LLMO対策のやり方。施策を根拠の強さで仕分けて、効く順に進める手順

LLMO対策を始めようと調べると、構造化データ、llms.txt、E-E-A-T、サイテーションと施策名ばかりが並び、どれから手を付ければいいのか決められない。そんな状況の担当者に向けて書いています。

先に結論です。LLMO対策は、施策を並べて全部やるものではありません。効くと考える根拠の強さで仕分けて、強いものから順に、毎月同じ質問で測り直しながら進めるものです。具体的には、文章をAIが引用できる形に直すこと、自社の外にも根拠を置くこと、そのうえで技術的な施策を足すこと、の順になります。

この記事では、LLMO対策として語られる施策の仕分け、先に手を付ける3つの作業、外部媒体への載せ方、構造化データとllms.txtの位置づけ、月次の回し方までをまとめます。なお、AIの回答に自社が載るかどうかは、こちらで保証できるものではありません。そのため、自社でコントロールできる範囲だけを手順にしています。

LLMO対策の施策は、根拠の強さがそろっていない

LLMO対策のやり方を解説する記事の多くは、構造化データの実装、E-E-A-Tの強化、FAQの整備、内部リンクの最適化、llms.txtの設置などを横並びで紹介しています。読み手にとっては、どれも同じ重さの施策に見えてしまいます。まず、その並びを崩すところから始めます。

横並びの施策リストが判断を難しくする

施策リストをそのまま上から順に実行すると、作業量の大きいものや、効果の見えにくいものに時間を取られます。たとえば、サイト全体に構造化データを実装するには開発の工数がかかりますが、その前に、ページの文章そのものがAIにとって使いにくい状態だと、実装しても回答に変化は出にくいです。

横並びの記事が悪いわけではありません。施策の一覧としては正しいものが多いです。ただ、リソースに限りがある会社にとって必要なのは、一覧ではなく順番です。

根拠の強さで3段に分ける

当社は、施策を次の3段に分けて考えています。

• 根拠が強い。結論を先に書く、用語と数字を言い切る、一次情報を入れる、自社情報を一貫させる
• 根拠はあるが間接的。構造化データ、内部リンク、基本のSEO
• 効果が未確認。llms.txtなど、AI向けに専用のファイルを置く施策

ここでいう根拠とは、AIが回答を作るときの仕組みから見て、効く理由を説明できるかどうかです。AIは検索で見つけたページや学習済みの知識から文章を組み立てます。そのため、ページの中で答えが明確に書かれていること、同じ内容が複数の場所で一致していることは、仕組みから説明がつきます。一方、特定のファイルを置けば引用されるという主張には、現時点で公に確認された裏付けがありません。

仕分けの表

3段の違いを、作業の重さと合わせて表にします。

重いのに間接的な施策と、軽いのに未確認の施策が混ざっています。この表を見ると、最初に書き直しから始める理由が見えてきます。

先に手を付ける作業。ページを引用できる形に直す

最初の作業は、新しいページを作ることではなく、既にあるページを直すことです。AIは長い文章の一部分を切り出して使うため、どこを切り出されても意味が通る状態にしておく必要があります。

見出しの直下に答えを置く

各見出しの直後の1〜2文で、その見出しが問うていることへの答えを言い切ります。背景説明や前置きは、その後ろに回します。

悪い例は、見出しが「費用の相場」なのに、最初の段落が料金の考え方の歴史から始まっているような書き方です。直した形は、見出しの直後に「相場は月額でいくらから、含まれる作業は何か」を1文で書き、詳細は続きの文章に任せます。人間の読み手にも、先に答えが分かる方が親切です。

用語と数字を1文で言い切る

「一般的に」「場合によっては」といった曖昧な表現が多い文章は、AIが要点をつかみにくくなります。用語の定義は1文で言い切り、数字には条件を添えます。条件が複雑なときは、文章で説明するよりも表にした方が正確に伝わります。

次のような点を点検します。

• 用語の初出で、定義を1文で書いているか
• 数字に、対象と条件が付いているか
• 主語が省略されず、誰の話か分かるか
• 代名詞ばかりで、切り出すと意味が消える文になっていないか

一次情報を入れて、古い記述を直す

他のページにも書いてある内容だけで構成されたページは、AIから見ると代わりがきく情報になります。自社で測った数字、実際に起きた失敗、手順を試した結果などの一次情報を入れると、そのページにしかない内容が生まれます。

ここで注意したいのは、実績がないことを書かないことです。自社に数字がなければ、数字を作るのではなく、現場で観察できた事実や、手順の中で判断が分かれた箇所を書きます。また、古くなった記述は月ごとに見直します。制度や仕様が変わったのに記事が古いままだと、誤った情報を引用される原因になります。

次に、自社サイトの外に根拠を置く

ページを直しても、自社サイトの中だけで主張している状態では、AIにとっての根拠が足りないことがあります。AIの回答は、自社サイト以外の媒体も参照して作られるためです。

AIが参照している媒体を調べる

最初に、自社が狙う質問をAIに投げて、回答の中でどんな媒体が参照されているかを記録します。比較サイトなのか、業界メディアなのか、公的機関の資料なのか、質問ごとに傾向があります。

この記録は、手作業で十分です。質問を10〜20本に固定して、ChatGPT、Perplexity、GoogleのAI Overviewなど、主要なAIでそれぞれ回答を保存します。参照元が表示されない回答もあるため、取れる範囲の記録で構いません。

載せられる媒体に絞って依頼する

参照されている媒体がすべて載せられるわけではありません。載せられるものと、載せられないものを分けます。

載せられない媒体は、無理に追わず、載せられる媒体に集中します。また、掲載を依頼するときは、広告や宣伝の色が強い文面は避けます。媒体側にとって価値のある情報、たとえば業界の調査や手順の解説を出す形が長続きします。

自社情報を一貫させる

会社名、サービス名、料金、対応範囲などの基本情報が、自社サイトと外部媒体で食い違っていると、AIが誤った情報を回答に混ぜる原因になります。外部の掲載内容を月に1回見直し、古い情報があれば更新を依頼します。

この作業は地味ですが、効果の説明がつきやすい施策です。同じ内容が複数の場所で一致していることは、AIが情報を信頼するときの手がかりになります。

技術的な施策は、文章の後に足す

構造化データやllms.txtは、LLMO対策の中で最もよく話題になる施策です。ただし、順番としては文章の改善と外部掲載の後に置きます。

構造化データは内容と一致させて実装する

構造化データは、ページの内容を機械が読める形で補足する書き方です。会社情報、記事、よくある質問などの種類があります。AIがページを理解する助けになる可能性はありますが、これを入れれば引用されるという関係は確認されていません。

実装するときの要点は、ページに書いてある内容と一致させることです。ページに表示していない情報を構造化データにだけ書くと、検索エンジン側の規定に反することがあります。まずは会社情報と記事の基本形から入れて、必要に応じて広げていく進め方が現実的です。

llms.txtは期待を置かずに扱う

llms.txtは、AI向けにサイトの要点を伝えるためのファイルとして提案されているものです。置くこと自体の作業は軽いですが、主要なAIがこれを参照して回答を作っているかどうかについて、現時点で公式な裏付けはありません。

だからといって、置いてはいけないわけではありません。作業が軽いなら、置いておく選択はあります。ただし、これを置いたことを理由に他の施策を後回しにするのは避けるべきです。

技術施策の判断材料

技術的な施策に進むかどうかは、次の条件で判断します。

• 文章の書き直しが主要なページで終わっているか
• 外部媒体の掲載内容が一貫しているか
• 開発の工数を割いても、他の優先事項を止めないか

この3つが満たされていないなら、技術施策は先送りして構いません。

月次で回す。同じ質問で測り直す

施策は一度やって終わりではありません。AIの回答は変わるため、同じ質問で毎月測り直して、変化を記録します。

質問を固定して回答を記録する

測定の質問は、狙う領域に合わせて10〜20本に固定します。毎月質問を入れ替えると、変化が施策の結果なのか質問の違いなのか区別できなくなります。

記録する項目は、次のとおりです。

• 質問文と、使ったAIの種類
• 回答の中に自社名が出たか
• 出た場合、どんな文脈で言及されたか
• 参照元として表示された媒体

回答はAIの側で毎回変わるため、同じ質問でも結果にぶれがあります。1回の結果で判断せず、数か月分を並べて傾向を見ます。

出る質問と出ない質問を分ける

記録がたまったら、自社名が出る質問と出ない質問を分けます。出ない質問の中から、ビジネス上の重要度が高いものを選び、次月の改善対象にします。

この分け方は、単純な出現回数の増減より役に立ちます。出現数の増減は、AI側の変化にも左右されるためです。自社が直せる範囲、つまりページと外部掲載に結び付けて、次の作業を決められます。

改善と報告を一つの流れにする

改善した内容は、変更したページ、依頼した掲載、更新した情報の3つに分けて記録します。翌月の記録と並べると、何が変化につながったのかを推測する材料になります。

報告は、月ごとの回答の変化と、実施した作業の2点に絞ります。長い報告書は必要ありません。当社も、引用は保証せず、実行量と月次レポートに責任を持つ形で運用しています。

よくある質問

LLMO対策とAIO対策は、やり方が違いますか

呼び方の違いが中心で、実務の中身はほとんど同じです。どちらも、AIの回答に自社の情報が使われやすい状態を作る取り組みを指しています。名前よりも、何をどの順で行うかを確認する方が重要です。

何から始めるのが一番よいですか

質問を10〜20本に固定して、現状の回答を記録するところからです。現状が分からないまま施策を始めても、変化を測れません。記録の次は、重要度の高いページの書き直しに進みます。

効果が出るまでどれくらいかかりますか

一定の期間を断言することはできません。AIの回答は、参照するデータの更新や仕様の変更に左右されるためです。数か月分の記録を並べて傾向を見る前提で、継続できる体制を作ることをおすすめします。

自社で進めるのと、代行を使うのとでは、どう判断すればよいですか

記録とページの書き直しは、自社でも進められます。外部媒体への掲載と、毎月の記録の継続に手が回らないときに、代行を検討する会社が多いです。当社のAIO対策代行は、月10万円、初期費用0円で、契約期間の縛りはありません。

まとめ

LLMO対策は、施策を全部やるのではなく、根拠の強い順に進めて、同じ質問で毎月測り直すものです。

• 最初に、主要ページを引用できる形に書き直す
• 次に、AIが参照している媒体に載せにいき、自社情報を一貫させる
• 技術施策は、その後に足す
• 毎月、同じ質問で記録し直して、次の作業を決める

AIの回答に載るかどうかは保証できません。だからこそ、自社で直せる範囲を、順番どおりに、記録しながら進めることが大切です。