LLMOとSEOの違い｜両立させる設計の考え方

最大の違いは成果の発生場所です。SEOは検索結果ページ(SERP)に自社ページを上位表示させ、クリックを獲得することで成果が生まれます。LLMOはAIが生成する回答文の中に自社名やURLが含まれることで成果が生まれ、クリックが発生しない場合もあります。

評価される単位も異なります。SEOはページ単位で評価されますが、AIは回答を組み立てる際にページ全体ではなく、見出し配下の数百文字の塊(チャンク)を単位として引用します。そのため、ページ全体で網羅的であっても、個々のセクションが単独で意味を成さなければ引用されにくくなります。

成果指標も変わります。SEOは掲載順位・クリック数・流入数で測りますが、LLMOは各AIでの言及有無、紹介順、引用URL、そしてAI経由の参照トラフィックで測る必要があります。

AI検索が広がっても、従来の検索がなくなるわけではないためです。比較検討の初期段階でAIに質問し、最終的な確認は検索エンジンで行う、という併用が一般的になっています。どちらか一方だけを最適化すると、購買プロセスのどこかで接点を失います。

さらに実務上の理由として、多くの生成AIは回答を作る際にウェブ検索を併用します。検索結果の上位に入っていないページは、そもそもAIの参照候補に上がりません。つまりSEOでの上位表示は、LLMOの前提条件として機能する場面があります。

逆に、AIに引用されることで指名検索が増え、それが検索評価に跳ね返るという循環も起こります。両者は競合ではなく補完関係にあります。

技術要件の多くは共通しています。クロール可能であること、ページが高速に表示されること、構造化データが正しく実装されていること、情報の出典と更新日が明示されていることは、検索エンジンにもAIにも同じように評価されます。

内容面では、一次情報と具体性が共通の要件です。どこにでもある一般論の寄せ集めは、検索でも上位に入りにくく、AIが引用する理由もありません。独自の調査データ、実際に検証した手順、具体的な数値は、どちらの経路でも強く効きます。

運営者情報の明示も共通します。誰が書いたか分からない情報は、検索評価でもAIの引用判断でも不利になります。

第一に、結論を先に書く構成への転換です。AIは冒頭部分を重視して引用判断を行うため、リード文と各セクションの1文目で問いに答え切る必要があります。背景説明から入る従来型の構成は不利になります。

第二に、セクションの自己完結性です。各見出し配下の文章が、前後の文脈なしで読んで意味が通るように書きます。「前述の通り」「これは」といった指示語を避け、主語を明示することが有効です。

第三に、見出しを質問文にすることです。ユーザーがAIに尋ねる形(「〜とは?」「〜の選び方は?」「費用はいくら?」)に見出しを合わせると、質問と回答の対応が明確になり引用されやすくなります。

第四に、llms.txtの設置とFAQPageなどの構造化データの実装です。AIにサイト構成と要点を伝える経路を用意します。

SEOはSearch Consoleで掲載順位・表示回数・クリック数を追えますが、LLMOには標準の計測ツールがありません。そのため測定は二方向から行います。

一つ目は、AIへの実地質問です。対象キーワードで各AIに実際に質問し、自社が言及されたか、何番目に紹介されたか、どのURLが引用されたかを定期的に記録します。手作業では継続が難しいため、ツールによる自動化が現実的です。

二つ目は、参照トラフィックの分析です。GA4でchatgpt.comやperplexity.aiなどを参照元とするセッションを分離すれば、AI経由の流入を直接測れます。この数値はLLMO施策の効果を最も端的に示します。

両方を同じ期間で並べると、AIでの露出が実際の流入につながっているかを判断できます。

まず現状把握から始めます。主要キーワードで各AIに質問し、自社が言及されているか、競合はどこが引用されているかを記録します。同時にSearch Consoleで既存ページの掲載順位を確認します。この2つを並べると、検索では取れているがAIでは引用されていないページが見つかります。そこが最も改善効果の高い箇所です。

次に、そのページを結論ファースト・自己完結セクション・質問形見出しの3点で書き直します。ゼロから新規記事を作るより、既に検索評価のあるページを直す方が短期間で成果が出ます。

並行して、技術面の土台(robots.txtでのAIクローラー許可、構造化データ、llms.txt)を整えます。ここは一度対応すればサイト全体に効きます。

最後に、不足しているトピックの新規記事を作ります。この順序であれば、既存資産を活かしながら段階的に成果を積み上げられます。