LLMOとは？AIO・GEOとの違いとSEOと違う3点をわかりやすく解説

最終更新：2026年10月18日

LLMOとは、ChatGPTやGoogleの「AIによる概要」のような生成AIの回答に、自分のサイトや記事が根拠として引用されるように整えることです。AIO、GEOとも呼ばれますが、指しているものは同じです。先に、いちばん誤解されているところを書きます。LLMOはSEOの代わりではありません。米国の36万2,000キーワードを調べた調査では、AIによる概要の94%が、検索の上位20位以内のページを少なくとも一つ引用していました。この記事では、呼び方の違いを一覧表で整理したうえで、SEOとの違い3点、実験と公式が示す「効くこと・やらなくていいこと」、自分のブログ62記事を実測してわかったことまでを書いていきます。

LLMOとは？AIO・GEO・AEOとの違いを一覧表で

LLMO・AIO・GEO・AEOは、どれも「AIの回答に自分の情報を載せてもらうための施策」を指す言葉で、実務上は同じものと考えて構いません。呼び方が分かれているのは、言い出した人と、どこから見ているかが違うからです。

Google自身も、この呼び分けにはあまり意味を置いていません。2026年5月に公開された検索セントラルの生成AI機能への最適化ガイド（2026年7月10日更新）は、AEOやGEOに触れたうえで、Google検索から見れば生成AI検索への最適化は検索への最適化であり、つまりSEOのままだと書いています。

仕組みも同じ方向を指しています。同じガイドによれば、GoogleのAI機能は、検索の順位づけの仕組みで関係するページを取り出し、その内容をもとに回答を作ります。AIが外の情報を取りにいって答える仕組みはRAG（検索拡張生成）と呼ばれ、AIによる概要もその一種です。だからLLMOは、SEOという一階の上に建つ二階部分だと考えるのが正確です。一階が抜けたまま、二階だけを建てることはできません。

LLMOとSEOの違い3点──引用の単位・効く評価・成果の測り方

LLMOがSEOと違うのは、何が評価の単位になるか、何が外からの評価として効くか、何を成果として数えるかの3点です。土台は同じでも、この3点を読み違えると、正しく動いているサイトを失敗と見誤ります。

1つ目は引用の単位です。検索はページを並べますが、AIはページの中の一部分を切り出して答えに使います。Googleも前述のガイドで、複数の話題が載ったページでも、関係する部分を見分けて表示できると説明しています。だから「この点は後述します」で始まるセクションや、前の章を受けて始まるセクションは、切り出された瞬間に意味が通らなくなります。逆に、見出しの直下1〜2文で答えを言い切っていれば、その塊がそのまま根拠の候補になります。Googleは機械向けに文章を細切れにする必要はないとも書いているので、やることは細切れではなく、答えを前に出す並べ替えです。

2つ目は外からの評価です。SEOツールのアーレフス（Ahrefs）が7万5,000ブランドを分析した2025年12月の調査では、AIでの見えやすさとの相関は、YouTubeでの言及が約0.74、ウェブでの言及が0.66〜0.71、指名検索の量が0.35〜0.47で、被リンクの相関は弱いままでした。AI検索向けツールを提供するエアオプス（AirOps）の2026年のレポートも、AI検索でのブランドの言及の85%は外部のサイトからで、第三者の情報源を通じて引用される可能性は自社サイトの6.5倍だとしています。どちらも相関や自社の分析で、言及を増やせば必ず出ると約束するものではありません。それでも、自分で自分を説明した文章より、他人が名前を出した文章のほうが効く点では、二つの調査は同じ方向を指しています。広告の言葉で言えば、自社メディアからPRへ重心が戻ったのだと思っています。言及の量を広告の世界の言葉で測る考え方はシェア・オブ・ボイス（SOV）の記事で書きました。言及を増やす順番はAI検索の言及戦略にまとめています。

3つ目は成果の数え方です。引用されても、人が来るとは限りません。アーレフスの30万キーワードの分析では、AIによる概要が出るキーワードで1位のページのクリック率が約58%低く、スパークトロ（SparkToro）の調査では2026年1〜4月の米国のGoogle検索の68.01%がクリックなしで終わっていました。数字の出典と読み方はゼロクリック検索とは？割合の出典とAI時代の対策にまとめています。失うだけではなく、セムラッシュ（Semrush）の2025年7月の分析は、AI検索から来た訪問者はコンバージョン率で見ると通常の検索の4.4倍の価値があるとしています。量が減り、質が上がる。セッション数だけを追うと、この変化は失敗にしか見えません。

実験と公式が示していること──効く施策と、やらなくていい施策

LLMOで実験によって効果が確かめられている執筆術は、本文に統計・出典・引用を入れることです。逆に、AI向けの特別なファイルや細切れの文章は、Googleが公式に「不要」と書いています。

GEOという言葉を広めたプリンストン大学などの研究チームの論文（2024年の国際学会KDDで採択）は、1万件の質問で書き方の手法を比べ、AIの回答での見えやすさを最大40%押し上げられると報告しています。本文では、出典の明記・引用の追加・統計の追加が、位置を加味した語数の指標で30〜40%の改善を示しました。キーワードの詰め込みは、ほとんど改善がありませんでした。AIは答えの根拠になる文を探しているので、数字と出どころを持っている文はそのまま使える。持っていない文は使いようがありません。考えてみれば当たり前の結果です。論文の手法の中身はGEO（生成エンジン最適化）とは？で読み解きました。

やらなくていいことは、Googleの同じガイドが「無視してよいこと」として並べています。最終更新日時点の内容を一覧にします。表の1行目のllms.txtは、llms.txtとは？意味ないと言われる理由で詳しく扱っています。

もうひとつ、よくある誤解があります。Google-Extendedを止めればGoogleのAIに使われなくなる、と考えてしまうことです。Googleのクローラーの説明では、Google-ExtendedはGeminiの学習などへの利用を管理するもので、Google検索への掲載や順位には影響しないとされています。検索のAI機能での見え方を制限したいときは、AI機能のページがnosnippetなどのスニペット制御を案内しています。止めたいものと止まるものが一致しているかは、設定する前に確かめておくと安全です。

自分のブログを62記事ぶん実測して、わかったこと

自分のブログを実測してわかったのは、技術の点数は悪くないのに、記事が「引用される形」になっていなかったことです。書く力ではなく、配管の問題でした。

2026年7月に、このブログを全62記事ぶん機械で解析しました。技術面は水準以上でした。サーバーの応答の速さ（TTFB）は0.25秒。robots.txtはAIのクローラーを全開放していて、実際にボットとしてアクセスするテストを流したら、すべて200が返りました。BlogPostingの構造化データも著者情報も入っていて、サイトマップも健全でした。

問題は別のところにありました。62記事のうち、表がある記事は12本。FAQを置いている記事は2本。そして3月から4月に公開した54記事は、本文中の内部リンクが1本もありませんでした。1万2,000字を超える面接ガイドを最後まで読んでも、次に読む場所へ渡すリンクが存在しない。答えを切り出しやすい形にも、読み終えた人を次へ渡す形にもなっていなかったわけです。

思い込みが崩れた発見もあります。curl でhttpのURLを叩いたら、301ではなく200が返り、全文がそのまま配信されていました。念のためBingのインデックスを使うDuckDuckGoで調べると、http版のURLが重複して登録されているのを実際に見つけました。同じ記事が2つのURLで登録されていれば、検索エンジンからの評価も2つに割れます。このリダイレクトは、2026年10月時点で301を返すように直してあります。

4ヶ月かけて62本の記事を書いた時間より、この1行のリダイレクト設定のほうが効く場面がある。新しい記事を書き足したくなる気持ちを抑えて、まず配管を直す。それがぼくの結論でした。

LLMOの始め方──今日やるならこの順番

LLMOを始めるなら、新しい記事を書く前に、評価の分散を止め、既存記事をつなぎ、見出しの直下で答えを言い切る順番で進めるのが近道です。3つとも、新しく何かを書く作業ではありません。

4の「自分にしか書けない体験」は、Googleのガイドがいちばん強く勧めている部分でもあります。ほかのどの提案より、独自で役に立つ内容のほうが長い目で効くと書かれていて、実際に使った人の一次的なレビューを例に挙げています。誰でも書ける一般論をAIで量産した文章が、どう見られるかはAIスロップとは？の記事で書きました。

5の測り方には、2026年から公式の道具が加わりました。サーチコンソールの生成AIパフォーマンスレポートは、2026年8月31日に世界中のサイトに公開され、AIによる概要とAIモードでサイトへのリンクが表示された回数を見られます。ただし指標は表示回数で、表示が少ないサイトではレポートが出ないこともあります。記事ごとの書き方の手順はAIO対策のやり方7つの手順に、クローラーごとの許可とブロックはAIクローラーとrobots.txtの設定に、測り方の詳細はAI引用の測り方にまとめました。

LLMOに関するよくある質問

LLMOとSEO、どちらを先にやるべきですか？

SEOが先です。シーオークラリティ（seoClarity）が2025年10月に米国の36万2,000キーワードで調べた結果では、AIによる概要の94%が検索の上位20位以内のページを少なくとも一つ引用していました。Googleも、生成AI検索への最適化はSEOのままだと説明しています。LLMOはSEOの置き換えではなく、その上に重ねる施策です。

LLMOで、いちばん効果が確認されている施策は何ですか？

本文に統計・出典・引用を入れることです。プリンストン大学などの研究チームの比較実験で、出典・引用・統計の追加が見えやすさの指標を30〜40%改善したと報告されています。キーワードの詰め込みには、ほとんど効果がありませんでした。

llms.txtは設置したほうがいいですか？

Google検索のためには不要です。Googleは公式ガイドで、Google検索はllms.txtを使っておらず、置いても順位や表示に良くも悪くも影響しないと書いています。他のサービス向けに置くのは問題ないとしているので、置くなら置くだけにして、主要施策にはしないのが妥当です。

AIに引用されているかを、無料で確認する方法はありますか？

あります。読者が打ちそうな質問を20〜40本決め、ChatGPT・Perplexity・GoogleのAIによる概要に毎月同じものを入力して、出たか、何番目か、代わりに誰が引用されたかを記録します。Googleについては、サーチコンソールの生成AIパフォーマンスレポートで、AI機能での表示回数も確認できます。

おわりに──AIに選ばれる文章は、人に選ばれてきた文章

LLMOという言葉が広まってから、AI向けのファイル、AI向けの書き方、AI向けのスキーマと、AIのための施策が次々に売られるようになりました。でも、実験と公式の説明を並べてみると、残るのは地味なことばかりです。答えを先に書く。数字の出どころを書く。自分で確かめたことを書く。他人に名前を出してもらう。

AIに選ばれる文章を書くのではない。人に選ばれてきた文章が、AIにも選ばれる。

LLMOとは、検索の次に来る別の競技ではなく、書いてきたものを「根拠として使える形」に整え直す作業だと思っています。下がったのは書くことの価値ではなく、書いたものが自動的に読まれるという前提のほうです。