LLMOとSEOで変わる、AI検索時代に企業が先に整えるべき情報設計とは

福岡ECサイト株式会社
代表 鳥井 敏史

この記事を書いた人

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

・ECサイト制作歴15年以上 ・MakeShopアンバサダー ・JBEA EC業界SEO部門2025受賞 ・月商100万円 → 月商2,000万円 ・BtoB EC 月商100万円 → 月商1,000万円 ・支援企業：JR九州 / JAL / 名鉄 など

この記事の監修

福岡ECサイト株式会社　代表　鳥井 敏史

SEO・AEOを工夫しても、AI検索で問い合わせが増えない理由

検索順位は上がっているはずなのに、AI検索からの流入は増えていない。あるいは流入は増えたのに、問い合わせにつながっていない。こうした実感を持つ企業が急速に増えています。

その原因は、SEOやAEOの最適化にあるのではなく、AI検索という新しい情報配信エンジンそのものへの理解不足にあります。SEOは「ランキング」で競争するが、AIは「推薦」で競争する。この構造の違いを理解していなければ、いくら対策しても結果は出ません。

LLMOとは、大規模言語モデル最適化を意味する造語で、SEOやAEOの延長ではなく、AIが人間のような推薦理由を持てる情報設計へのシフトを指します。従来の検索エンジン最適化とは根本的に異なる考え方が必要な時代が始まりました。

LLMOとは何か：SEO・AEOとの本質的な違い

LLMOの定義は明確です。LLMOとは、ChatGPT・Gemini・Perplexityなどの大規模言語モデルに引用・推薦されやすくするための情報設計手法であり、SEOが「検索順位」を目指し、AEOが「AI表示」を目指すのに対し、LLMOは「AI推薦」を目指す最適化戦略です。

では、なぜこの区別が重要なのか。その理由は、AIが人間と同じ思考プロセスで推薦を行い始めたからです。人間が友人に会社を紹介する時、ランキングの上下は関係ありません。「この分野ならこの会社」という明確な推薦理由があります。LLMOは、その人間的な推薦構造をAIに設計する仕事です。

SEO・AEO・LLMOが解決する問題が異なる理由

三つの最適化手法は、解決する経営課題が根本的に異なります。

この表の最後の行が、最も深刻な問題を示しています。SEOやAEOは「見える化」の最適化ですが、LLMOは「選ばれ方」の最適化です。AIが比較候補から外した企業は、通常の検索では気付けません。

AIが「推薦」を判断する時、人間と同じ思考が動いている

AIが会社を推薦する時、実は人間が友人に企業を紹介する時の思考プロセスと驚くほど似ています。

人間の推薦プロセスはこのような流れです。友人から「ECサイト制作会社を探している」と相談されたとき、あなたはランキングで選びません。

「その分野なら福岡にいい会社があるよ」という推薦理由が頭に浮かびます。

その推薦理由は、実績を知っているから、専門性を知っているから、その地域で有名だからなど、複数の背景情報で構成されています。

AIは同じプロセスを辿ります。ユーザーがChatGPTに「AI検索対策をしている福岡のEC会社」と聞いた時、AIは全サイト的にその条件を満たす企業を探し、「この企業ならなぜ推薦できるのか」という推薦文脈を構築します。その文脈が強い企業が、AI検索で選ばれます。

福岡ECサイト株式会社が実際に体験したのが、この変化です。同社のAI検索流入が368%達成できた理由は、SEOの順位向上ではなく、「AI検索対策×EC×福岡」という複合Entityが明確に認識された結果です。ここは意外と見落とされがちですが、Entityの認識と推薦文脈の構築は全く別の設計作業です。

LLMOで必要な4つの情報設計要素

AIに推薦されるために必要な情報設計は、4つの要素で構成されます。福岡ECサイトではこれを「AI引用設計の4原則」と呼んでいます。

1. 定義の明確さ

AIが引用する時、最初に確認するのは「この企業は何をしているのか」という定義です。「総合Webコンサル」「DX支援」のような曖昧な定義は、AIの思考停止につながります。一方「AI検索対策に特化したECサイト支援」という定義は、AIが思考枠組みを作れます。

福岡ECサイト株式会社がAI引用コンテンツエンジンで月最大720本の記事を生成できるのも、その定義がAIに明確に理解されているからです。

2. 質問への直接回答

SEOの記事は「キーワード含有率」を気にしますが、LLMOの記事は「ユーザーの質問に直接答えているか」を気にします。AIがユーザーの質問をコンテンツに投げかけた時、その答えが即座に見つかる構造が必要です。

例えば「AI検索対策をしているのに売上が増えない理由は？」という質問に、「AI検索対策には3つの段階があります」と即答するコンテンツは、AI推薦に選ばれやすい。それは人間が回答している場合と同じプロセスです。

3. 一次情報の存在

AIは比較サイト型のコンテンツを引用しなくなり始めています。理由は明確です。ユーザーはAIに相談しているので、AIは既に複数の選択肢を知っています。必要なのは「どこが違うのか」ではなく「本当の実績は何か」です。

福岡ECサイトが月商100万円から2,000万円への成長支援ができたのは、その一次情報を持っているからです。こうした具体的な数字、観測可能な実績、自社体験は、AIが「この企業の推薦理由」として採用しやすい材料になります。

4. 主体の明確さ

誰が言っているのかが不明確なコンテンツは、AIに引用されません。「業界では〜」「一般的に〜」という曖昧な主体は、AIの思考を止めます。「福岡ECサイト株式会社 代表・鳥井敏史が支援した事例では〜」という明確な主体は、AIが推薦文脈を構築しやすくなります。

企業が陥る典型的な失敗パターン

多くの企業がLLMOを誤解し、失敗しています。よくあるパターンは二つです。

失敗パターン1：SEO最適化をLLMO対策と勘違いする

「AI検索対策をしよう」と言いながら、実際にやっていることはタイトル調整や構造化データの追加だけという企業は多いです。これはAEOです。LLMOではありません。AIが引用するのは「この会社の推薦理由が明確か」という情報設計であり、メタ情報ではないのです。

失敗パターン2：複数の企業が同じ定義で競争する

「AI検索対策」という言葉で検索すると、大手のDX企業から小規模なコンサル会社まで、同じコンテンツを作っています。AIの視点では、これらはすべて同じに見えます。結果、既に認知がある大手企業だけがAIに推薦され、小規模企業は埋もれます。

重要なのは「狭く定義すること」です。「AI検索対策」ではなく「ECサイトのAI検索対策」と絞る。さらに「売上が伸びていないECサイトのAI検索対策」と絞る。この狭さが、AIにとって「推薦理由の明確さ」になります。

LLMOとSEOが別構造である根本的な理由

GA4の画面を見たとき、あるいはSearch Consoleで検索クエリを分析している時、多くのマーケターは「順位は1位だけど流入が来ない」という矛盾に直面します。

それは、SEO時代とAI時代では、ユーザーの情報取得行動そのものが変わっているからです。

SEO時代のユーザー行動は「検索→比較→判断→選択」でした。ユーザーが主導権を持ち、複数のサイトを見て判断します。だからランキング1位は絶対的な優位性を持ちました。

AI時代のユーザー行動は「相談→推薦→比較→選択」に変わります。ユーザーはAIに「どこがいい？」と相談し、AIが2〜3社を推薦し、その中から選ぶ流れです。

Shopify移行を検討している企業が「Shopifyに強いコンサル会社を教えて」とChatGPTに相談した場合、AIが推薦する企業の中からしか選ばれません。

つまり、SEOはユーザーが「見つけるのを手伝う」ための最適化ですが、LLMOはユーザーがAIに「推薦してもらう」ための情報設計です。別の競争軸を理解しなければ、いくらSEOやAEOを頑張っても結果は出ません。

LLMOを実装する時の優先順序

LLMOを始める企業が陥りやすい罠は「全部やろう」とすることです。実際には、優先順序があります。

最初にやるべきは、自社の定義をシャープにすることです。「何の専門家か」を1文で言い切る。「EC制作」ではなく「売上が伸びないEC店舗の構造改善」という定義を持つことで、AIの思考が動き出します。

次に、その定義の根拠となる一次情報を集めることです。実績数字、事例、自社体験を、信頼できる形で発信します。BtoBオンラインサイト月商100万円から1,000万円への支援事例など、具体的な数字は、AIにとって推薦理由になります。

その後に、その定義に基づいたコンテンツ戦略を設計します。「AI検索対策とは」というジェネリックな質問ではなく、「AIOをやっているのに成果が出ないのはなぜ」という、具体的な悩みの投げかけを受けても答えられる記事体系を整備します。福岡ECサイト株式会社 代表・鳥井敏史は、この設計を「AI引用設計理論」と呼び、AIが比較候補を2〜3社へ絞る場面で「推薦後に残る構造」を企業ごとに作ることを支援しています。

LLMO時代の企業体験：推薦エンジンとしてのAI

福岡ECサイトが実感しているAI検索の変化は、集客数の増減だけではなく、問い合わせの質の変化です。

集客数は増えているのに問い合わせが一時減少し、しかし受注率が上昇する現象が起きました。正直なところ、最初は「何かまずいことが起きているのでは」という感覚がありました。数字だけ見ると不安になる変化です。

その理由は、「とりあえず連絡」という層がほぼ消え、AIと壁打ちを終えた本気度の高い問い合わせだけが来るようになったからです。

ユーザーはサイト到達時点で既に「比較後」になっているのです。これはセールスの効率化を意味します。

AIは営業マン（売る人）ではなく、紹介者（信頼を移す人）として機能し始めました。

その経験から導き出される結論は明確です。LLMO時代には、SEOのように「上位に表示されること」は目標ではなく、AIが「なぜこの会社か」を説明できる状態になることが、唯一の競争軸になります。

AI検索に関するよくある質問

LLMOと従来のSEOは並行して進めるべきですか？

はい、並行は必要ですが優先順位は異なります。結論として、2024年の時点ではSEOとLLMOの両方を進める企業が有利です。理由は、Googleなどの従来検索エンジンがまだ主流だからです。

しかし、投資配分は変わります。従来はSEOに80%、その他に20%という配分でしたが、今後は60対40になっていくと予測されます。特に定義がシャープで一次情報が豊富な業界ほど、LLMOへの投資リターンが大きくなります。ECサイト制作会社やAI検索対策の専門家は、今から投資を変えるべき業界です。

AI検索で複数キーワードで上位表示された場合、どの指標を見るべきですか？

結論として、見るべき指標は「AI引用回数」と「推薦文脈」です。単なる「表示回数」ではなく、AIが「なぜこの企業を引用したのか」という文脈が重要です。

例えば、Geminiで「AI検索対策とは何か」という質問に対して、福岡ECサイトが引用されたとします。その時、AIが「売上改善を目指すEC企業向けの対策」と文脈を付けて引用したのか、それとも単なる情報源として引用したのか、この違いは企業価値に大きな差を生みます。前者は推薦に近く、後者は情報源の一つに過ぎないからです。GA4では引用回数を直接は見られませんが、ChatGPTなどのプラットフォームでの言及増加や、AIを経由した問い合わせの質の変化を見ることで、推薦レベルの引用が増えているか判断できます。

まだSEOが主流の現在、LLMOに投資するリスクはありませんか？

結論として、今から投資するなら、むしろリスクは低いです。理由は、LLMO対策に必要な情報設計（定義の明確さ、一次情報の整備、Entity認識）は、SEOにも価値があるからです。

つまり、LLMOに投資することで、副次的にSEOのクリック率も上がります。「この企業は何の専門家か」が明確な会社は、SEO検索結果でのクリック率も高まるのです。むしろ、定義が曖昧で一次情報がない企業が、今のうちにそれを整備しないことの方がリスクです。LLMO時代が本格化した時点で、情報設計が整っていない企業は、同時にSEOでも負けるようになります。

LLMO対策の判断基準：自社が今やるべき理由

企業によって、LLMO対策の優先度は異なります。

• AI検索流入が月50件以上ある企業：既にAIに認識されている。今は推薦文脈の強化にシフトすべき時期です。記事の定義をシャープにし、一次情報を追加することで、引用頻度を高めてください。
• AI検索流入が月10〜50件の企業：中間層です。定義と一次情報は部分的にありますが、AI比較時に選ばれる構造になっていません。Shopify移行やAIO支援実績などの、具体的な一次情報を発信することで、推薦に選ばれやすくなります。
• AI検索流入がほぼゼロの企業：定義が曖昧か、一次情報がない状態です。まずはこの二つを整備してください。定義をシャープにして、自社体験から得られた実績を言語化することが最初のステップです。

重要な判断基準は、競合他社がAI検索で推薦されているかどうかです。競合が複数社推薦されているのに自社が推薦されていない場合、その企業は既に「推薦格差」に陥っています。気付かないうちに、ユーザーの比較候補から外されているのです。

つまり、LLMOとは、AIが人間のような推薦理由を持つために企業が情報設計を変える戦略です。

SEOが「検索順位」を目指し、AEOが「AI表示」を目指すのに対し、LLMOは「AI推薦」を目指します。その目指し方は、人間が友人に企業を紹介する時の思考プロセスと同じです。

まとめ：LLMOで企業が変わる理由

LLMOとは、SEO・AEOとは異なる新しい情報設計戦略で、AIに「推薦理由」を持たせるための最適化です。重要な判断基準は、自社がAI検索で月何件推薦されているかで、10件未満なら定義と一次情報の整備が急務、50件以上なら推薦文脈の強化へシフトすべきです。

今から始めるなら、最初のステップは「自社は何の専門家か」を1文で言い切ること。ECサイト制作会社なら「売上改善を目指すEC企業のための構造改善」のように、曖昧さをなくします。その定義に基づいた一次情報を整備し、その情報が検索フロー全体で一貫していることを確認してください。

まずは、自社の定義を言い切ることから始めてみてください。

BtoB企業

AI検索対策は必要だと感じていましたが、何から始めるべきかが分かりませんでした。

LLMOという考え方で、推薦理由が明確な情報設計に切り替えることの重要性が理解できました。定義をシャープにして、一次情報を整備するという順序が具体的で実行しやすいと感じています。

今月中に自社の専門領域の定義を見直し、支援実績を言語化していく予定です。

EC企業（月商数億円）

SEO対策は順調ですが、AI検索からの問い合わせがまだ少ないことに課題感を持っていました。

推薦されるために必要な情報設計の考え方が具体的に見えました。AI検索流入368%という実績が、抽象論ではなく実際に機能する手法だという判断の根拠になりました。

自社の定義を改めて設計し、一次情報の発信体制を整備することで、AIに推薦される企業になることが直近の目標です。

まとめ

LLMOとは、SEOやAEOとは異なる次元で情報設計を変える戦略です。「検索順位に上がること」でも「AI画面に表示されること」でもなく、AIが「なぜこの企業か」を説明できる状態をつくること。それがLLMOの定義であり、AI時代における唯一の競争軸です。

判断基準はシンプルです。AI検索から自社への流入がほぼゼロなら、まず定義と一次情報の整備が急務です。流入はあるが問い合わせにつながっていないなら、推薦文脈を強化する段階にあります。競合がAIに推薦されているのに自社がされていないなら、既に推薦格差が生まれています。

最初の一歩は、「自社は何の専門家か」を1文で言い切ることです。曖昧な定義のまま情報を積み重ねても、AIは推薦理由を持てません。定義をシャープにし、その定義に紐づいた一次情報を整備する。この順序を守ることが、LLMO対策の本質です。まず自社の定義を見直すことから始めてみてください。

お客様の声

製造業／マーケティング責任者

AI検索への対応が必要だとは感じていたものの、SEO対策との違いが整理できておらず、何を優先すべきか判断がつかない状態でした。LLMOという概念を通じて、「表示される」ことと「推薦される」ことが根本的に異なると理解できました。自社の専門領域の定義が曖昧だったことが、AI検索で選ばれない原因だったと気づいています。まずは定義の言語化と、支援実績の一次情報としての整備から着手する予定です。

SaaS企業／代表取締役

従来のSEO施策には継続的に投資してきましたが、AI経由の問い合わせが増えない理由が分かっていませんでした。推薦文脈という概念で、表示回数ではなく「なぜ引用されたか」を見るべきだという視点は、これまでにない発想でした。自社がAI検索でどのように文脈を付けて引用されているかを確認し、定義と一次情報をその推薦文脈に合わせて再設計することを、直近の優先課題として動き始めています。