LLMOで最初に整えたいのは、誰のどんな課題に自社が役立ち、その理由を何で確かめられるかという情報です。 機能の名前や「技術力が高い」といった自己評価だけでは、買い手が自社に合うか判断できません。顧客の問いと、公開された事実をつなぐところから始めます。
LLMOは、大規模言語モデルによる回答で自社の情報が適切に扱われるようにする取り組みを指す言葉です。ただし、AIへの掲載を保証する共通の手順が確立したわけではありません。Google検索のAI OverviewsやAI Modeについて、Googleは従来のSEOの基本と、読者に役立つ独自の情報を重視すると公式ガイドで説明しています。この記事では、BtoB企業のサービスページと導入事例を、買い手が使える判断材料へ直す方法を考えます。
| 見直す場所 | 公開する情報 | 確認すること |
|---|---|---|
| サービスページ | 対象顧客、解決する課題、使い方、対応範囲・条件 | 買い手の質問にページだけで答えられるか |
| 導入事例 | 導入前の課題、選定理由、運用、成果と集計条件 | 同じ課題の買い手が自社に当てはめられるか |
| 外部の紹介 | 業界メディア、顧客サイト、レビューにある正確な説明 | 古い料金や誤った提供範囲が残っていないか |
| 効果測定 | AIの回答、参照元、問い合わせ・商談 | 推薦と事業成果を混同していないか |
機能は「どの業務課題に役立つか」まで書く
サービスページには、機能から顧客の仕事への橋渡しが必要です。「通知機能があります」だけでは、何をいつ知らせ、誰の判断がどう変わるのか分かりません。たとえば案件管理ツールなら、「担当者が期限前に未対応案件を把握できる」「管理者が滞留案件を確認できる」という使い方と、通知条件や設定に必要な作業まで示します。これは説明用の想定例であり、特定製品の効果を示すものではありません。
ページを直すときは、実際の営業・サポートで受ける質問を集めます。「進捗を共有しにくい」「引き継ぎで抜けが出る」といった悩みごとに、対応する機能、操作、導入前提、対応できない範囲を一組にする。買い手は自分の業務に照らして選べますし、AIが公開ページを参照する場合にも、その説明のつながりを確認できます。
株式会社LANYは自社のLLMO支援事例で、あるビジネスメディアの既存ページ約300件に「どんな企業課題に有効か」「他媒体との違い」などを追加し、計測した質問群での推奨率が0%から最大10%になったと報告しています。これは支援会社による事例報告です。公開記事だけでは質問全文、反復回数、同時期の他の変化を十分に照合できないため、ページ改修だけが変化の原因だと一般化はできません。
「すごい」を、買い手が比較できる事実に変える
「高い技術力」「手厚いサポート」「豊富な実績」は、買い手にとって確認の始点です。具体的な条件がなければ、候補同士を比較できません。自社の強みを説明するときは、何を、どの条件で、どこまで提供できるかを公開します。
| 抽象的な説明 | 判断材料にするための質問 |
|---|---|
| 技術力が高い | 対応できる素材・精度・数量・用途は何か。どの条件では対応できないか |
| サポートが手厚い | 対応時間、担当範囲、初期設定や導入後の支援はどこまでか |
| 実績が豊富 | 誰のどんな課題に使われたか。件数や成果はいつからいつまで、何を数えたか |
製造業なら「微細加工に強い」という説明を、対応素材、寸法・公差、ロット、検査方法、採用された用途へ分解できます。数値は工程や条件で変わるため、社内で確認した範囲だけを示します。非公開の顧客名や数値を埋める必要はありません。公開許可のある事例を具体的にし、出せない項目は「非公開」と分けるほうが正確です。
導入事例も「導入してよかった」という感想だけで終わらせません。導入前の状態、比較した選択肢、採用理由、実際の使い方、結果の測り方、効果が出やすい条件を取材します。結果を示す数値には期間・分母・集計方法を付け、顧客の評価と計測結果を区別します。取材の具体的な質問は導入事例の作り方でも整理しています。
自社サイトの外にある説明も点検する
AIが参照する情報は、自社サイトだけとは限りません。GoogleはAI検索向けのガイドで、検索機能がウェブ上のブログ、動画、フォーラムなどで製品やサービスについて述べられた内容も扱い得ると説明しています。ただし、作為的な言及を集めることは推奨していません。
業界メディアの記事、顧客が公開した導入紹介、比較サイト、レビューを確認し、社名、製品名、料金、提供範囲、更新日が実際と合っているかを見ます。間違いがあれば、まず公式ページを正し、外部の掲載元には根拠を添えて修正を依頼する。外部に掲載されること自体を成果とせず、買い手が参照する説明の正確さを優先します。
第三者の紹介が増えた時期とAIの推薦が増えた時期が重なっても、それだけでは因果関係は分かりません。検索順位、他社の更新、AIのモデルや検索機能の変更も結果に影響します。外部情報は「何が参照され、何が誤っているか」を調べる対象として扱います。
AIの推薦と売上への貢献は、別々に測る
LLMOの確認には、想定顧客が実際に尋ねそうな質問を固定して使います。たとえば「少量多品種の試作に対応できる加工会社」「拠点ごとの案件進捗を共有できるツール」のように、課題と選定条件を含む質問です。社名を入れた質問だけでは、新たな候補として挙がるかを見られません。
同じ質問でもAIの回答は揺れます。確認日、対象のAI・機能、地域やログイン状態、質問文、試行回数を残し、次を分けて記録します。
- 自社名が候補に挙がったか。何回の確認のうち何回か。
- どんな理由で紹介されたか。料金や提供範囲に誤りがないか。
- どのページが参照・リンクされたか。社名への言及とURLの引用を区別する。
- 問い合わせや商談で、顧客が何を見て来たと話したか。
AI回答への登場は、問い合わせや売上の証明ではありません。流入解析で分かるのは主にクリックを伴う経路で、AIで社名を知って後から指名検索した経路は別に見える場合があります。回答観察、直接流入、問い合わせ時の認知経路を別々の記録として突き合わせます。引用の分母についてはAI検索調査の数字を読む方法も参照してください。
まずは既存の1ページと1事例を直す
着手するなら、顧客からよく聞く一つの課題を選びます。その課題について、既存のサービスページが「対象・解決方法・条件」に答え、導入事例が「選定理由・使い方・結果」に答えるかを確認する。不足する事実は営業・製品担当者と顧客へ確認し、公開できる範囲を決めて加筆します。その後、同じ質問でAIの回答と参照元を観察します。
これはAIへの推薦を約束する手順ではありません。Googleは、検索のAI機能に表示されるために専用のAI用ファイルや特別な構造化データは必要ないと説明しています。検索で読めること、独自で役立つ内容、分かりやすいページ構成という基本の点検を続けるのが先です。買い手が「自社に合うか」を判断できるページは、AIの回答を経由するかどうかにかかわらず価値があります。
参考資料
- Google検索セントラル「Optimizing your website for generative AI features on Google Search」（2026年7月10日更新、2026年10月7日確認）。Google検索のAI Overviews・AI Modeについての公式説明であり、すべての対話型AIに共通する仕様ではありません。
- 株式会社LANY「LLMOとは？AIに選ばれる仕組みと対策をLANYの支援実績から解説」（2026年10月7日確認）。掲載した推奨率は同社による支援事例の報告であり、独立した再現試験ではありません。
