AIマーケティングとは？AI検索時代に「選ばれる」ためのLLMO対策と実践手順【2026年版】

目次

1. AIマーケティングとは？「使う」と「選ばれる」の2つの意味
2. なぜ今、AI検索がマーケティングを変えているのか
3. LLMOとは？SEO・AIO・GEOとの違い
4. 生成AIが情報源を選ぶ仕組み
5. LLMO対策の実践7ステップ
6. AIを「使う」側の活用領域
7. 成果をどう測るか：AI検索時代のKPI
8. よくある失敗と注意点
9. 90日で始める導入ロードマップ
10. よくある質問（FAQ）
11. まとめ：AIを使いこなし、AIに選ばれる企業へ
12. 出典・参考資料

この記事の要点

• AIマーケティングには「AIを使う」と「AIに選ばれる」の2つの側面があり、成果を出すには両方を同時に設計する必要があります。
• 国内では検索行動の37.0%で生成AIが使われており、AIのおすすめをきっかけに購入・利用した経験がある人は47.5%にのぼります（サイバーエージェント
  GEOラボ、2026年2月調査）。
• Google検索で「AIによる概要」が表示されると、検索1位のクリック率は日本で約37.8%下がります（Ahrefs、2026年2月発表）。
• LLMOはSEOの代わりではなく延長線上にあります。Googleも、AI機能に表示されるための追加要件や特別な最適化は不要だと公式に説明しています。
• 進める順番は、現状の計測、一次情報の整備、答えやすい構造づくり、外部での言及獲得、継続計測の5段階です。

AIマーケティングとは？「使う」と「選ばれる」の2つの意味

AIマーケティングとは、機械学習や生成AIを使って、市場理解・顧客獲得・関係維持といったマーケティング活動の精度と速度を高めることを指します。ここ数年で意味合いが広がり、いまは次の2つを合わせて考えるのが実務的です。

AIを「使う」マーケティング

生成AIや予測モデルを自社の業務に組み込み、生産性と成果を上げる取り組みです。記事や広告文の下書き、顧客データの分類、広告入札の自動調整、問い合わせ対応の自動化などが当てはまります。従来から語られてきたAIマーケティングはこちらの意味で、検索結果の上位に並ぶ解説記事も大半がこの視点で書かれています。

AIに「選ばれる」マーケティング

生活者や企業の購買担当者が、検索エンジンの代わりに生成AIへ相談する場面が増えました。「中小企業向けの会計ソフトを3つ比較して」と尋ねたとき、回答に自社の名前が出てくるかどうか。これが新しい競争の場です。AIの回答に自社の情報が正しく、好意的に載る状態をめざす取り組みをLLMO（Large
Language Model Optimization）と呼びます。

なぜ2つを分けて考えるのか

2つは担当部署も評価指標も異なるからです。「使う」側は制作や運用の工数、CPAといった効率指標で測れます。一方「選ばれる」側は、AIの回答内での言及率や引用元としての採用数など、これまで計測してこなかった指標が必要になります。片方だけ進めると、コンテンツは量産できたのにAIにも検索にも拾われない、という状態に陥りがちです。

なぜ今、AI検索がマーケティングを変えているのか

理由は、情報収集の入り口が検索結果ページからAIの回答へ移りはじめ、その変化が購買にまで届いているからです。国内外の調査から3つの事実を確認します。

事実1：検索行動の約4割で生成AIが使われている

サイバーエージェントのGEOラボが2026年2月に全国の10〜60代9,278名を対象に行った調査では、検索行動における生成AIの利用率は37.0%でした。2025年10月の前回調査（31.1%）から約4か月で5.9ポイント伸びており、20代では初めて半数を超えています。利用サービスはChatGPTが29.1%、Google検索のAIモードが21.0%、Geminiが15.6%でした。

日本リサーチセンターの定点調査でも、2026年3月時点の生成AI利用経験率は48.5%。現在利用している人の用途は「情報収集、リサーチ」が57.0%で最多です。生成AIは文章作成の道具というより、調べものの窓口として定着しつつあります。

事実2：AIの回答が購買を動かしている

同じGEOラボの調査では、AIのおすすめをきっかけに商品やサービスを購入・利用した経験がある人が47.5%いました。回答に示されたURLをクリックする人は54.4%、回答を見たあとさらに詳しく検索する人は69.0%です。AIの回答は読んで終わりではなく、次の行動の起点になっています。

就業者を対象にしたグランネットの調査（2026年8月、500名）でも、購買を検討する際に生成AIを使う人は66.3%と、前年の52.6%から13.7ポイント増えました。BtoBの製品選定でも、担当者がまずAIに候補を挙げさせる流れは珍しくありません。

事実3：検索1位でもクリックされにくくなった

Ahrefsが30万キーワードを分析した調査（2026年2月発表）によると、Google検索で「AIによる概要」が表示された場合、検索1位のページのクリック率は世界平均で約58%、日本で約37.8%低下していました。AIによる概要が出るキーワードの99.2%は情報収集型です。つまり「〜とは」「〜のやり方」といった、オウンドメディアが得意としてきた領域ほど影響を受けます。

さらにGoogleは2025年9月にAIモードの日本語提供を始めました。Googleによれば、AIモードの利用者は従来の検索の2〜3倍の長さで質問しています。短いキーワードを打ち込む検索から、状況や条件を文章で伝える相談へ。この変化に合わせて、情報の出し方も見直す必要があります。

マーケティングへの影響

3つの事実が示すのは、順位と流入数だけを追う運用では実態が見えなくなるということです。流入が減っても、AIの回答で名前が挙がっていれば指名検索や商談は増えることがあります。逆に検索順位が高くても、AIの回答に登場しなければ比較検討の土俵に上がれません。評価の物差しそのものを更新する時期に来ています。

LLMOとは？SEO・AIO・GEOとの違い

LLMOとは、ChatGPTやGeminiなどの大規模言語モデル（LLM）が生成する回答のなかで、自社の情報が正確に参照・引用・推奨されるように、コンテンツと情報環境を整える取り組みです。

似た用語の整理

同じ領域を指す言葉がいくつも使われており、混乱しやすいので表に整理します。厳密な定義は固まっていませんが、実務上はほぼ同じ方向を向いた施策群だと捉えて問題ありません。

検索数で比べると、日本では「LLMO」が月間約5,300回と、「AIO対策」（約2,800回）や「GEO対策」（約600回）を上回っています（Ahrefs、2026年10月時点）。社内で言葉をそろえるなら、LLMOを使うのが通じやすいでしょう。

SEOとの違い

最大の違いは、ゴールが「順位」か「回答内での扱われ方」かという点です。SEOは検索結果の一覧で上位に入り、クリックを得ることを狙います。LLMOは、AIが複数の情報源を読み込んで組み立てた一つの回答のなかに、自社の名前や情報が含まれることを狙います。順位という概念がなく、同じ質問でも回答が毎回少しずつ変わるため、「一定数の質問を投げたうち何割で言及されたか」という確率で捉えるのが基本です。

もう一つの違いは、評価される単位です。SEOではページ単位の評価が中心でしたが、AIはページの一部分（段落や表、Q&A）を抜き出して使います。ページ全体の出来よりも、一つひとつの段落がそれだけで意味を成すかどうかが効いてきます。

SEOは不要になるのか

不要にはなりません。むしろ土台として重要性が増しています。Googleは公式ドキュメントで、AIによる概要やAIモードに表示されるための追加要件はなく、特別な最適化も必要ないと説明しています。AI向けの専用ファイルや特別な構造化データを新たに用意する必要もないとしています。求められるのは、インデックスされ、スニペット表示が可能な状態にあること。つまり従来のSEOの基本です。

検索連動型のAIは、まず検索エンジンで候補ページを集めてから回答を組み立てます。検索で見つからないページは、AIの回答の材料にもなりにくい。LLMOはSEOの上に積み上げる取り組みだと考えるのが正確です。

生成AIが情報源を選ぶ仕組み

生成AIの回答は、大きく2つの経路で作られます。学習済みの知識から答える経路と、その場でWebを検索して答える経路です。どちらの経路で自社が扱われるかによって、打つべき施策が変わります。

経路1：学習データにもとづく回答

言語モデルは、過去に公開された大量の文章を学習しています。検索を使わない質問では、この学習済みの知識から回答が生成されます。ここで効くのは、Web上で自社がどれだけ、どんな文脈で語られてきたかです。業界メディアの記事、比較サイト、レビュー、プレスリリース、Q&Aサイトなど、自社サイト以外の場所での言及が積み重なるほど、「この分野ならこの会社」という結びつきが強まります。短期間で変えられないぶん、早く始めた企業が有利になります。

経路2：検索と連動した回答

GoogleのAIモード、ChatGPTの検索機能、Perplexityなどは、質問を受けるとその場でWebを検索し、取得したページをもとに回答を作ります。流れは次のとおりです。

1. 質問を複数の検索クエリに分解する（Googleはこれをクエリファンアウトと呼んでいます）
2. それぞれのクエリで検索し、候補ページを集める
3. ページから質問に関係する箇所を抜き出す
4. 抜き出した情報を統合して回答を生成し、参照元へのリンクを付ける

注目すべきは1の工程です。「BtoB向けMAツールのおすすめ」という質問は、「MAツール
比較」「MAツール 料金」「MAツール 中小企業
導入事例」のように枝分かれして検索されます。メインのキーワードで上位にいなくても、派生した問いに的確に答えるページがあれば引用される可能性がある、ということです。

引用されやすいコンテンツの共通点

プリンストン大学などの研究チームがGEOを提唱した論文（KDD
2024）では、生成AI型検索エンジンでの可視性を高める手法を比較しています。効果が大きかったのは、信頼できる出典の明記、専門家などの発言の引用、統計データの追加で、可視性が最大40%向上しました。一方、キーワードを詰め込む従来型の手法は効果が見られませんでした。

この結果は実務の感覚とも一致します。AIが回答に使いやすいのは、次のような特徴を持つ文章です。

• 冒頭で結論を言い切っている
• 数値とその出どころ、時点が明記されている
• その段落だけを抜き出しても意味が通じる
• 誰が書いたか、どの組織の情報かが明確である

LLMO対策の実践7ステップ

LLMO対策は、計測から始めて、自社サイトの整備、外部評価の獲得へと広げていくのが効率的です。順番に解説します。

ステップ1：AIが自社をどう語っているかを把握する

最初にやるべきは現状の計測です。見込み客がAIに尋ねそうな質問を30〜50個書き出し、ChatGPT、Gemini、GoogleのAIモード、Perplexityなど主要なサービスに実際に投げてみます。記録するのは次の4点です。

• 自社名が回答に出たか
• どんな文脈で、どの競合と並んで紹介されたか
• 内容に誤りや古い情報がないか
• 引用元としてどのサイトが使われているか

質問は「カテゴリ名＋おすすめ」「課題＋解決方法」「自社名＋評判」「A社とB社の違い」の4系統を混ぜると偏りません。回答は毎回揺れるので、同じ質問を複数回、日を変えて試すのがポイントです。

ステップ2：答えるべき質問を洗い出す

次に、質問の長文化とクエリファンアウトを踏まえ、主要テーマから派生する問いを網羅的に洗い出します。営業が商談で受ける質問、カスタマーサポートへの問い合わせ、検索キーワードの関連語、Googleの「他の人はこちらも質問」などが材料になります。集めた質問を「認知」「比較検討」「導入判断」の段階に分け、自社サイトに答えがない質問を優先して埋めていきます。

ステップ3：一次情報をつくる

AIはどこにでもある一般論より、そこでしか得られない情報を引用します。自社で用意できる一次情報の例は次のとおりです。

• 自社で行ったアンケートや利用データの集計
• 顧客の導入事例と具体的な成果数値
• 料金、仕様、対応範囲などの正確な事実情報
• 実務経験にもとづく手順や判断基準
• 専門家としての見解や業界予測

特に効果が高いのは独自調査です。自社調べの数値は、他社メディアやAIに引用され続ける資産になります。調査時期、対象者数、調査方法を必ず添えてください。

ステップ4：抜き出しやすい構造で書く

同じ内容でも、書き方によってAIの使いやすさは変わります。押さえたい型は5つです。

1. 見出しを質問の形にし、直後の1〜2文で答えを言い切る
2. 用語は「〇〇とは、△△である」の形で定義する
3. 比較や条件分岐は表にまとめる
4. 手順は番号付きリストで書く
5. 「これ」「そのツール」といった指示語を減らし、主語を省かない

5つめは見落とされがちです。AIは段落単位で文章を切り出すため、指示語で始まる段落は、単独では何の話か分からなくなります。固有名詞を繰り返すのは人間向けの文章では冗長に見えますが、引用のされやすさには効きます。

ステップ5：技術面の土台を整える

内容が良くても、AIが読み取れなければ意味がありません。確認項目は次のとおりです。

• robots.txtでAI関連のクローラー（OpenAIのOAI-SearchBot、PerplexityBotなど）を誤って拒否していないか
• 重要な情報が画像やJavaScriptの描画に依存せず、HTMLのテキストとして存在するか
• 構造化データ（Organization、Article、FAQPage、Productなど）がページの内容と一致しているか
• 更新日と著者情報が明示されているか
• Bing Webmaster Toolsにもサイトを登録しているか（Microsoft
  Copilotをはじめ、Bingの検索基盤を使うAIサービスがあるため）

なお、AI向けのサイト案内ファイルであるllms.txtは、現時点では必須ではありません。Googleは公式ドキュメントでAI向けの専用ファイルは不要だと明言しています。Googleのジョン・ミューラー氏も2026年6月、llms.txtはサイト運営者による自己申告にすぎず、AIがサイトを選ぶ決め手にはならないという趣旨の発言をしています。設置しても害はありませんが、優先度は低いと考えてよいでしょう。

ステップ6：サイトの外で言及を増やす

学習データ経由の回答でも検索連動の回答でも、AIは第三者の情報を重視します。自社サイトで「業界トップクラス」と名乗るより、業界メディアや比較記事で名前が挙がるほうが効きます。取り組みやすい施策は次のとおりです。

• 独自調査をプレスリリースとして配信し、メディアに引用してもらう
• 業界メディアへの寄稿、取材対応、イベント登壇を続ける
• 比較サイトやレビューサイトの掲載情報を最新に保つ
• 会社概要、サービス名、所在地などの表記を全媒体でそろえる
• Googleビジネスプロフィールや公式SNSを整備する

表記の統一は地味ですが重要です。社名やサービス名の表記が媒体ごとに違うと、AIが同じ存在として認識しにくくなります。

ステップ7：計測して改善を続ける

ステップ1で作った質問リストを月1回は再実行し、言及率と引用元の変化を追います。新しく引用されはじめたページや、競合だけが引用されている質問を見つけ、ステップ2〜6に戻って手当てします。この循環を回し続けることがLLMO対策の実体です。AIのモデルや検索機能は数か月単位で更新されるため、一度の施策で終わらせず、定点観測の仕組みにしておくことをおすすめします。

AIを「使う」側の活用領域

AIに選ばれるための土台づくりと並行して、社内業務でのAI活用も進めます。マーケティング部門で成果が出やすい領域は4つです。

コンテンツ制作

構成案の作成、下書き、要約、言い換え、多言語化など、制作工程の多くでAIが使えます。ただし、AIに丸ごと書かせた記事は一般論の寄せ集めになりやすく、検索にもAIにも評価されにくいのが実情です。効果的なのは役割分担です。一次情報と主張は人が用意し、構成の整理や表現の調整、抜け漏れの確認をAIに任せます。取材メモや社内資料をAIに読み込ませて下書きを作る流れにすると、速さと独自性を両立できます。

広告運用

入札やターゲティングの自動最適化は主要な広告プラットフォームで標準になり、運用者の仕事は「調整」から「素材と方針の設計」へ移りました。AIの活用場面は、広告文とバナーの大量生成とテスト、検索語句レポートの分類、成果の要因分析などです。配信の自動化が進むほど、与える素材の質と、コンバージョンデータの正確さが成果を左右します。

データ分析と顧客理解

アクセス解析やCRMのデータをAIに渡し、自然言語で問いかけて分析する使い方が広がっています。「先月コンバージョン率が下がった要因を3つ挙げて」と尋ねれば、仮説の叩き台が数分で出てきます。商談の議事録、問い合わせ内容、レビューといった文章データの分類と要約もAIの得意分野です。顧客の生の言葉から頻出する悩みを抽出できれば、LLMO対策で答えるべき質問を洗い出す材料にそのまま使えます。

CRMと顧客対応

メール配信の文面や配信タイミングの出し分け、チャットボットによる一次対応、営業向けの提案資料の下書きなどが代表例です。顧客接点での活用は、誤った回答がそのまま信用の毀損につながります。回答の根拠を自社のFAQやマニュアルに限定する設計と、人へ引き継ぐ導線の用意が欠かせません。

成果をどう測るか：AI検索時代のKPI

AI検索時代のマーケティングは、「AIの回答内での存在感」「サイトへの流入」「事業成果」の3層で測ります。順位と流入数だけでは、AIの回答のなかで起きている変化を捉えられません。

層1：AIの回答内での存在感

• AI言及率：用意した質問リストのうち、自社名が回答に登場した割合
• 引用数：自社サイトのページが参照元リンクとして表示された回数
• シェア・オブ・ボイス：同じ質問群における、競合と比べた言及回数の比率
• 記述の正確さと論調：誤情報の有無、肯定的に紹介されているかどうか

手作業でも計測できますが、質問数が増えると負担が大きくなります。AIでの言及状況を自動で追跡する専用ツールも増えているので、質問数が100を超えるあたりで導入を検討するとよいでしょう。

層2：サイトへの流入

アクセス解析ツールで、参照元がchatgpt.com、perplexity.ai、gemini.google.com、copilot.microsoft.comなどのセッションを抽出し、AI経由の流入として集計します。数はまだ小さくても、推移と着地ページを見れば、どのコンテンツがAIに使われているかの手がかりになります。

注意したいのはGoogleのAI機能です。Googleの説明では、AIによる概要やAIモードを経由した表示とクリックは、Search
Consoleの検索パフォーマンスレポートで通常の「ウェブ」検索に合算されます。AI機能だけを切り出して見ることは現状できません。そのため、表示回数は増えているのにクリックが減っている検索語句を洗い出す、といった間接的な読み方が必要です。

層3：事業成果

最終的に見るべきは売上への貢献です。次の指標を定点で追います。

• 指名検索数（社名・サービス名での検索回数）
• AI経由セッションのコンバージョン率
• 問い合わせ時の「当社を知ったきっかけ」でAIを挙げた割合
• 商談時のヒアリングで分かった情報源

Googleは、AIによる概要を経由したクリックについて、サイトでの滞在時間が長くなりやすく質が高いと説明しています。流入の数が減っても、検討が進んだ状態の訪問者が増えていれば、商談化率は上がる可能性があります。流入数だけで施策の成否を判断しないことが大切です。

問い合わせフォームの認知経路に「生成AI（ChatGPTなど）」の選択肢を加えるのは、今日からできる計測施策です。

よくある失敗と注意点

AIマーケティングの失敗は、AIの出力を検証せずに使うことと、短期的な小手先の対策に走ることから生まれます。代表的な5つを挙げます。

失敗1：AI生成コンテンツを量産する

AIで記事を大量に作れば露出が増える、という発想は逆効果になりがちです。独自の情報を含まない記事は、検索でもAIの回答でも引用される理由がありません。サイト全体の評価を下げるおそれもあります。本数を追うのではなく、一本ごとに「このページにしかない情報は何か」を問うべきです。

失敗2：事実確認を省く

生成AIは、もっともらしい誤りを出力することがあります。存在しない統計や、古い制度にもとづく説明がそのまま公開されれば、信用を損ないます。誤った情報が別のAIに参照され、広がっていく悪循環も起こりえます。数値、固有名詞、法制度に関する記述は、必ず一次情報に当たって確認します。

失敗3：AIを欺く手法に手を出す

人には見えない文字でAI向けの指示を埋め込む、自社を称賛する記事を大量に外部へばらまく、といった手法が話題になることがあります。こうした操作は検索エンジンのスパムポリシーに抵触するおそれがあり、AI事業者側の対策も進んでいます。発覚したときのブランド毀損は、得られる露出に見合いません。

失敗4：法令と権利への配慮が抜ける

外部での言及を増やす施策では、ステルスマーケティング規制に注意が必要です。日本では2023年10月1日から、広告であることを隠した表示が景品表示法違反の対象となりました。規制を受けるのは広告主である事業者です。第三者に依頼したレビューや記事には、広告である旨を明示しなければなりません。

AIで生成した文章や画像を使う際は、既存の著作物と似すぎていないかの確認も欠かせません。入力する側でも、顧客の個人情報や未公開情報をAIに渡してよいか、利用規約と社内ルールを事前に確かめておきます。

失敗5：計測せずに進める

「LLMO対策をやった」という事実だけが残り、効果が分からないケースです。施策の前に質問リストで基準値を取り、同じ条件で再計測する。この手順を省くと、投資判断の根拠が持てなくなります。

90日で始める導入ロードマップ

最初の90日は、計測の仕組みを作り、既存の主要ページを直し、一次情報を1本公開するところまでを目標にします。

1〜30日目：現状把握と体制づくり

• 質問リスト（30〜50問）を作成し、主要なAIサービスで基準値を計測する
• 競合3〜5社の言及状況と、引用元になっているサイトを記録する
• robots.txt、インデックス状況、構造化データなど技術面を点検する
• アクセス解析にAI経由流入の集計設定を加える
• 社内の担当者と、AI利用のルール（入力してよい情報、公開前の確認手順）を決める

31〜60日目：既存コンテンツの改修

• 流入と商談への貢献が大きいページから10本前後を選ぶ
• 各ページの冒頭に結論を置き、定義・表・FAQを追加する
• 数値には出典と時点を入れ、古い情報を更新する
• 会社概要、サービスページ、料金ページの事実情報を最新かつ具体的にする
• 著者情報と更新日を全記事に明示する

61〜90日目：一次情報の公開と外部展開

• 独自調査または事例データを1本まとめ、記事とプレスリリースで公開する
• 質問リストで答えが欠けていたテーマの新規記事を公開する
• 外部メディアや比較サイトの掲載情報、表記ゆれを整える
• 基準値と同じ条件で再計測し、言及率・引用数・AI経由流入の変化を確認する
• 結果をもとに次の四半期の計画を立てる

90日で劇的な数字の変化が出るとは限りません。検索連動型の回答は改修の反映が比較的早い一方、学習データに由来する認知は時間をかけて変わります。四半期ごとに計測と改善を繰り返す前提で、体制を組んでおくことが重要です。

よくある質問（FAQ）

AIマーケティングとは何ですか？

AIマーケティングとは、AIを活用してマーケティングの成果を高める取り組みの総称です。業務でAIを使う側面と、生成AIの回答に自社が取り上げられるよう整える側面（LLMO）の2つがあります。

LLMOとSEOの違いは何ですか？

SEOは検索結果での順位とクリックの獲得を、LLMOは生成AIの回答内での言及・引用・推奨の獲得をめざします。評価の単位も、SEOはページ、LLMOは段落や表などページの一部分が中心です。ただし検索連動型のAIは検索結果を材料にするため、SEOはLLMOの土台になります。

LLMO対策は何から始めればよいですか？

現状の計測から始めます。見込み客がAIに尋ねそうな質問を30〜50個用意し、主要なAIサービスで自社がどう扱われているかを記録してください。基準値がないと、あとで施策の効果を判断できません。

LLMO対策の効果が出るまで、どのくらいかかりますか？

検索連動型の回答への反映は、ページの改修から数週間〜数か月で見られることがあります。学習データに由来する認知の変化には、より長い時間が必要です。最低でも四半期単位で計測を続ける前提で計画するのが現実的です。

llms.txtは設置すべきですか？

2026年10月時点では必須ではありません。Googleは、AI機能への表示にAI向けの専用ファイルは不要だと説明しています。設置の手間が小さければ置いても構いませんが、一次情報の整備や文章構造の改善を優先してください。

AIで書いた記事は検索やAIに評価されますか？

評価は作り方ではなく中身で決まります。AIを使っていても、独自の情報があり、事実が正確で、読者の疑問に答えていれば評価されます。逆に、AIに任せきりで一般論を並べただけの記事は、人が書いた場合と同じく評価されません。

BtoB企業でもLLMO対策は必要ですか？

必要性は高いと言えます。BtoBは検討期間が長く、比較対象の洗い出しや用語の理解にAIが使われやすいためです。就業者を対象としたグランネットの調査（2026年8月）でも、購買検討時に生成AIを使う人は66.3%に達しています。

小規模な会社でも取り組めますか？

取り組めます。質問リストでの計測、主要ページの冒頭に結論を書くこと、会社情報の表記統一は、追加の費用をかけずに始められます。特定の地域や専門分野に絞れば、大手より先にAIの回答で名前が挙がる状態をつくることも十分に可能です。

まとめ：AIを使いこなし、AIに選ばれる企業へ

AIマーケティングは、業務でAIを使う取り組みと、AIの回答に選ばれるための取り組みの両輪で進める時代になりました。国内でも検索行動の約4割で生成AIが使われ、AIの回答が購買の起点になっています。

押さえるべきポイントを改めて整理します。

• LLMOはSEOの延長にあり、検索で評価されるサイトづくりが土台になる
• AIに引用されるのは、一次情報があり、結論が明確で、出典と時点が示された文章である
• 自社サイトの外での言及と、表記の一貫性が、AIからの認識を左右する
• 順位と流入に加え、AI言及率と事業成果で効果を測る
• 最初の一歩は、質問リストによる現状計測である

変化は速いものの、やるべきことの本質は変わりません。顧客の問いに、誰よりも正確で具体的な答えを用意すること。その積み重ねが、検索でもAIでも選ばれる理由になります。

出典・参考資料

記事内のデータは2026年10月1日時点で確認したものです。

• Google Search Central「AI features and your
  website」（最終更新2025年12月10日）
• Google Japan Blog「Google 検索の AI
  モードを日本語で提供開始します」（2025年9月9日）
• サイバーエージェント GEOラボ「生成AIのユーザー利用実態調査
  第三弾」（2026年3月5日発表、調査は2026年2月6〜7日）
• 日本リサーチセンター「NRCデイリートラッキング 生成AIについて
  2026年3月調査」
• コマースピック「生成AI利用率56.4%に急増、購買検討時の利用は66.3%に到達｜グランネット調査」（調査は2026年8月）
• Ahrefs「AIによる概要のゼロクリック影響に関する調査」（2026年2月26日発表）
• Aggarwal et al.「GEO: Generative Engine
  Optimization」（KDD 2024）
• 消費者庁「令和5年10月1日からステルスマーケティングは景品表示法違反となります。」
• Let’s Data Science「Google’s
  Mueller Says llms.txt Won’t Guide LLM
  Recommendations」（2026年6月17日）