LLMOとは？BtoB企業が優先したい情報整備と効果測定

この動画は当時の説明です。導入前後の数値だけではllms.txtの効果を確認できません。現在の判断と確認範囲は、本記事の更新内容をご覧ください。

「AIに聞いたとき、自社が候補に出てこない」「自社のサービスを誤って説明される」。こうした課題に対して、何を整えるかを考える取り組みがLLMOです。

ただし、PENGINでは、AI用ファイルを置くことや、AIに好まれそうな文章を量産することから始めません。顧客とAIが、会社の提供価値とその根拠を確認できる状態をつくることを優先します。

この記事では、LLMOとSEOの関係、BtoB企業が取り組む順番、llms.txtの位置づけ、成果の見方を整理します。

具体的な対策の進め方はAI検索の対策｜LLMO・AIOで比較候補に入るための情報設計、引用の根拠になる一次情報の作り方はAIに引用される一次情報の作り方にまとめています。

LLMOとは｜AIの回答で、自社情報を正しく理解・参照してもらうための取り組み

LLMOはLarge Language Model Optimizationの略です。本記事では、AIを使った情報収集や比較検討において、自社・サービスの情報が正確に理解され、適切な文脈で参照される状態を整える取り組みとして扱います。

AIの回答に会社名が出ること、出典としてURLが付くこと、依頼先の候補として勧められることは同じではありません。PENGINでは、それぞれを「言及」「引用」「推薦」に分けて観測します。

たとえば、会社名が登場しても、提供していないサービスを説明されていれば、事業にとって望ましい状態とはいえません。まずは、どんな相談の場面で、何を正しく伝えたいのかを決める必要があります。

SEOとは別の仕組みに、すべて置き換わるわけではない

Googleは、生成AI機能の最適化ガイドで、AI OverviewsやAI ModeにもSEOの基本が引き続き重要だと説明しています。

GEOやAEOといった呼び方を使う場合も、PENGINでは用語だけで予算や施策を分けず、対象のサービスと目的を確認します。Google検索の表示を改善したいのか、特定のAI回答の誤情報を直したいのか、自社資料を使うエージェントを便利にしたいのかで、必要な確認は変わるためです。

また、Webページを参照して回答することと、モデルの学習内容が変わることも別です。Webサイトを更新すれば、あらゆるAIの知識が直ちに書き換わるという前提では計画しません。

情報の内容だけでなく、対象のページへ到達できるかも点検します。Googleの同ガイドは、インデックスやクロールなどの技術的な基盤も説明しています。公開したいページを誤って遮断していないか、必要な情報を本文で確認できるかを調べ、特殊ファイルだけで代替しようとしないことが大切です。

BtoB企業のLLMOは、比較検討に必要な情報から考える

PENGINが優先したいのは、AIへのアピール文を増やすことではなく、依頼先を判断する材料を整えることです。

たとえば「伴走支援が得意です」とだけ書くより、対象企業、支援範囲、担当体制、進め方、費用の考え方、実際に担当した案件を示します。それなら、顧客は自社に合うかを確認でき、引用された説明が正しいかも照合できます。

サイトに何を担わせるかが曖昧な場合は、BtoBサイトの役割と構成の考え方から整理すると、掲載すべき情報を決めやすくなります。

PENGINが優先する5つの情報整備

1. 企業・サービスの基本情報をそろえる

最初に、会社名、事業内容、対象顧客、提供範囲、拠点、問い合わせ先など、判断の土台になる事実を点検します。トップページとサービスページで説明が食い違っていないか、終了したサービスが現行メニューとして残っていないかを確認しましょう。

複数サービスを提供しているなら、すべてを一つの抽象的な説明にまとめず、何をどこまで支援するかを分けます。名称の統一だけでなく、内容の違いが分かることが重要です。

2. 比較に必要な材料をサービスページへ集める

強みを伝える前に、相手が何を比べているかを整理します。依頼できる業務、対象外の業務、成果物、必要な社内準備、契約や費用の考え方など、商談で繰り返し説明することは候補になります。

価格を一律に出せない場合も、どの条件で見積もりが変わるかを説明できます。条件が分からないまま「お気軽に相談」と促すより、検討を進めるための材料を渡すという考え方です。

3. 実績と一次情報を、主張の根拠として接続する

「成果を出せる」という説明には、何を担当し、どのような条件で、何を観測したかを示します。数値を出すときは、比較期間や母数、他施策の有無も確認します。

たとえば、PENGINのコラム立ち上げ・SEO支援事例では、キーワード選定、記事制作、レポート・定例での改善という提供範囲を公開しています。これはSEO支援の実績であり、llms.txtやAI引用の効果を示す実験ではありません。

このように、実績が証明する範囲を明確にすると、主張と根拠の距離を縮められます。公開できる自社の調査や検証を増やす場合も、方法と限界を一緒に残すことを重視します。

4. 外部で紹介される情報と、公式情報の整合を確かめる

取引先の導入事例、登壇紹介、団体の会員ページなど、第三者が自社を説明する場所があるなら、会社名や提供内容が現在の事実と一致しているかを確認します。

PENGINでは、見かけの言及数を増やすための架空の推薦や、実体のない紹介記事は採用しません。共同事例や調査の共有など、第三者が紹介する理由のある活動を優先します。これを行えばAIから必ず推薦される、という保証ではありません。

5. 言及・引用と、問い合わせ・商談を分けて測る

確認する質問を決め、回答に会社名が出たか、出典リンクがあるか、説明が正しいかを記録します。そのうえで、サイトへの訪問や有効な相談につながったかを別に見ます。

「引用が増えた」だけでは、どの相談に役立ったかは分かりません。反対に、AIの回答を見た後で会社名を検索して訪れた人も想定できるため、解析で識別できる流入だけがすべてとも考えません。問い合わせ時の任意の認知経路確認と、解析データを別の情報として残します。

llms.txtは必要か｜Google検索向けと、エージェント向けを分ける

llms.txtは、サイトの概要や関連文書への案内をMarkdownで提供する提案です。提案元の仕様では、AIエージェントが必要な情報を見つけるための入口として説明されています。

一方、Googleの公式説明は、Google Searchではllms.txtを使用せず、設置の有無によって検索の可視性や順位を良くも悪くもしないと明記しています。AI OverviewsやAI Modeへの掲載のために必須のファイルではありません。

ここから「どのAIでも無意味」と結論づけるのも適切ではありません。特定のエージェントや社内ツールが読み取る設計なら、その利用における価値を確認する余地はあります。

PENGINでは、利用する仕組みと目的が分からないまま、BtoB企業の最優先施策にはしません。対応する利用者がいる場合に、情報更新の手間や公開範囲も含めて検討します。過去の導入紹介については、llms.txt検証の再評価と確認できる範囲で説明しています。

効果測定では、同じ条件の観測を残す

AIの回答を調べるときは、質問文、サービス名・利用モード、実施日時、回答全文、出典URLを保存します。一度だけ都合のよい回答が得られたことを、安定した推薦の実績として扱わないためです。

確認したいこと	記録する情報
正しく理解されているか	会社・サービスの説明と、公式情報との一致。
回答内で参照されるか	固定した質問群、試行数、言及・引用・推薦の判定、出典URL。
サイトへ訪問したか	解析で識別できる参照元、訪問先、対象期間。
相談や受注に役立ったか	有効問い合わせ、相談テーマ、商談・受注、認知経路の本人回答。

Googleは2026年6月3日に生成AIパフォーマンスレポートを発表し、AI機能での表示回数や対象ページなどを確認する仕組みを案内しています。公式の定義と自社の管理画面を確認し、表示回数をクリック数や商談数と混同しないようにしましょう。

Web側の計測をどのように設計するかは、GA4を使った計測設計と改善診断で詳しく扱っています。ツールに表示された数字だけで原因を確定せず、変更内容や顧客の反応も合わせて確認します。

よくある質問

まとめ｜AI向けの近道より、判断できる情報を整える

PENGINがLLMOで優先するのは、企業情報、比較材料、実績、外部情報との整合、測定です。AIへの表示だけを目標にせず、その説明を見た人が自社に合うかを判断し、相談へ進める状態をつくります。

検索流入とコンテンツの課題はSEO伴走支援、サービスの情報設計から見直す場合はBtoBサイト制作をご覧ください。何を優先すべきか整理したい段階のご相談は、PENGINへのお問い合わせで受け付けています。