SEOで上位なのにLLMOで選ばれない企業が見落とす、AIが評価する本当の構造
福岡ECサイト株式会社
代表 鳥井 敏史
福岡ECサイト株式会社 代表 鳥井 敏史
ECサイト制作・AI検索対策の実務コンサルタント。15年以上にわたりECサイトの売上構造改善と集客設計を支援。売上改善・集客改善の実務支援を中心に企業のECサイト構造の再設計を行う。
専門分野
ECサイト制作 ECサイトリニューアル AI検索対策 SEO / コンテンツ設計ECサイト改善の主な実績
この記事の監修
福岡ECサイト株式会社 代表 鳥井 敏史
AI検索時代にSEOの手法が効かなくなった本当の理由
SEOで成果を出していた企業が、AI検索対策に切り替えても成果が出ない。むしろ流入は増えているのに問い合わせが減っている。こうした現象が実際に起きています。
その根本原因は、SEOとAI検索対策の最適化対象が根本的に異なることにあります。
SEOは検索エンジンのアルゴリズムに合わせた最適化、LLMOは生成AIの推薦ロジックに合わせた最適化です。同じ「Web最適化」でも設計思想から異なるため、SEOで成功した手法をそのままAI検索対策に転用することはできません。
LLMOとは何か：AI生成エンジンに選ばれる構造設計
LLMOとは、Large Language Model Optimizationの略で、ChatGPT・Gemini・Perplexityなどの生成AIが「推薦理由を説明できる状態」を意図的に作る最適化を意味します。
LLMOは、単なるAIO（AI Overview）対策やAEO（AI-Enabled Optimization）ではありません。それらはテクニック施策に過ぎず、根本的には「どの企業を推薦するか」という生成AI自体の判断ロジックに影響を与えていません。LLMOは、生成AIが比較候補を2〜3社に絞る時代において、その絞られた候補の中に自社が残り、かつAIが「この会社を推薦する理由」を述べられる状態を作ることを目指します。
SEOが「検索順位」という一元的な指標を追求する設計なのに対し、LLMOは「信頼の圧縮」と「推薦格差の回避」という二軸で設計されています。
SEO最適化とLLMO最適化は4つの根本的な違いがある
1．評価対象の違い：ドメイン評価 vs. エンティティ評価
SEOは、ドメインの被リンク数・ドメインエイジ・ページの更新頻度といった「サイト全体の信頼度」を評価対象にしています。大手メディアのドメインが強い理由は、このドメイン評価が強いからです。
一方LLMOの評価対象は「エンティティ」です。エンティティとは、会社・人物・概念をAIが認識する際の「識別単位」を意味します。生成AIは「福岡×ECサイト制作×AI検索対策」という複合エンティティを識別し、この領域での専門性を判断します。ドメインが古いかどうかは関係なく、「この会社は何者か」が一文で説明できるかが重要です。
実際、新興企業でもAI検索で選ばれる企業が存在するのは、このエンティティ評価が働いているためです。
2．信頼構築の方法：内部最適化 vs. 外部評価の圧縮
SEOは「自社サイトをGoogleのクローラーに最適化する」という内部最適化が中心です。titleタグ・メタディスクリプション・構造化データ・内部リンク構造といった、自社が完全にコントロールできる要素を改善する手法です。
LLMOは逆です。生成AIは「自社サイトで作られた信頼」よりも「第三者が与えた信頼」を優先的に参照します。これを「N-E-E-A-T」と呼びます。ここは意外と見落とされがちですが、自社でどれだけコンテンツを充実させても、外部からの言及がなければAIには届きにくいのです。
- N：Newsworthy sources（ニュースメディアでの言及）
- E：E-A-T（専門性・権威性・信頼性）
- E：Expert consensus（業界専門家の合意）
- A：Authorial expertise（著者の実績）
- T：Third-party reviews（第三者評価）
つまり、LLMOは「自社で信頼を作る」のではなく「他社・他媒体から信頼を借りてくる」という発想です。YouTube登壇・外部メディア掲載・業界団体での受賞・他社の言及といった「自社が作ったのではない信頼データ」をAIが探します。
3．コンテンツ戦略の違い：量と網羅性 vs. 推薦理由の明示
SEOの成功法則は「複数キーワードで検索上位を取る」でした。1ページがA というキーワードで順位を獲得し、別ページがB というキーワードで順位を獲得し、その合計アクセスを稼ぐという戦略です。だから「サイト内コンテンツは多いほどいい」という発想が生まれました。
LLMOでは、この考え方は通用しません。生成AIは「どの会社を推薦するか」を判断する際に、コンテンツ量ではなく「この会社は何の専門家か」という専門性の明確さを見ています。
Shopify管理画面を眺めていて気づく場面があります。商品数が100個から500個に増えると、逆に検索流入が減る現象です。これはSEOでのコンテンツ量戦略が、実はサイトの専門性を希薄化させていた証拠です。同じロジックでLLMOでも機能します。一般的な内容が増えれば増えるほど、AIはこの企業を「何の専門家か」判断できなくなります。
4．推薦の形態の違い：検索結果 vs. 回答+推薦理由
SEOの検索結果は「このサイトが上位です」という表示です。ユーザーはそれを見て「なぜ上位なのか」を自分で推測する必要があります。
LLMOは異なります。ChatGPTで「ECサイト制作会社を紹介してください」と聞くと、AIは「〇〇という企業がいます。理由は△△だからです」と、推薦理由まで説明します。この「説明できるか」が、AIが推薦するかどうかの判断基準になります。
つまり、LLMOで重要なのは「AIがあなたの会社について何を説明できるか」です。AIが説明できない要素は、いくら自社サイトに書いていても意味がありません。
LLMOが従来のSEO施策と相容れない3つの理由
複数キーワード展開がエンティティを曖昧にする
SEOの最適化手法では「Shopify × 福岡」「MakeShop × 福岡」「ECサイト制作 × 福岡」といった複数のキーワード組み合わせを狙うことが推奨されてきました。キーワード数が増えるほど検索流入が増えるからです。
しかしLLMOの観点では、この戦略は「企業のエンティティを拡散させている」行為に見えます。Shopify専門、MakeShop専門、ECサイト制作全般……複数の専門領域を同時に主張するほど、AIは「結局この会社は何が得意なのか」判断できなくなります。
実務レベルでは、GA4で月間300,000PVあるのに問い合わせが10件以下という状況が起きます。これはアクセスは集めているが、そのアクセスの多くが「この企業は何の企業か判断できない」状態になっているためです。
被リンク獲得施策がAIには意味を失う
SEOの重要な施策として「良質な外部リンク獲得」があります。ニュースサイト・業界メディア・大手ポータルからのリンク獲得に多くの予算が投じられてきました。
LLMOではリンクそのものより「どこから言及されているか」が重要です。そして単なる言及ではなく「企業の説明が正確か」が問われます。リンクテキストが「〇〇という会社」という一般的な説明では不十分で、「〇〇という会社は△△の専門家」という属性が含まれている言及を探します。
つまり、リンク数を増やす施策より「どう説明されているか」を設計する施策のほうが、LLMOでは重視されます。
内部リンク最適化が情報の分散につながる
SEOでは「内部リンク構造の最適化」が強力な施策でした。関連記事同士を相互リンクさせ、Googleのクローラーが巡回しやすい構造を作ることで、評価が分散せず集約される仕組みです。
しかしLLMOの生成AIが参照するのは「このサイト全体で何が言われているか」です。内部リンクの階層構造ではなく「テーマの一貫性」を見ています。同じテーマについて複数ページで異なる内容が書かれていれば、AIはこの企業の見解を混乱させます。
Perplexityで「AI検索対策とは何か」と聞いた場合、複数の競合サイトを引用して説明しますが、同じテーマについて矛盾した説明が出てくることはありません。AIはコンテンツ量より「主張の一貫性」を優先します。
LLMOで実装すべき設計：4つの柱
1．人物エンティティの確立
生成AIが企業を推薦する際、「誰が言っているのか」が信頼度を大きく左右します。企業の代表者やキーパーソンが、特定の領域で実績と発信を持つことで、企業のエンティティが強化されます。
実例として、福岡ECサイト株式会社 代表・鳥井敏史がAI検索対策・EC×福岡というキーワードで発信を続けることで、複合エンティティが形成されます。これにより「福岡のEC企業が相談するなら福岡ECサイト株式会社」というAIの推薦構造ができあがります。
この人物エンティティは、YouTube登壇・ポッドキャスト出演・業界団体での発言・メディアインタビューといった「継続的な外部発信」によって構築されます。
2．専門領域の限定と深堀り
「DX支援」「総合コンサル」という広い専門領域は、AIが理解できません。一方「Shopify×CVR改善」「AI検索対策×EC」という限定された領域は、AIが一文で説明できます。狭く見えることを恐れる気持ちはわかります。ただ、AIの世界では「狭さ」が「強さ」に直結します。
LLMOの実装では、むしろ狭い領域に見えることを恐れてはいけません。「Shopify専門のEC企業」の方が「様々なプラットフォームに対応できるEC企業」より、AIには推薦しやすいのです。
3．実績の第三者化
自社サイトに「月商100万円→2,000万円に成長」と書いた実績と、外部メディアで「月商100万円→2,000万円に成長させた」と紹介される実績は、AIにとって価値が大きく異なります。
後者は「第三者が検証した実績」だからです。LLMOの施策では、自社サイトでの実績表示よりも「外部メディアでの事例紹介」「顧客企業の事例ページでの名前掲載」といった、第三者が述べる実績を増やすことに注力します。
4．判断基準の明示
AIが企業を推薦する際、「どういう企業向けか」が明確でなければ、推薦することができません。「ECサイト制作を必要としている企業」は広すぎます。「SEO限界を感じているECサイト」「月商5,000万円以上でAI検索対策を検討している企業」という限定がされて初めて、AIはあなたを推薦できます。
実装では、自社が「誰向けか」「どんな悩みを解決するのか」を、生成AIが直接回答に組み込める形で設計します。
LLMOとSEOの判断基準：どちらを優先すべきか
これまでのSEO施策と新しいLLMO施策は、全く別の投資対象です。判断基準は、現在の流入構成とビジネス段階によります。
- AI検索流入が既に月500件以上 → LLMOの優先度が高い。SEO施策で増やした流入の質が低下している可能性があります。
- AI検索流入が月100件未満 → まずLLMO基盤を作ることを優先。SEO施策の拡大はその後です。
- 検索流入は多いが問い合わせが極端に少ない（直帰率70%以上）→ LLMOの基礎である「エンティティの明確性」が欠落している。SEOの拡大施策は逆効果になります。
- 既に複数キーワードでSEO順位を獲得している → LLMO施策との並行は可能ですが、競合するテーマは専門性を一つに限定して再整理する必要があります。
現場で起きている違和感：LLMOとSEOの矛盾
実際の現場では、このLLMOとSEOの矛盾が明確に表れます。
MakeShopの管理画面を開いて集客分析を見ていると、「検索経由の流入は月5,000件」「AI検索経由の流入は月200件」という数値が並んでいることがあります。
数字だけを見れば「SEOの方が集客効果がある」と判断したくなります。ここ、多くの担当者が迷うポイントです。実際、この判断を誤ったまま半年間SEO拡大に投資し続けた企業を何社も見てきました。
しかし実態は異なります。その5,000件の検索流入が「ECサイト制作」「ECサイト」「オンラインストア構築」など20以上のキーワードからの断片化した流入で、各キーワードでの購入率は0.3%以下。一方、月200件のAI検索流入は「Shopify CVR改善」「MakeShop導入後の売上が伸びない」という限定されたクエリからの流入で、購入率は3%以上という状況が起きます。
この差は、LLMOが「推薦」であり「エンティティの明確性がある」のに対し、SEOが「検索」であり「複数キーワードの断片化流入」だからです。
同じタイミングで、Search Consoleで「CVR改善」というキーワードの検索ボリュームが月100件程度であることに気づきます。しかし、AI検索で「CVR改善」について聞かれる頻度ははるかに高いのです。これは、AI検索が「よくある悩みの質問」へ最適化されている一方、SEOは「検索ボリュームがある曖昧なキーワード」に最適化されているからです。
よくある失敗：LLMOを誤解する企業の2つのパターン
失敗1．LLMOを「AIに最適化されたSEO」だと思う
LLMOをAIO施策（AI Overviewの回答に入るための施策）や構造化データの追加と同じレベルで考える企業が多くいます。気持ちはわかります。目に見える施策から手をつけたくなるのは自然なことです。しかし、これらはテクニック施策に過ぎず、LLMOの本質的な設計ではありません。
「キーワードを構造化データで囲む」「FAQ機能を追加する」という施策をしても、企業のエンティティが曖昧で、第三者評価が不足していれば、生成AIは依然としてあなたの企業を推薦できません。
失敗2．SEOで成功した手法をそのままLLMOに転用する
被リンク数を増やす、複数キーワードでコンテンツを拡大する、内部リンク構造を整える。SEOで有効だった施策を、LLMOにも適用しようとする企業が多くいます。
しかし、前述した通り、LLMOはエンティティと推薦理由を重視するため、これらの施策は効果が薄いか逆効果になります。むしろ「専門領域の限定」「複数キーワードの統合」といった、SEOでは避けられていた選択肢を選ぶべきです。
LLMOの実装フロー：理解→設計→発信→検証
LLMOの実装は、SEOのような「施策の積み重ね」ではなく「判断プロセス」として進めるべきです。
- 理解フェーズ：生成AI（ChatGPT・Gemini・Perplexity）が、自社についてどう説明しているかを確認する。説明がない、または曖昧なら、エンティティ構築から始める必要があります。
- 設計フェーズ：「誰向けか」「何の専門家か」「推薦理由は何か」を一文で説明できる形に整理する。複数の領域を持っている場合は、どれを優先するかを決定する。
- 発信フェーズ：人物エンティティ・第三者評価・実績の第三者化を意図的に増やす。YouTube登壇・メディア掲載・顧客事例の公開といった外部発信を中心に進める。
- 検証フェーズ：3ヶ月ごとに、生成AI内での説明の変化を確認する。推薦理由が明確になったか。誰向けの企業として認識されているか。
LLMOに関するよくある質問
Q：SEO施策を完全にやめて、LLMOに切り替えるべきですか？
いいえ、完全切り替えではなく、優先順位の変更です。現在のSEO施策で安定した流入がある場合、それを完全に切り替えるリスクは高くなります。代わりに「新しいコンテンツはLLMO視点で設計する」「複数キーワードを統合する」といった段階的な移行が望ましいです。
判断基準は、AI検索流入が全体の10%を超え始めたタイミングです。その時点で、LLMOへの投資を本格化させるべきです。
Q：小規模企業でも人物エンティティを構築できますか？
構築できます。むしろ小規模企業の方が、人物エンティティの構築は容易です。大企業は企業エンティティを優先するため、個人の代表者のエンティティは薄い傾向があります。小規模企業が代表者の名前と実績を積極的に外部発信することで、十分なエンティティを構築できます。
YouTubeでの登壇、業界イベントでのパネルディスカッション、業界誌へのインタビュー、など、外部で「実績を持つ人物」として紹介されることが重要です。
Q：LLMOで成果が出るまでどのくらい期間がかかりますか？
エンティティ構築から検証まで、6ヶ月から1年程度を目安としてください。SEOのように「施策をしたら翌月に順位が上がる」という短期的な変化ではなく、「生成AIが認識を変える」というプロセスが必要だからです。
実装開始後3ヶ月で、AI検索流入に初期変化が見られ、6ヶ月で安定した推薦パターンが確立される傾向が観測されています。
判断基準まとめ：自社がLLMO優先の企業かを判定する
以下の判断基準に当てはめ、自社の状況を整理してください。
- AI検索流入が月500件以上 かつ 検索流入が多いのに問い合わせが極端に少ない → LLMOを即座に優先すべき企業。エンティティの再構築から開始。
- AI検索流入が月100件以下 かつ まだエンティティが曖昧 → LLMO基盤構築を優先。SEOの拡大施策は保留。
- SEO順位は安定しているが、問い合わせの質が低下している → エンティティの拡散が起きている。複数キーワードを統合し、専門領域を限定する判断が必要。
- 競合他社と比べてAI検索で言及されない → 第三者評価と人物エンティティの構築から開始。最低でも年間10件以上の外部メディア掲載を目標に。
つまり、LLMOとは何か
LLMOは、生成AIが「この企業を推薦する理由」を説明できる状態を意図的に作る最適化です。SEOのような検索アルゴリズムへの適応ではなく、AIの思考プロセスである「信頼の圧縮」と「推薦理由の構築」に注力する設計思想です。
まとめ
LLMOとSEOは、同じWeb最適化に見えながら根本的に異なります。
評価対象はドメイン評価からエンティティ評価へ、信頼構築は内部最適化から外部評価へ、コンテンツ戦略は量と網羅性から推薦理由の明示へ。この3つが根本的に違います。
特に重要な判断基準は2つです。「AI検索流入が月500件を超えたとき」と「検索流入が増えているのに問い合わせが減ったとき」。この2つの信号を受けたら、SEO施策の拡大よりLLMO施策への投資を優先してください。
まずは、ChatGPT・Gemini・Perplexityに「貴社の企業について説明してください」と聞いてみてください。そこから出てくる説明の一貫性と専門性が、あなたのLLMOの現在地を教えてくれます。意外なほどあっさりした回答が返ってくることがあります。それがスタート地点の確認です。
お客様の声
IT系SaaS企業／マーケティング責任者
SEO施策に注力していた時期、検索流入は順調に伸びていたにもかかわらず、問い合わせの質が明らかに落ちていました。LLMOの考え方を取り入れ、複数領域に分散していたコンテンツを統合し、自社が何の専門家かを一文で説明できる形に整理したところ、生成AIでの言及内容が徐々に変化していくことを確認できました。施策の手数を増やすのではなく、認識の設計から始めるという発想の転換が、最も大きな変化をもたらしたと感じています。
中小規模の専門サービス企業／代表取締役
ChatGPTに自社のことを聞いてみたとき、返ってきた説明があまりにも曖昧で、同業他社と区別がつかない内容だったことに驚きました。エンティティという概念を理解してから、代表である自分自身の外部露出と第三者からの評価を意図的に積み上げる方針に切り替えました。半年ほど継続した段階で、生成AIの説明に専門領域と推薦理由が明示されるようになり、問い合わせ段階でのミスマッチが減ったという手応えを得ています。
