「AI検索への対応が必要だとはわかっているものの、
『何から始めればよいかわからない』『できるだけ費用をかけずに取り組みたい』
と感じているサイト担当者や経営者の方も多いのではないでしょうか。
LLMO（Large Language Model Optimization）は、大規模な投資や全面的なサイト改修がなければ効果が出ない施策ではありません。
生成AIの仕組みを正しく理解し、優先順位を付けて取り組むことで、限られたコストでも着実に成果につなげることが可能です。
本コラムでは、まずLLM（大規模言語モデル）の仕組みを起点に、どのような観点でLLMO施策を考えるべきかを整理し、比較的取り組みやすく効果が期待できる施策として、構造化マークアップの活用方法について具体的にご紹介します。
目次
AI検索の普及で、企業・サービス選定のプロセスが変化
近年、企業やサービスを探す際の情報収集プロセスが大きく変化しています。
これまでの主な流れは、Googleなどの検索エンジンでキーワード検索を行い、検索結果から企業サイトやサービスページへ訪問するというものでした。
しかし現在では、GoogleのAI概要やChatGPT、Geminiなどの生成AIに対して
「○○に強い会社を教えて」「おすすめの○○サービスは？」と質問し、AIが提示した企業名やサービス名を参考に公式サイトを訪問するユーザーが増えています。
実際に、ICT総研・NTTドコモ モバイル社会研究所・内閣府消費者委員会事務局の各種調査（2026年2月〜3月）では、日本国内における生成AIの利用率が50％を超えたことが報告されています。また、Hakuhodo DY ONEの「AI検索白書2026」によると、AI検索の利用率は約8か月で3倍以上に伸長しており、AI検索が急速に普及していることがうかがえます。
AI検索は単なる情報収集ツールではなく、企業やサービスを比較・検討するための新たな入り口となりつつあります。ユーザーはまずAIに質問し、その回答で紹介された企業やサービスについて詳しく調べるという行動を取るケースが増えています。
こうした変化により、自社名やサービス名がAIの回答内で言及されるかどうかが、認知獲得や比較検討の機会に大きな影響を与えるようになりつつあり、
今後は、検索結果で上位表示されることに加え、AIに「おすすめ企業」や「候補サービス」として認識・参照されることが、企業の集客や商談機会を左右する重要な要素になると言えます。
AI検索で「自社名が出ない」と悩む企業が増えている
この変化は、すでに企業の集客や商談機会にも影響を与え始めています。
AI検索の普及とともに、「ChatGPTで調べると競合ばかり表示される」「以前と比べてお問い合わせが減った気がする」といった声を耳にする機会が増えてきました。
従来のSEOでは、自社サイトへのアクセス数や検索順位をGoogleサーチコンソールやGA4で把握することができました。しかし、AI検索経由でどのように企業やサービスが認識・参照されているかについては、現時点では既存の計測ツールだけでは把握しにくく、気付かないうちに比較検討の候補から外れている可能性もあります。
また、AI検索では、情報の信頼性や一貫性が高いと判断された企業ほど、回答の中で継続的に参照されやすくなる傾向がみられるため、継続的な情報発信やサイト整備に取り組んでいる企業ほど、AIに認識されやすくなると考えられます。
逆に、競合企業が先にAI上での存在感を高めている場合、後から追いつくためには時間やコスト、継続的な取り組みが必要になるでしょう。
こうした状況を踏まえ、まずはLLM（大規模言語モデル）の仕組みを理解し、そのうえで何から取り組むべきかを整理していきます。
LLMはどのように情報を参照しているか
ChatGPTやGeminiなどのAI検索では、ユーザーから受け取った質問をそのまま検索するのではなく、検索意図を解釈したうえで、関連する複数のサブクエリ（関連キーワード群）を生成しながら情報を収集するケースが一般的です。
その後、複数の情報源を参照しながら内容を統合・要約し、一つの回答として提示します。
ユーザーから見ると「おすすめの〇〇を教えて」と一度質問しているだけですが、その裏側では関連する多数のWebページや情報ソースが参照・評価されています。
つまり、AI検索で回答候補として選ばれるためには、単に特定のキーワードで存在感を示すだけでなく、さまざまな関連トピックの中で信頼できる情報源として認識されることが重要です。
こうした評価の仕組みに対応していくことが、LLMOの本質と言えるでしょう。
LLMO施策の全体像と優先順位
LLMに選ばれやすい情報を作るための施策は、大きく3つの観点に整理できます。
ただし、すべての施策が同じ重要度というわけではありません。
まずは企業やサービスの専門性・信頼性を高め、その情報をAIに正しく伝え、さらに理解しやすい形で整理するという順番で考えるとよいでしょう。
観点① 評価を上げる（E-E-A-Tの担保）
AI検索では、企業やサービスの専門性・信頼性が重要な判断材料となります。
そのため、一次情報の発信、実績や事例の充実、著者・監修者の明示、第三者サイトからの言及獲得などを通じて、信頼できる情報源として認識されやすい状態を作ることが重要です。
観点② 正しく伝える（エンティティ認識の支援）
優れた情報を発信していても、AIがその内容を正しく理解できなければ評価につながりません。
構造化マークアップ（Schema.org / JSON-LD）を活用し、自社名・サービス名・組織情報・記事情報などを明示することで、AIが情報を誤解なく認識しやすくなります。
LLMO施策の中でも比較的取り組みやすく、着手しやすい施策の一つです。
観点③ 可読性を上げる（AIフレンドリーなライティング）
AIはWebページから情報を抽出・要約して回答を生成します。
そのため、結論ファーストの文章構成、Q&A形式、箇条書きや表の活用などにより、人間だけでなくAIにとっても理解しやすいコンテンツ設計を意識することが重要です。
LLMOの第一歩としておすすめしたい構造化マークアップ
前章でご紹介した通り、LLMO施策の中でも比較的着手しやすく、費用対効果が高い施策の一つが構造化マークアップです。
構造化マークアップとは、Webサイト上の情報が「何を意味する情報なのか」を検索エンジンやAIに伝えるための仕組みです。
構造化マークアップが取り組みやすい理由は、サイト全体のリニューアルが不要なケースが多い点にあります。既存ページにJSON-LDを追加・調整するだけで対応できる場合もあり、比較的小規模な改修で実施できます。
既存の制作会社や開発ベンダーと契約している場合は、実装するスキーマの設計や指示書のみを作成し、実際のコーディングはベンダーへ依頼する進め方も可能です。
実装対象としては、記事ページやサービス紹介ページ、採用ページ、商品ページなどの詳細ページが基本となり、一覧ページについては必ずしも実装が必要とは限りません。
実装後には構造化データのエラーが検出されることがありますが、必須プロパティの欠落による「重大な問題」は優先的に対応する必要があります。一方、推奨プロパティ不足による「重大ではない問題」については、ページ本文で十分に情報が補完されている場合、必ずしも対応が必要とは限りません。
構造化マークアップ実装事例
引越し業界のクライアントに対し、LLMO施策の第一歩として構造化マークアップの実装支援を行なった事例をご紹介します。
【実施内容】
サイト全体のリニューアルは実施せず、企業情報やサービス情報をAIが正しく認識できるよう、Schema.orgに準拠した構造化マークアップを設計・実装。既存サイトを活用しながら、AIに情報が伝わりやすい状態を整備しました。
AI検索は複数の候補企業を並列で提示する特性を持っています。そのため、企業規模や知名度だけでなく、AIが企業やサービスを正しく認識できているかどうかが比較検討の対象になるうえで重要です。
構造化マークアップは、AIに情報を正しく伝えるための基盤づくりとして、有効な施策の一つと言えるでしょう。
おわりに
LLMOは、大きな投資をしなければ意味がない施策ではありません。
LLMの仕組みを理解したうえで、自社サイトの現状に合わせて優先順位を付け、段階的に取り組んでいくことが、現実的かつ持続可能なアプローチです。
本コラムでご紹介した構造化マークアップは、その「最初の一手」として比較的着手しやすい施策の一つです。サイトの規模や予算に関わらず取り組みやすく、これからLLMO施策を始める企業にとって有効な入口になるでしょう。
当社では、AI検索における自社サイトの見え方や改善ポイントを確認できる無料LLMO診断を実施しています。
「何から始めればよいかわからない」「自社サイトの現状を把握したい」という方は、ぜひお気軽にご相談ください！
関連サービス：LLMO対策/診断サービス
この記事の著者
マイクロウェーブクリエイティブ プロデュースグループ
クライアントのビジネス課題を解決するための提案経験を活かし、サイト制作に関する多岐にわたる情報を提供します。
