「LLMO対策が重要らしいけど、具体的に何をすればいいの？」と感じているWeb担当者は少なくありません。
結論からお伝えすると、LLMO対策は「AIクローラーへの通行許可」→「読まれやすい構造づくり」→「引用されるコンテンツ改善」の順に進めるのが最短ルートです。
この記事では、現状診断からrobots.txt・llms.txtの設定、構造化データの実装、効果測定まで、今日から動ける7つの手順を具体的に解説します。
LLMO対策とは何か？
LLMO（Large Language Model Optimization）対策とは、ChatGPTやPerplexityなどのAIが回答を生成する際に、自社サイトを参照・引用してもらうための施策です。
SEO対策が「検索エンジンに上位表示される」ことを目的とするのに対し、LLMOは「AIの回答文に自社情報を組み込んでもらう」ことを目的とします。
LLMOはSEOの「敵」ではなく「拡張」である
LLMO対策はSEOを捨てて別の施策に乗り換えるものではありません。SEOで評価されているサイトはAIにも引用されやすい傾向があります。
理由は単純で、AIは信頼できる情報源を学習データや検索結果から判断しているからです。
SEOで積み上げてきたドメイン信頼性・コンテンツ品質・E-E-A-Tは、LLMOでもそのまま資産になります。SEOと並行してLLMOに対応することで、検索流入とAI経由流入の両方を取りにいける状態になります。
AIはどうやって情報を取得し引用しているのか
AIが自社サイトを引用する仕組みを理解しておくと、対策の方向性が定まります。AIの情報取得には大きく2つの方法があります。
1つ目は事前学習です。AIは公開前に大量のWebデータを学習しており、その知識をもとに回答を生成します。この場合、引用元のURLは表示されません。
2つ目はRAG（Retrieval-Augmented Generation：検索拡張生成）です。AIがリアルタイムでWebを検索し、取得した情報を要約・引用しながら回答を生成する仕組みです。
ChatGPTのBrowse機能やPerplexityの検索、Google AI Overviewsなどがこの方式を採用しています。RAGでは引用元のURLがリンクとして表示されるため、LLMO対策で自社サイトへの流入を増やすには、このRAG経由の引用を狙うのが基本方針になります。
各AIの情報取得方法を整理しておきましょう。
| AI | 情報取得の仕組み | クローラー名 |
|---|---|---|
| Google AI Overviews | Google検索インデックス経由 | Googlebot（共通） |
| ChatGPT | Bing検索 or Google検索経由 ＋ 独自クロール | OAI-SearchBot |
| Perplexity | 独自クロール ＋ Bing/Google参照 | PerplexityBot |
| Gemini | Google検索インデックス経由 | Googlebot（共通） |
| Claude | 独自クロール ＋ 検索API連携 | ClaudeBot |
| Copilot | Bingインデックス経由 | Bingbot |
Google AI Overviewsは検索結果の最上部にAI生成の要約回答を表示する機能で、LLMO対策において最も影響が大きいチャネルの一つです。
Google検索インデックスを直接参照するため、従来のSEO対策がそのままAI Overviews対策にもつながります。
なお、ChatGPTは従来Bingの検索インデックスを主に利用していましたが、2025年中盤以降はGoogleの検索結果を参照している可能性が指摘されています。いずれにせよ、GoogleとBingの両方でインデックスを整備しておくことが安全策です。
LLMO・AIO・GEOの違い
LLMO対策について調べると「AIO」「GEO」「AEO」といった似た用語に出会います。Technogramでは以下のように整理しています。
| 用語 | 正式名称 | 対象範囲 |
|---|---|---|
| AIO | Artificial Intelligence Optimization | AI最適化の戦略全体を指す上位概念 |
| LLMO | Large Language Model Optimization | AIOの中でも技術的な実装・データ最適化に特化 |
| AEO | Answer Engine Optimization | AIOの中でもコンテンツの書き方・構造に特化 |
| GEO | Generative Engine Optimization | 複数の生成AIプラットフォームへの最適化全体 |
実務上は、LLMOもGEOもほぼ同じ施策を指すケースが多く、厳密に区別する必要はありません。この記事ではLLMOという表記で統一しますが、GEO対策・AIO対策と呼ばれる施策も基本的に同じ内容です。
【手順1】LLMO対策を始める前に確認すること
まず自社サイトが現時点でAIにどう扱われているかを把握しましょう。診断なしに施策を始めると、すでに問題のない箇所に工数をかける非効率です。
自社サイトはAIに引用されているか？
以下のプロンプトをChatGPTやPerplexityに入力して確認します。
「[会社名]について教えてください」
「[サービス名]とは何ですか？」
「[業界キーワード]でおすすめのサービスを教えてください」自社サイトのURLや社名が回答に登場すれば、すでにある程度引用されています。まったく言及されない場合は、後述の手順を優先的に実施してください。
robots.txtがAIクローラーをブロックしていないか確認する
https://自社ドメイン/robots.txt にブラウザでアクセスして内容を確認します。以下のような記述があると、AIクローラーをブロックしている可能性があります。
User-agent: *
Disallow: /または特定のボットを名指しでブロックしている場合も要注意です。
User-agent: OAI-SearchBot
Disallow: /意図せずAIクローラーをブロックしていたケースもあります。
CMSの初期設定やセキュリティプラグインが原因であることが多いため、まずrobots.txtの中身を確認することを推奨します。
AIごとのクローラー名一覧
robots.txtで設定する際に必要なクローラー名をまとめました。
| AI・サービス | クローラー名 | 備考 |
|---|---|---|
| Google（AI Overviews・Gemini含む） | Googlebot | 通常のGoogleクローラーと共通 |
| ChatGPT（OpenAI） | OAI-SearchBot | Browse機能で使用 |
| Perplexity | PerplexityBot | 独自クロールに使用 |
| Bing（Copilot含む） | Bingbot | ChatGPTのBing経由参照にも影響 |
| Claude（Anthropic） | ClaudeBot | claude.aiのWeb参照機能 |
| Common Crawl | CCBot | 多くのLLMの学習データ源 |
Google AI OverviewsはGooglebotを共有しているため、Googlebotをブロックするとオーガニック検索とAI Overviewsの両方に表示されなくなります。ブロック対象の設定は慎重に行ってください。
【手順2】LLMO対策の優先順位
LLMO対策は「技術的な障壁を取り除く」→「AIに読まれやすくする」→「引用される確率を上げる」の順で進めるのが最も効率的です。以下のチェックリストをロードマップとして活用してください。
技術的な「通行止め」を解除する
最初に技術面の整備に集中します。コンテンツをどれだけ磨いても、AIクローラーがサイトにアクセスできなければ意味がないからです。
- robots.txtでAIクローラーをブロックしていないか確認・修正
- llms.txtを作成してルートディレクトリに設置
- Bingウェブマスターツールにサイトマップを送信
- Google Search ConsoleでクロールエラーがないかSEO観点で確認
AIに読まれやすい構造に整える
技術的な障壁を解消したら、AIが情報を正確に理解できる構造を作ります。
- 会社概要ページにOrganizationスキーマ（JSON-LD）を実装
- 主要な記事・サービスページにArticle/FAQスキーマを追加
- 著者プロフィールページの整備（E-E-A-T強化）
- ページ内にQ&A形式のFAQセクションを追加
- 自社のエンティティ情報（社名・代表者名・サービス名）を全チャネルで統一
引用される確率を上げるコンテンツ改善
構造が整ったら、コンテンツ品質の向上に継続的に取り組みます。
- 既存記事を「結論ファースト＋Q&A形式」に書き直す
- 独自データ・実績・事例を盛り込んだ記事を新規作成
- 外部サイトからの言及（サイテーション）獲得施策
- GA4とAhrefsでAI流入の計測・改善サイクルを回す
【手順3】robots.txtを修正してAIクローラーのアクセスを許可する
AIクローラーをブロックしないrobots.txtの書き方
AIクローラーへのアクセスを許可するには、robots.txtに明示的な許可設定を入れるか、ブロック設定を削除します。最もシンプルな対応は、AIクローラーのUser-agentに Disallow: を空にした記述を追加することです。
# 全クローラーへの基本設定
User-agent: *
Disallow: /wp-admin/
Allow: /
# AIクローラーへの明示的な許可
User-agent: OAI-SearchBot
Allow: /
User-agent: PerplexityBot
Allow: /
User-agent: ClaudeBot
Allow: /
User-agent: CCBot
Allow: /
逆に、AIに学習データとして使われたくないコンテンツがある場合は Disallow で除外できます。ただし、引用してほしいコンテンツはブロックしないようにしてください。
Bingウェブマスターツールにサイトマップを送信する
ChatGPTやCopilotはBingのインデックスを参照する割合が高いため、Bingウェブマスターツールでのサイトマップ送信が特に有効です。
手順は以下のとおりです。
- Bing Webmaster Toolsにアクセスしてサイトを登録する
- 左メニューの「サイトマップ」からXMLサイトマップのURLを送信する
- Google Search Consoleと連携済みの場合はインポート機能で簡単に登録できる
Googleのインデックスだけでなく、Bingのインデックスも整備しておくことで、ChatGPTとCopilotの両方に自社情報が参照される機会が増えます。
【手順4】llms.txtを設置してサイト構造をAIに伝える
llms.txtとは？設置場所と基本の記述例
llms.txtは、AIがサイト全体の構造・目的・重要ページを素早く把握するためのテキストファイルです。SEO向けのsitemap.xmlに相当するものと考えるとわかりやすいでしょう。
設置場所：https://自社ドメイン/llms.txt（ルートディレクトリ直下）
記述例：
# Technogram
> TechnogramはAIO/SEO・Web広告・データ分析・Web制作を提供するデジタルマーケティング会社です。
## サービス
- [AIO/SEO対策](https://www.technogram.co.jp/service/aio-seo/): AI検索最適化と従来SEOを組み合わせた統合支援
- [Web広告運用](https://www.technogram.co.jp/service/ad/): Google広告・Meta広告の戦略立案から運用代行
- [データ分析](https://www.technogram.co.jp/service/analytics/): GA4・BigQuery・LookerStudioによる分析基盤構築
## ブログ（最新記事）
- [AIOとLLMOの違い](https://www.technogram.co.jp/aio-seo/aio-vs-llmo/)
- [LLMO対策のやり方](https://www.technogram.co.jp/aio-seo/llmo-how-to-start/)
## 会社情報
- [会社概要](https://www.technogram.co.jp/company/): 設立年・代表者・事業内容
- [実績・事例](https://www.technogram.co.jp/case/): 支援実績一覧
## 重要：除外ページ
- /wp-admin/ にはアクセス不要
llms.txtとrobots.txtとsitemap.xmlの役割分担
| ファイル | 目的 | 対象 |
|---|---|---|
| robots.txt | クローラーのアクセス制御（許可・禁止） | 全クローラー共通 |
| llms.txt | サイト構造・重要情報の案内 | LLM・AIエージェント向け |
| sitemap.xml | インデックスさせたいURLの一覧提供 | 検索エンジン向け |
3つは役割が異なるため、それぞれ設置することをおすすめします。
llms.txtの現時点での効果と注意点
llms.txtは2024年後半から普及しつつある新しいファイル形式ですが、2026年3月ではすべてのAIがllms.txtを正式にサポートしているわけではありません。
ChatGPTやPerplexityがllms.txtを参照しているかどうかは明確に公表されておらず、「設置したから確実に引用される」とは限りません。
ただし、設置のコスト自体が低いこと、また今後AI側の対応が進む見込みがあることから、「効果が不確定でもやっておいて損はない先行投資」として設置を推奨します。
設置しているサイト自体がまだ少ないため、差別化の要素にもなりえます。
【手順5】構造化データ（JSON-LD）でAIに自社情報を正確に伝える
構造化データを実装することで、AIはページの内容を曖昧に推測するのではなく、明確な形式で情報を受け取れます。これはAIに引用されやすくなることに直結します。
最優先で実装すべき3種類の構造化データ
- Organization：会社概要ページに実装。社名・住所・事業内容・SNSアカウントをAIに正確に伝える
- Article / BlogPosting：ブログ記事に実装。著者・公開日・更新日・本文の信頼性シグナルを付与
- FAQPage：FAQ形式のコンテンツに実装。Q&Aの内容が直接引用されやすくなる
会社概要ページに入れるOrganizationスキーマの実装例
ページ内に以下のようなコードを追加します。
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Organization",
"name": "Technogram株式会社",
"url": "https://www.technogram.co.jp",
"description": "AIO/SEO・Web広告・データ分析・Web制作を提供するデジタルマーケティング会社",
"address": {
"@type": "PostalAddress",
"addressCountry": "JP",
"addressRegion": "東京都"
},
"sameAs": [
"https://twitter.com/technogram",
"https://www.linkedin.com/company/technogram"
]
}
</script>
記事・FAQ・HowToスキーマの使い分け
| スキーマタイプ | 使うページ | 特徴 |
|---|---|---|
| Article / BlogPosting | ブログ記事 | 著者・公開日・更新日を明示 |
| FAQPage | FAQ掲載ページ | Q&A形式でAIに内容を直接提供 |
| HowTo | 手順解説ページ | ステップ形式の手順をAIが抽出しやすい |
| LocalBusiness | 店舗・拠点ページ | 営業時間・住所・電話番号の明示 |
構造化データとエンティティの関係
構造化データがLLMOに効く理由は、AIに自社を「エンティティ」として正確に認識させるためです。
エンティティとは、AIや検索エンジンが「意味を持つ固有の存在」として識別する対象を指します。会社名・代表者名・サービス名・所在地などがこれにあたります。
AIは回答を生成する際、まずエンティティを手がかりに情報源を選びます。自社のエンティティが正しく認識されていないと、引用候補から外れてしまうリスクがあります。
構造化データ（Organization・Person・Article等）を実装することで、「この社名はこの会社を指す」「この記事はこの人が書いた」という情報をAIに明確に伝えられます。加えて、サイト・SNS・外部プロフィールで社名や担当者名の表記を統一することもエンティティ認識の強化に有効です。
Technogramでもクライアントサイトおよび自社サイトで構造化データ（Organization・Article・FAQPage等）をコンテンツに合わせて網羅的に実装した結果、体感としてAI Overviewsの引用元として表示される頻度が向上しました。
構造化データは「入れたら即効果」というものではありませんが、中長期でAIに正しく認識される基盤として欠かせない施策です。
【手順6】AIが引用したくなるコンテンツに整える
技術設定が完了したら、次はコンテンツ品質の向上です。AIが回答を生成する際、「結論が明確で・信頼性が高く・情報が最新の」コンテンツを優先的に引用する傾向があります。
「結論ファースト＋Q&A形式」が引用されやすい理由
AIは自然言語の質問に対して回答を生成します。そのため、「質問に対して最初の1〜2文で答えが書いてある」コンテンツは引用しやすい形式です。
具体的なコンテンツ改善のポイントは下記です。
- 各H2セクションの冒頭で結論を1文で述べる
- FAQセクションを設け、ユーザーが検索しそうな質問に答える
- 箇条書きや表でスキャンしやすくする
- 一文は60文字以内を意識して簡潔に書く
一次情報（独自データ・実績・事例）を入れると引用率が上がる
AIは同じ内容の記事が複数あるとき、独自性のある情報（自社データ・実体験・具体的な数字）を含むコンテンツを優先する傾向があります。
独自情報の例として入れると効果的なものは下記です。
- 支援実績の数字（「〇社に導入、平均〇%改善」）
- 自社で実施した調査・テスト結果
- 競合他社では書けない現場レベルのノウハウ
- 特定の事例・成功事例の詳細
独自調査データや具体的な数字を盛り込んだ記事はそうでない記事と比べてAIに引用される頻度が明らかに高い傾向があります。実績や数字を足せるセクションがあれば、具体的な数字で埋めることを推奨します。
ChatGPTとPerplexityでコンテンツ要件に違いはあるか？
基本的なコンテンツ品質（E-E-A-T・結論ファースト・独自性）は両者共通ですが、細かい傾向に差があります。
| 観点 | ChatGPT | Perplexity |
|---|---|---|
| 情報鮮度 | Bing/Googleインデックス依存のため更新に時差あり | 独自クロールで比較的リアルタイム |
| 引用スタイル | 長文の要約引用が多い | 短文・箇条書きの引用が多い |
| 重視する要素 | ドメイン権威・外部リンク数 | ページ内容の直接性・鮮度 |
なお、AI OverviewsについてはGoogleの検索インデックスをそのまま参照するため、SEOで上位表示されているコンテンツがAI Overviewsにも引用されやすいという明確な相関があります。
E-E-A-Tを可視化してAIに「信頼できる情報源」と認識させる
E-E-A-T（経験・専門性・権威性・信頼性）はLLMOにおいても重要な評価軸です。AIは「誰が書いたか」「どれだけ信頼される情報源か」を判断材料にして引用するかを決めています。
著者情報・会社概要・実績ページの充実が効く理由
AIはサイト全体の信頼性を複数の要素から評価します。以下の要素を整備することで、E-E-A-Tシグナルを可視化できます。
- 著者プロフィールページ：担当者の経歴・資格・実績を記載。記事に著者情報のリンクを張る
- 会社概要ページ：設立年・代表者名・事業内容・所在地を明示
- 実績・事例ページ：具体的な支援実績・数字・お客様の声
- 外部メディアへの掲載歴：プレスリリース・業界メディアへの寄稿・取材実績
外部サイトからのサイテーション（言及）を増やす方法
AIが参照するのは自社サイトだけではありません。外部サイトで自社名・サービス名・URLが言及されている（サイテーション）ほど、AIの学習データに含まれる機会が増え、信頼性シグナルとして機能します。
サイテーション獲得の具体的な施策は下記です。
- プレスリリースを定期的に配信する（PR TIMES等）
- 業界メディア・専門ブログへの寄稿・取材対応
- セミナー・ウェビナーへの登壇
- Wikipediaや業界団体への情報提供（参照リンクの自然な獲得）
【手順7】LLMO対策の効果をどう測定するか
LLMO対策の効果測定は、GA4の参照元トラフィック分析とブランドモニタリングツールの組み合わせが現実的です。
GA4の探索レポートで生成AI流入を確認する手順
- GA4管理画面 → 「探索」→「空白」を選択
- ディメンション：「セッションのデフォルトチャネルグループ」または「参照元/メディア」を追加
- フィルター条件に以下を設定して絞り込む
確認すべき参照元の例は下記です。
chatgpt.com / referral
perplexity.ai / referral
claude.ai / referral
gemini.google.com / referral月次でこれらの数値をモニタリングし、施策前後の変化を記録することで対策の効果が把握できます。
Technogramでもクライアントサイトおよび自社サイトのGA4を定期的に確認していますが、AI経由の流入は検索エンジン経由と比べるとまだ少ないものの、月ごとに確実に増加傾向にあります。
特にChatGPTからのreferralが飛び抜けて多く、次いでPerplexity・Geminiが続くという傾向が見られました。現時点での絶対数は小さくても、定点観測を始めておくことが重要です。
Ahrefsブランドレーダーで引用状況を確認する
Ahrefsの「ブランドレーダー（Brand Radar）」機能では、AIの回答に自社が登場しているかをモニタリングできます。ChatGPT・Perplexity・Geminiの回答への出現率を定期的にチェックしましょう。
Technogramでは、クライアントと競合他社のブランドレーダーを比較し、AI引用状況の差分を把握した上で対策の優先順位を決定しています。
AEO・LLMOの効果測定手法の詳細は「AEO対策とは？SEOとの違い・具体的な施策〜効果測定」でも解説しています。
効果が出るまでの現実的な時間軸
| 施策 | 効果が出るまでの目安 |
|---|---|
| robots.txt修正・llms.txt設置 | 1〜4週間（クローラーの再訪問後） |
| 構造化データ実装 | 2〜8週間 |
| コンテンツ品質改善 | 3〜6ヶ月 |
| E-E-A-T・サイテーション強化 | 6〜12ヶ月 |
まとめ
LLMO対策のやり方を7つの手順でまとめると、次のとおりです。
- 現状診断：AIに引用されているか確認し、robots.txtのクローラーブロックをチェックする
- ロードマップ作成：技術対応→構造整備→コンテンツ改善の順で進める
- robots.txt修正：AIクローラー（OAI-SearchBot・PerplexityBotなど）へのアクセスを許可する
- llms.txt設置：サイト構造・重要ページをAIに案内するファイルをルートに置く
- 構造化データ実装：OrganizationスキーマとFAQスキーマを優先的に追加する
- コンテンツ改善：結論ファースト・Q&A形式・独自情報の追加でAIが引用しやすい形に整える
- 効果測定：GA4の参照元レポートとAhrefsブランドレーダーで月次モニタリングを行う
まずはrobots.txtの確認とllms.txtの設置から始めてみてはいかがでしょうか。技術的なハードルが低く、今日から着手できる施策です。LLMOの概念から理解したい方は「AIOとLLMOの違い」もあわせてご覧ください。
よくある質問（FAQ）
Q. SEOの順位が低いサイトでもLLMO対策は意味がありますか？
はい、意味があります。AIは必ずしも検索順位順に引用するわけではなく、コンテンツの信頼性・構造・専門性で判断します。ただしSEOで高評価のサイトは引用されやすい傾向もあるため、LLMO対策とSEO対策を並行して進めることを推奨します。
Q. llms.txtを設置しないと引用されませんか？
llms.txtがなくても引用されることはあります。ただし、llms.txtを設置するとAIがサイト構造を正確に把握しやすくなるため、設置しておくほうが有利です。現時点では設置しているサイト自体がまだ少なく、差別化要素にもなります。
Q. ChatGPTとPerplexityで対策方法は変わりますか？
基本的なコンテンツ品質やE-E-A-T強化は共通です。ただしChatGPTはBing/Google経由のインデックスを主に参照するためBingウェブマスターツールへのサイトマップ登録が有効で、Perplexityは独自クロールも行うためrobots.txtでのPerplexityBotへのアクセス許可設定が直接効きます。
Q. LLMO対策の効果が出るまでどのくらいかかりますか？
技術設定（robots.txt・llms.txt）は数週間以内に反映されることが多いですが、コンテンツ品質の評価向上には3〜6ヶ月が目安です。効果測定をGA4とAhrefsで継続的に行いながら改善サイクルを回すことが重要です。
Q. LLMO対策は自社でできますか？外注すべきですか？
robots.txtの修正やllms.txtの設置はエンジニアが不要なケースも多く、まず自社で対応できる範囲から着手することを推奨します。構造化データの実装やコンテンツ戦略の設計は専門知識が必要なため、リソースが限られる場合は外部の専門会社に相談するのが効率的です。
