LLMO（大規模言語モデル最適化）とは？
SEOとの戦略的な違いと始め方
こんにちは、ツバサです。
SEO関連の記事を読んでいると、最近「LLMO」「GEO」「AIO」という見慣れない言葉が頻繁に出てきます。どれもAI検索に対応するための施策らしいけど、何がどう違うのかが分かりにくい。さらに2026年5月15日にはGoogleが公式ドキュメントで「AEOやGEOといった別概念は不要、AI検索向けの最適化はSEOと同じ」と明言する動きもあり、ますます混乱しがちな状況です。この記事では、LLMO・GEO・AIO・AEO・AI SEOといった用語を整理して、Googleの公式見解との関係や、小規模事業者が最低限知っておくべきことをまとめました。
LLMOとは
LLMOはLarge Language Model Optimizationの略で、日本語では「大規模言語モデル最適化」と訳される。ChatGPT、Gemini、Claude、Perplexityなどの生成AIが回答を生成するとき、自社の情報やブランド名が「引用」「推薦」される状態を作るための施策にあたる。
従来のSEOが「Googleの検索結果で上位表示を狙う」のに対し、LLMOは「AIの回答文の中で名前が挙がる」ことを目指す。たとえばPerplexityに「レタッチの外注先でおすすめは？」と聞いたとき、自社の名前が回答に含まれていればLLMOが機能していると言える。
AIは回答を生成するとき、RAG（Retrieval-Augmented Generation）という仕組みでWeb上の情報を取得し、そこから要約や推薦文を組み立てる。このとき参照されるのは、検索結果の上位ページであることが多い。Google検索セントラルが2026年5月15日に公開した生成AI向け最適化ガイドでも、「SEOのベストプラクティスは生成AI機能でも引き続き有効」「AEOやGEOといった別概念は不要、Google検索の観点ではすべてSEOである」と明記されている。
G Google検索セントラル｜生成AI機能向けの最適化ガイド（2026年5月15日更新） developers.google.comLLMO・GEO・AIO・AEOの違い
AI検索への最適化を指す用語は複数あるが、やっていることの本質はほぼ同じになる。各社が自社サービスに合わせて異なる名称を使っているだけで、検索する側が混乱する原因になっている。
| 用語 | 正式名称 | 対象 | 使っている会社の例 |
|---|---|---|---|
| LLMO | Large Language Model Optimization | ChatGPT・Gemini・Perplexity等のLLM全般 | PLAN-B、メディアリーチ、アドカル |
| GEO | Generative Engine Optimization | LLMOとほぼ同義。生成AI検索の総称 | Faber Company（ミエルカGEO）、CINC |
| AIO | AI Overview Optimization | GoogleのAI Overviewsに特化 | ジオコード、東京SEOメーカー |
| AEO | Answer Engine Optimization | 音声検索・AI検索を含む「回答エンジン」全般 | 一部の海外SEO企業 |
| AI SEO | （造語） | SEOのうちAI検索対応を含む拡張概念 | Faber Company、ニュートラルワークス |
「LLMO対策」で検索しても「GEO対策」で検索しても、出てくるのは同じ種類のサービスになる。どの名称で調べても問題ない。
ちなみにGoogleは2026年5月15日の公式ドキュメントで、こうした用語の乱立にひとつの整理を入れている。「Google検索の生成AI機能（AI Overviews・AI Mode）への最適化は、Google検索全体への最適化と同じであり、結局SEOである。AEOやGEOといった別概念を立てる必要はない」というのが公式の立場になる。少なくともGoogle側はLLMO/GEO/AIOといった呼び名を採用していないので、Google検索を主戦場にする場合は「SEOの延長」と理解しておけば問題ない。一方で、ChatGPTやPerplexityなどGoogle以外のAI検索を狙う場合は、各社独自のクローラー挙動も視野に入れる必要があり、その文脈ではLLMOという呼び方も実態に即している。
SEOとLLMOの関係
SEOとLLMOは対立する概念ではなく、LLMOはSEOの延長線上にある。ミエルカのYouTubeチャンネルやXでの発信を見ても、SEOの実務者の多くは「本質的にやることは同じ」という見解を取っている。
具体的に共通している部分は以下の通り。
- 高品質なコンテンツを作る（一次情報、専門性のある記述）
- 構造化データ（JSON-LD）でページの内容を機械に伝える
- E-E-A-T（経験・専門性・権威性・信頼性）を高める
- サイト構造を整理して、クローラーが情報を取得しやすくする
LLMOで追加されるのは、FAQの充実（AIが回答を組み立てるときの素材になる）、エンティティの明確化（著者や組織の情報を構造化データで定義する）、llms.txtの設置（AIクローラー向けのサイト案内）といった要素になる。ただしllms.txtに関してはGoogleが2026年5月の公式ドキュメントで「不要」と表明しており、Google検索のAI機能を主戦場にする場合は無理に設置する必要はない。ChatGPTやClaude、PerplexityなどGoogle以外のAI検索向けに残しておきたい場合は、コストもゼロなので設置する選択もある。いずれにせよSEOの基盤が整っていることが前提で、そこに上乗せする立ち位置の施策と捉えるのが妥当だろう。
一方で、「戦術が似ている」ことと「同じもの」であることは別の話だという指摘もある。SEO×LLMO支援を手がけるLANY代表の竹内渓太氏は、SEOでは検索ボリュームやGA4のCV数で「何をしたら儲かるか」が比較的はっきりしていたため、戦術の専門性だけで事業に貢献できたが、LLMOではプロンプトの検索数もAI推奨シェアと売上の因果関係も見えないため、「この事業でLLMOはどうあるべきか」という戦略設計から始めなければならないと述べている。
ファネル上の位置づけも異なる。SEOがWebサイトへの「入口」を獲得する施策（TOFU〜MOFU）だったのに対し、AI検索はユーザーがAIとの対話を通じて最終的にどれを選ぶかの「出口」に近い（MOFU〜BOFU）。竹内氏はこの違いを踏まえて「AI検索はSEOよりもブランドマーケティングに近い」と表現している。SEOと同じKPI設計でLLMOに取り組むと噛み合わなくなる可能性があり、戦術の共通性だけを見て「結局同じ」と片付けないことが重要だ。
X 竹内渓太（LANY）｜SEOとLLMOは、地続きだけど、同じじゃない（2026年5月21日） x.com/take_404逆に言えば、SEOの基本ができていないサイトにLLMO対策だけ施しても効果は薄い。まずSEOの土台を固めてから、LLMO固有の施策を追加するのが正しい順序になる。
Google・ChatGPT・Perplexityの公式ガイドライン
2026年5月時点で、AI検索向けのコンテンツ最適化ガイドラインを公式に公開しているのはGoogleだけだ。他社は、クローラーの制御方法（robots.txtでのブロック/許可）は公開しているが、「どうすれば引用されやすくなるか」を体系的にまとめた公式ドキュメントは出していない。
| サービス | 公式最適化ガイド | 重複コンテンツへの言及 | クローラー制御 |
|---|---|---|---|
| Google（AI Overviews / AI Mode） | あり（2026年5月15日公開） | あり（「Reduce duplicate content」を技術要件に記載） | Googlebot（従来通り） |
| OpenAI（ChatGPT Search） | なし（ヘルプに「ランキング要因は複数あるが保証はない」とのみ記載） | なし | OAI-SearchBot / GPTBot / ChatGPT-User（独立制御可） |
| Perplexity | なし（Publisher Programの参加条件のみ公開） | なし | PerplexityBot |
| Microsoft（Copilot / Bing） | なし（従来のBing Webmaster Guidelinesのみ） | なし（Bingの既存canonical処理は適用される） | Bingbot |
各社の公式ドキュメントや公式ブログに書かれている情報と、AI自身の回答を混同しないよう注意が必要だ。たとえばPerplexityに最適化の方針を質問すると回答は返ってくるが、それはPerplexity社の公式見解ではなく、LLMが生成した文章にすぎない。
ただし技術的な仕組みは各社で共通している部分がある。GoogleはQuery fan-out（ユーザーのクエリを複数のサブクエリに分解して並行検索する仕組み）を公式に説明しているが、Perplexityも同様のQuery decompositionを採用しており、ChatGPT Searchも内部でクエリを書き換えて複数回検索していることがヘルプページに記載されている。サイト内に似たページが複数あると、分解された各サブクエリに対して別々のページが引っかかり、どれを引用すべきかAIが判断しにくくなるリスクは、どのAI検索でも構造的に存在する。
O OpenAI Help Center｜ChatGPT search help.openai.com P Perplexity公式ブログ｜Introducing the Perplexity Publishers' Program perplexity.aiLLMOで重要な施策
構造化データ（JSON-LD）の実装
AIがサイトの内容を理解するための「データ構造」を整える作業。特にFAQPage（よくある質問）、Article（記事情報）、Person（著者情報）のJSON-LDは、AIが回答を生成するときの素材になりやすい。なおGoogleは2026年5月の公式ドキュメントで「構造化データはランキング要因ではなく、生成AI機能のために必須でもない」とも明言している。ただし検索結果のリッチリザルト表示（FAQ・パンくず・著者情報など）には引き続き効果があり、結果的にクリック率の改善に寄与する。「直接の効果」より「副次的なメリット」を狙う施策と捉えるのが現実的だろう。
ツ 構造化データ（JSON-LD）の書き方｜FAQPage・Articleの実装手順 tsubasa-memo.github.io/json-ld-guide.htmlllms.txtの設置
2025年に提唱された仕様。サイトのルートディレクトリにテキストファイルを置き、AIクローラーに「このサイトには何があるか」を伝える。robots.txtが検索エンジンのクローラー向けであるのに対し、llms.txtはChatGPTのGPTBotやClaudeのClaude-botに向けた案内板にあたる。
ただしGoogleは2026年5月の公式ドキュメントで、llms.txtを含むAI向けの特別ファイルを「不要」と明言している。Google検索のAI機能（AI Overviews・AI Mode）を主戦場にする場合は、設置しても特別扱いはされない。一方でChatGPTやClaude、Perplexityなど他社AIへの対応として残しておく選択肢はあり、その判断基準は別記事に整理した。
ツ llms.txtとは？Googleは不要と表明｜それでも設置すべき理由と書き方 tsubasa-memo.github.io/llms-txt-guide.htmlFAQの充実
AIは「質問に対する回答」を生成する仕組みなので、FAQ形式のコンテンツは引用されやすい。ページ内にFAQセクションを設け、さらにFAQPage JSON-LDでマークアップすれば、Google検索のリッチリザルトとAI引用の両方を狙える。
一次情報の発信
AIはWeb上の情報を要約するが、新しい体験や独自のデータを生み出すことはできない。事業主自身の「専門家としての知見」「顧客の成功体験」「自社独自の調査データ」は、AIが引用したくなる素材になる。金をかけなくても、自分の経験を記事にするだけで競合との差別化になる。
サイト内の重複コンテンツの整理
従来のSEOでは、カニバリゼーション（同テーマの記事がサイト内で競合する状態）はペナルティの対象ではなかった。Googleも「重複コンテンツがあっても自動的に減点にはならない」というスタンスで、あくまでページ間で評価が分散する効率性の問題として扱われていた。
ところが2026年5月15日のAI最適化ガイドで、Googleは「Reduce duplicate content」を生成AI検索向けの技術要件として明記した。AI検索ではQuery fan-out（ユーザーのクエリを複数のサブクエリに分解して並行検索する仕組み）が使われるため、サイト内に似たページがあるとサブクエリごとに別のページが引っかかり、AIがどれを引用すべきか絞り込めなくなる。結果として、どのページもAI回答に採用されないリスクがある。従来の「ペナルティではないから気にしなくていい」という整理は、AI検索の時代には通用しなくなった。
対策は3つある。まず、同テーマの記事群で1ページをハブ（親記事）に指定し、内部リンクで階層構造を明確にすること。次に、同じ検索意図に対して複数ページが応答している場合は、コンテンツを統合するかcanonicalタグで正規URLを指定すること。最後に、用語集やFAQページが通常記事と同じ内容を重複している場合は、用語集側からcanonicalで通常記事に寄せること。
ここで注意したいのは、「同じテーマの記事が複数あること」自体が問題なのではなく、「同じ検索意図に対して複数ページが競合している状態」が問題だという点。たとえば「レタッチ 外注 相場」というクエリに対して料金一覧・料金ガイド・個人向け相場の3ページが全部ヒットする状態はリスクだが、料金一覧（相場を知りたい人向け）・外注のコツ（依頼の仕方を知りたい人向け）・比較記事（2社を比べたい人向け）はそれぞれ別の意図に応えているので競合しにくいはずだ。
小規模事業者がまずやるべきこと
LLMO対策のコンサル会社に月額20万〜50万円を払う必要はない。以下のステップは無料で実施でき、LLMOの基盤になる。
- 現状確認：ChatGPTやPerplexityに自社に関するキーワードを入力して、AIが自社をどう認識しているか（あるいは認識していないか）を確認する
- 構造化データの実装：FAQPage、Article、BreadcrumbListのJSON-LDをサイトに追加する。WordPressならYoast SEOやRank Mathの無料版で対応できる
- FAQセクションの追加：各記事や商品ページに、読者が疑問に思いそうなQ&Aを追加する。リッチリザルト表示にも有効
- llms.txtの設置（任意）：Googleは不要と表明しているが、ChatGPT・Claude・Perplexityなど他社AI向けの対策として有効。コストはゼロなので残しておく価値はある
- Google Search Consoleで確認：構造化データが正しく認識されているか、URL検査ツールでチェックする
よくある質問
Q. LLMOとは何の略？
A. Large Language Model Optimizationの略で、日本語では「大規模言語モデル最適化」。ChatGPT・Gemini・Perplexityなどの生成AIが回答を生成する際に、自社の情報を引用・推薦させるための最適化施策を指す。
Q. LLMOとSEOの違いは？
A. SEOはGoogleなどの検索エンジンで上位表示を目指す施策。LLMOは生成AIの回答文の中で自社が引用・推薦されることを目指す施策。ただし業界の実務者の間では「本質的にやることは同じ」という見解が多く、良質なコンテンツと構造化データの整備が両方の基盤になる。
Q. LLMOとGEOとAIOの違いは？
A. LLMOはChatGPTやGeminiなどLLM全般への最適化。GEO（Generative Engine Optimization）はLLMOとほぼ同義の総称。AIOはGoogleのAI Overviewsに特化した最適化。ただし2026年5月15日のGoogle公式ドキュメントでは「AEOやGEOといった別概念は不要、Google検索の観点では結局SEOである」と明言されている。Google検索を主戦場にするならSEOの延長として捉え、ChatGPT・Claude・Perplexityなど他社AIも狙うならLLMOという呼び方の方が実態に即している。
Q. LLMOは小規模事業者にも必要？
A. 業種とターゲットによる。自社の見込み客がChatGPTやPerplexityで情報収集している可能性があるなら取り組む価値がある。ただし月額数十万円のコンサルは不要で、構造化データの整備、FAQ設計、llms.txtの設置など無料でできることから始めるのが現実的。
Q. LLMO対策を自分でやるには何から始めればいい？
A. まずChatGPTやPerplexityに自社に関するキーワードを入力して、AIが自社をどう認識しているか確認する。次にFAQPage JSON-LDの実装、著者情報の構造化データ整備、各ページのFAQ充実を行う。llms.txtの設置はGoogleが「不要」と表明しているため必須ではないが、ChatGPTやClaude、Perplexity向けには有効でコストもゼロなので、余裕があれば追加する。これらはすべて無料で実施でき、LLMO対策の基盤になる。
Q. Google以外のAI検索（ChatGPT・Perplexity）にも最適化は必要？
A. 必要になるケースはある。ただし2026年5月時点で、AI検索向けのコンテンツ最適化ガイドラインを公式に公開しているのはGoogleだけ。OpenAI（ChatGPT Search）とPerplexityはクローラー制御の仕組みは公開しているが、「こうすれば引用されやすい」という公式ガイドは出していない。技術的にはどのサービスもクエリ分解＋RAGの仕組みを使っており、良質なコンテンツと構造化データの整備はどのサービスでも共通して有効と考えられる。まずはGoogleの公式ガイドに沿った対策を優先し、余裕があれば各社のクローラー許可設定を確認する順序が現実的。
よく読まれている記事
