【実測】LLMO対策でAI言及率が約6.8倍に｜3.8%→25.8%、10日間の施策を公開

2026年6月27日、Brand UPのAI検索における言及率は3.8%、引用率は1.8%でした。「おすすめのLLMOツールは？」に近い比較系の質問をしても、Brand UPはほとんど候補に入りません。自社がLLMO対策サービスを提供しているにもかかわらず、公式サイトは本格的なSEO・LLMO対策に着手できていない状態でした。

そこで、Brand UPのAIサイト診断、AIコンテンツチェッカー、AI検索の計測機能を使い、自社サイトを改善しました。診断結果に沿ってサイト修正と既存記事のリライトを行い、同じ比較系プロンプト群で変化を追ったところ、10日後の7月7日にはAI言及率が3.8%から25.8%へ約6.8倍、引用率が1.8%から22.8%へ約12.7倍に増加しました。

この記事では、私たちが何を確認し、どの順番で修正したのかを公開します。特定の設定を入れるだけで結果が変わったわけではありません。AIがサイトを取得できる技術的な状態、公式情報の一貫性、引用しやすい文章構造、検索意図に合った記事設計をまとめて見直しました。

この記事でわかること

• Brand UPが10日間で実施したLLMO対策の全体像
• AIサイト診断とAIコンテンツチェッカーが見ている評価項目
• AIに引用されやすいサイトと記事へ修正する具体的な方法
• 言及率・引用率を施策前後で検証するときの注意点
• 自社サイトでそのまま使えるLLMO対策チェックリスト

10日間のLLMO対策で何が変わったのか

今回のLLMO対策とは、主要なAI検索でBrand UPが比較候補として言及され、公式サイトが根拠として引用されやすい状態を作る取り組みです。成果はBrand UPに登録した比較系プロンプト群を同じ条件で継続計測し、施策前後の割合で確認しました。

AI言及率は、計測した回答のうちBrand UPというブランド名が登場した回答の割合です。引用率 は、計測した回答のうちBrand UPのサイトへのリンクが引用元として含まれた回答の割合を指します。単なる表示回数ではなく、比較・選定の回答にブランドと公式情報が入ったかを分けて見ています。

対象にしたのは「おすすめのLLMOツールは？」に近い比較系プロンプト群です。個別のAIサービス名、質問数、実行回数は非公開ですが、施策前後で同じ計測条件を使いました。AIの回答は実行ごとに変動するため、1回の回答ではなく一定期間の割合として評価しています。

この結果から言えること、言えないこと

今回確認できた事実は、サイトと記事を修正した後の10日間で、同じ比較系プロンプト群に対する言及率と引用率が上昇したことです。一方、対照サイトを用意した実験ではないため、24項目のうちどの修正が何ポイント寄与したかは分離できません。

施策前の画面キャプチャも保存していません。Beforeの数値はBrand UPの計測データ、Afterは計測画面と集計値で確認しています。短期間の結果であり、同じ施策を別サイトで行えば同じ割合になるという保証もありません。

この制約を踏まえても、改善前はほとんど言及・引用されていなかった比較系の質問で、Brand UPが候補と根拠の両方に入り始めた変化は、次の改善サイクルを判断するうえで有効なシグナルでした。

「おすすめのLLMOツールは？」での表示例

以下は、Googleで「おすすめ LLMOツール」と検索した際のAIによる概要の表示例です。Brand UPが比較候補として回答本文に挙がり、あわせて公式のLLMOツール比較記事が情報源として表示されています。言及だけでなく、公式サイトが回答の根拠として使われる状態を確認できる例です。

AIの回答は同じ質問でも時点や実行条件によって変動します。これは単一時点の表示例であり、掲載や順位を保証するものではありません。画面内の料金・機能に関する説明はAIが回答した時点のもののため、最新の内容は料金ページと各機能ページをご確認ください。

施策前は本格的なSEO・LLMO対策をしていなかった

施策前のBrand UPには、個別の記事や機能ページは存在していました。ただし、AIがサイト全体を読み取り、サービスの実体を理解し、回答の根拠として使うまでの設計がつながっていませんでした。

AIサイト診断では、主に次の課題が見つかりました。

• AI検索用クローラーのアクセス条件が十分に整理されていない
• JavaScriptに依存する表示があり、重要な情報を取得しにくいページがある
• 構造化データに古い料金や不整合な情報が含まれている
• サービス、運営会社、料金、機能の公式情報が複数箇所で一致していない
• AIが引用できる具体的な数値や自己完結した説明が少ない
• 長い記事に結論、要約、FAQ、一次ソースが不足している
• ピラー記事と関連記事のつながりが弱い
• 比較検索をする読者が求めるページ形式と既存記事の構成にずれがある

つまり、問題は「記事数が足りない」の一言では説明できませんでした。AIがアクセスできるか、何のサービスか理解できるか、引用できる根拠があるか、比較質問に答えているかという複数の層に分かれていました。

Brand UPの機能には何を評価させているのか

Brand UPの改善機能は、AIに引用されるための裏技を探すものではありません。公開研究、検索エンジンの公式情報、ページ上で確認できる要素を使い、取得できる・理解できる・引用できる・検証できるの4段階でサイトを評価します。

AIサイト診断で見る7つの観点

AIサイト診断とは、個別の文章だけでなく、サイト全体がAI検索に理解されやすい状態かを確認する機能です。

Googleは、AI OverviewsやAI Modeに表示されるためだけの特別なマークアップは必要ないと案内しています。重要なのは、クロールできること、内部リンクでページを発見できること、重要な内容がテキストで存在すること、構造化データと表示内容が一致することです（Google Search Central）。

ChatGPT検索でサイトの内容が要約・引用されるためには、検索用のOAI-SearchBotをブロックしないことが公式に案内されています。これは学習用途を制御するGPTBotとは役割が異なります（OpenAI Publishers and Developers FAQ）。

AIコンテンツチェッカーで見る5つの観点

AIコンテンツチェッカーとは、記事や機能ページを1ページ単位で解析し、回答として引用しやすい内容になっているかを確認する機能です。

評価結果は点数だけで終わりません。現在のタイトル、H1、H2、本文の記述を根拠として引用し、「どこを」「なぜ」「どう直すか」を改善提案として出します。ブランドキットを設定している場合は、正しい料金・機能・対象顧客・トーンとの整合も別軸で確認します。

AIアシスタントで施策の順番を決める

AIアシスタントは、診断結果とBrand UPの計測データをつなぐ役割を持ちます。言及率、引用率、掲載順位、競合との差を混ぜずに読み、提案ごとに優先度、根拠、実行方法、測定指標を整理します。

今回も「できていない項目をすべて直す」のではなく、比較系プロンプトでの言及・引用に影響しやすく、短期間で対応できる項目から着手しました。改善作業は人が確認して実施し、公開後に同じ条件で再計測しています。

実施した24項目を5つの施策群に整理

今回の修正は24項目に及びます。ただし、作業内容をファイル単位で並べても再現しづらいため、目的別に5つへ整理します。

施策1：AIがサイトへアクセスできる状態を作る

AIアクセス性とは、回答を作るシステムや検索インデックスが、サイトの重要情報を取得できる状態です。内容が優れていても、本文を取得できなければ引用候補になりません。

実施した内容は次のとおりです。

1. 検索・閲覧に関係するAIクローラーのアクセス条件をrobots.txtで整理
2. ブログ一覧をサーバー側で生成し、JavaScript実行前でも記事を発見できる状態へ変更
3. トップページの主要セクションをサーバーコンポーネント化
4. 重いフォームを遅延読み込みし、初期表示の負荷を削減
5. サイトマップの更新日を実態に合わせ、不要な指定を削除
6. パンくず内のURLを絶対URLへ統一

ここで重要なのは、クローラー名を増やせば引用率が上がるという話ではありません。クロール可能性は引用の前提条件です。Googleも、要件を満たしていてもクロール、インデックス、表示は保証されないと明記しています。

施策2：公式情報を一つの意味にそろえる

エンティティ明確性とは、サイト内の情報から「Brand UPとは何か」を一貫して理解できる状態です。料金ページと構造化データで価格が違う、機能名がページごとに違う、運営主体が分からないといった矛盾は、AIが回答を作るときのノイズになります。

今回行った修正は以下です。

• 構造化データ内の料金、プラン名、サービス情報を実際の表示と一致させる
• 全ページへ誤って出していたFAQPageを削除し、該当するページだけへ限定する
• 料金、機能、ウェビナーへBreadcrumbListを追加する
• ウェビナーのEvent情報へオンライン開催場所を追加する
• Organization情報、ロゴ、外部参照先を整理する
• 運営会社情報と問い合わせ先を確認できる導線を整える
• AI向け概要ファイルの料金・機能情報を最新化する

構造化データは、書けば評価が上がる魔法の設定ではありません。画面で読める情報と一致して初めて、ブランドやページの意味を機械可読に伝える補助になります。

施策3：AIがそのまま使える回答単位を作る

今回改善したのは、前後の段落を読まなくても質問への回答として意味が通る文章、いわゆる引用可能な文章です。既存記事のリライトでは、各章に結論と根拠を持たせました。

具体的には次の書き方へ変更しています。

• 記事冒頭に結論と主要数値をまとめた要約を置く
• 「LLMOとは何か」のような質問型の見出しを使う
• 見出し直後の1〜2文で質問へ直接回答する
• 手順は番号付きリスト、比較は表へ変換する
• 抽象的な主張を、自社の実測値や外部一次ソースで裏づける
• 著者、公開日、更新日、出典を明示する
• 記事固有のFAQを作り、質問単体でも意味が通る回答を書く
• 長い章を自己完結するセクションへ分割する

GEOを提唱した研究では、権威ある引用の追加、具体的な統計、読みやすさなど、コンテンツの提示方法が生成エンジン上の可視性に影響する可能性が検証されています（GEO: Generative Engine Optimization）。ただし、研究環境と現在の商用AI検索は同一ではないため、研究結果をそのまま引用率の保証には使っていません。

施策4：比較したい人の検索意図に合わせて記事を直す

比較系プロンプトで言及されたい場合、公式サイトにサービス説明があるだけでは不十分です。ユーザーが知りたいのは、選択肢、違い、選び方、料金、日本語対応、向いている企業です。

そこで既存のLLMOツール比較記事を中心に、以下をリライトしました。

• タイトルと説明文に「LLMOツール」「おすすめ」「比較」の検索意図を反映
• 冒頭でLLMOツールの定義と必要性へ直接回答
• 比較軸を機能、料金、日本語対応、改善提案、計測範囲へ統一
• 各ツールのメリットとデメリットを同じ構造で記載
• 自社だけを有利に見せないよう、用途別の選び方を提示
• 古い料金や対応状況を確認し、更新日を表示
• 比較記事からLLMOの教科書やプロンプト設計記事へ内部リンク

この修正は、記事へキーワードを増やす作業ではありません。「比較して選びたい」という読者の目的を、1ページ内で満たすための情報設計です。

施策5：同じ比較系プロンプトで再計測する

LLMO対策は、ページを公開した時点では完了しません。AIの回答は日々変わるため、同じ質問群で変化を確認し、次の修正へつなげます。

今回の検証では、施策前後で次の条件をそろえました。

• 比較・選定を目的とする同じプロンプト群を使う
• ブランド名が回答本文に登場したかを言及率として記録する
• 公式サイトへのリンクが根拠に含まれたかを引用率として記録する
• 1回の回答ではなく、期間内の実行結果を割合で見る
• 競合との比較や回答内容も確認し、数字だけで判断しない

言及率が上がっても、間違った説明で紹介されていれば成功とは言えません。逆に引用率が上がっても、ユーザーが比較する文脈で候補に入らなければ事業成果にはつながりにくくなります。言及・引用・説明内容を分けて見ることが重要です。

10日間で大きく動いた理由をどう考えるか

短期間で数値が動いた理由を一つに断定することはできません。私たちは、複数の改善が連動した結果だと捉えています。

最初に、AIや検索エンジンが重要ページを取得できる技術的な前提を整えました。次に、料金・機能・運営情報を一致させ、「何のサービスか」を理解できる情報を増やしました。そのうえで、比較記事を質問への回答として使いやすい構造へ直し、記事同士を内部リンクで接続しています。

つまり、取得できる→理解できる→引用できる→比較候補として使えるという流れを同時に改善しました。特定のファイルやマークアップだけを追加するより、AIが回答を作るまでの経路全体を見直したことが、変化につながった可能性があります。

一方で、AI側のモデル更新、検索インデックスの更新、回答の確率的な変動も影響します。今回の数字は成功事例として公開しますが、「この24項目を実施すれば10日で25.8%になる」という一般則にはしません。

自社で実施するLLMO対策チェックリスト

LLMO対策を始める場合は、記事を増やす前に以下を確認してください。

技術とアクセス

• robots.txtで検索・引用に必要なクローラーを意図せず拒否していない
• 重要なタイトル、本文、リンクがHTMLとして取得できる
• サイトマップに重要ページが含まれている
• canonical URL、noindex、リダイレクトに矛盾がない

ブランド情報

• サービス名、カテゴリ、対象顧客をH1と冒頭で説明している
• 料金、機能、会社情報がページ間で一致している
• 構造化データが画面上の情報と一致している
• 運営者、問い合わせ先、規約、プライバシーポリシーを確認できる

コンテンツ

• 記事冒頭に質問への直接回答がある
• H1、H2、H3の順序が論理的である
• 手順はリスト、比較は表で整理している
• 独自データ、実体験、一次ソースを含めている
• 著者、公開日、更新日、出典を表示している
• 各章だけを読んでも回答として意味が通る

効果測定

• 事業上重要な質問を比較・情報収集・最終判断に分けている
• 施策前の数値と画面を保存している
• 施策後も同じ質問と条件で計測している
• 言及率だけでなく引用率と回答内容を確認している
• 実施日、修正ページ、仮説を記録している

Brand UPは判断基準そのものを機能にしている

今回使った評価項目は、Brand UPだけが知る秘密ではありません。検索エンジンの公式ガイド、GEOの公開研究、従来のSEO、コンテンツ品質、実際のAI回答から得られる観測結果を組み合わせたものです。その内容を公開したうえで、サイトごとに確認し続ける作業をBrand UPの機能にしています。

AIサイト診断は、サイト全体を7つの観点で確認します。AIコンテンツチェッカーは、個別ページを5つの観点で評価します。AIアシスタントは、診断結果と計測データを読み、どの施策を先に行うか整理します。そして、施策後の言及率・引用率を同じ画面で追跡できます。

ツールを開くだけでAIから推薦されるわけではありません。必要なのは、現状を測り、根拠のある修正を行い、同じ条件で結果を確かめる運用です。Brand UPは、この一連の作業を繰り返せるようにするためのLLMO改善基盤です。

よくある質問

まとめ

Brand UPでは、比較系プロンプト群に対するAI言及率が10日間で3.8%から25.8%へ約6.8倍、引用率が1.8%から22.8%へ約12.7倍に増加しました。実施したのは一つの裏技ではなく、AIアクセス性、公式情報の整合、引用可能な文章、検索意図に沿った記事、継続計測の5領域です。

今回もっとも重要だったのは、言及されない原因を「記事不足」と決めつけず、サイト全体とページ単位の課題を分けたことです。改善内容を記録し、同じ比較系プロンプトで再計測したからこそ、次に何を続けるべきか判断できました。

自社のLLMO対策を始める場合も、最初に現状を測ってください。その後、取得できる、理解できる、引用できる、比較候補として使えるという順番で課題を確認すると、施策の優先順位が明確になります。

出典・参考データ

1. [1]AI features and your website（Google Search Central）2025-12
2. [2]Publishers and Developers FAQ（OpenAI）2026-06
3. [3]GEO: Generative Engine Optimization（arXiv）2024-06
4. [4]Brand UPによるLLMO改善計測（Brand UP）2026-07