従来のSEOとLLMOの決定的な違いと、いま見直すべきコンテンツ戦略

何をすべきかの判断は、検索エンジン側が公式に出しているLLMOの見解をあわせてご覧ください。

結論:違いは「最適化の相手」であって、道具ではない

先に結論を書きます。従来のSEOとLLMO(大規模言語モデル最適化)の決定的な違いは、最適化の相手が「検索結果のリンクをクリックする人」から「回答を組み立てる生成AI」へ広がったことです。ゴールは、検索結果の上位にリンクを表示させることから、AIが書く回答の中に自社の情報が出典として組み込まれることへと移りました。

その一方で、そのために必要な作業の中身は、多くの人が想像するほど新しくありません。Google検索セントラルは、AI OverviewsやAIモードに表示されるための追加要件について、公式ドキュメントで次のように明記しています。「AI OverviewsやAIモードに表示されるための追加要件や、特別な最適化は必要ありません」。さらに、「これらの機能に表示されるために、新しい機械可読ファイルやAI向けのテキストファイル、マークアップを作る必要はありません。追加すべき特別なschema.orgの構造化データもありません」とも書かれています。

つまり、変わったのは成果の現れ方と、成果を測る場所です。変わっていないのは、書くべき中身の質です。この2つを分けて考えると、いま何に手をつけるべきかが一気に絞り込めます。

数字で見る、検索行動の変化

前提として、生成AIがどこまで日常に入り込んだかを、公的な統計で確認しておきます。総務省が2026年7月に公表した「令和8年版情報通信白書」によれば、日本国内の個人で生成AIを利用した経験がある人の割合は58.8%に達しました。同じ調査系列で2024年度時点の26.7%から、2年ほどで倍以上に増えた計算になります。企業側では、何らかの業務で生成AIを利用している割合が86.4%に上っています。

この数字が意味するのは、「AIに聞いてから動く人」が例外ではなくなった、ということです。自社について調べる人、比較検討する人、発注先を選ぶ人のうち、相当数がどこかの段階でAIに質問します。そこで自社の名前が出るか出ないかが、検討のテーブルに乗るかどうかを分けます。

検索結果からのクリックについては、業界メディアや各社の分析でさまざまな数字が飛び交っています。ただ、調査主体によって対象キーワードも計測方法も違い、数字の幅は大きいのが実情です。他社が出した平均値を自社の前提に据えるより、自社のSearch Consoleで「表示回数は横ばいなのにクリックが落ちている」ページを実際に数えるほうが、判断材料としてはるかに確かです。

LLMOのゴールは「AIが引く出典になること」

LLMOとは、生成AIが回答を組み立てるときの参照元として、自社のコンテンツが選ばれるようにする取り組みです。従来のSEOのゴールが「検索結果の1ページ目にリンクを表示させ、クリックしてもらうこと」だったのに対し、LLMOのゴールは「AIが生成する回答の中に自社の情報やブランド名が組み込まれ、出典としてリンクが添えられること」に広がりました。

生成AIは、事前に学習した知識と、その場で行うウェブ検索(グラウンディング)を組み合わせて回答を作ります。このとき参照されやすいのは、どの情報が最も明確で、事実として確かめやすく、質問への直接的な答えになっているかという観点で選ばれたページです。検索アルゴリズムの裏をかくような手法が効く領域ではありません。

【比較表】従来のSEOとLLMOで何が変わり、何が変わらないか

評価の軸とコンテンツの作り方が、どこで重なり、どこで分かれるのかを表に整理します。重要なのは「変わらない」欄の多さです。

比較項目	従来のSEO	LLMO
最終的なゴール	検索結果での上位表示とクリックの獲得	AIの回答内での引用・言及と、出典としてのリンク獲得
ユーザーの行動	検索してリンクをクリックし、サイト内で情報を探す	質問してAIの要約を読み、必要なら出典をたどる
ターゲットの単位	キーワードと検索ボリューム	文脈と固有名詞(誰の、何についての、どんな質問か)
成果の測り方	検索順位、表示回数、クリック数	同じ指標に加え、AIに質問したときの自社の登場率
文章の構成	前置きから入り、結論は後半に置きがち	結論を先に置き、表や箇条書きで整理する
技術面でやること	クロールできる状態、表示速度、内部リンク	同じ。AI専用のファイルや特別なマークアップは不要
中身の質	一次情報、正確さ、専門性	同じ。むしろ確かめやすさの比重が上がる

表の下2行を見てください。技術面とコンテンツの質については、SEOとLLMOで求められるものがほぼ一致します。Google検索セントラルが挙げているAI機能向けの推奨事項も、robots.txtでクロールを許可する、内部リンクを整える、ページ体験を良くする、コンテンツをテキスト形式で提供する、構造化データと表示内容を一致させる、といった従来からの基本ばかりです。新しいツールを買い足す前に、この基本がどこまでできているかを数えるほうが先です。

[独自] 「一次情報」と「構造化」を掛け合わせる理由

ではSEOとLLMOで力点が変わる部分はどこか。私たちは、一次情報の提供と、情報の構造化という2つだと考えています。この2つを掛け合わせると効く理由を、順に説明します。

1. AIは「誰でも書ける一般論」を必要としていない

生成AIは、インターネット上の一般的な知識をすでに事前学習として内包しています。「〇〇とは」という一般的な解説や、他サイトの情報を並べ替えただけの記事は、AIにとって新しい価値を生みません。AIがわざわざその場で検索して取りに行くのは、最新の事実、独自の調査データ、現場の実践者しか書けない具体的な話です。

この点は、学術研究でも裏づけがあります。生成エンジン最適化を扱った論文(プレプリント公開サイトarXivの論文番号2311.09735、2023年)では、ウェブページの書き方をいくつかのパターンに分けて、AIの回答にどれだけ内容が反映されるかを比較しました。論文の要旨では、有効な手法を組み合わせることで可視性が最大で約40%高まったと報告されています。効果が高かったのは、信頼できる出典を明示する、引用を添える、統計データを加えるといった「確かめやすさを上げる」手法でした。一方、キーワードを不自然に詰め込む手法は、かえって逆効果になっています。ただし論文自身が、効果は分野によって変わると述べている点には注意が必要です。

自社で用意できる一次情報には、たとえば次のようなものがあります。

自社で実施したアンケートや調査の結果(集計方法と実施時期を添える)
自社サービスで蓄積された、実測にもとづく数値
現場の担当者が経験した、具体的な失敗とその対処
料金、対応範囲、対応できない条件といった、自社にしか書けない事実

最後の項目は見落とされがちですが、効果が高い部分です。料金や対応範囲、対応できない条件は、他社が代わりに書けない一次情報であり、読む人の判断を前に進めます。

2. 良い情報でも、切り出せなければ存在しないのと同じ

優れた一次情報を持っていても、行間を読ませる文章や、指示語の多い文脈依存の文章では、正確に抽出されません。生成AIはページを意味のまとまりごとに分割して扱うため、どこに何が書いてあるかを特定しやすい状態を好みます。

ここで言う構造化は、マークアップだけの話ではありません。見出しと段落の親子関係が論理的であること、比較や手順が表やリストとして整理されていること、主語と述語が明確に対応していること。こうした文章レベルの構造が土台になります。そのうえで、表示している内容と一致した構造化データを添えるのが順序です。

いま見直すべきコンテンツ戦略 5つのステップ

具体的に何から手をつけるか、5つの手順に落とします。

ステップ1:結論を先に置く

検索意図に対する直接的な答えを、記事の冒頭に、最も短い言葉で置いてください。「〇〇について悩んでいませんか。この記事では詳しく解説します」という前置きは、人にとってもAIにとっても情報量がゼロです。

直す前: 「SEOとLLMOの違いについてですが、最近AIが流行っていますよね。実はこの二つには大きな違いがありまして…」
直した後: 「従来のSEOとLLMOの決定的な違いは、最適化の相手です。SEOが検索エンジンでの上位表示を狙うのに対し、LLMOは生成AIの回答内での引用と、出典としてのリンク獲得を狙います。」

ステップ2:指示語を減らし、固有名詞を書く

AIは本文を塊ごとに分割して処理します。前後の文脈が切り離されても意味が通る書き方が有利です。「これ」「それ」「同社」といった指示語を減らし、多少くどくても正式名称を書いてください。抜き出された一段落だけを読んだ人が、何の話かわかる状態が目安です。

ステップ3:表とリストで情報を整理する

比較や手順は、文章で流すより表や箇条書きにしたほうが、人にとってもAIにとっても扱いやすくなります。「他社との違いの比較表」「導入までの手順リスト」のように、構造そのものを持つ形で書いてください。そのまま回答に引き写せる形になっていれば、引用される確率は上がります。

ステップ4:構造化データは「表示内容と一致させる」ことが目的

JSON-LD形式での構造化データは有効ですが、目的を取り違えないでください。Google検索セントラルが公式に述べているとおり、AI機能に出るための特別なスキーマは存在しません。実装の目的は、ページに表示している内容を機械が誤解なく読めるようにすることです。表示していない情報を構造化データにだけ書くのは、むしろ違反にあたります。

FAQPage: ページに実際に載せている質問と回答をマークアップする
Organization: 会社名、所在地、連絡先を、会社概要ページの記載と一致させる
Article: 著者と公開日・更新日を、ページ上の表示と一致させる

ステップ5:読者が本当に困っていることに答える

技術的な話を並べてきましたが、最後に残るのは人に対する誠実さです。検索窓に入力された言葉の裏には、その人が抱えている具体的な事情があります。「LLMO やり方」と検索した人が本当に知りたいのは、手順の一覧ではなく、自社の状況で何から始めればよいかという判断です。

そこに答えるには、書き手が実際にやってみた話を書くしかありません。うまくいった話だけでなく、試して効かなかった話も含めて書く。この誠実さが、結果としてAIにも人にも選ばれる文章をつくります。

LLMOをめぐる4つの誤解

相談を受けていて、繰り返し出てくる誤解があります。どれも、対策の優先順位を大きく狂わせるものです。

誤解1:専用ツールを入れないと始まらない

AI検索での見え方を測るツールは増えましたが、導入しても記事の中身は変わりません。ツールが教えてくれるのは「いま出ていない」という事実であり、なぜ出ていないかは自分でページを読んで判断することになります。月額の予算を決める前に、自社の主要ページを3本読み返して、結論と料金と対応範囲が書かれているかを確かめるほうが先です。

誤解2:文字数を増やせばAIに拾われる

網羅性を文字数で代用する発想は、SEOの時代から続く癖です。AIは、長いページから該当箇所を切り出して使います。切り出される単位は段落であり、ページ全体ではありません。1万字のうち9千字が一般論であれば、切り出される候補は残りの千字だけです。増やすより、密度を上げるほうが効きます。

誤解3:AI向けの書き方をすると、人には読みにくくなる

実際は逆です。結論を先に置く、指示語を減らす、比較を表にする。どれも、忙しい人が斜め読みするときに助かる書き方です。AI向けの最適化と読者向けの親切さが対立する場面は、ほとんどありません。対立しているように感じるときは、たいてい「AI向け」と称してキーワードを詰め込んでいます。

誤解4:一度対策すれば終わる

生成AIが参照するのは、その時点でウェブ上にある情報です。料金を改定したのに旧料金のページが残っていれば、AIは旧料金を答え続けます。前掲の飲食店を対象にした監査研究でも、閉店済みの店舗が推薦され続ける例が報告されていました。情報の鮮度を保つ作業は、対策というより運用の一部です。

既存記事を直すときの見取り図

新しく書き起こすより、すでにある記事を直すほうが早く結果が出ます。1本あたり30分で終わる点検項目を表にまとめます。

点検する場所	ありがちな状態	直した後
冒頭3行	「〜について解説します」で終わっている	質問への答えが1文で書かれている
見出し	「ポイント」「注意点」など中身がわからない	見出しだけ読んで内容が推測できる
数字	出所のない「〇〇%」が並んでいる	出所を書けるものだけが残っている
比較の説明	長い文章で違いを説明している	表になっていて、行と列で読める
料金・対応範囲	「お問い合わせください」だけ	目安と、対応できない条件が書かれている
更新日	公開時のまま、中身も古い	中身を直したうえで更新日が入っている

この6項目のうち、効果が出るのが早いのは「数字」と「料金・対応範囲」です。出所のない数字を消すと記事は短くなりますが、残った文章の確からしさが上がります。料金や対応範囲を書き足すと、他社が書けない情報がページに増えます。どちらも、調べ物や外注を必要とせず、自社の中にある事実だけで完結する作業です。

成果をどう測るか

LLMOは、成果の測り方でつまずきやすい領域です。最低限、次の3つを押さえてください。

Search Consoleを見る: Google検索セントラルによれば、AI機能からの流入は、Search Consoleのパフォーマンスレポートに検索タイプ「ウェブ」の一部として含まれます。専用のレポートを探して迷う前に、既存のレポートを見てください
AIに直接聞いて数える: 自社の商材に関する質問をいくつか決め、複数の生成AIに同じ質問を投げて、自社が登場した回数を月ごとに記録します。1回の結果で判断せず、回数を積んで傾向を見ます
問い合わせの入口を聞く: 問い合わせフォームに「何をご覧になってご連絡いただきましたか」の一行を足すだけで、計測ツールでは追えない経路が見えてきます

着手する順番

ここまでに挙げた作業を、どの順に手をつけるか迷う方が多いので、順番を示しておきます。上から順にやってください。飛ばして下から始めると、土台がないまま数字だけを追うことになります。

クロールを止めていないか確認する: robots.txtや認証設定で、検索エンジンや生成AIのクローラーを意図せず遮断していないかを見ます。ここが閉じていると、以降の作業はすべて無駄になります
主要ページ5本の冒頭を直す: アクセスの多い順に5本選び、冒頭に結論の1文を置きます。作業としては1本10分程度です
出所のない数字を消す: 全記事を対象に「%」で検索し、出所を書けない数字を削るか、自社で数えられる数字に置き換えます
料金と対応範囲を書く: サービスページに、料金の目安、対応できる範囲、対応できない条件を書き足します
会社概要を具体化する: 所在地、設立年、事業内容、対応エリアを、時点を添えて明記します
構造化データを表示内容に合わせる: ここまで終えてから、表示している内容と一致する形で構造化データを整えます

1から5までは、外注も新しいツールも要りません。社内にある事実を、書ける形に整えるだけの作業です。それでも多くのサイトで手つかずのまま残っています。逆に言えば、ここを終えるだけで、同じ業界の多くのサイトより先に進めます。

よくある質問

LLMO対策をすると、従来のSEOの順位は下がりますか

むしろ両立します。結論を先に置く、構造を明確にする、一次情報を出すというLLMOの要件は、Googleが説明する「ユーザーのために作られた有用なコンテンツ」の考え方と重なります。AIが読みやすい記事は、人にとっても読みやすい記事です。

小規模なサイトでも大企業に勝てますか

領域を絞れば十分に可能性があります。生成AIは、その質問に対して具体的で確かな答えを持つページを探します。ニッチな領域における現場の一次情報や、自社の料金・対応範囲といった他社が書けない事実を丁寧に出すことで、特定の質問に対する参照元として選ばれる余地が生まれます。ただし、どんな質問でも勝てるわけではなく、勝負する範囲を決めることが前提です。

AIに要約されると、サイトへの流入は減りませんか

浅い疑問に答えるだけのページへの流入は減る方向にあります。一方で、AIの回答を読んだうえで「自社の場合はどうか」を確かめたい人は、出典をたどってページを訪れます。訪問数そのものより、訪問した人が問い合わせまで進む割合を追ってください。

成果が出るまで、どれくらいかかりますか

ページを直してから、生成AIの回答にその内容が反映されるまでには、数週間のずれが生じます。理由は単純で、AIが参照するのは検索エンジンが再クロールした後の内容だからです。直した翌日に質問して自社が出てこなくても、それは失敗の証拠になりません。月に一度、同じ質問を投げて記録する形にして、3か月分を並べてから判断してください。

競合が先に対策していたら、もう手遅れですか

領域を絞れば余地は残ります。生成AIの回答は、質問の文面によって参照するページが変わります。業界で最も検索される言葉では勝てなくても、「〇〇費用中小企業」「〇〇失敗事例」のような、より具体的な質問では、実体験を書いたページが選ばれることがあります。まず自社が確実に答えられる質問を5つ書き出し、その質問に対する答えをページにするところから始めてください。