LLMOとは
Large Language Model Optimization（大規模言語モデル最適化）の意味と、AEO・GEOとの違い
LLMOとは何か
LLMO（Large Language Model Optimization / 大規模言語モデル最適化）とは、ChatGPT・Gemini・Perplexity・Claude などの大規模言語モデルが生成する回答の中で、自社のブランドや情報源が言及・引用されるようにするための最適化手法である。
従来のSEOが「検索結果のリストで上位に入ること」を目指すのに対し、LLMOは「AIが書く回答文そのものに含まれること」を目指す。ユーザーがリンクをクリックせず回答だけで完結する場面が増えているため、リストに載るだけでは接触機会が失われる。この差を埋める取り組みがLLMOである。
LLMOはAEO（Answer Engine Optimization）、GEO（Generative Engine Optimization）、GSO（Generative Search Optimization）とほぼ同義であり、実務上の違いはない。違うのは呼び方の出自だけである。
LLMO・AEO・GEO・GSOの違い
結論から言えば、4つとも同じ現象を別の角度から名付けたものである。どこに視点を置いて名付けたかだけが異なる。
最適化する相手（＝大規模言語モデル）に着目した呼び方。技術側から見た命名で、日本語圏で最も広く使われている。
出力の形式（＝回答／Answer）に着目した呼び方。「検索結果」ではなく「回答」に選ばれることを強調する。英語圏で優勢。
エンジンの性質（＝生成する）に着目した呼び方。2023年の学術論文で提唱され、研究文脈で使われることが多い。
行為（＝生成検索）に着目した呼び方。上記3つに比べて使用例は少ない。
用語がまだ統一されていないため、同じ施策が資料によって別の名前で呼ばれる。本サイトでは記述の一貫性のために「AEO」を主たる用語として使用している。詳細な仕組みはAEOとはで解説している。
日本で「LLMO」が定着している理由
日本語圏では、この領域を指す語として LLMO が最も多く検索されている。当社が Google 広告のキーワードプランナーで実測したところ、2026年8月時点の月間検索ボリュームは次のとおりだった。
| 検索語 | 月間検索数 |
|---|---|
| LLMO とは | 4,400 |
| LLMO 対策 | 2,900 |
| AEO とは | 1,300 |
| AEO 対策 | 720 |
| AI検索 対策 | 480 |
出典: Google Ads キーワードプランナー（2026年8月、Sighted 調べ）
英語圏では AEO / GEO が優勢である一方、日本語圏では LLMO が3倍以上の検索需要を持つ。用語の優劣ではなく、市場ごとに定着した呼び方が違うだけだと理解しておけばよい。
LLMO対策として実際にやること
LLMOは「AIに好かれる呪文」を書くことではない。AIが回答を組み立てる過程で、自社の情報が候補として取得され、要約に耐え、引用に足ると判断される状態をつくる作業である。
どの質問で自社が言及されているかを把握しないと、施策の効果が分からない。AIの回答は同じ質問でも毎回揺れるため、単発の確認ではなく反復試行で統計的に捉える必要がある。
SEOのキーワードと違い、ユーザーが実際にAIへ入力した質問は公開されない。自社の事業に関係する質問群を仮説として立て、観測しながら絞り込む。
一般論はすでに大量に存在するため、AIがわざわざ引用する理由がない。自社しか持っていない実績値・料金・工程・判断基準を、meta情報ではなく本文テキストとして書く。
AIは長文から必要な部分だけを抜き出す。複数の話題が混ざったページは要約時に情報が落ちる。ひとつの検索意図にひとつのページを対応させる。
そもそもAIのクローラがページを取得できなければ候補にすら入らない。robots.txt での許可、レンダリング方式、応答速度を確認する。
よくある誤解
誤り。AIの多くは回答生成時に既存の検索インデックスを参照するため、検索エンジンに取得されていないページはAIにも届かない。LLMOはSEOの代替ではなく上に積むものである。
構造化データは理解を助けるが、引用されるのは本文である。JSON-LD にだけ書いた情報は回答文に現れにくい。
AIの回答に固定順位は存在しない。同じ質問でも試行ごとに内容が変わるため、単一の順位ではなく、反復試行に対する言及率・引用率として測る必要がある。
LLMOの効果はどう測るか
LLMOで使う指標は AEO と同じである。Mentions（言及数）、Citations（引用数）、Placements（回答内での配置）、Response Share（反復試行に対する言及率）、Referral Traffic（AI回答からの流入）の5つが基本となる。各指標の定義はAEOとはに記載している。