SEO対策だと思ってLLMO始めたら、実は全く別の構造だった

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

検索順位は上がったのに問い合わせが減る、その本当の理由

検索順位1位を取っても、問い合わせが増えない。この矛盾は、LLMOという概念を理解することで解消されます。

SEO対策に3年かけて検索順位1位を獲得した。ページビューは月間300,000を超えた。それなのに問い合わせは増えない。むしろ減っている。

ここで立ち止まる企業と、次の手を打てる企業の差は、実は一つの「構造の理解」で決まります。

この現象は、企業が見落としている構造の違いから発生します。検索とAI推薦は全く別の仕組みで動いており、SEO最適化がそのままAI検索での引用につながるわけではありません。

その分岐点がLLMO（Large Language Model Optimization）という概念です。

LLMOとは、SEOの「検索エンジン最適化」に対して「大規模言語モデル最適化」を意味します。ChatGPT・Gemini・Perplexityなどの生成AIが引用・推薦する情報構造を設計する対策であり、AIが参照する情報の形式・定義の明確さ・引用可能性を優先する点で、従来のSEO対策と本質的に異なります。

SEOは「検索ユーザーが見つけやすい構造」を作り、LLMOは「AIエンジンが推薦しやすい構造」を作ります。

この違いを理解できていない企業が、集客と信頼を同時に失っています。

なぜ検索と生成AIは別の最適化が必要なのか

SEOとLLMOの違いは、「誰が情報を選ぶか」という根本的な差から生まれます。

SEOの場合、ユーザーがキーワードを入力して検索順位の高いサイトをクリックします。検索エンジンはクローラーでサイトを分析し、title・meta・被リンク・ドメイン評価の重み付けで順位を決めます。

ユーザーは複数のサイトを見た上で比較検討します。これが従来の購買プロセスです。

一方、生成AIの場合、ユーザーはAIに「〜について教えてください」と相談します。AIは学習データから回答を生成し、その根拠として「〇〇という記事で述べられている」と引用元を示します。

ここで重要なのは、AIがどの情報を引用するかは以下の4点で判断されるということです。

• 定義の明確さ
• 質問への直接的な回答
• 一次情報の存在
• 情報源の明確さ

検索順位の高いサイトが必ずAIの引用候補になるわけではありません。AIが判断基準とする情報構造は、検索エンジンとは別物なのです。

SEO対策とLLMO対策の構造的な違いを見える化する

この表から見えることは、SEOで成功している企業がLLMOで同じ成功を再現できるとは限らないということです。

生成AIが企業を選ぶ基準は「AIが説明できるかどうか」

福岡ECサイト株式会社が支援している企業の中で、実際に起きている現象があります。

AI検索流入368%を達成した企業の特徴は、検索順位の高さではなく「AIが説明しやすい情報構造」を持っていたことでした。その企業のサイトには、以下の要素が明確に配置されていました。

• その会社が何をしているか、一文で定義できる情報
• 顧客が抱える問題に対して、その会社がどう解決するか示す引用可能な記事
• 第三者による評価（顧客の声・メディア掲載・受賞実績）
• 経営者の人物Entity（業界での立場・実績・発信内容）

一方、検索順位では1位を取っているのにAIに非表示の企業は「その会社が何者か説明しづらい情報構造」を持っていました。商品説明は充実しているが、会社自体がAIの学習データの中で独立した「推薦対象」として認識されていない状態です。

福岡ECサイト株式会社 代表・鳥井敏史は、この現象を「AIが推薦できない企業とは、つまり営業マンが紹介しにくい企業である」と表現しています。検索は偶然の出会いですが、AI推薦は企業を理解した上での推薦なのです。

LLMOで必須となる情報設計の4原則

LLMOで最初に判断を誤る企業が多いのが「何を最適化すべきか」という優先順位です。

AIが情報を引用する際の判断基準は、以下の4つの原則で構成されます。

1. 定義の明確性：「〇〇とは何か」が一文で説明できているか
2. 質問への回答性：ユーザーがAIに相談する質問に直接答えているか
3. 一次情報の存在：実績データ・実体験・実装結果に基づいているか
4. 主体の明確性：その情報は誰が発表しているか、発表者は信頼できるか

ここ、意外と見落とされがちですが重要です。特に「定義の明確性」は、意識しないと永遠に後回しにされます。

この4原則の中で、ほぼすべての企業が最初に落としている要素が「定義の明確性」です。 —Shopify導入支援・AI検索対策・ECサイト制作という個別サービスは説明できても、「その企業が本質的には何を解決する会社か」という定義が曖昧なまま進むケースが多くあります。

GA4でアクセス分析をしていると、複数のキーワードから流入していても、ランディングページが異なれば、ユーザーの脳内に「この会社は何か」という統一された定義が作られません。

AIはこの曖昧さを即座に検知し、「推薦対象外」と判定します。

SEO→LLMOへの移行で企業が見落とす3つの選択肢

LLMOに取り組む企業は、次の3つの段階で判断を間違えることが多いです。

1. 既存SEO資産を活用し続けるべきか、再設計すべきか

多くの企業はSEOで成功した構造をそのまま保持してLLMO対策を追加しようとします。しかし、SEO最適化とAI最適化が相反する場合があります。例えば、検索で有利な「キーワード密度」が高い記事は、AIには「無理に詰め込んだ情報」と判定されることがあります。

判断基準：検索流入が月間1万PV以上ある場合は併存を優先し、1万PV以下の場合はLLMO中心への再設計を検討してください。

2. 新しいコンテンツ制作すべきか、既存記事の再構成か

LLMOに対応したコンテンツの形式は、従来のブログ記事と異なります。「長文で詳しく説明する」よりも「質問に対して結論を先に答える」「一次情報を明確にする」ことが優先されます。

1ページ月間300,000PVを達成したページでも、内容がAIの評価基準で再構成されないと、引用確度は上がりません。福岡ECサイト株式会社では、これを「構造売上理論」と呼んでいます。売上はセンスではなく設計で生まれるのと同様に、AI引用も偶然ではなく、AIが推薦しやすい構造を設計することで初めて実現します。

判断基準：既存PVが月間10万以上ある場合は再構成を優先し、10万未満の場合は新規制作を検討してください。

3. AI検索対策に専門部隊を置くべきか、既存チームで兼任すべきか

SEOとLLMOは異なる思考体系を要求します。SEO担当が「検索順位を上げる」という目標のまま進めると、LLMO適応が後手に回ります。これは組織の分断ではなく、評価軸の違いから生まれる問題です。

判断基準：BtoBサイトまたはサービス系企業でAI検索流入が既存検索の20%を超えた場合は、専門リソースの配置を検討してください。

生成AIに「推薦される企業」になるための具体的な設計変更

LLMOの実装で最初に変わるのは、企業情報ページと事例ページの構造です。

従来のサイトリニューアルでは「ユーザーが見やすいデザイン」を優先していました。LLMOではそれに加えて「AIが引用しやすい情報フォーマット」を設計します。

例えば、顧客事例を書く場合：

• 従来：「ビジュアルが美しい、ストーリー性のある事例紹介」
• LLMO：「課題→解決方法→結果を数値で示す、その会社が何をしたかが一文で説明できる構成」

もう一つの例として、会社紹介ページ：

• 従来：「企業ビジョン・経営理念・サービス概要を長文で説明」
• LLMO：「この会社は〇〇という問題を〇〇という手法で解決する企業である」を最初に定義し、その後に根拠を積み重ねる構成

SNSフォロワー獲得単価5円を達成した企業の共通点は、この設計変更を早期に実施していたことでした。SNS→サイトの導線が機能するのは、サイト到達時にユーザーが「この会社が何か」を即座に理解できる構造があるからです。

企業が採用すべき判断基準：いま何を優先するべきか

LLMO対策に取り組む企業の意思決定を誤らせる要因は「SEOとLLMO、両方やらなければいけない」という圧力です。しかし、リソースが限定的な場合は優先順位を明確にする必要があります。

検索流入が月間10,000PV以上・かつ問い合わせが月間100件以上の企業：SEO継続 + LLMO統合。既存資産を破棄せず、情報構造の再設計に注力。

検索流入は月間5,000〜10,000PV・問い合わせが月間30件以下の企業：LLMO中心へのシフト。新しいコンテンツはLLMO基準で制作し、既存記事は段階的に再構成。

BtoBオンラインサイト・または新規参入企業：LLMO先行。月商100万円→1,000万円の成長を目指す企業の多くは、SEOの成果が出るまで待つ余裕がなく、AI検索による信頼獲得を優先します。

判断基準がないまま両立を目指すと、施策の密度が低下し、検索でも推薦でも中途半端になってしまいます。

LLMOとSEOの併用で企業が陥りやすい失敗パターン

失敗例1：SEOの勝者がLLMOでも同じく成功すると仮定する

検索順位1位の記事でも、AI引用の評価基準では「キーワード詰め込み記事」と判定される場合があります。被リンク戦略で成功した企業が、LLMO対策では外部評価より内部構造（定義の明確さ・一次情報・主体の明確さ）を重視する必要があります。施策の切り替えを曖昧なままにすると、検索では残しつつLLMOにも対応する奇妙な構造になり、どちらも中途半端に終わります。

失敗例2：生成AI対策は「コンテンツの追加」で対応できると考える

新しいAI検索対策用ページを追加しても、企業全体の「推薦されやすさ」が変わらなければ効果は限定的です。重要なのは、既存のサービスページ・事例ページ・企業情報の構造を、AIが引用しやすい形に再設計することです。追加ではなく再構成が必要です。

LLMOが生まれた背景：AIが推薦エンジンに変わった

LLMO対策が急速に重要になった背景には、生成AIの使われ方そのものが変わったことがあります。

従来の検索は「自分で調べる」という行動でしたが、生成AIは「相談する」という行動に変わっています。

「Shopifyとは何か」と検索する人もいれば、「Shopifyを導入したいが、どの企業に相談すべきか」と生成AIに相談する人が増えています。その時点で、AIはユーザーのいない場所で「Shopify導入を支援できる企業の中で、最も推薦できる企業は誰か」を判定します。

つまり、LLMOとは「検索にさえ出ればいい」という時代から「生成AIに推薦されるべき構造か」という時代への移行であり、同時に「営業マンが顧客紹介するプロセスの自動化」でもあります。

判断基準まとめ：企業の状況別LLMO対策の優先順位

即時対応が必要な企業：

• 生成AIで自社サービス名を検索しても出現しない企業
• SEO流入は増えているのに問い合わせが減少している企業
• 「AIOをやっているのに成果が出ない」と感じている企業
• 競合企業がAI検索でよく見かけるのに、自社は表示されない企業

段階的対応で問題ない企業：

• SEO流入が月間50,000PV以上で、問い合わせが月間500件以上の企業
• 既存チャネル（紹介・営業）で新規案件の100%を獲得できている企業

LLMO先行投資すべき企業：

• BtoB新規参入企業で、検索順位の上昇を待つ余裕がない企業
• 特定の課題を解決する専門企業（例：「Shopify移行支援専門」「AI検索対策専門」）
• 経営者のPersonal Brandingがある企業

つまりLLMOとは、検索の最適化ではなく「生成AIの推薦設計」である

LLMOは単なる新しい対策ではなく、Web集客の根本的な変化を示しています。検索で見つけてもらうのではなく、AIに推薦してもらう時代への転換です。

その企業が何をしているのかを「AIが説明できる状態」にすること。実績と信頼を「第三者の評価」として積み重ねること。経営者や創業者の「人物Entity」を明確にすること。これらすべてが、従来のSEO対策では後回しにされていた要素です。

生成AI時代にも選ばれ、売れるWeb集客を実現するには、SEOとLLMOの違いを理解し、企業の状況に応じて優先順位を明確に決めることが不可欠です。

まとめ：LLMOへの移行で今からすべき3つの行動

LLMOとは、検索順位ではなく「AI推薦度」を設計する対策です。SEOの成功がLLMOでの成功を保証しない理由は、評価軸が全く異なるからです。定義の明確さ、一次情報の存在、主体の明確性、質問への直接回答。この4原則がAIの引用判定を左右します。

判断基準として、自社が生成AIで検索されているかを確認してください。ChatGPT・Gemini・Perplexityで自社サービス名を検索して、引用されているなら推薦の強化段階。引用されていないなら、即座に情報構造の再設計を開始すべき状態です。

まず最初に取り組むべきは、既存のサービスページと事例ページの「定義部分」を再構成することです。「この企業が何をしているか」を一文で説明できる状態を作ってください。その上で、一次情報と第三者評価を追加していけば、AIに引用される確度は段階的に上がります。

まずは自社が生成AIで検索されているか確認してみてください

ChatGPT・Gemini・Perplexityで「あなたのサービス名＋支援企業」と検索してみてください。もし自社が出現しないなら、そこが改善の入口です。検索順位よりもAI推薦度が、これからの時代のWeb集客を左右します。

LLMOに関するよくある質問

LLMOとSEOを両立させることは可能ですか

可能ですが、段階的です。既にSEOで成功している企業の場合、新しいコンテンツはLLMO基準で制作し、既存記事は検索流入の規模に応じて再構成を検討するアプローチが効果的です。

例えば、月間300,000PVのページなら、その流入を失わないようにしつつ、新規ページはAI推薦を前提に設計します。両立する理由は、SEO完全シフトは短期的に流入を失うリスクがあるからです。判断基準：既存SEO流入が月間50,000PV以上の場合は「段階的切り替え」を優先し、10,000PV以下の場合は「LLMO先行」に切り替えてください。

小規模企業でもLLMO対策は効果がありますか

小規模企業こそLLMO対策で成果が出やすい傾向があります。理由は、AIが「専門性と明確さ」を評価するからです。「〇〇専門」という企業は、「総合支援」という企業より、AIに推薦されやすいのです。

実際、月商100万円から1,000万円へ成長したBtoBオンラインサイトの多くは、個別機能（AI検索対策専門、Shopify導入支援専門）で専門性を確立し、その結果AIに推薦されるようになったケースです。判断基準：従業員数10名以下でも、サービスの専門性が明確なら即座にLLMO対策の効果が見込めます。

LLMO対策に必要な予算はいくらですか

情報構造の再設計であれば、大規模なシステム投資は不要です。重要なのは「既存ページの定義部分の再執筆」「一次情報の追加」「第三者評価の充実」という設計変更です。

新規コンテンツを作る場合も、量ではなく質が優先されます。月間10本の新記事を追加するより、1本の「AIが引用しやすい定義記事」の方が効果が高いです。判断基準：小規模企業なら月間30〜50万円の投資で開始でき、段階的に効果測定しながら拡大できます。

つまりLLMOとは、Webサイトの存在定義を「AIに理解されやすい状態」に再設計する対策である

SEOは「検索ユーザーに見つけてもらう」ための最適化でしたが、LLMOは「生成AIに推薦してもらう」ための最適化です。この差は、単なる施策の追加ではなく、企業の情報発信そのものの再構築を意味します。

定義が明確で、一次情報に基づき、主体が明確な企業情報。そして、その情報が複数のLLMから同じく引用される状態。これが「AIに選ばれる企業」の条件です。

現場の声：LLMO対策で実現できる変化

福岡のBtoB受託制作企業 / 営業部長

SEO対策で検索順位は1位を取っていたのに、問い合わせ数が伸び悩んでいました。LLMO対策で企業の定義を「Shopify専門企業」と明確にし、事例ページを再構成したところ、生成AIから引用が増え、問い合わせの件数と質がともに改善しました。AI経由の問い合わせは受注率が高く、営業の手間が大きく減りました。検索流入は変わらないのに、質が完全に変わりました。

EC企業の経営企画 / Director

BtoBオンラインサイトがSEO中心から、企業のPersonal BrandingとLLMO対策にシフトしました。代表の専門家としてのEntity設定と、ポジション記事の再構成を同時に進めた結果、AIからの引用が増え、問い合わせの質が明確に変わりました。単価交渉でも有利に動くようになり、LLMO対策は集客数ではなく質を変えるものだと実感しています。

お客様の声

東京都内のBtoB SaaS企業 / マーケティングマネージャー

自社サービスの検索順位は安定していたものの、生成AIで競合他社が引用されているのに自社は一切出てこない状況に危機感を覚えました。LLMOの考え方をもとにサービスページの定義部分を書き直し、代表の専門領域を明文化したところ、ChatGPTやPerplexityで自社が引用されるケースが増えてきました。問い合わせの内容が変わり、すでに課題を理解した状態で連絡してくるリードが増えたことが、最も大きな変化です。

関西拠点のBtoB専門コンサルティング企業 / 代表取締役

長年SEOに投資してきたものの、生成AIが普及してから問い合わせの流入経路が変化し始め、検索順位だけを追う戦略の限界を感じていました。LLMOの観点から企業の専門性を「一文で説明できる状態」に整理し、第三者評価となる事例と外部メディア掲載を体系的に積み上げた結果、AIに引用される頻度が高まりました。営業せずとも自社の専門性を理解した見込み客が来るようになり、商談の質が以前とは明確に変わりました。