LLM SEO：ChatGPT、Gemini、Claudeに引用されるための2026年版ガイド

検索行動は従来の検索結果ページと対話型の回答に分かれつつあり、LLM SEOは多くのマーケターが後者の仕事を指して使う言葉です。GEO（生成エンジン最適化）、AEO、LLMOとも呼ばれます。名前は違っても仕組みは同じで、体系的に取り組めるほど具体的です。

LLM SEOとは何ですか？

LLM SEOとは、言語モデルが質問に答える際に自社ブランドを言及、推薦、または引用する確率を高めるための施策の総称です。従来のSEOが10本のリンクの中での順位を狙うのに対し、LLM SEOは要約された回答の中の一枠を狙います。そうした回答で名前が挙がるブランドや情報源は、多くの場合3〜5件に限られます。

目標には分けて考えるべき二つの形があります。

• 言及：モデルが回答の中でブランド名を挙げること（おすすめツールの一覧など）。
• 引用：モデルが主張の出典として自社ページへのリンクを示すこと。

ブランドは引用されずに言及されることも（モデルが学習で知っている）、推薦されずに引用されることも（ページが中立的な情報源として使われる）あります。優れたLLM SEOは両方に取り組みます。

LLMはどのように情報源を選ぶのですか？

二つの経路があります。学習時に形成されたパラメトリックな記憶と、モデルが検索するときのウェブからのリアルタイム取得です。ある質問でどちらが働いているかがわかれば、どのレバーを引くべきかが見えてきます。

リアルタイム取得は検索拡張生成（RAG）と呼ばれる仕組みです。モデルは検索の際、質問を複数のサブクエリに分解し（query fan-out）、それぞれの結果を取得して、最もよく答えている段落を残すことがよくあります。そのため、こうしたサブクエリで従来の検索順位が高いことは、引用されるかどうかを予測する最も強い指標の一つであり続けています。GoogleはAI OverviewsなどのAI機能が検索と同じインデックスと品質システムに基づいており、特別なマークアップは不要だと説明しています（Google Search Central）。

引用されやすい段落の条件とは？

一つの質問に単独で完全に答え、検証可能な事実を含む段落が引用されます。モデルは数文の塊を抽出するため、その塊はページのほかの部分がなくても意味が通じなければなりません。

研究もこれを裏づけています。GEOという用語を生んだプリンストン大学などの研究では複数の書き換え手法を検証し、出典、引用文、統計を加えると、そのベンチマーク上で生成回答での可視性が最大で約40%向上しました（Aggarwal et al., GEO）。一方、キーワードの詰め込みは効果がありませんでした。

実践的なルール：

• 答えを先に。各見出しの直後の一文に直接的な答えを置き、そのあとで展開します。
• 1セクション1質問。見出しは人が実際に入力する質問の形にし、「前述のとおり」とは決して書きません。
• 正確に名指しする。「それ」「このツール」ではなく主語を繰り返し、抽出された段落でも意味が保たれるようにします。
• 数字には出典を添える。名前のある研究に基づく数字は、意見よりも引用されやすくなります。
• 表とリストを使う。比較できるものはすべて表やリストにします。最も抽出しやすい形式です。
• 新しい情報を加える。独自データ、一次的な検証、専門家の見解があれば、似たような10ページの中からあなたのページを選ぶ理由になります。

モデルがページをどう読むかは、無料のLLM可読性チェッカーで確認できます。

LLM SEOでエンティティの一貫性が重要なのはなぜですか？

モデルは、多くの独立した情報源が同じように述べている内容を信頼するからです。自社サイト、LinkedInページ、レビューサイト、業界ディレクトリ、報道記事が、同じ名称、同じカテゴリー、同じ主要な事実で会社を説明していれば、モデルはブランドとそのカテゴリーの間に安定した結びつきを形成します。

説明に食い違いがあると（ここでは旧社名、あちらでは別のカテゴリー、別の場所では古い価格）、この結びつきがぼやけ、回答の誤りのリスクが高まります。地味ですが効果のある作業です。

• ブランドの基準となる説明文を一つ書き（何であるか、誰向けか、何が違うか）、あらゆる場所で使い回します。
• Organizationの構造化データを追加し、公式プロフィールへのリンクを含めます。
• AIが評判を探す場所に存在する：市場に応じて、比較記事、レビューサイト、Redditや業界フォーラムなど。
• 第三者のコンテンツで言及を獲得する。これは学習データとリアルタイム取得の両方に影響します。

これがエンティティSEOの核心であり、サイトはよく最適化されているのにおすすめ一覧に一度も登場しないブランドに欠けているピースであることが多いのです。

AIクローラーにサイトを開放するには？

リアルタイムの回答のためにページを取得するクローラーを許可し、JavaScriptなしでもページが読めるようにし、モデルが使う検索エンジンにインデックスされた状態を保ちます。モデルが取得できないページは、どれほど優れていても引用されることはありません。

robots.txt、ファイアウォールやCDNのボット設定（AIクローラーを初期設定でブロックするものもあります）、主要コンテンツのサーバーサイドレンダリングを確認してください。AIクローラー向けrobots.txtルールのガイドでは、ディレクティブを1行ずつ解説しています。

LLM SEOの成果はどう測定しますか？

固定した質問リストを継続的に追跡し、言及、引用、そして自社の代わりに挙げられた競合を記録します。順位に相当するものはなく、回答は実行のたびに変わるため、単発の結果ではなく質問群全体の傾向を測ります。

• 質問パネルを作る：購買者の実際の質問を20〜50個。一般的な質問（「Xに最適なツール」）、比較の質問（「XとYどちら」）、課題起点の質問を組み合わせます。
• 複数のモデルを追跡する：ChatGPT、Gemini、Claude、Perplexityは同じ情報源を引用しません。
• 4つの指標を記録する：言及率、回答内の位置、自社URLの引用、競合に対するシェア・オブ・ボイス。
• AI経由の流入を追う：アクセス解析でchatgpt.com、perplexity.ai、gemini.google.comからのセッションを確認します。

手作業ではすぐに負担が大きくなります。そのためAI言及トラッキングツールは毎週パネルを再実行し、質問ごとに引用された情報源を一覧にします。

まとめ

LLM SEOの要点は三つです。クローラーがアクセスできること、出典のある事実で一つの質問に完全に答える段落を書くこと、そしてウェブ全体が自社と同じようにブランドを説明している状態をつくることです。そのうえで安定した質問パネルで測定しましょう。追跡しないものは改善できません。

Sorankはこの作業を autopilot で行います。答えを先に示す記事を毎日執筆して公開し、ChatGPT、Gemini、Claude、Perplexityがブランドを引用しているかを毎週確認し、代わりに誰が引用されているかを示します。3日間の無料トライアルから始められます。