整理などコンテンツ全体を整え、本文の内容を充実させたうえで構造化データと一致させることが重要です。

自社名を繰り返す

記事内で自社名やサービス名を繰り返しても、それだけでAI上の可視性が高まるとは限りません。Googleも、生成AI検索を狙って不自然な言及を増やすより、ユーザーに役立つ高品質なコンテンツを優先するよう案内しています。

自社の特徴を伝える際は、「業界トップクラス」といった主張だけで終わらせず、導入企業数や調査期間などの根拠を示しましょう。名称の露出量ではなく、第三者が確認できる事実を増やすことが大切です。

文章を細かく分ける

AIを意識して文章を細かく分割しても、それだけで引用されやすくなるとは限りません。Googleも、生成AI検索のためにコンテンツを細かな単位へ分ける「チャンク化」は必要ないと説明しています。

文章を分けすぎると、主語や条件が切り離され、情報の意味が伝わりにくくなる場合があります。見出しへの回答を簡潔に示し、その根拠や条件、具体例までを一つの文脈で説明することを意識しましょう。

一次情報を公開するだけ

独自調査や自社事例を公開しても、数値の根拠が不明確であれば、情報の信頼性を判断されにくくなります。一次情報であることだけを理由に、必ずAIから引用されるわけではありません。

LLMO(GEO)に関する研究では、統計や出典の追加によって生成AI上の可視性が向上する傾向が示されています。一方、その効果はテーマや質問内容によって異なり、関連性の低いデータを加えるだけでは十分な効果を期待できません。

調査データを掲載する際は、読者の疑問に直接関係する情報を選びましょう。そのうえで、対象者や回答者数、調査期間、質問内容、調査方法を併記し、数値の意味や適用範囲を判断できる状態にすることが重要です。

出典：arXiv「GEO: Generative Engine Optimization」

LLMO/AIOに意味があるかを測定する方法

LLMOが自社にとって意味のある施策かを判断するには、AI上の可視性と事業成果を分けて測る必要があります。一度のAI回答だけで結論を出さず、条件をそろえて継続的に変化を確認しましょう。

AI上の可視性と事業成果を分けて測る

AI上の可視性では、AI-SOV、言及率、引用率、回答内での掲載位置、センチメント、引用元などを確認します。

AI-SOVは、調査対象とした回答のうち、自社ブランドが言及された割合を示す指標です。たとえば、50件の回答中10件に自社が登場した場合、AI-SOVは20％となります。

一方、流入や問い合わせ、CV、商談数などは事業成果にあたります。まずはAI回答内で変化が起きたかを測り、その後に事業成果への影響を確認しましょう。

同じプロンプトを定点計測する

施策前後の変化を判断するには、同じプロンプトを継続的に計測します。対象AI、モデル、検索機能の有無、言語、地域、計測日時も記録してください。

生成AIの回答には揺らぎがあるため、各プロンプトを一度だけ実行するのではなく、複数回計測して平均的な傾向を確認します。同じプロンプトを一定期間ごとに繰り返し実行し、平均の出現率を見ましょう。

競合との比較から施策の優先度を決める

自社のAI-SOVが高いか低いかは、自社の数値だけでは判断できません。同じプロンプト、AI、計測条件で、競合がどの程度言及されているかを確認します。

たとえば、自社の出現率が30％でも、競合が80％であれば、AI回答内での露出には差があります。一方、自社が10％でも、競合がほとんど出ていなければ、業界全体の情報不足が原因かもしれません。

競合だけが推薦される質問や、自社について事実と異なる回答が出る質問から優先的に改善しましょう。

AI経由の流入とCVを計測する

AI回答からWebサイトへ流入したユーザーは、Google Analyticsなどで確認できる場合があります。ただし、すべてのAI上の接点がクリックにつながるわけではありません。流入データだけでなく、AI回答内での言及もあわせて計測しましょう。

なお、AKARUMIには、GA4と連携してAI経由の流入を可視化できる機能があります。ChatGPT検索などからの流入も含め、どのAI経由で訪問やCVが発生しているかを一元的に確認できます。

LLMO/AIOに投資する意味がある企業・優先度が低い企業

LLMOの優先度は、AI上での競争状況や既存サイトの状態によって異なります。ツールやコンサルティングを導入する前に、自社が取り組むべき段階にあるかを確認しましょう。

LLMOに投資する意味がある企業

次のような企業は、AI上の見え方を計測し、改善する優先度が比較的高いと考えられます。

とくに、BtoBサービスや高額商材など、ユーザーが複数の情報源を確認して比較する領域では、AI回答内での説明内容を把握する意味があるでしょう。

LLMOの優先度が低い企業

重要なページが検索エンジンに認識されていない、公式サイトの情報が不足している場合は、LLMO固有の施策より基礎的な整備を優先します。

この状態でツールを導入しても、課題を把握するだけで改善を進められない可能性があります。まずは情報と運用体制を整えることが大切です。

LLMO/AIOはツールとコンサルのどちらに投資する意味がある？

LLMOツールとコンサルは、どちらか一方が優れているわけではありません。現状把握や計測に課題があるのか、施策の立案・実行に課題があるのかによって、適した選択肢は異なります。

現状把握と定点計測を自走するならLLMOツール

LLMOツールは、AI上での自社の見え方を継続的に把握したい企業に適しています。AI-SOVや掲載位置、センチメント、引用元などを計測すれば、競合との差や施策前後の変化を確認できます。

社内にコンテンツやSEOの改善を進められる担当者がいる場合は、ツールで課題を発見し、自社で施策を実行できます。「改善する体制はあるものの、現状が見えていない」という企業に向いているでしょう。

改善の優先順位や実行に課題があるならコンサル

LLMOコンサルは、計測結果を確認しても、何から改善すべきかわからない企業に適しています。コンテンツ、SEO、サイトの技術基盤、外部メディアでの発信などを横断して、施策の優先順位を決められるでしょう。

社内に専門知識や実行リソースが不足している場合も、コンサルを利用する意味があります。「課題は見えているものの、改善方法や実行する人材が不足している」という企業に向いています。

「測る」と「直す」を分けて併用する方法もある

LLMOツールとコンサルは、どちらか一方だけを選ぶ必要はありません。ツールでAI上の現状や変化を測り、コンサルで改善策を立案・実行する方法もあります。

ツールによる計測を自社で行い、一部の施策だけ外部へ依頼する分業も可能です。計測と改善を継続的に回したい企業では、両者を併用する方法が現実的です。

LLMO/AIOの意味に関するよくある質問

LLMOについては、効果が出るまでの期間や中小企業での必要性など、判断しにくい点があります。ここでは、LLMOが意味ないかを検討する際に生じやすい疑問へ回答します。

Q. AIから引用されなければ、LLMOに取り組む意味はありませんか？

A. 引用されていないからといって、直ちに意味がないとは判断できません。

AI回答では、リンク付きで引用されなくても、企業名やサービス名が候補として言及される場合があります。引用の有無だけでなく、回答内での扱われ方や推薦内容、センチメントまで確認することが重要です。

Q. AI-SOVが上がらなければ、LLMO施策に意味はありませんか？

A. AI-SOVが上がっていなくても、施策に意味がなかったとは限りません。

自社についての誤った情報が修正されたり、否定的な回答が中立的になったりすることもあります。AI-SOVだけで判断せず、回答内容や引用元、センチメントの変化も確認しましょう。

Q. 短期間で変化がなければ、LLMOを続ける意味はありませんか？

A. 数回の計測で変化が見られなくても、すぐに中止する必要はありません。

生成AIの回答には揺らぎがあり、コンテンツの修正が反映される時期も一定ではありません。あらかじめ評価期間と判断基準を決め、一定期間の傾向を見たうえで継続する意味があるかを判断します。

LLMO/AIOに意味があるかを判断するためにも効果の可視化が大切

LLMOのすべてが意味ないわけではありません。ただし、llms.txtの設置や不自然な自己言及、文章の過剰な分割など、一つの手法だけで引用や推薦を増やそうとする施策は、効果が限定的になる可能性があります。

まずはSEOの技術基盤とコンテンツを整え、自社にとって重要なプロンプトでAI上の見え方を計測しましょう。AI-SOV、引用率、掲載位置、センチメント、引用元などを継続的に確認すれば、LLMOに投資する意味があるかを判断しやすくなります。

AI検索可視化ツールのAKARUMIでは、ChatGPTやGeminiなどのAI回答における自社と競合の言及状況、掲載位置、引用元、センチメントなどを確認できます。同じプロンプトを継続的に測定し、施策前後の変化を確認したい場合は、AKARUMIの無料トライアルをご活用ください。

LLMOの現状分析だけでなく、戦略設計、コンテンツ改善、SEO、外部発信まで進めたい場合は、ipeのLLMOコンサルティングサービスもご利用いただけます。AKARUMIの分析データをもとに、施策の優先順位の決定から実行、効果検証まで支援します。