製造業のLLMO入門｜AI検索で選ばれるWeb戦略

はじめに：「AIに聞いたけど、御社は出てこなかった」

「展示会で名刺は集まるのに、若い購買担当者から『AIに聞いたけど、御社は出てこなかった』と言われた」。先日、製造業の経営者からこう相談されました。この言葉は少し前まで聞かなかった種類のものです。しかも、言われたのが50代のベテラン購買担当ではなく、入社5年目の若手だったという点に、時代の変化がはっきり表れていました。

同時に、こういう声も増えています。「ChatGPTに競合の会社名は出てくるのに、うちだけ出ない」「Googleで検索すれば3番目に出るのに、AIの要約には一度も登場しない」「Perplexityで業界のことを調べたら、知らない会社ばかり紹介された」。どれも同じ問題を指しています。原因は、サイトのデザインが古いとか、文章が下手だとか、そういうことではありません。AIが自社の情報を「引用できる形」で見つけられていないという、情報の置き方の問題です。

この状態は、放っておくと確実に悪化します。なぜなら、購買担当者が最初に情報を集める場所そのものが、検索結果のリンク一覧からAIの回答へと移りつつあるからです。そしてAIの回答は、10件の候補を並べるのではなく、1つの答えを出します。候補にすら入らなければ、比較検討の土俵に上がれません。営業担当がどれだけ優秀でも、存在を知られない相手には売れないのです。

本記事では、この状況を打開するためのLLMO（AI検索最適化）について、用語の意味から、製造業の現場で今日から手を動かせる5つのステップ、そしてGA4での効果測定までを順番に解説します。専門知識は一切前提にしません。「AIとか難しそう」「うちみたいな町工場には関係ないでしょう」と感じている方こそ、読み終わる頃には最初の1手が決まっているはずです。読み終えたら、まず1時間だけ手を動かしてみてください。それだけで、自社の現在地が見えます。

LLMOとは？AI検索の仕組みを初心者向けに解説

まず言葉の定義から始めます。LLMOとは「Large Language Model Optimization」の略で、AI検索最適化と訳されます。ChatGPT、Gemini、Perplexity、GoogleのAIによる概要（AI Overviews）といった生成AIが回答を作るときに、自社の情報を参照・引用してもらいやすくする取り組みの総称です。GEO（Generative Engine Optimization）と呼ばれることもありますが、指している内容はほぼ同じだと考えて構いません。呼び方が複数あるのは、この分野がここ2年で急速に生まれたためで、用語の違いに悩む必要はありません。

そもそも「AI検索」とは何を指すのか

ひと口にAI検索といっても、実は性質の異なるものが混在しています。製造業のWeb担当者が押さえるべきは、次の3つです。

AIによる概要（AI Overviews）：Googleの検索結果の上部に、AIが複数のページを要約して根拠リンク付きで表示する機能。日本では2024年8月16日から提供が始まりました。ユーザーは通常の検索をしているだけで、意識せずにAIの要約に触れています。
AIモード：Google検索の中でAIと対話しながら調べられる機能。日本語では2025年9月9日から提供が始まっています。会話を重ねながら絞り込めるため、比較検討の場面で使われやすいのが特徴です。
ChatGPTやPerplexityなどの対話型AI：ユーザーが質問を投げ、AIがWeb上の情報を参照しながら回答を組み立てる。検索エンジンを経由しない入口であり、Web版とアプリ版の両方で使われています。

この3つを「どれが一番大事か」で考える必要はありません。購買担当者は複数を併用するからです。ある調査では、AI検索を使う人の利用サービスはChatGPTが30.6%、GoogleのAIモードが28.4%、Geminiが23.2%という分布でした。一人が1つだけ使うのではなく、用途に応じて使い分けていると考えたほうが実態に近いでしょう。したがって、対策も「どこか1つに最適化する」のではなく、どのAIにも読み取れる共通の土台を整えるという発想になります。

サービス	回答の出方	対策で意識する点
AI Overviews	検索結果の上部に要約＋根拠リンク	通常のSEO評価と地続き。インデックスとスニペットが前提
AIモード	対話形式で深掘り	比較・条件指定の質問に答えられる情報の整理
ChatGPT	文章での回答＋参照元	具体的な事実と一次情報の有無が効く
Perplexity	回答＋引用元の明示	引用元として選ばれるかどうかが勝負

AIはどこから情報を集めているのか

難しく見えますが、流れはシンプルです。AIはおおむね次の4段階をたどります。

クロール：Webサイトを巡回してページを取得する
インデックス：取得した内容を検索エンジンのデータベースに蓄積する
検索と選択：質問に対して関連性の高いページを候補として選ぶ
回答の生成と引用：選んだページの記述を材料に文章を作り、根拠としてリンクを添える

ここで押さえておきたいのは、AIの回答には2種類の材料があるということです。1つはモデルが学習時に取り込んだ知識、もう1つは質問のたびにWebから取りに行く最新情報です。自社の製品情報や事例は、後者で拾われる必要があります。つまり「学習される」のを待つのではなく、「参照される」状態を作るのがLLMOだと考えてください。

そして、参照される前提は「クロールされ、インデックスされ、内容が読み取れること」です。ここが欠けていると、いくら文章がうまくても候補にすら入りません。この点についてGoogleは公式に、AI機能での表示のために特別な最適化は必要なく、通常のSEOの基本が重要だと説明しています。奇をてらったテクニックより、基本の徹底のほうが効く理由がここにあります。

従来のSEOとLLMOの違い

「SEOと何が違うのか」は、受講生から最もよく聞かれる質問です。整理すると次のようになります。

観点	従来のSEO	LLMO（AI検索最適化）
成果の形	検索結果での順位・クリック	AIの回答内での言及・引用
評価される単位	ページ単位	記述（文・表・数値）単位
効く要素	キーワード、被リンク、網羅性	具体性、一次情報、構造のわかりやすさ
成果の見え方	順位と流入数で比較的わかりやすい	引用は見えにくく、間接指標になる
向き合い方	上位表示を狙う	「事実の出どころ」になる

表を見てお気づきのとおり、LLMOはSEOの置き換えではありません。土台は同じで、評価のものさしが「ページの順位」から「記述の信頼性」へ移るというイメージが正確です。だからこそ、SEOを疎かにしてLLMOだけを始めても効果は出ません。逆に、すでにSEOに取り組んできた企業ほど、LLMOは有利なスタートを切れます。これまで整えてきた情報資産が、そのまま材料になるからです。

Good Rhythm Consulting

BtoBマーケティング基礎【製造業の実践ガイド】 – Good Rhythm Consulting 製造業向けBtoBマーケティングの基礎知識を実践的に解説。中小企業診断士が初心者にもわかりやすく、すぐに実践できる手法を紹介します。

なぜ今、製造業にLLMOが必要なのか

「流行っているから」ではなく、数字を見れば必要性は明快です。ここでは2つの調査結果と、実際の購買プロセスの変化を紹介します。

購買担当者の「最初の情報収集」が変わった

サイバーエージェントのGEOラボが2026年8月に実施した調査（全国15〜69歳、9,278人）では、日常の検索行動で生成AIを使う人の割合が52.3%に達し、初めて過半数を超えました。2025年5月の同時点は21.3%でしたから、1年余りで2倍以上に増えた計算です。この伸び方は、スマートフォンが普及したときの勢いに近いものがあります。

年代別に見ると、若い層ほど利用率が高いのは当然として、注目すべきは40代・50代でも4割を超えている点です。つまり「若手だけの話」ではなく、決裁権を持つ層にもすでに広がっています。設備投資の稟議を通す管理職がAIで情報収集しているとなれば、これはもう対岸の火事ではありません。

さらに、日本語のGoogle検索におけるAI Overviewの出現率は、2026年9月28日時点で30ジャンル・900クエリの平均92.1%に達したという調査結果もあります（2026年8月時点は84.5%）。つまり、検索結果の上部は、すでにAIの要約が占めているのが標準状態になりつつあるということです。1年前は「出ることもある」でしたが、今は「出ていない方が珍しい」。この変化は、検索結果の画面そのものを見比べれば一目で分かります。

設備更新の購買プロセスで、実際に何が起きているか

抽象論では実感が湧かないので、典型的な場面を追ってみます。ある金属加工業の生産技術担当者が、老朽化した検査装置の更新を検討しているとします。

課題の言語化：まず「検査工程自動化方法」とAIに聞く。AIは代表性のある方式をいくつか挙げ、それぞれの長所短所を説明する。
方式の絞り込み：次に「画像検査とレーザー検査違いコスト」と聞く。ここで比較の軸が固まる。
候補社の探索：「画像検査装置中小企業導入事例」と聞く。AIは事例記事を根拠に、数社の名前を挙げる。
会社の確認：挙がった社名で検索し、サイトを見る。ここで初めて自社サイトが読まれる。
問い合わせ：比較したうえで、2〜3社に絞って連絡する。

この流れで恐ろしいのは、3の段階で名前が挙がらなければ、4以降が一切起こらないことです。しかも、担当者は「候補を探した結果、見つからなかった」とは報告しません。単に存在しないものとして扱われます。営業部門から見ると「なぜか問い合わせが来ない」としか映らず、原因の特定が極めて難しくなります。

私が支援先で最初に行うのは、この「3の段階」を再現してみることです。担当者に実際の検討テーマを聞き、その言葉でAIに質問してもらう。多くの場合、自社が出てこないことに経営者の方が驚きます。そして、その驚きがプロジェクトの開始点になります。

製造業がAI検索で不利になりやすい3つの理由

支援の現場で見ていて、製造業には特有のつまずきがあります。以下の3つに心当たりがあれば、それは自社だけの問題ではありません。

1つ目は、製品名が社内呼称や型番だけで書かれていること。「GRX-2200」とだけ書かれても、AIはそれが何なのか理解できません。「GRX-2200（産業用の薬液定量ポンプ）」のように、一般名詞での言い換えが本文に必要です。社内では当たり前の呼称が、社外には通じない。これは製造業に限りませんが、特に型番文化の強い業界では深刻です。

2つ目は、技術情報がPDFカタログに閉じていること。スペック表の多くがPDFでしか存在しません。PDFも読み取られますが、HTMLの本文に比べて扱いやすさは劣ります。そして何より、検索結果のスニペットとして表示されにくいため、引用の候補になりにくいのです。せっかくの詳細な仕様が、機械から見えない場所に眠っている状態です。

3つ目は、購買側の言葉ではなく業界用語で書かれていること。「面粗度Ra0.2」は技術者には伝わりますが、購買担当者が入力するのは「表面がツルツルな金属加工を探している」です。この言葉のギャップを埋めるのが、実は最重要の作業になります。技術的な正確さを損なわずに、別の言い方を併記する。これができれば、読者層は一気に広がります。

AIに引用されるコンテンツの条件

では、AIはどのような記述を引用するのか。ここまでの支援で見えてきた傾向を、4つの条件として整理します。文章のうまさではなく、情報の具体性と構造が評価される点に注意してください。

条件1：「誰が・何を・誰向けに」が名詞で明示されている

AIは文章を「意味の塊」として扱います。そのため、主語や対象が省略された文章は、誰の話か判断できません。「当社の製品は高精度です」ではなく、「当社は自動車部品向けに、公差±0.005mmの精密旋盤加工を提供しています」と書く。この差が、引用されるか否かを分けます。

特に製造業のサイトで多いのが、「こだわりの技術でお客様の課題を解決します」といった抽象的な表現です。人が読めば雰囲気は伝わりますが、AIには何も伝わりません。こだわりの中身は何なのか、どの工程なのか、どの数値なのか。そこまで書いて初めて、情報として成立します。

私が支援先でよくお願いするのは、「その一文だけを読んだ人が、業界を知らなくても理解できるか」を確認する作業です。これを全ページでやる必要はありません。まずは製品トップと主要製品ページの冒頭3行だけで十分効果が出ます。実際、この3行の書き直しだけで、AI検索での登場回数が変わった例を何度も見てきました。

条件2：数値・スペック・用途・比較が本文にある

AIの回答は、具体的な数字を求められる場面が多い機能です。「どのくらいの精度か」「どのくらいの納期か」「他と何が違うか」。こうした問いに答えるには、本文に数値と比較が必要です。

ここで有効なのが表です。材質・寸法・公差・対応ロット・納期を表にまとめるだけで、AIにとっては読み取りやすく、かつ人間にも伝わる情報になります。文章でだらだら書くより、表のほうが圧倒的に効率的です。

項目	記載例	AIへの効果
材質	アルミA5052／SUS304／チタン	条件検索で拾われやすい
公差	±0.005mm（標準）／±0.002mm（相談可）	「精度」の問いに直接答える
対応ロット	試作1個〜量産5,000個	「小ロット対応」の判断材料
納期	試作5営業日／量産20営業日	納期比較で候補に残る
用途実績	半導体製造装置、医療機器、産業ロボット	業種指定の質問に対応

支援先の一事例ですが、従業員45名の金属加工業で、PDFカタログにしかなかったスペック表をHTMLの表に移し、冒頭に用途と一般名称を書き足したところ、AI検索経由のセッションが3ヶ月で月数件から10件を超える水準まで増えました（事例は支援先の許可を得て匿名化しています）。元がゼロに近かったため伸び率は大きく見えますが、重要なのは「機械が読める場所に情報を移した」という一点です。

条件3：自社にしか書けない一次情報がある

AIが最も重宝するのは、どこにも書かれていない情報です。実験値、加工条件、失敗した理由、現場でしか分からない勘所。これらは競合他社のサイトにも、まとめサイトにも存在しません。

たとえば「アルミの薄肉加工で歪みが出たとき、治具の当て方をこう変えたら改善した」という記述は、技術者にとっては常識かもしれません。しかしWeb上にはほぼ存在しません。AIから見れば、これは唯一無二の情報です。

「技術ブログを書いても、専門的すぎて読まれないのでは」と心配される方もいます。しかしLLMOの文脈では、読者数よりも「唯一の情報源であること」の方が価値を持ちます。5人の技術者に読まれれば十分、という発想に切り替えてみてください。その5人が、業界では決定権を持つ5人かもしれません。

条件4：構造が機械に読める形になっている

4つ目は技術的な条件です。見出しの階層（H2の下にH3）、箇条書き、表、そしてFAQ形式のQ&A。これらが整っていると、AIは「どの部分が何の答えか」を判断しやすくなります。逆に、見出しのない長い文章が延々と続くページは、どこを引用すればいいのか判断できません。

あわせて確認したいのが、クロール環境です。robots.txtで意図せずAIのクローラーをブロックしていないか、主要な製品情報がJavaScriptで後から描画されていないか。この2点は、支援の初回チェックで必ず見る項目です。制作会社が「見た目を優先して画像で作った」ページは、人間には美しく見えても、機械には空白です。

なお、構造化データ（Schema.org）は理解を助けますが、書けば必ず引用されるわけではありません。過度な期待は禁物です。まずは見出し・表・箇条書きという基本構造を整えるほうが、費用対効果は高いと考えています。

AIに引用されやすい「質問の型」を知っておく

条件を満たすうえで知っておきたいのが、AIが質問される形には一定のパターンがあるということです。大きく分けると4つあります。

比較型：「AとBはどっちが向いている？」
条件型：「公差±0.01mmで、アルミの試作に対応できる会社は？」
原因型：「加工後に歪みが出る原因は？」
手順型：「樹脂部品の試作を依頼する流れを教えて」

このうち製造業が最も得意なのは、条件型と原因型です。ここには自社の技術力がそのまま答案になります。逆に比較型は、比較表を用意していないと土俵に上がれません。ステップ2でスペック表を整えるのは、この比較型への備えでもあります。手順型は、自社の受発注フローを書くだけで対応できます。つまり、どの型も既存の社内情報の整理で埋められる、ということです。

書き換えのビフォーアフター

理屈は分かっても、実際にどう書くのかが分からないと進みません。よくある表現を3つ取り上げ、書き換え例を示します。

よくある表現（Before）	書き換え例（After）	何が変わったか
「高精度な加工でお客様のニーズにお応えします」	「公差±0.005mmの精密旋盤加工を、月300個までの小ロットで対応します。材質はアルミ・SUS・チタンに対応」	数値・範囲・材質という具体名詞が入った
「長年の経験と実績があります」	「1998年の創業以来、半導体製造装置向けの部品加工を累計12,000件受注しています」	年数と件数という検証可能な事実になった
「試作から量産まで一貫対応」	「試作1個から量産5,000個まで同一工場で対応。試作は5営業日、量産は20営業日で納品します」	数量と納期が明示され、比較できるようになった

共通しているのは、形容詞を名詞と数値に置き換えただけという点です。新しいことを書いたわけではありません。社内で当たり前に共有されている情報を、外から見える形にしただけです。この作業なら、Web担当者だけでなく営業や技術の協力も得やすくなります。

実践5ステップ｜今日から始めるLLMO

ここからが本題です。順番に意味がありますので、飛ばさずに進めてください。所要時間の目安も添えておきます。合計すると、初回はおよそ10〜15時間。1週間あれば、ひと通り終わる分量です。

ステップ1：自社の「AI登場度」をチェックする（所要60分）

最初に現状を知ります。次のような質問を20本作り、ChatGPT・Gemini・GoogleのAIモードで順に投げてください。

「（自社の製品カテゴリ）の加工を得意とする会社は？」
「（業界名）で（用途）に対応できるメーカーを教えて」
「（自社の地域）で（製品）を扱う会社はどこ？」
「（製品カテゴリ）を選ぶときの比較ポイントは？」

結果は表に記録します。列は「質問」「AIサービス」「自社が出たか」「競合が出たか」「引用元URL」の5つで十分です。この記録表が、3ヶ月後の効果測定の基準になります。最初に測っておかないと、後から効果が証明できません。ここは手を抜かないでください。

質問	サービス	自社	競合	引用元
精密旋盤加工小ロット対応会社	ChatGPT	×	A社・B社	業界まとめサイト
アルミ薄肉歪み対策	AIモード	×	―	技術系ブログ
試作1個から対応金属加工	Perplexity	○	C社	自社製品ページ

チェック時のコツを3つ挙げます。1つ目は、必ずログアウトした状態で試すこと。ログインしていると過去の履歴や属性が回答に影響する可能性があります。2つ目は、同じ質問を日を変えて2回試すこと。AIの回答は毎回同じとは限りません。3つ目は、回答の根拠リンクを必ず開くこと。どこが引用されているかが分かれば、次に何を直すべきかが見えます。

ステップ2：製品・技術ページを「購買側の言葉」で書き直す（所要3〜5時間）

ステップ1で自社が出なかった質問を眺めると、必ず共通点が見えます。多くの場合、顧客が使う言葉がサイトに書かれていないのです。

書き直しのコツは、冒頭に「定義文」を1文入れることです。型は次のとおりです。

「〇〇とは、△△のために使われる××です。当社は□□の用途向けに、◇◇の仕様で提供しています」

たとえば「精密旋盤加工とは、金属の丸棒を回転させて切削し、高い寸法精度の部品を作る加工方法です。当社は半導体製造装置向けに、公差±0.005mmで外径5〜80mmの部品を提供しています」という具合です。この1文があるだけで、AIは「何のページか」「誰向けか」「どの水準か」を一気に把握できます。

もう1つのコツは、同じ内容を「技術者の言葉」と「購買担当者の言葉」の2通りで書くことです。「Ra0.2の鏡面仕上げ」と「手で触れても分からないほど滑らかな表面」を併記する。どちらか一方だけでは、片方の読者に届きません。読みにくくなるのではと心配されますが、実際には言い換えがある方が理解は早くなります。

作業の順番としては、アクセス数の多い上位5ページから着手してください。全ページを一度に直そうとすると必ず頓挫します。5ページで手応えを感じてから、横展開するのが現実的です。

ステップ3：事例記事とFAQを増やす（所要2時間／本）

AIが引用しやすいのは、質問と答えが1対1で対応しているコンテンツです。「よくある質問」をFAQ形式で書き、質問文を見出しにします。

おすすめは、営業担当が実際に聞かれた質問を10個書き出すことです。「公差はどのくらいまで対応できますか」「試作は1個から可能ですか」「材質の指定はどうすればいいですか」「見積もりは何日かかりますか」「図面がない場合はどうすればいいですか」。これをそのまま見出しにして、200字程度で答える。営業の頭の中にある資産を、そのままWebに移す作業です。

事例記事も同じ発想で作れます。「A社の検査工程を自動化した事例」という書き方ではなく、「検査工程の自動化で、検査時間を1件あたり90秒から12秒に短縮した事例」と、課題と結果を数値で見出しにする。AIはこうした具体的な記述を好みますし、人間の読者にとっても読みどころが明確になります。

ただし、事例を書く際は守るべき線があります。顧客名は必ず許可を取り、社外秘の条件は数値を丸めるなどの配慮をしてください。「匿名化しています」と明記すれば、説得力は保ちつつリスクを避けられます。この一手間を惜しむと、後で取り返しがつきません。

ステップ4：クロール環境と構造を整える（所要90分）

技術的な確認項目は4つです。

robots.txtで主要なクローラーをブロックしていないか
製品情報がHTMLの本文として存在するか（画像だけになっていないか）
見出し階層が飛んでいないか（H2の次がH4になっていないか）
主要ページのタイトルとディスクリプションが内容を表しているか

1つ目は、意外な落とし穴です。過去に別の目的でクロールを制限し、そのまま忘れているケースがあります。robots.txtを開いて、制限がかかっているディレクトリがないか確認してください。判断に迷ったら、制作会社に「AIのクローラーをブロックしていないか」と名指しで確認するのが確実です。

4つ目も見落とされがちです。タイトルが「製品紹介｜株式会社〇〇」だけでは、何の製品か分かりません。「精密旋盤加工｜公差±0.005mm・小ロット対応｜株式会社〇〇」のように、内容を表す言葉を入れてください。これはSEOの基本でもありますが、AI検索でも同じように効きます。

この4点は、特別なツールがなくても確認できます。制作会社に依頼する場合も、この4項目を名指しで伝えると話が早くなります。「LLMOをお願いします」と漠然と頼むより、はるかに具体的で、費用も読みやすくなります。

ステップ5：外部での言及を増やす（継続）

AIは複数の情報源を突き合わせて回答を作ります。そのため、自社サイトだけでなく第三者の場所で自社が言及されていることが効きます。現実的な選択肢は次の5つです。

業界団体・組合の事例紹介や会員企業紹介
公的支援制度の採択・認定（ものづくり補助金、事業承継、DX認定など）
受賞歴・資格・特許の公開情報
展示会の出展レポート（主催者側のサイトに掲載されるもの）
業界メディアへの寄稿や取材記事

「広報の話」と思うかもしれませんが、これは立派なWeb戦略です。自社サイトに「〇〇賞を受賞」と書くだけでなく、その事実が外部サイトにも存在することで、AIは初めて「確からしい情報」と判断できます。逆に言えば、自社サイトにしか書かれていない実績は、裏付けが取りにくい情報ということになります。

なお、外部サイトに記事を書いてもらう場合、内容の正確性は自分で確認してください。誤った情報が外部に残ると、それが引用されて広まる可能性があります。LLMOは「情報の正確さ」が土台にある取り組みだと理解しておくべきです。

Good Rhythm Consulting

生成AIを活用したウェブマーケティング実践事例【2025年最新版】 – Good Rhythm Consulting 2025年最新!生成AIでマーケティングが変わる。コンテンツ作成から顧客分析まで、中小企業でも実践できるAI活用の具体的事例と成果、導入ステップを分かりやすく解説します…

90日スケジュールの目安

「で、結局どれくらいかかるのか」が最も知りたいところだと思います。中小企業のWeb担当者が片手間で進める場合の目安を示します。

期間	やること	工数の目安
1〜2週目	ステップ1の登場度チェック、記録表の作成	2時間
3〜5週目	上位5ページの書き直し（定義文＋スペック表）	6〜10時間
6〜8週目	FAQ 10問の作成、事例記事1本	6時間
9〜10週目	クロール環境と見出し構造の点検	2時間
11〜12週目	外部言及の棚卸し、公的支援の申請状況確認	3時間
13週目	効果測定（ステップ1と同じ質問で再チェック）	2時間

合計で20〜25時間。週に2時間ずつ進めれば、3ヶ月でひと通り終わります。大切なのは、一度に全部やろうとしないことです。完璧を目指して止まるより、5ページだけ直して公開するほうが、はるかに成果につながります。

効果測定｜GA4でAI経由の流入をどう見るか

「LLMOは効果が見えにくい」と言われますが、まったく見えないわけではありません。見方を知らないだけです。

Good Rhythm Consulting

GA4とサーチコンソール連携完全ガイド：データ統合で見えるSEO改善ポイント – Good Rhythm Consulting GA4とサーチコンソールの連携でSEO分析が劇的に進化。データ統合の設定手順から、流入キーワードと行動データを掛け合わせた実践的な改善手法までウェブ解析士が解説します…

AI検索からの流入はなぜ「わからない」ように見えるのか

GA4は、ユーザーがどこから来たかを参照元（リファラ）で判断します。ChatGPTやGeminiのWeb版から遷移した場合、参照元が付くため「参照元」チャネルとして計測できます。一方、アプリ版からの遷移や、AIがリンクを直接開かせない形式の場合、参照元が落ちて「直接流入」に混ざります。

つまり、AI経由の流入は「参照元」と「直接流入」に分散して見えるのが現実です。この性質を知らないと、「AIからの流入はゼロだ」と誤解してしまいます。実際には、直接流入の中にかなり含まれている可能性があります。

完全に分離する方法は今のところありません。だからこそ、複数の指標を組み合わせて「総合的に判断する」という姿勢が必要になります。ここは割り切って考えるのが正解です。

GA4で確認する3つの指標

指標	見方	補足
参照元チャネルのセッション	chatgpt.com、perplexity.ai等からの流入	探索レポートで参照元ディメンションを表示
指名検索の数	サーチコンソールで社名・製品名の検索数	AIで認知→後から検索する行動を捉える
問い合わせ数	フォーム送信・電話の件数	最終的な成果指標。ここが最重要

この3つを並べる理由は、AIの影響が「流入」だけに出るとは限らないからです。AIの回答で社名を知り、後日Googleで社名を検索して訪れる。この行動は指名検索として現れます。つまり、参照元がゼロでも、指名検索が増えていれば効果が出ている可能性があります。

GA4でAI流入を分けて見る設定手順

手を動かす場合の手順を示します。難しくはありません。

GA4の管理画面で「データ表示」→「チャネルグループ」を開く
新しいチャネルグループを作成し、名前を「AI検索」などとする
条件に「参照元」が「chatgpt.com」「perplexity.ai」「gemini.google.com」などを含む、というルールを追加
保存後、「集客」→「トラフィック獲得」でこのチャネルグループを選択
「探索」レポートで、参照元×ランディングページのクロス分析を行う

この設定をしておくと、「AI経由でどのページが読まれ、どこで離脱しているか」が見えるようになります。カスタムチャネルグループは設定さえすれば自動で分類され続けるので、一度作っておけば手間はかかりません。支援先でも、まずこの設定から始めることが多いです。

あわせて、GoogleはSearch Consoleに生成AI機能に関する試験的なレポート（AI Contribution Pilot）の提供を2026年9月から始めています。AI OverviewsやAIモードでの表示・クリックを確認できる可能性がありますので、管理画面のアップデートを定期的に確認しておくとよいでしょう。提供状況は変わることがあるため、公式のアナウンスを確認してください。

数字が出るまでの期間と目標設定

正直にお伝えします。LLMOは即効性のある施策ではありません。クロールされ、評価が反映されるまでには、通常3〜6ヶ月かかります。

そのため、最初の3ヶ月は「引用された質問の数」を目標にしてください。ステップ1で作った20本の質問のうち、いくつで自社が登場するようになったか。これが増えれば、流入は後からついてきます。逆に、流入だけを追うと、途中でやめてしまいがちです。

時期	見るべき指標	現実的な水準
1ヶ月目	作業の完了率	5ページの書き直し完了
3ヶ月目	20質問中の登場数	2〜5問で登場
6ヶ月目	AI経由セッション・指名検索	月10〜30セッション、指名検索+10%
12ヶ月目	問い合わせ数	記事経由の問い合わせが定常化

「3ヶ月で2〜5問」と聞いて少ないと感じるかもしれません。しかし、20問のうち5問で登場するということは、購買プロセスの5つの場面で自社が見つかるということです。これは十分に大きい変化です。

よくある失敗と注意点

最後に、現場で見てきた失敗を共有します。同じ轍を踏まないでください。

1つ目は、記事をAIに丸投げして独自性が消えること。生成AIで文章を作るのは効率的ですが、一次情報のない記事は、AIにとっても人間にとっても価値がありません。しかも、AIが書いた文章をAIが読むという循環に陥ると、情報の鮮度も信頼性も落ちます。「AIで下書き、人が事実を足す」の順番を守ってください。

2つ目は、ツール導入が目的化すること。LLMO対策を謳うサービスやツールは増えていますが、その前に整えるべきは自社サイトの情報そのものです。ツールは、土台があって初めて意味を持ちます。高額なツールを入れて安心するより、5ページを書き直すほうが成果は出ます。

3つ目は、llms.txtへの過度な期待です。llms.txtは2024年に提唱された、AI向けにサイト情報を整理して渡すためのMarkdown形式の提案です。配置はルート直下の/llms.txtが基本ですが、これは標準規格ではなく、提唱段階の仕様です。設置しても主要なAIが必ず読むとは限りません。優先順位としては、本記事のステップ2〜4の方がはるかに重要です。こうした新しい仕様は、動向を押さえつつ、慌てて飛びつかない姿勢が大切です。

4つ目は、効果が出る前にやめてしまうこと。3ヶ月で「やっぱりダメだった」と判断するケースを何度も見てきました。AI検索の評価は、サイト全体の情報の質に依存します。1ページ直しただけでは動きません。最低6ヶ月は続ける前提で、最初から社内の合意を取っておいてください。

5つ目は、営業部門を巻き込まないこと。LLMOで最も価値のある情報は、営業担当が毎日聞いている質問です。Web担当者だけで進めると、一般論の記事しか作れません。月1回でも営業との情報交換の場を設けることが、成果を左右します。

よくある質問（FAQ）

Q. 小さな町工場でもLLMOは必要ですか。

必要かどうかで言えば、顧客がAIで会社を探す時代になった以上、規模は関係ありません。むしろ従業員20〜50名規模の企業こそ効果が出やすいと感じています。大企業はすでに情報が豊富で、どこかしらで引用されています。一方、中小企業は情報が少ない分、5ページを整えるだけで変化が見えやすいのです。

Q. 予算はどのくらいかかりますか。

自社で進める場合、直接の費用はほぼゼロです。かかるのは時間だけです。外部に依頼する場合は、記事制作や技術的な整理の範囲によって幅がありますが、まずは自社でステップ1〜2をやってみて、手が回らない部分だけを外部に出す形が現実的です。いきなり大きな予算を投じる必要はありません。

Q. 従来のSEOはもう不要ですか。

不要になるどころか、これまで以上に重要です。Googleは公式に、AI機能での表示に特別な最適化は不要で、通常のSEOの基本が重要だと説明しています。AI Overviewsの根拠リンクも、通常の検索結果に表示されるページから選ばれます。SEOを疎かにしてLLMOだけを進めるのは、土台のない家を建てるようなものです。