GeminiのDeep Reserchを使って、コンテンツビジネスにおけるオウンドメディア運営を前提に、日本語環境下でのSEOからLLMO（大規模言語モデル最適化）へのシフトに対応する施策を、主要な検索AIプラットフォーム（ChatGPT、Perplexity、Google Gemini、Genspark、Feloなど）を中心に調査し、実用的な対策としてまとめてみました。
従来のSEOとLLMOの違い
近年、ユーザーの情報検索行動は大きな転換期を迎えています。従来はGoogleやBingなど検索エンジンにキーワードを入力して該当ページを探しましたが、今やChatGPTやGoogle Geminiといった生成AIに自然文で質問し、直接回答を得るスタイルが急増しています。この変化に伴い、自社コンテンツをAI回答に引用・参照してもらうための最適化が重要になっています。これがLLMO（Large Language Model Optimization, 大規模言語モデル最適化）です。従来のSEO（検索エンジン最適化）が「検索結果で上位表示させ、ユーザーをサイトに誘導する」ことを目的としていたのに対し、LLMOは「AIが生成する回答の中に自社コンテンツを含めてもらう」ことを目的とします。
▼ SEOとLLMOの主な相違点
- 最適化の対象: SEOではGoogle/Bing等の検索アルゴリズムを意識しますが、LLMOではChatGPTやGeminiなど生成AIが回答時に参照する仕組みを意識します。言い換えれば、SEOは検索エンジンのランキング、LLMOはAIの回答ロジックを相手にした施策です。
- 成果指標: SEOの成功指標は検索順位やクリック数でした。一方、LLMOではAIの回答枠に情報が引用される頻度や自社ブランドがAI回答内で認知されるかが新たな指標になります。AI経由のユーザー流入は直接のクリックだけでなく、AI回答を見たユーザーによる指名検索や後日のサイト訪問といった形で現れることもあります。
- 評価基準: 検索エンジンは主にリンク評価（PageRank）やユーザー行動データなどでページの価値を判断します。一方、生成AIはコンテンツの文脈の整合性や出典の信頼性を重視して回答に組み込む情報を判断します。例えばAIは複数の情報源を付き合わせて矛盾がないか確認したり、信頼できるソースかを評価軸にします。
- コンテンツ構造: SEOではキーワード網羅やメタタグ最適化、被リンク獲得などテクニック面も重視されました。LLMOでも基本的な構造（見出しタグの適切配置など）は重要ですが、AIが文脈を理解しやすい細粒度の知識単位への分解や引用しやすい記述形式がより重要になります。例えば、後述するように見出しをQ&A形式にする、箇条書きで要点を整理する、データには出典と年を明記するといった工夫がAI向けには効果的です。
- 共通点: E-E-A-T（経験・専門性・権威性・信頼性）の高い良質なコンテンツを作る点はSEO・LLMO共通の大前提です。信頼性のある一次情報や権威あるデータを示すコンテンツは検索エンジンにも評価されやすく、AIの回答でも優先的に採用されやすいことが報告されています。例えば政府統計や査読付き論文へのリンクがあると、AIも「信頼の錨」としてそのページを優先しやすいとされています。
以上のように、SEOで培ったコンテンツ資産や権威性はLLMOでも武器になりますが、AI時代には新たな視点での最適化が求められます。実際、強固なSEO基盤を持つサイトほどLLMO対応の成果が出るのも早いですが、加えて「ナレッジの粒度」や「引用のされやすいフォーマット」を意識する必要があると言われます。現在、国内企業サイトの約12%がすでにLLMO対策に着手しているとの調査もあり（2025年）、先行者利益を得るためにも早めの対応が望まれます。
主なAI検索プラットフォームの特徴とコンテンツの取り込み方
現在台頭しているAI搭載の検索サービスには、ChatGPTをはじめPerplexity、Google（Gemini搭載のAI検索）、GenSpark、Feloといったプラットフォームがあります。それぞれ特徴的な機能とコンテンツの扱い方があり、自社コンテンツをAIに取り上げてもらうには各サービスの特性を理解した最適化も有効です。以下に各プラットフォームの概要と、コンテンツがどのように取り込まれるかを整理します。
ChatGPT（OpenAI）
ChatGPTはOpenAI社の対話型LLMで、ユーザーの質問に高度な自然言語で回答します。元々巨大なテキストデータで訓練されたモデルであり、既知の知識に基づいて回答を生成します。デフォルトではトレーニングデータ（※2020年代前半までのWebコーパス等）に基づく回答を行い外部へのリアルタイム検索は行いません。そのため、新しい情報や特定サイトの最新記事はChatGPT単体では参照されない場合が多い点に注意が必要です。もっとも、ChatGPTプラスのユーザーはブラウジング機能やプラグインを用いてWeb検索を実行でき、Bing検索経由で最新情報を取得するケースもあります。そうした場合、結局は既存の検索エンジン（Bing）のインデックス上位にあるページがChatGPTの目に留まることになります。
コンテンツの扱い: ChatGPTは通常、回答時に情報源を明示しません（引用リンク等を自動表示しない）ため、ユーザーは回答の出所を意識せず情報を得てしまいます。他のAI検索のように直接サイト流入や被引用を期待しにくいプラットフォームですが、それでもChatGPTの回答に自社名や商品名が登場すること自体に認知効果があるため、無視はできません。またChatGPTは訓練データに含まれるウェブ情報も参照しており、過去に公開した有用なコンテンツはモデル内知識として回答に活かされる可能性があります。OpenAIは将来のモデル訓練用にクローラー（GPTBot）でWebデータ収集も行っています。そのため、サイト運営者は自サイトをAIに積極的に学習・利用してもらうか、あるいは除外するかのポリシーを示すことが重要になりつつあります（後述のllms.txtによる制御など）。現状ChatGPTに直接「選ばれる」ための特効策は多くありませんが、サイトの技術的な開放（クロール許可やAPI提供）や内容の権威付けを進めておくことで、ChatGPTや類似モデルの知識に組み込まれやすくなります。
Perplexity AI
Perplexityは2022年に登場した対話型の検索エンジンで、検索エンジンのクエリ処理能力とLLMの会話回答を組み合わせたプラットフォームです。ユーザーの質問に対しインターネット上からリアルタイムで関連情報を検索し、その結果を要約・統合した回答を提供します。特徴的なのは回答に参照元となった複数のWebページを番号付きで明示する点です。Perplexityの画面では回答テキストの横や下に①②③…のような番号が振られ、対応する出典ページがリンク付きで表示されます。ユーザーはそのリンクにマウスオーバーするとプレビューを確認でき、クリックすれば元のサイトを閲覧できます。
コンテンツの扱い: Perplexityは一問に対して複数の情報源を参照する設計です。背後では検索クエリに対しBing等の検索APIで上位ページを取得し、LLMがそれらを読み込んで回答を作成していると推測されます。したがって、自社コンテンツがPerplexityに引用されるには従来のSEOで上位に入ることが前提となります。特に質問への直接的な答えを含むページは選ばれやすく、また情報の新しさも重要です（最新ニュースや最新データが含まれるページは優先的に参照される傾向があります）。Perplexity自体は信頼性確保のためユーザーに出典を見せる方針ですが、回答生成では必ずしも公式サイトだけを使うとは限りません。ニッチな質問では個人ブログなどもソースになります。このため、専門性が高く網羅的なコンテンツを用意すれば、大手サイトに負けずPerplexity回答の一角に引用されるチャンスがあります。逆に不確かな内容や誇張があると、他ソースとの照合で除外される可能性があります。総じて**「検索上位にあり、質問の意図にズバリ答える信頼性の高い記述」**があればPerplexityで引用されやすいと言えるでしょう。
Google検索（Gemini搭載AIによる概要）
Googleも検索結果への生成AI導入を進めており、2023年から実験提供されている「AIによる概要（AI Overviews）」や2025年時点での「AIモード」といった形で、検索上部にAIが生成した回答を表示しています。Googleの生成AIは社内の大規模モデル（開発コード名：Gemini）を用いており、検索クエリに対し検索インデックス上のコンテンツを要約・統合することで回答を生成します。回答の信頼性確保が最重視されており、AI概要には必ず複数の出典元ページへのリンクが表示されます。Google曰く、このAI回答は**「数十年にわたり改良してきたGoogleの品質評価システム」に基づいて信頼できる情報のみを用いているとのことです。実際、AI概要で引用されるサイトは公式データや著名な専門サイトなど権威性の高いものが多い**との分析もあります。
コンテンツの扱い: GoogleのAI概要では、通常の検索ランキング上位のページをベースにAIが回答を作成します。そのためSEOで評価されているページかどうかが第一の関門です。さらにAIが複数ソースから内容を統合する際、一致している情報やエビデンスが明確な情報が優先される傾向にあります。AI回答に用いられたページは検索結果にも「出典：○○」のようにカード表示され、ユーザーがクリックすると該当部分へスクロールしたページが見られます。つまり、ページ内のどの段落が回答に使われたかまでユーザーは確認できるのです。この機能により、ページ内に明確な問いと答えのペアや要点整理があるとAIに抽出されやすくなることがわかります。またGoogleのAIは信頼性のある情報を優先するため、公式統計・公的機関の資料・専門家の分析などを含むページを好みます。反対に内容が薄かったり他から引用ばかりのページはAI概要に選ばれにくく、仮に検索上位でもAIがスキップするケースがあります。加えて構造化データ（スキーマ）の活用も重要です。Googleは構造化データで提供された事実をナレッジパネル等で活用してきましたが、AI概要でもその恩恵は大きいです。FAQ構造やHowTo構造などが適切にマークアップされていれば、AIが内容を誤解するリスクを減らし、回答に組み込みやすくなります。総じてGoogleのAI検索では、「SEOで高評価」かつ「内容が正確・構造が明確」なコンテンツが採用されやすいと言えます。
※GoogleのAI概要導入により、従来の検索結果のクリック率は低下傾向にあります。ユーザーがサイトに訪問せずに質問が解決してしまう「ゼロクリック検索」がさらに進行するため、AIに回答を持っていかれる前提で戦略を練る必要性が高まっています。だからこそ、**自社情報がAI回答に含まれるよう最適化する（＝AEO：Answer Engine Optimization）**ことが新たな施策として注目されています。
GenSpark
GenSparkは米Mainfunc社が2023年に公開した新興AI検索エンジンで、「Sparkpages」と呼ばれる対話的な要約ページを生成する点が特徴です。ユーザーの質問に対し、GenSparkは関連情報を集約した1枚のスパークページ（簡潔なサマリーWebページ）を生成します。このページには複数の信頼できる情報源から凝縮した解説が記載され、ユーザーは対話を続けながらページ内容を更新したり、ページ自体を編集して改善提案することもできます。つまり利用者参加型で知識の精度を上げていけるプラットフォームです。GenSparkは回答の正確性を期すため、Dynamic Verification（動的な検証）機能を備え、集めた情報が最新の信頼できるソースと矛盾しないかリアルタイムでチェックしています。また質問の種類に応じて専門特化したAIモデルを使い分け、学術的な問いなら権威ある論文を優先する等の工夫もされています。
コンテンツの扱い: GenSparkでは複数の有力ソースから共通する事実を抽出し統合するというプロセス上、他の情報源と大きく異なる主張や根拠薄い内容は採用されにくいと考えられます。逆に言えば、多くの信頼筋が裏付ける情報を含むコンテンツは重要視されます。自社サイトがGenSparkに引用されるためには、まず関連トピックで一定の権威（オーソリティ）を獲得していることが有利です。他の有名サイトと同様の事実を述べていても、無名サイトだと除外される可能性があります。ただしGenSparkはユーザーが出力を編集・改善できるため、もし有用なのに見落とされた情報があればユーザーに追記されるケースもあります。そうした二次的な経路も考えると、専門分野で独自の有益データを公開し続け、少数でもコアな支持を得ておくことで、いずれGenSparkの回答にも組み込まれる可能性があります。実際のUIでは、GenSparkも回答下部に情報ソースのリンク一覧を表示します。ただしFeloやPerplexityのようなホバープレビュー機能がなく、リンク先概要を見るにはクリックが必要と報告されています。つまりユーザーが出典まで確認するハードルがやや高いため、引用された際にユーザーが直接サイトに来てくれる割合は他より多い可能性があります。総じてGenSparkでは**「確からしさ」が最重視**されるため、裏付けのある事実ベースのコンテンツ作成と、業界内での信頼構築が肝要です。
Felo AI Search
Feloは東京発のスタートアップが2024年にローンチした次世代AI検索エンジンで、最大の特徴はCLIR（Cross-Language Information Retrieval）＝多言語横断検索機能です。ユーザーが日本語で質問すれば英語・中国語など世界中の情報源から relevant な回答を探し、自動翻訳して提示する、といった具合に言語の壁なくグローバルな情報アクセスを提供します。例えば「世界経済の見通し」を日本語で尋ねれば、英語のIMFレポートや中国語の記事も翻訳され結果に含まれる可能性があります。さらに学術論文にも強みがあり、オープンな学術文献を横断検索して母国語に翻訳表示する機能も備えています。回答のインタフェースはPerplexityに似ており、太字の見出しや箇条書きで整理されたテキストとともに、情報源リンクのプレビュー表示もサポートしています。また検索結果からマインドマップを自動生成したり、AIがプレゼン資料を組み立ててくれるAIPPT機能など、リサーチからアウトプット作成まで支援する総合力が特徴です。
コンテンツの扱い: Feloでは言語に関係なく信頼性の高い情報があれば積極的に参照されます。国際的に権威ある情報はもちろん、ニッチでも鋭い分析をしているブログなども翻訳されて紹介される可能性があります。このため日本語のオウンドメディアも国内だけでなく世界の競合と内容で競う時代と言えます。Feloに自社コンテンツを取り上げてもらうには、まず他言語話者にも通じる普遍的な価値のある情報かを意識するとよいでしょう。具体的には、専門用語には（可能なら）英語名も併記する、図表やコードなど言語非依存の情報も充実させる、といった工夫が考えられます。Feloは回答に引用元番号とプレビューを表示し、ユーザーはリンクから直接原文ページにも飛べます。日本語サイトが英語質問の回答に採用された場合でも、ユーザーはワンクリックで日本語原文ページにアクセスできるので、質の高い独自コンテンツであれば海外からの流入機会も得られるでしょう。信頼性の点では、Feloも基本的には各分野の信頼できる情報源（Wikipediaや論文、政府機関サイト等）を優先するはずです。ただ、クロール対象が広域な分、玉石混交の情報にAIが当たるリスクもあります。その中で選ばれるには、やはり客観データに基づく正確な記述と明確なソース提示が不可欠です。総じてFeloは**「コンテンツ多言語対応」と「学術レベルの信頼性」**が鍵となるプラットフォームと言えるでしょう。
AIに「選ばれる」ためのコンテンツ最適化ポイント
各プラットフォームに共通するのは、ユーザーの質問に対し的確で信頼できる回答を提供するために、AIがWeb上から情報を取捨選択している点です。そのため、どのAI検索であっても**「このサイトなら回答の根拠にできる」とAIに判断されるコンテンツを用意することが本質的な対策となります。プラットフォームごとの違いとしては、例えばFeloの多言語対応に備えて重要キーワードは英訳も付記する、GenSparkのリアルタイム検証に備えて他の権威ソースにも裏付けられた内容にする、ChatGPT向けにはモデルの訓練データに載りやすいようオープンなライセンスやAPI提供を検討する…等が考えられます。しかしまずは共通する基本最適化を優先すべきです。以下にオウンドメディア運営者が今から取り組める具体策**をまとめます。
- 構造化データと明確なページ構成: 自社サイトにSchema.orgの構造化データ（FAQやHowTo、Articleのマークアップなど）を実装し、コンテンツの意味構造を検索エンジンやAIに正しく伝えます。また見出しにはユーザーの質問を想定したフレーズを含めると、AIがQ&Aペアを抽出しやすくなります。記事中は箇条書きや表を活用して情報を整理し、AIがポイントごとに抜き出しやすい形式にします。論理的で階層だった見出し構造はAIによる内容理解を助け、回答への引用率を高めます。
- 信頼性を支える出典・著者情報の明示: 公式統計や自社の独自調査データなど一次情報をコンテンツに盛り込み、その出典元や発行年を明記して信頼性を担保します。特にYMYL領域（医療・金融・法律など）では監修者や参考文献の表示も重要です。また記事の末尾などに執筆者のプロフィールや最終更新日を記載し、専門性・権威性と情報の新しさをアピールします。GoogleのAIは信頼性ある情報を優先するため、公式データの積極活用や引用元の明示が推奨されています。同様に他のAIに対しても、誰がいつ書いたか、根拠は何かが明確なコンテンツほど選ばれやすくなります。
- コンテンツの最新性（アップデート）: 記事内容が古くなっていないか定期的に点検し、必要に応じてリライト・更新していきます。特に統計や市場動向など時系列で変化する情報は最新年度のデータに差し替え、記事冒頭に「2025年版」など年次を示すと良いでしょう。更新したらサイト上で更新日を反映し、変更履歴も残しておくとAIも最新情報と認識しやすくなります。新しい事実が判明したら速やかに追記するなど、鮮度の高いコンテンツを維持することが重要です。AI検索では新旧の情報が混在しがちですが、その中で常に最新データを提供しているページは信用されやすく、引用対象として有利になります。
- 用語の多言語・略語対応: 日本語サイトでも、専門用語や団体名・製品名には可能な範囲で英語表記や正式名称を併記しましょう。【例】「生成AI（Generative AI）」といった形で記載すると、AIが略語の意味を取り違えにくくなります。これはFeloのような多言語検索だけでなく、国内向けAIでも文脈誤解防止に役立ちます。特にカタカナ英語や略称はそのままだとAIが他の概念と混同する恐れがあるため、括弧で英語名・学名を補足するなど工夫しましょう。
- 独自性・オリジナリティの強化: AIが多数の情報源から共通回答を作る傾向にある一方で、他にはない有益な知見も高く評価します。自社ならではの独自データ（独自アンケート結果や実験結果）、具体的な事例や体験に基づく洞察などを盛り込み、コンテンツに付加価値をつけましょう。AI概要は独自性のある情報を評価する傾向があるとの指摘もあります。競合サイトと同じ内容の焼き直しではなく、新しい視点やデータを提供すれば、AIが回答に組み込む価値のある情報源としてサイトが選ばれる可能性が高まります。
- LLM向けサイトマップ（llms.txt）の活用: Webクローラーのためのrobots.txtにならい、生成AI向けにサイトの要点を記述した
llms.txtファイルをドメイン直下に配置する動きも出てきています。llms.txtにはサイト内の重要ページURLやコンテンツ概要、AIに利用してよいデータ範囲、著作権ポリシーなどを記載できます。これを設置しておけば、将来的にAIクローラーが参照しサイト構造を効率的に理解したり、学習・利用のルールを把握できます。現時点では標準仕様の提案段階ですが、早めに対応しておくことで先行者メリットを得られる可能性があります。 - サイト全体の権威性・信頼性向上: コンテンツ個別の工夫に加え、オウンドメディア全体でE-E-A-Tを高める施策を続けましょう。専門家の監修や資格保持者による記事執筆、会社概要や実績の充実、ユーザーレビューの掲載、SSLやセキュリティ対応など基本的信頼対策も重要です。検索エンジン同様、AIもサイトのドメイン信頼度を参照していると言われます。実際GoogleのAIは「強いドメイン信頼性」を持つサイトを回答ソースに選びやすいとされます。地道なブランド力向上が最終的にLLMO成功の土台を築きます。
LLMOの今後のトレンドと対策アップデート予測
生成AIの進化と普及に伴い、検索体験は今後も大きく変わり続けるでしょう。それに合わせてLLMO施策もアップデートが必要です。ここでは今後予想されるトレンドと、それに対する対策の方向性を述べます。
- AI検索の本格浸透と競争激化: 2025年現在ではLLMOは「次世代SEO」として一部先進的な企業が着手し始めた段階ですが、今後1～2年で標準施策になる可能性があります。主要検索エンジン（Google/Bing）のAI搭載が本格化し、ユーザーも当たり前にAI経由で情報収集するようになるにつれ、どのサイトもAI最適化を意識せざるを得なくなるでしょう。他社も対策を始めれば、AI回答枠の争奪戦も激しくなります。したがって今後はLLMO専門の分析ツールや指標（例えば「何回AI回答に引用されたか」を測るサービスや、AI向けコンテンツスコア評価）が登場するかもしれません。サイト運営者はそうした新指標にもアンテナを張り、自社の露出状況をモニタリングして改善に繋げる必要があります。Googleも将来的にSearch Console等で「AI概要で引用されたページ」をレポートする可能性があり、情報源側の評価軸が整備されることが期待されます。
- “回答エンジン最適化”へのシフト: 従来の検索エンジン最適化（SEO）から**Answer Engine Optimization（AEO）**へのシフトがさらに進むでしょう。ユーザーが知りたいのは “答え” であり、AIはその答えを直接提供する存在です。したがってサイト側も、「ユーザーの疑問に対する最良の回答を提供するにはどう書くか」を突き詰める必要があります。FAQ形式の充実、明確な結論の先出し、想定質問ごとのページ作成など、徹底的にユーザーの質問志向に寄り添ったコンテンツ設計が求められます。これは従来のSEOでも推奨されてきた方向ですが、AI時代にはより直接的に成果に影響します。
- マルチモーダル最適化: Google Geminiをはじめ最新のLLMはテキストだけでなく画像や表、コードブロックなど様々なデータ形式を理解・生成するマルチモーダル化が進んでいます。将来のAI検索では「画像や動画を分析した上で回答生成」「数値データから自動でグラフ生成」なども可能になるでしょう。そうした環境に備え、画像には適切な代替テキストを入れる、データはCSVや表形式でも提供する、動画には字幕や文字起こしを用意するといった対策も有効です。AIに解釈させやすいデータ提供を意識することで、テキスト以外の要素からも自社情報が回答に反映されるチャンスを高められます。
- AIクローラーやプロトコルへの対応: 今後、OpenAIやGoogleが公式にAI用のクローラーやコンテンツ利用のためのプロトコルを展開する可能性があります。実際、OpenAIはGPTBotの運用を開始し、Robotsルールで許可されたサイトからデータ収集をしています。さらにllms.txtのような取り組みが標準化されれば、サイト側でAIへの情報提供範囲や方法を細かく制御できる時代が来るかもしれません。サイト運営者はこれら新動向をウォッチし、自社方針に沿って「AIにはここまで見せる/見せない」「この要約文を利用させる」といった設定を行えるよう備えておくべきです。コンテンツビジネスとしては、自社の知見をAIに活用させつつブランドや収益を守るバランスが重要になります。例えば有料記事の一部のみAI利用可とするメタタグや、逆にAIフレンドリーなオープンデータ提供など、戦略に応じた対応が考えられます。
- ユーザー信頼とブランド戦略: AI経由の情報提供が進むと、ユーザーとの直接接点が薄れる懸念があります。最終的な回答だけが表示され、サイト名は小さく表示されるか、場合によっては引用されてもユーザーが気に留めないこともあります。こうした中でブランド認知を高める施策が今後ますます重要になります。AIが回答内でサイト名やブランド名をテキストとして触れるケースもあります（「○○によると…」のような記述）。それを増やすには独自の調査結果に基づく発信を行い、そのデータソースとしてブランド名が引用されるくらいの存在感を目指す必要があります。また、ユーザー側もAI回答の信頼性を気にするようになれば「この情報の出典はどこか？」と確認する習慣がつく可能性があります。その際に**「○○というサイトの情報なら信頼できる」と思ってもらえるブランド力**を築いておくことが、中長期的な集客に繋がるでしょう。
まとめ: AI時代の検索最適化であるLLMOは、単にアルゴリズム対策ではなくユーザーにとって価値あるコンテンツを作り続けることの延長線上にあります。基本にあるのは「何が聞かれ、何と答えるべきか」を追求する姿勢と、それを裏付けるコンテンツ力です。幸い、現時点ではLLMOはブルーオーシャンとも言われ、対応の早い企業ほど先行者利益を得られる段階です。本稿で挙げた施策をチェックリストに、できるものから着実に実践してみてください。検索結果でもAIの回答欄でも「頼れる情報源」として自社メディアが選ばれ続けることで、AI時代におけるコンテンツビジネスの新たな成長機会をつかめるでしょう。
参考文献・資料: 本調査レポートは主に2024～2025年に公開された国内外の情報源を参照しています。特にFerret【1】やソーゾーリンク社【7】、XTV社【11】によるLLMO解説記事、経済産業省の生成AI影響調査【7】、および各AI検索サービスの公式発信【4】等を基に作成しました。各出典は文中に【】付きで示しています。今後も最新動向に注視し、適宜アップデートを行ってください。
