LLMOとは？AIからのサイト流入傾向とLLMOとSEOとの違いについて

現代のデジタルマーケティングにおいてAIが果たす役割はますます重要になってきています。
その中でも急激に関心が高まっているのが、大規模言語モデルに向けた最適化手法であるLLMO（Large Language Model Optimization）です。弊社においても、ご相談をいただく件数も日に日に増えています。
本記事では、LLMOが注目される背景やSEOとの違い、具体的な施策ポイントから今後の展望までを紹介します。

※LLM（Large Language Model：大規模言語モデル）とは？　
大量の文章データを学習して、人間の言葉を理解して文章を作成できる生成AIの一種として位置づけられている技術。

※略称について
略称は、LLMO（Large Language Model Optimization）のほかに、GAIO（GenAI Optimization）やAIO（AIOptimization）と言わる事もあります。AIO（AIOptimization）という言葉は、AIを活用したビジネス全般を最適化する領域で使われることもあります。

LLMOが注目される背景：AI時代に変わるWeb流入の変化

AIチャットや大規模言語モデルの普及により、情報収集の方法が大きく変化しはじめました。
近年、検索エンジンでのキーワード入力だけでなく、ChatGPTSearchやPerplexityのようなAIチャットを活用し、質問形式で情報を得るユーザーが増加しています。
この変化によって、従来の検索結果ページだけではなく、AIが生成する回答の中に自社コンテンツが引用されるかどうかが新たな課題として浮上しています。

参照元サイトからの流入の変化

AIツール（参照元サイト）からの流入データを紹介します。
●ビジネス情報メディアの例。
直近3か月（2024年12月～2025年2月）データで「ChatGPT」からの流入が約304％増加しています。

●葬儀系のメディアの例。
こようなカテゴリーにおいても、Perplexityからの流入が約197％増加が見られます。

Webの情報はAIが回答を生成する際に有益な情報源として利用され始めている為、AI Searchの利用者増加に伴い、WEBサイトへの流入も増加しています。
自社のWEBサイトの流入状況も確認してみてください。
（ChatGPTSearchが無料ユーザーにも開放された、2024年12月あたりから流入が確認できるサイトが増加しています。）

検索体験の変化と流入数激減の例

昨今は、Googleでも検索結果ページ（SERPs）にも、検索結果の要約としてAIの回答（AI Overview）が表示されます。（図1）

↓図1：Googlenite「LLMとは？」で検索したSERPs。（2025年3月15日検索）□（赤枠）は参照元ページへのリンク。

また、ChatGPTSearchで「LLMについて教えて」と質問した回答が以下のページになります。（図2）

↓図2：ChatGPTSearchで「LLMについて教えて」と質問した回答。□（赤枠）は参照元ページへのリンク。

「LLMってどういう意味？」や「LLMtって何の略？」という程度の疑問であれば、AIでまとめられている情報で十分満足できるかもしれません。
検索の目的を果たしたと場合（特にKnowクエリ-知識・定義系-）は、参照元サイトへの移動はしないことが予測されます。（ゼロクリック検索）
このように情報検索の入り口がAIになった場合、実際のWEB誘導にはどのような影響があるのかということ懸念されています。

Forbes誌が先日発表した記事によると、AIがニュースサイトやブログに送る訪問者の数は、従来のGoogle検索と比べて約96％も少ないことがわかりました。
多くのユーザーがAIの回答だけで満足し、元のウェブページを訪れなくなっているためです。
その一方で、AIがウェブサイトから情報を自動的に収集する「スクレイピング」と呼ばれる行為は2倍以上になっていると報告されています。

出典：Forbes「New Data Shows Just How Badly OpenAI And Perplexity Are Screwing Over Publishers」

​また、調査会社Gartnerは、「2026年までに従来型の検索エンジンで行われる検索ボリュームが25%減少する」と予測しています。
​この減少分がすべて生成AIチャットボットに移行し、その96%が自社サイトへのトラフィックに結び付かないと仮定すると、機械的に考えて、自社サイトへのアクセスが4分の1失われてしまうことになります。​

出典：Gartner Predicts Search Engine Volume Will Drop 25% by 2026, Due to AI Chatbots and Other Virtual Agents

Googleが新バージョンのAI Overviewの展開とAI Modeのテスト運用を発表

Googleが2025年3月5日　AIによる概要（AI Overview）の拡張とAIモードの導入を発表しました。

新バージョンのAI Overviewの展開

2025年3月5日、GoogleはAI機能「AI Overview」の最新バージョンを発表しました。
​このアップデートでは、AIモデル「Gemini 2.0」が導入され、特にコーディングや高度な数学、マルチモーダルクエリ（テキストや画像など複数の形式を組み合わせた検索）において、より高品質で迅速な回答が可能となりました。​
これにより、AI Overviewはより多くのユーザーに提供されるようになり、ティーンエイジャーもサインインなしで利用できるようになりました。​

AI Modeのテスト運用

AIモードの主な特徴
高度な推論と思考：​
複雑な質問や詳細な比較など、従来の検索エンジンでは複数回の検索が必要だった内容を、一度の質問で包括的に回答します。
つまり、関連トピックまで自動で調べてくれるので、ユーザーが再検索しなくても一通りの情報が得られるようになりました。
マルチモーダル機能：​
テキストや画像など、複数の形式を組み合わせた検索クエリに対応し、ユーザーの多様なニーズに応えます。 ​
高度なAIモデルの統合：
​Googleの最新AIモデル「Gemini 2.0」のカスタムバージョンを基盤とし、高度な推論や思考能力を実現しています。 ​

出典：Expanding AI Overviews and introducing AI Mode

AI Modeでは、検索結果に従来のリンク集のような掲載がなくなる

Image: Google

上記のようにAI Modeでは、関連する情報が一括で表示されます。今までのような「検索結果画面」はなくなり、文章中もしくは別枠で、参照元リンクが表示されるようになります。

このような状況から、大規模言語モデルに向けた最適化手法であるLLMO（Large Language Model Optimization）への関心が急激に高まってきており、WEBご担当様からのお問い合わせやご相談が急増してきています。

LLMOの具体的対策とメリットデメリット

LLMOの具体的対策

AIが情報をどのように扱い、評価するのかを理解し、適切な対策を講じることで、貴社のコンテンツがより正確に、そして効果的にAIに活用されるようになります。
LLMO（大規模言語モデル最適化）の現状の具体的な対策について紹介します。

信頼性と権威性の向上

専門性の高いコンテンツの発信:
医療、金融、法律など、専門性の高い分野では、特に正確な情報提供が求められます。
そのほかの分野も同様に、専門家による監修や明確な出典の提示を心がけてください。
E-E-A-Tの意識:
検索エンジンが重視するE-E-A-T（経験、専門性、権威性、信頼性）は、LLMOにおいても重要な要素です。
同じような内容のコンテンツの場合は、E-E-A-Tが高い情報が優先されます。
著者情報の明示:
執筆者の経歴や資格、実績などを公開し、コンテンツの信頼性を高めましょう。
一次情報の公開:
独自の調査データや事例など、オリジナルの情報を積極的に発信しましょう。
独自性の高いコンテンツであれば、あなたのサイトの情報を引用するしかなくなります。（ドメインが弱くても、既存のSEOよりはチャンスがある）
また、基本的には回答はテキストで構成されますが、テキストではわかりにくい「クエリ」の場合は、サイトを訪問してくれる可能性が高まりますし、図解された画像なども有効になります。

補足：
Googleは、企業や人物、出来事などを『エンティティ』という概念として、単語とは区別して認識しています。それらの情報を保管してのが『ナレッジグラフ』です。このナレッジグラフはAIモードにも使われています。一方、Bingは『satori』というナレッジグラフ持っているので、ChatGPTはこれを使っているだろうと予測されます。これに対してPerplexityなどのAIサービスは、検索エンジンを運用しているわけではないので、『ナレッジグラフ』を自分たちで持っていないと予測されます。
ここからは、個人的な考察ですが、GoogleのAIモードとそのほかの対策には差異があり、Google関連に関しては、『エンティティ』を高める努力が必要で、そのほかのAIに関しては、文脈や検索意図との一致という観点の重要性が高くなるだろうと考えてます。

構造化データの活用

構造化データを適切に実装することで、AIはコンテンツの内容を正確に理解し、適切な情報として引用しやすくなります。

構造化データの導入:
構造化データを活用し、コンテンツの種類や内容を明確に伝えましょう。
OrganizationやAuthorの情報の追加:
サイトや著者の情報を構造化データに追加することで、AIは情報の出どころを正確に把握できます。
ナレッジグラフへの登録:
GoogleビジネスプロフィールやWikidataなど、ナレッジグラフへの登録も重要ですです。

情報発信の最適化

AIが情報を取得しやすいように、情報発信の方法を最適化。

llms.txtの設置:
大規模言語モデル（LLM）に対して、クロールや利用を制御するllms.txtファイルを設置することで、AIに学習させたい情報を伝えられます。
最新情報の提供:
常に最新の情報を提供し、古い情報や誤った情報がAIに学習されないように、更新日やデータの情報源などを最新のものに更新していく事も重要。
情報の整理とわかりやすさ:
情報を整理し、わかりやすい形で提供することで、AIが情報を抽出しやすくなります。（H2，H3タグで「○○とは？」という見出しを付けて、本文でしっかりとこたえるようなかたち）
外部プラットフォームとの連携:
SNSやニュースサイトなど、AIが取り込みやすいメディアとの連携も重要です。

LLMOのメリット・デメリット

LLMOのメリット

1. 先行者優位を確保できる
   LLMOは、まだ多くの企業が本格的に対策を進めていない新しい概念です。
   SEOと同様に、早期に対策を講じることで、競争が少ないうちにAIによる認識を高め、情報流通の機会を増やすことができます。
   特に、業界特化型のコンテンツを最適化することで、競合に先んじてAIに引用されやすくなるメリットがあります。
2. ブランドの認知向上
   AIアシスタントが自社の情報を回答に取り上げることで、ユーザーの目に触れる機会が増えます。
   たとえサイトへの直接アクセスが発生しなくても、ユーザーの記憶に残ることでブランド認知の向上につながります。
   特に、企業名や商品名が頻繁にAI回答に含まれることで、ユーザーのブランド想起率を高める効果が期待できます。
3. 新たな流入経路の確保
   ChatGPTやGoogleのAI OverviewのようなAIアシスタントは、信頼できる情報源を参照し、出典としてリンクを掲載することがあります。
   これにより、検索エンジン経由の流入に加えて、AIを活用した新たなユーザー層へのアプローチが可能になります。
   従来のSEO対策と並行してLLMOを実施することで、多様な流入経路を確保できる点が大きなメリットです。

LLMOのデメリット

1. 効果測定が困難
   従来のSEOでは、Googleサーチコンソールやアクセス解析ツールを活用することで、検索順位やユーザー行動を定量的に把握することができました。
   しかし、LLMOでは、AIがどのような基準でコンテンツを引用するのかがブラックボックス化されているため、直接的な効果測定が難しいのが現状です。
   現時点では、トラフィックの変動やAIアシスタント経由の流入を間接的に分析するしかありません。（AI内での順位測定ツールなどはでてきています）
2. ゼロクリックリスク
   AIアシスタントは、ユーザーの質問に対して直接回答を提示するため、サイトへの訪問を伴わない「ゼロクリック現象」が発生する可能性があります。
   これにより、AIにコンテンツが引用されたとしても、実際の流入にはつながらないケースが増えることが懸念されます。
   SEOのように単純なクリック数の増加を期待するのではなく、ブランド認知やエンゲージメントの向上を視野に入れた戦略が求められます。
3. 誤情報の拡散リスク
   AIは学習データをもとに回答を生成しますが、必ずしも正確な情報を提供するとは限りません。
   特に、文脈を誤って解釈したり、最新の情報が反映されていなかったりすることで、誤情報（ハルシネーション）が発生するリスクがあります。
   自社に関する誤情報が広がらないよう、公式サイトやプレスリリースなどの信頼性の高い情報発信を継続し、AIが正しく学習できる環境を整えることが重要です。

LLMOはまだ新しい概念ですので、今後様々な展開が予測されます。モデル更新頻度への対応含め、継続的なモニタリングや対応が求められるという点に関しては、SEOと同様です。

ご興味のある方は是非お問い合わせください。

SEOとLLMOの相違点

SEO（検索エンジン最適化）とLLMO（大規模言語モデル最適化）は、デジタルマーケティングにおける異なる最適化戦略です。以下の表に、両者の主な相違点をまとめました。​

項目	SEO（検索エンジン最適化）	LLMO（大規模言語モデル最適化）
最適化対象	GoogleやBingなどの検索エンジン	ChatGPTやPerplexity AIなどの大規模言語モデル（LLM）
目的	ウェブサイトの検索結果での上位表示とトラフィックの増加	LLMが生成する回答や推奨に自社の情報が含まれるようにする
手法	キーワードの最適化 - メタタグの設定 - 内部リンクの構築 - 高品質なバックリンクの獲得　等	信頼性の高いメディアでの言及の増加 - 広報活動 - ユーザー生成コンテンツの促進 - 構造化データとスキーママークアップの実装　等
効果測定	検索エンジンからのオーガニックトラフィック - 検索結果でのランキング - クリック率（CTR）	LLMによるブランドの言及回数 - LLMからのトラフィック参照 - LLM内でのブランド関連の質問数
将来性	検索エンジンのアルゴリズム変更により、戦略の継続的な見直しが必要	LLMの普及に伴い、ブランドの可視性を確保するための新たな戦略として注目されている
関連性	SEOはLLMOと密接に関連しており、LLMのトレーニングデータにおけるコンテンツの重要度は、その関連性と見つけやすさに左右される	LLMOは新しい種類のSEOと考えられ、ブランドが検索エンジンでの可視性を最適化するのと同様に、LLMでの可視性を高めるための積極的な取り組みを指す

このように、SEOとLLMOはそれぞれ異なるプラットフォームや目的に焦点を当てた最適化戦略ですが、デジタルマーケティング全体の成功には両方の戦略を組み合わせて活用することが重要です。

【関連記事】

【LLMO】Chat GPTのシェア率の高さから無視できないBingに対するSEO施策について

AI検索においては、現在Chat GPT、Gemini、Perplexityなど多くのプラットフォームが競争を繰り広げています。また、2025年3月5日にGoogleからAIモードのテストが米国で開…

東京のホームページ(Web)制作・運用支援の株式会社スクイッド