LLMOとAIOの違いとは 中小企業が最初にすべき対策の優先順位

「LLMOとAIO、結局どっちが正しいんですか」。この質問を、ここ数ヶ月で何度も受けるようになりました。調べれば調べるほど、LLMO・AIO・GEO・AEOという4つの言葉が並び、それぞれのサイトで説明が微妙に食い違う。用語の定義を読み比べるだけで半日が過ぎてしまった、という方も多いはずです。

先に結論を書きます。中小企業がこの4つの言葉の違いを覚える必要は、実はありません。言葉の由来を追い、一次情報を裏取りした結果、実務上やるべきことは1つの土台に集約されることが分かりました。この記事では、その根拠と、今日から着手できる優先順位を順番に示します。用語の定義を暗記する時間があるなら、その時間を実際の設定作業に充ててください。

結論から言うと、この4つの用語を覚える必要はありません

生成AIに自社が引用されるための対策として、LLMO(大規模言語モデル最適化)・AIO(AI最適化)・GEO(生成エンジン最適化)・AEO(回答エンジン最適化)という4つの用語が使われています。しかし調べていくと、この4語は出自も定義の厳密さもばらばらで、提唱者ごとに主張が食い違っている部分すら多いことが分かります。

後述する通り、検索エンジンの提供元は、これらのマーケティング用語を公式な技術仕様として一切採用していません。むしろ「生成AI検索への最適化は、検索体験の最適化であり、依然としてSEOである」という立場を明確にしています。つまり実務上の答えは、従来のSEOという土台の上に、AIが情報を抜き出しやすい構造と、裏付けのある事実を積み増す。この1点に尽きます。

そもそも、なぜこんなに用語が乱立しているのか

用語が乱立している背景には、検索という行為そのものの構造変化があります。AIによる要約が検索結果に表示されるようになったことで、ユーザーが検索結果のリンクを一切クリックせずに用が済んでしまう「ゼロクリック検索」が広がりつつあります。

こうした変化が急速に進むほど、コンサルティング会社やツールベンダーは新しい市場を説明するための言葉を必要とします。LLMO・AIO・GEO・AEOという4つの用語は、この急激な変化に対して、それぞれ別の立場の人間が別々のタイミングで名付けた結果、並立してしまったというのが実態です。研究者は査読を経た論文で、実務家は自身の発信の場で、マーケティングの専門家は連載記事で、それぞれ異なる場所で異なる言葉を世に出しました。誰か1人が全体を設計して命名したわけではないため、後から統一しようとしても、すでに広まった呼び方を1つに絞り込むことは難しくなっています。

LLMO・AIO・GEO・AEO、それぞれの出自と初出

4つの用語を、提唱の性質・初出時期・目的で整理すると、次のようになります。

用語（フルスペル）	初出の性質	本来の対象
GEO（Generative Engine Optimization）	2023年11月・学術論文として発表	複数の情報源を合成する生成AIの回答内での引用獲得
LLMO（Large Language Model Optimization）	2022年末・実務家の発信が初出とされる	LLMの検索・抽出メカニズムへの最適化。GEOと実質同義
AEO（Answer Engine Optimization）	2018年頃・マーケティング専門家が提唱	強調スニペットや音声検索など、単一の直接回答を返す機能
AIO（AI Optimization / AI Overviews Optimization）	不明・自然発生的な略称	文脈により意味が変わる。定義のブレが最も大きい

GEO(生成エンジン最適化)だけが、学術的な裏付けを持つ

4語の中で唯一、厳密な実証実験を経ているのがGEOです。海外の複数の大学に所属する研究者らのチームが2023年11月に発表した論文「GEO: Generative Engine Optimization」(のちにデータマイニング分野の国際会議に採録)では、1万件規模のクエリを用いた実証実験が行われました。この論文が示した数値については、後の章で詳しく扱います。

LLMOは、実務家が名付けたとされる言葉

LLMOは、ChatGPTが一般公開された直後の2022年末、あるAI関連企業の担当者が自身のブログ記事で使い始めた言葉とされています。学術機関から生まれた概念ではなく、検索市場の急変を目の当たりにした実務家が名付けた造語だという点は、GEOとの大きな違いです。

AEOは、生成AIブームより何年も前からある言葉

AEOは2018年頃、マーケティングの専門家が連載記事などで提唱した言葉とされています。ChatGPTが公開された2022年より4年ほど前から存在していたことになります。もともとは強調スニペットや音声検索、ナレッジパネルといった「単一の直接回答」を返す機能への最適化を指していました。現在はAIチャットボット向けの意味に転用されていますが、本質は「複数の情報を合成する」のではなく「既存の文章から適切な一節を抜き出す」ことにあります。

AIOは、意味が2通りある一番あいまいな言葉

AIOは自然発生的に広まった略称で、文脈によって指す範囲が変わります。1つは、ブランドのデジタルフットプリント全体をAIに理解させるという広い意味の「AI Optimization」。もう1つは、AIによる検索の概要表示に絞った最適化です。この曖昧さから、専門家の間では使用を避けるべき語とされることもあります。

違いを一言で言うと、AIOが広いほうで、LLMOはその一部です

言葉の関係だけ先に言うと、AIOが広いほうで、LLMOはその中の1つです。AIOはAIを使った仕組み全体をどう最適化するかという広い話で、LLMOはそのうち生成AIの回答に引用されることに絞った話になります。だから2つは、大小の入れ子の関係にあります。

見る観点	AIO（広いほう）	LLMO（参考・狭いほう）
対象の広さ	AIを使った仕組み全体（検索・チャット・レコメンド）	生成AIの回答の中身
ねらい	AIが関わる場面全体で選ばれる	生成AIの回答に引用される
2つの関係	LLMOを含む、広いほうの呼び方	AIOの中の1つの領域
中小企業が最初に動く先	全体像をつかむために使う言葉	ここから手を動かすと効く

覚えておくのは、この入れ子の関係だけで足ります。中小企業が最初に手を動かすのは、狭いほうのLLMO、つまり生成AIの回答に引用される作業からで十分です。広いAIOの全体像は、優先順位を決めるときの地図として頭の隅に置いておけば間に合います。

検索エンジン側は、これらの言葉を一切使っていない

ここが最も重要な事実です。主要なAI開発企業、そして検索エンジンの公式な情報発信の場において、LLMO・AIO・GEO・AEOというマーケティング用語が公式に採用・言及されている例は確認できません。各社が公開しているのは、マーケティング用語ではなく、クローラーの技術仕様と検索品質に関する純粋なガイドラインです。

検索エンジンの提供元は、生成AI検索向けにサイトを最適化する方法をまとめた公式ガイドの中で、次のように明言しています。

「検索の視点から見れば、生成AI検索への最適化は検索体験の最適化であり、依然としてSEOである」

AIによる検索の概要表示のような生成AI機能は、独立した新しいシステムではなく、コアとなる検索ランキングシステムに根ざしています。具体的には、検索拡張生成(RAG)という技術と、質問を複数の角度に展開する処理(クエリファンアウト)を使い、既存の検索インデックスから関連性の高いページを取得し、それらを情報源として回答を組み立てています。上の図のとおり、①検索エンジンにインデックスされ評価された状態がなければ、②AIが参照する情報として取得されず、③回答に引用されることもありません。従来のSEO要件(クロールされること、インデックスされること、技術的な健全性)を満たしていない時点で、AIの回答候補にすら挙がらないのです。クエリファンアウトとは、1つの質問を「価格」「機能」「評判」のような複数の切り口に自動で分解し、それぞれについて検索を行ってから1つの回答にまとめる処理です。つまり、狭い1つのキーワードだけで上位を取っていても、関連する複数の切り口のどこかで存在感が無ければ、回答の合成過程から外れてしまう可能性があります。

検索エンジンの提供元は同じ文書で、AI特化型をうたう次のような施策を「不要」と明確に位置づけています。

• 機械可読ファイルの新設は不要。llms.txtやAI向けの特別なマークアップ、Markdown専用ページを作る必要はない
• コンテンツの細分化は不要。1ページの中の複数トピックを理解し、該当部分を適切に抜き出す能力を検索システム側が備えている
• AI向けの不自然な書き換えは不要。類義語を無理に網羅したり構造を機械向けに歪めたりする行為は、むしろスパムポリシーに触れるリスクがある

なお、llms.txtについては、検索エンジンの担当者が個人の見解として、かつてSEO業界で使われ廃れた「キーワードのメタタグ」に例える発言を公の場で残しています。あくまで担当者個人の発言であり検索エンジンの公式ドキュメントそのものではありませんが、この分野に強い関心を持つ担当者自身が否定的な見解を示している点は、判断材料として重い事実です。詳しくはllms.txtとは何か、設置する前に確認すべきことで解説しています。

AIクローラーは、目的別に種類が分かれている

主要な生成AI各社は、用語こそ発信していませんが、クローラーの仕様は公式に細かく公開しています。ここを把握しているかどうかで、対策の精度が変わります。

学習用と検索用でクローラーが分かれている

主要なAI開発企業のクローラーは、目的ごとに分かれており、サイト運営者はそれぞれを個別に制御できます。

クローラーの種類	目的	学習への使用
検索用(SearchBot系)	チャット型AIの検索機能でのリアルタイム情報取得	使用されない
学習用(GPTBot・ClaudeBot等)	将来モデルの学習データ収集	使用される
ユーザー起点(User系)	ユーザーの指示によるオンデマンド訪問	自動巡回ではない
広告確認用(AdsBot系)	広告主のランディングページのポリシー確認	対象外

チャット型AIの検索結果に表示されるためには、robots.txtで検索用クローラーを明確に許可することが必須とされています。またAIがサイト構造を正確に理解できるよう、ボタンやメニューに適切なラベルを付けるアクセシビリティ関連の仕様に従うことも、複数のAI開発企業が公式に推奨しています。学習用クローラーとは別に検索用クローラーが用意されているため、自社の情報を学習に使われたくない場合でも、検索での引用だけを受け入れるという運用が成立します。

専門家の間でも割れている、2つの対立点

この領域は情報源によって解釈が食い違う部分が多く残っています。ここでは断定せず、両方の見解を並べます。

対立点1: 4つの用語は、上下関係にあるのか、同義なのか

多くの包括的なマーケティングレポートは、広義の「AIO」を最上位の傘概念とし、その下にLLM由来の合成回答を扱う「LLMO・GEO」と、直接回答を扱う「AEO」が並列に属するという見方を取ります。一方で、別の見解では、LLMOとGEOは実質的に同じ事象(LLMによる生成と引用)を指しており、提唱者が実務家か研究者かという出自の違いに過ぎないとされています。この階層論争そのものが、専門家の間でも決着していないという事実は覚えておく価値があります。仮に取引先の制作会社が「弊社はAIO専門です」「LLMOに特化しています」と看板を掲げていても、それは業界内でまだ合意のない分類の一方を選んで名乗っているに過ぎません。対策会社を選ぶ際に見るべき基準は、LLMO対策会社の選び方 発注前に確認すべき判断基準にまとめています。

対立点2: AEOとGEOは、抜き出すのか、作り出すのか

AEOは「既存のテキストの一部分をそのまま抜き出す」プロセスへの最適化であり、GEOは「複数のソースから情報を集め、AIが新しい文章として合成する」プロセスへの最適化だとする見方があります。強調スニペットのように1つのページからそのまま抜粋される場合はAEO寄り、複数サイトの情報を1つの回答にまとめ上げる場合はGEO寄り、という技術的な違いです。

では、従来のSEO対策はもう意味がなくなるのか

用語の対立を見ていくと、「結局SEOはこれから不要になるのか」という不安を抱く方も多いはずです。ここまで見てきた一次情報を踏まえると、答えは明確です。SEOはむしろ、生成AI時代の入り口としての役割を強めています。検索エンジンの提供元が「生成AI検索への最適化は検索体験の最適化であり、依然としてSEOである」と述べているとおり、AIの回答は検索インデックスという既存の土台から情報を取得する仕組みの上に成り立っています。SEOとLLMOの関係そのものについては、LLMO対策に新しい道具は要りません｜LLMOとはSEOと何が違うのかで詳しく扱っています。

つまり、検索順位で評価されていないページは、そもそもAIが参照する候補にすら挙がりません。SEOという土台があって初めて、AI向けの施策が意味を持つという順番になります。

言い換えれば、これはSEOとAI対策のどちらかを選ぶという二者択一の話ではありません。従来のSEOを継続しながら、そこに引用されやすい構造と事実密度を積み増していく、という積み上げの関係です。多くの中小企業がつまずくのは、この土台部分の整備が済まないまま、AI向けの施策だけを外部に発注してしまうケースです。

結局、中小企業が最初にやるべきことの優先順位

ここまでの内容を踏まえると、リソースの限られた中小企業が4つの用語の違いを暗記することに実務上の価値はありません。実務上認識すべき唯一の事実は、従来のSEOという土台の上に、AIが抜き出しやすい構造と、裏付けのある事実を積み増すことです。複数の一次情報で共通して効果が確認されている対策を、優先順位順に4つ示します。

優先順位1: AIクローラーのアクセス制御を先に決める

どれだけ良いコンテンツを作っても、クローラーを技術的に遮断していては意味がありません。検索用クローラーはrobots.txtで明確に許可し、自社の情報を学習に使われたくない場合は学習用クローラーを個別に拒否する、というハイブリッドな運用が可能です。あわせて、WAF(Web Application Firewall)やCDNがAIクローラーを不正ボットと誤認して遮断していないかも確認します。各社が公開する公式のIPアドレス帯域をホワイトリストに登録しておくと安全です。この作業自体は、既存のWeb制作会社や社内のエンジニアであれば、半日もあれば設定できる範囲です。まず着手すべきなのが、この最も低コストな1番だという点を覚えておいてください。

優先順位2: 情報を抜き出しやすい構造に組み直す

文章そのものの書き方は、LLMOに強いブログ記事の書き方：AIが引用しやすい文章構造とはで構造ごと解説しています。ここではまず要点だけ押さえます。AIモデルは人間のように文脈を情緒的に読み取りません。特定の質問に対する直接的な回答を、それだけで意味が通じる形で探しています。見出しの直下、最初の1段落で結論を書く逆ピラミッド型の構成、見出しそのものを「LLMOとは何か」のような疑問文にする書き方、そして1つの段落に1つの事実だけを書く自己完結型の文章が、AIにとって抜き出しやすい構造です。

たとえば「当社のサービスについて」という見出しは、読者が実際にAIへ打ち込む言葉とかけ離れています。「〇〇の費用はいくらですか」「〇〇はどんな会社に向いていますか」のように、読者の疑問文そのものを見出しに採用するだけで、AIが該当箇所を抜き出す精度は上がります。既存記事の見出しを直すだけで着手できる、比較的取り組みやすい対策です。

優先順位3: 事実密度を上げる(引用と統計)

前述のGEO論文の実証実験では、次の3つの執筆手法が、同一の条件下で比較して回答内での引用可視性を高めることが示されています。

手法	具体的な内容	効果の目安（同一指標での比較）
専門家の直接引用	信頼できる情報源の文章を鉤括弧で原文のまま引く	約+41%（3手法中もっとも高い）
統計データの追加	曖昧な表現を具体的な数字に置き換える	約+31%
出典の明記	主張の根拠がどこから得られた情報かを文中に明記する	約+28%

AIはもっともらしい嘘(ハルシネーション)を避けるため、検証可能な事実を強く好むということです。具体的には、「多くの企業が対策を始めている」という一文を、検証可能な具体的な数字を含む一文に置き換えるだけで、同じ主張が裏付けのある事実になります。この記事自体、ここまでの各段落で同じ書き換えを繰り返してきました。特別な文章力ではなく、公開したあとに本文を読み返し、曖昧な量の言葉を1つずつ数字か出典に置き換えるという、機械的にできる作業です。

優先順位4: ブランドという存在そのものを固める

AIに対して「自社が何者で、どんな専門性を持つ組織か」を構造的に理解させる作業です。既存のSEOで使われる構造化データ(組織情報・FAQ・記事)は、AI向けの特別なものではありませんが、情報の意味を正確に伝えるために引き続き重要です。公開日と更新日を明記し、情報を最新に保つことも欠かせません。優先順位1〜3が「1ページごとの対策」であるのに対し、この4番目だけは会社全体の情報を横断で整える作業になるため、着手には他の3つより少し長い時間がかかります。焦らず、優先順位1から順番に進めてください。

「自社サイトの充実」だけでは足りない、という研究結果

優先順位1〜4は、いずれも自社サイトの中で完結する対策です。しかし、海外の大学の研究チームが2025年9月に発表した論文では、生成AI検索が回答の情報源を選ぶ際、自社が発信する「オウンドメディア」よりも、第三者の権威ある媒体で語られている情報を、体系的かつ大きく優遇する傾向があることが実証されています。

この研究では、複数の業界のクエリについて、通常の検索結果とチャット型AIの回答それぞれの上位情報源の内訳を比較している。業界によっては、通常の検索結果では自社ドメインが情報源の過半数を占めていたのに対し、チャット型AIの回答では第三者の媒体が7割前後を占め、自社ドメインの比率が大きく下がるという逆転現象が確認されている。

つまり、自社サイトの中身をどれだけ整えても、その情報が第三者の媒体でまったく語られていなければ、AIの回答に採用される確率は構造的に不利になります。優先順位4で触れた「ブランドを固める」作業には、自社サイトの整備だけでなく、業界の専門メディアや信頼できる第三者の場で、自社の名前や実績が文脈とともに語られる状態を作ることまで含めて考える必要があります。

第三者に語ってもらう機会を、具体的にどう作るか

前述の研究結果を踏まえると、優先順位4の「ブランドを固める」作業は、自社サイトの構造化データを整えるだけでは半分しか終わっていません。もう半分は、自社の外側で自社の名前が語られる状態を作ることです。中小企業でも着手できる具体的な方法を3つ挙げます。

第一に、業界の専門メディアや取材サイトからの依頼に応じる体制を作ることです。取材や寄稿の依頼を後回しにせず、担当者を決めて対応できるようにしておくだけで、外部の媒体で自社が語られる機会が増えます。第二に、自社が持つ一次情報(独自のアンケート結果や、業務を通じて分かった実態など)を、プレスリリースや業界団体の場で公開することです。他のメディアが引用したくなるような具体的なデータほど、第三者の媒体に取り上げられやすくなります。第三に、業界内のオンラインコミュニティやQ&Aサイトで、専門家として実名で回答する活動です。いずれも新しい技術やツールを必要とせず、日々の業務の延長で始められます。

LLMO対策のやり方をチェックリストで確認する

上で示した優先順位を、そのまま実行タスクに落とし込みます。上から順に進めるだけで、LLMO・AIO・GEO・AEOのどれを名乗る対策であっても、実務上必要な範囲はほぼ網羅できます。

順番	やること	確認の仕方
1	検索用クローラーをrobots.txtで許可する	主要な検索用クローラーがAllowになっているか確認
2	学習用クローラーの扱いを決める	学習用クローラーを許可するか拒否するか、方針を1つに決める
3	見出しを疑問文の形に見直す	「〇〇とは」「〇〇のやり方」のように、読者が実際に打ちそうな言葉に近づける
4	見出し直下の1段落に結論を書く	背景説明を先に書いていないか、書いた後の段落を読み返して確認する
5	曖昧な量の表現を数字に置き換える	「多くの」「かなりの」といった言葉を本文から探し、裏付けのある数字に直す
6	信頼できる情報源を鉤括弧で引用する	公的機関・学術論文からの引用が本文にあるか確認する
7	第三者の媒体で語られる機会を増やす	業界メディアへの寄稿や取材対応の窓口を用意しているか確認する
8	公開日と更新日を明記し、古い記述を更新する	1年以上更新のないページから優先的に見直す

効果はどう測ればいいのか

AI経由のトラフィックは、AIの回答画面だけで疑問が解決してしまう「ゼロクリック検索」になりやすく、従来のアクセス解析だけでは効果を正確に捉えられません。測る指標と方法を分けて説明します。

まず押さえるべき2つの指標

1つ目は、特定の質問群をAIに投げたときに自社ブランドが言及される割合(AI回答内シェア)です。競合との相対的な比較に使います。2つ目は、AIが回答を生成する際に自社ドメインが情報源として明確にリンク・参照された回数(引用数)です。中小企業がまず記録すべきは、この2つで十分です。

サーバーログでAIクローラーの訪問を直接見る

最も確実な一次情報は、自社サーバーのアクセスログです。

• 主要な検索用クローラーのUser-Agentを含むリクエストを定期的に抽出・集計する
• アクセス元のIPアドレスを各社が公開する公式のIPレンジと突き合わせ、なりすましボットを除外する
• AIクローラーがどのページを、どれくらいの頻度で読み込んでいるかを見て、AI側から価値が高いと見なされているコンテンツを把握する

リファラで、流入の傾向を見る

アクセス解析ツールでは、参照元(リファラ)からのトラフィックを監視します。チャット型AI経由の流入には、サービスごとに固有のパラメータが自動的に付くことが多く、これをきっかけに専用のセグメントを作れます。AI経由の訪問者は、AIとの対話の中ですでに情報整理を終えてから訪問する傾向があるとされ、流入の「量」だけでなく「質」まで見ることが重要です。

専門ツールを使う場合の考え方

手動でAIに質問を入力して確認する方法は、AIの回答に一定のばらつきがあるため、正確な定点観測には向きません。確認したい質問の数が数個程度であれば手動確認でも足りますが、数十を超え、複数のAIを日次で追う必要が出てきた段階では、専用ツールの利用が現実的になります。ツールの選び方はLLMO対策ツールの選び方で解説しています。

Search Consoleでも確認できるようになってきた

Google Search Consoleには、AIによる検索の概要表示における自社コンテンツの表示回数やクリック数を確認できる機能が順次追加されています。既存のSearch Consoleに新しい項目が増えていないか、定期的に確認する習慣をつけておくとよいでしょう。

よくある質問

Q. LLMOとは何ですか？

A. 大規模言語モデル最適化(Large Language Model Optimization)の略で、生成AIが回答の中で自社の情報を引用するように対策することを指します。2022年末にAI関連企業の担当者が発信を始めたとされる実務家発の言葉で、学術的な裏付けを持つGEOとは出自が異なりますが、実務でやることはほぼ同じです。

Q. AIOとは何ですか？

A. AI最適化(AI Optimization)、またはAIによる検索の概要表示に対する最適化の略です。どちらの意味で使われているか文脈で判断する必要があり、4つの用語の中で最も定義がぶれやすい言葉です。

Q. AIO対策とLLMO対策の違いは何ですか？

A. AIOは対象範囲が広く、ブランドのデジタルフットプリント全体を指すことがあります。LLMOは大規模言語モデルの回答内での引用に絞った言葉です。ただし実務でやるべき対策はほぼ重なっており、この記事で示した優先順位1〜4を進めれば、どちらの対策としても機能します。

Q. LLMOとAEOの違いは何ですか？

A. AEOは強調スニペットや音声検索のように、既存の文章から一節をそのまま抜き出す仕組みへの最適化です。LLMOは、複数の情報源を合成して新しい回答を作る仕組みへの最適化を指し、GEOとほぼ同じ意味で使われます。

Q. 中小企業はLLMOとAIOのどちらを優先すべきですか？

A. どちらか一方を選ぶ必要はありません。検索エンジン側がこれらの用語を公式に区別していない以上、用語選びに時間を使うより、この記事の優先順位1〜4(クローラーの許可設定、情報の抜き出しやすさ、事実密度、ブランドの構造化)を先に進めるほうが実務上の効果につながります。

まとめ：LLMOとAIOの違いより大事なこと

LLMO・AIO・GEO・AEOという4つの言葉は、生成AIという検索の転換点で、それぞれ別の立場の人間が別のタイミングで名付けた過渡期の産物です。学術的な裏付けを持つGEO、実務家発のLLMO、過去の概念を転用したAEO、意味が2通りあるAIO。出自は違っても、目指すところは「AIが生成する回答に、自社を信頼できる情報源として引用させる」という1点で共通しています。

ここまでの内容を振り返ると、この記事自体も、信頼できる情報源からの直接引用、曖昧な表現を数字に置き換える言い換え、そして出典の明記という、優先順位3で挙げた対策をそのまま実践してきました。用語の違いを説明するための記事が、その説明の過程でAIに引用されやすい形になっている。この構造そのものが、実務で何をすべきかの答えでもあります。

最後にもう1つ。優先順位1〜4は、一度設定して終わりではありません。AIクローラーの仕様も、検索エンジンの公式見解も、この記事で紹介した数値も、今後1年で更新される可能性があります。月に1度、サーバーログとリファラの数字を見返し、新しい一次情報が出ていないかを確認する。この地味な繰り返しのほうが、どの用語を採用するかという議論よりも、はるかに実務上の効果につながります。

今日からできる点検

点検項目	今の状態	次にすること
robots.txtで検索用クローラーを許可しているか	未確認/許可済み/拒否している	主要な検索用クローラーの設定を今日中に確認する
主要な見出しが疑問文になっているか	なっている/なっていない	主要記事のH2を3つ選び、疑問文に書き換えてみる
曖昧な量の表現が残っていないか	ある/ない	「多くの」「かなりの」を本文検索し、数字に直す
信頼できる情報源からの直接引用があるか	ある/ない	公的機関・学術論文からの引用を1つ以上追加する
第三者の媒体で自社が語られる機会があるか	ある/ない	業界メディアへの寄稿や取材対応の窓口を検討する

ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。