LLMO対策のやり方【実測データ付き】
三橋竜彰・
LLMO対策とは、ChatGPTなどの生成AI・AI検索の回答で、自社サイトが情報源として引用・参照されるようにするための施策です。この記事では、筆者が自社サイトで実際に行っているLLMO対策を、実装手順とキーワード調査の実測データつきで解説します。
筆者はSEO検定1級・ウェブ解析士として、AIでサイト設計から記事作成・公開・分析までを自動化するシステムを自作し、複数の自社サイトで運用しています。本サイト（ヒトリデニ）も、この記事に書いた対策をそのまま実装した「実物」です。LLMOという言葉の定義や全体像から知りたい方は、先にLLMOとは？AI時代の検索最適化 完全ガイドをご覧ください。
LLMO対策の前提: 何を目指す施策ですか？
LLMO対策が目指すのは、AIの回答の中で「情報源として選ばれる」ことです。
そのために必要な状態は、突き詰めると次の3つに集約されます。
- 取得できる: AIのクローラーがコンテンツにアクセスできる。
- 理解できる: ページの構造・意味・発信者が機械可読になっている。
- 信頼できる: 一次情報と著者の実在性があり、引用に値する。
以降の手順は、この3条件を順に満たしていく構成になっています。なお、LLMO対策をすれば必ず引用されるという保証はありません。各AIの情報源の選び方は非公開の部分が多く、できるのは確率を上げることまでです。この点は正直にお伝えした上で、やる価値のある施策を優先度順に並べます。
実測データ: LLMO関連キーワードの現在地
対策の前に、筆者がキーワード調査ツール（DataForSEO）で取得したLLMO関連キーワードの実測値を共有します（2026年6月末〜7月取得、月間検索ボリュームとKD=キーワード難易度）。
| キーワード | 月間検索数 | KD（難易度） |
|---|---|---|
| LLMO | 12,100 | データなし |
| LLMO とは | 3,600 | 10 |
| LLMO 対策 | 3,600 | 12 |
| AIO 対策 | 2,900 | 0 |
| llmo対策とは | 590 | 13 |
| llmoコンサルティング | 590 | 3 |
| AI検索 対策 | 480 | 0 |
| llms.txt とは | 480 | データなし |
| llmo対策会社 | 390 | 0 |
この調査から読み取れることが2つあります。第一に、検索需要がすでに大きいこと（「LLMO」単体の月間検索数は12,100）。第二に、KD（難易度）のデータ自体が存在しない語が大半なこと。筆者の調査では、LLMO/AI検索系のシードキーワード96語のうち、KDが返ってきたのは12語だけでした。指標のデータベースが整備される前の、いわば「地図のない領域」です。だからこそ、後発の個人・小規模サイトにも先行者の余地があります。
ステップ1: AIクローラーの許可方針を決める（robots.txt）
最初にやるべきは、AIのクローラーを「どこまで受け入れるか」の方針決定です。
各社の公式ドキュメントに基づく主要クローラーは次のとおりです（用途別）。
| 事業者 | 学習用 | AI検索インデックス用 | ユーザー起動 |
|---|---|---|---|
| OpenAI | GPTBot | OAI-SearchBot | ChatGPT-User |
| Anthropic | ClaudeBot | Claude-SearchBot | Claude-User |
| Perplexity | （学習用収集はしないと公式説明） | PerplexityBot | Perplexity-User |
| Google-Extended（Gemini学習・グラウンディング制御） | Googlebot（通常検索と共通） | — |
引用されたいなら、少なくともAI検索インデックス用（OAI-SearchBot・PerplexityBot等）は許可が前提です。OpenAIは、OAI-SearchBotを拒否したサイトはChatGPTの検索結果に表示されないと説明しています（なお公式FAQには、拒否していても外部経由でURLを得た場合にリンクとタイトルのみ表示されることがあり、完全に防ぐにはnoindexメタタグを使う、という補足があります）。学習用（GPTBot・ClaudeBot）を許可するかはサイト方針で分けて判断できます。本サイトはすべて許可する方針です（露出優先の実証実験のため）。なお、ユーザー起動型（ChatGPT-User等）はrobots.txtが適用されない場合があると各社が明記しています。設定の詳細はChatGPT・Perplexityに引用される方法で解説します。
ステップ2: 構造化データ（JSON-LD）を実装する
ページの意味と発信者を機械可読にするため、構造化データを実装します。
筆者の運営サイトでは、全記事に次の4種＋著者情報を実装しています。
- Article: 記事のタイトル・公開日・更新日・著者
- BreadcrumbList: サイト構造（カテゴリ→記事）
- FAQPage: FAQセクションの質問と回答
- Organization: サイト運営者
- Person（author）: 著者。資格・外部プロフィールへ
sameAsで接続
ポイントは**PersonのsameAs**です。著者の実在性を、資格の認定ページや外部プロフィールと機械可読に紐付けることで、「誰が言っているか」をAIが辿れる状態にします。本サイトの著者ページでは、SEO検定1級・ウェブ解析士の認定ページへ実リンクしています。
ステップ3: llms.txtを設置する
llms.txtは、AI向けにサイトの構成と主要コンテンツを1ファイルで伝える提案仕様です。
主要AI事業者が公式対応を明言している段階ではないため、効果は未確定です。ただし、設置コストは非常に小さく、サイトの要約と主要URLをMarkdownで書くだけです。本サイトも実際に設置しました。実物の内容と書き方はllms.txtとは？書き方と設置方法で公開しています。
ステップ4: 「引用されやすい文章構造」で書く
AIが回答を作るとき、参照しやすいのは「質問に対する簡潔な答えを含む一節」です。
筆者が全記事で運用している執筆ルールは次のとおりです。
- 見出しを質問形式にし、直後の1文で結論を言い切る（この記事の見出しがまさにその形です）
- 一節を自己完結させる: 「これ」「それ」で書き始めず、主語を明示する。切り出されても意味が通る単位で書く
- 冒頭で結論を先出しする: 記事の第1段落で「〜とは…です」と答える
- 表・リスト・手順で構造化する: 散文より抽出しやすい形にする
これは従来のSEO（強調スニペット対策）とも重なる部分が多く、二重に効く施策です。
ステップ5: 一次情報と著者情報で「引用する理由」を作る
一般論をまとめただけの記事は、AIにとって引用する理由がありません。
引用に値する情報とは、そのサイトにしかないものです。具体的には、自分で運用・実装して得たデータ、実際の設定ファイルやコード、成功だけでなく失敗の記録です。筆者が運営する別サイト（iPhoneの買取・購入・修理に関するブログ「すまほたっぷ」）でも、施策と結果の実データを蓄積しており、本サイトではその実例を継続的に公開していきます。
実例を1つ挙げます。すまほたっぷでAI Overview（Google検索のAIによる概要）への引用を日次観測したところ、引用されたキーワードの多くが一次体験・業界知見系の記事でした。「iPhone トイレに落とした 一瞬」（63日間引用）、「iphone 買取残債ありゲオ減額」（38日間引用）など、元Apple製品買取店を経営した筆者の実体験・業界知見を書いた記事が、一般論をまとめた記事ではなく引用元に選ばれています。「そのサイトにしかない情報」が引用の理由を作る、という本ステップの主張はこの観測に基づいています。
ステップ6: 効果を観測する仕組みを作る
LLMOの効果測定に確立した基準はまだありません。筆者は次の3点を定点観測しています。
- AI経由の参照元流入: アクセス解析（GA4）の参照元レポートで、AIサービス由来のセッションを追う
- 回答での言及: 主要AIに自領域の質問を投げ、自サイトが情報源に含まれるかを定期チェック
- 検索側の変化: Google Search Consoleでインプレッション・掲載結果の変化を追う
実測データ: すまほたっぷでは、2026年1月20日から7月2日までの日次観測で、Google AI Overviewに28キーワード・のべ805回引用されました。代表例は「ipad 整備品 入荷 タイミング」が87日間（参照リスト内平均2.6番目）、「iphone バッテリー最大容量 70」が83日間（同4.0番目）、「iphone7 まだ使ってる人」が80日間（同2.6番目）です。AI Overviewの引用は特別な登録なしに、通常の検索評価と一次情報の積み上げで実際に獲得できています。ChatGPT・Perplexity経由の流入観測は本サイトでも開始しており、結果は追って公開します。
観測結果は本サイトで公開していきます。「やってみてどうだったか」まで含めて実証するのがこのブログの趣旨です。
LLMO対策を外注する場合は何を見ればいいですか？
LLMO対策会社・コンサルティングを検討する場合は、「何をやるか」が具体的かどうかで判断することをおすすめします。
LLMOは新しい領域のため、施策の中身は本記事で挙げたような技術・コンテンツ整備が中心です。見積もりや提案に「クローラー方針」「構造化データ」「コンテンツ構造」「効果の観測方法」が具体的に含まれているか、そして効果を保証する表現をしていないか（保証できる根拠は現状誰にもありません）を確認しましょう。逆に、自社にエンジニアやライターのリソースがあれば、この記事の手順の多くは内製できます。
よくある質問
LLMO対策は何から始めればいいですか？
まずrobots.txtでAIクローラーの許可方針を決めることです。引用されたい場合、AI検索インデックス用のクローラー（OAI-SearchBot・PerplexityBot等）の許可が前提になります。次に構造化データ（JSON-LD）の実装、質問形式の見出し＋結論先出しの文章構造、一次情報の整備へ進むのが効率的です。
LLMO対策の効果はどれくらいで出ますか？
確定的な答えはありません。各AIの情報源の選び方は非公開部分が多く、効果を保証する根拠は現状誰にも示せないためです。AI経由の参照元流入・回答での言及・検索インプレッションを定点観測しながら、確率を上げる施策を積み重ねるのが現実的です。
LLMO対策とSEO対策は両立できますか？
両立できます。むしろ重なる部分が大半です。AI検索の多くは従来型の検索インデックスを土台にしており、クロール可能性・構造化・信頼性というSEOの基本はLLMOでもそのまま効きます。質問形見出し＋簡潔な回答という構造は、強調スニペット対策とも共通です。
LLMO対策会社に依頼すべきですか？内製すべきですか？
施策の中身（クローラー方針・構造化データ・コンテンツ構造の整備）が具体的に提案されるかで判断することをおすすめします。効果を保証する表現をする業者には注意が必要です。エンジニアやライターのリソースが自社にあれば、本記事の手順の多くは内製可能です。
学習用クローラー（GPTBot等）も許可すべきですか？
サイトの方針次第です。学習用（GPTBot・ClaudeBot）とAI検索用（OAI-SearchBot等）は別々に制御でき、引用への影響が直接的なのはAI検索用です。コンテンツを学習に使われたくない場合は、学習用のみ拒否する選択もできます。本サイトは露出優先の方針ですべて許可しています。
まとめ
LLMO対策のやり方は、（1）AIクローラーの許可方針、（2）構造化データ、（3）llms.txt、（4）引用されやすい文章構造、（5）一次情報と著者情報、（6）効果の観測——の6ステップに整理できます。実測データが示すとおり、この領域はまだ指標も定義も整備途上で、だからこそ先行して整えた者に余地があります。AI検索側の初期整備はAI検索最適化の始め方を、AIO・GEOとの用語整理はAIO対策とは？をあわせてご覧ください。
LLMO対策を含むサイト運用を任せたい方へ: 筆者は、サイト設計から記事作成・公開・分析までをAIで自動化する仕組みを自社サイトで運用しています。LLMO対策を含むサイト運用のご相談窓口は準備中です。ヒトリデニのトップページから最新情報をご確認ください。