LLMOの事例とは？公開情報で見る施策例と、自社で事例を作る手順を解説

LLMOの事例とは、ChatGPTなどの生成AIの回答で自社の情報が正しく紹介されるように行った取り組みと、その結果を記録したものです。

事例は、何をしたかと、どう測ったかをセットで読むことが大切です。本記事では、公開情報で確かめられる施策の例と事例の読み方、自社で事例を作る手順を解説します。

なお、自社がAIの回答でどう紹介されているかが気になる方は、カルテットコミュニケーションズのAIO・LLMOコンサルティングの無料相談もご活用ください。

今のAIの回答を一緒に確かめ、検索広告のデータも生かした進め方を整理します。

LLMOの事例とは？施策とAIの回答をつなぐ見方

LLMOの事例として、「AIの回答に社名が載った」という報告を目にすることがあります。

ただ、AIの回答は質問のしかたや時期で変わるため、結果だけを見ても自社の参考になるとは限りません。

定義①｜LLMOは、生成AIの回答で正しく紹介されるための取り組み

LLMOは、大規模言語モデル（LLM）を使ったAIの回答で、自社の名前や情報が正しく取り上げられるように整える取り組みです。

ChatGPTやGemini、Perplexityのような対話型のAIや、Googleの検索結果に出るAIによる概要が対象になります。

考え方の全体は、LLMO最適化とはで解説しています。

LLMOでは、AIに名前が挙がるかに加えて、紹介される内容が正しいかも確かめましょう。

定義②｜事例は「施策」「経路」「測り方」の3つで読む

事例を読むときは、どんな施策をしたか、その情報がどの経路でAIに届いたか、結果をどう測ったかの3つを確かめます。

AIが情報を得る経路には、検索のインデックス、AI検索のクローラー、学習用のデータがあり、施策によって届く経路が違います。

たとえば検索を使って答えるAIは、公開されているページを参照して回答を作るため、サイトの修正が回答に表れるかを確かめやすい経路です。

施策の内容だけでなく、どの経路を狙ったのかと、測り方まで書かれた事例を選びましょう。

定義③｜GoogleのAI機能には、特別な最適化は要らないとされている

Googleは、AIによる概要やAIモードについて、次のように説明しています。

SEO のベスト プラクティスは、引き続き Google 検索の AI 機能（AI による概要や AI モードなど）でも有効です。AI による概要や AI モードにコンテンツが表示されるための追加の要件はなく、別途特別な最適化を行う必要もありません。

引用元：Google検索セントラル「AI 機能とウェブサイト」

GoogleのAI機能に向けた事例の多くは、検索で見つけてもらうための基本の積み重ねとして読むのが自然です。

検索とAIの対策の言葉の違いは、SEO・AEO/GEO・AIO・LLMOの違いで整理しています。

「AI専用の裏技」をうたう事例より、検索の基本を整えた事例を参考にしましょう。

公開情報で確かめられるLLMO施策の事例

LLMOの成果の数字は外から確かめにくい一方、サイトに置かれたファイルは誰でも確かめられます。

ここでは、2026年11月3日に各サイトで確かめた例を紹介します。

事例①｜開発者向けのドキュメントでllms.txtを公開している

llms.txtは、AIに向けてサイトの概要と主なページへのリンクをまとめる、Markdown形式のファイルの提案です。

We propose adding a /llms.txt markdown file to websites to provide LLM-friendly content.（ウェブサイトに /llms.txt というMarkdownのファイルを追加し、LLMが扱いやすいコンテンツを提供することを提案します。）

引用元：llmstxt.org「The /llms.txt file」

実際に、Stripeの開発者向けドキュメントやCloudflareの開発者向けドキュメント、Anthropicの開発者向けドキュメントが、このファイルを公開しています。

いずれも、プログラムを書く人やAIが、APIの使い方などを調べるためのドキュメントです。

一方で、llms.txtを置くとAIの回答に載りやすくなるという効果は、確かめられていません。

llms.txtは、AIや開発者に読んでほしい資料が多いサイトで試す程度に考えましょう。

事例②｜報道機関がrobots.txtでAIのクローラーを拒否している

robots.txtは、どのクローラーにサイトのどこを読ませるかを伝えるファイルです。

The New York Timesや朝日新聞デジタルは、GPTBotやClaudeBot、PerplexityBotなど、主なAIのクローラーをまとめて拒否しています。

OpenAIは、検索用のクローラーを拒否した場合について、次のように説明しています。

OAI-SearchBot is used to surface websites in search results in ChatGPT’s search features. Sites that are opted out of OAI-SearchBot will not be shown in ChatGPT search answers, though can still appear as navigational links.（OAI-SearchBotは、ChatGPTの検索機能の検索結果にウェブサイトを表示するために使われます。OAI-SearchBotを拒否したサイトは、ChatGPTの検索の回答には表示されませんが、移動先のリンクとして表示されることはあります。）

引用元：OpenAI「Overview of OpenAI Crawlers」

記事そのものが商品である報道機関にとっては、AIの回答に出ることより、記事を使わせないことを選んだ例といえます。

自社にとって、AIに見せたい情報と守りたい情報を分けてから方針を決めましょう。

事例③｜拒否しつつ、見せたいページだけ許可している

日本経済新聞のrobots.txtは、GPTBotやClaudeBot、Google-Extendedなどをまとめて拒否しつつ、/promotion/ のページだけを許可する記述を置いています。

このように、サイト全体ではなく、ページの単位で見せる範囲を決める方法もあります。

OpenAIは、学習に使うGPTBotと、検索の回答に使うOAI-SearchBotを分けて説明しているため、学習は拒否して検索には出すという分け方もできます。

なおGoogleは、検索のAI機能はGooglebotへのrobots.txtの指定で管理し、Googleのほかのシステムでの学習などを制限するにはGoogle-Extendedを使うと説明しています。

AIのクローラーは名前ごとに役割が違うため、公式の説明を読んでから許可と拒否を決めましょう。

目的別に見るLLMO施策の例

ここからは、公開された事例ではなく、目的ごとに考えられる施策の例です。

自社に近い目的を選び、どんな質問でAIに名前が挙がってほしいかから考えます。

例①｜BtoBのサービスは、比べる質問に答える情報を公開する

BtoBのサービスでは、AIに「〇〇向けのツールを比べて」と聞かれたときに、候補として名前が挙がるかが大切です。

そのためには、対象の業種や規模、料金、導入の条件、他社との違いを、サイトに文章で書いておきます。

料金を問い合わせのみにしていると、AIが比べるための材料が足りず、紹介されにくくなる可能性があります。

比べられるときに必要な情報を、営業資料だけでなくサイトにも載せましょう。

例②｜地域の店舗・事務所は、営業の情報をそろえる

地域の店舗や事務所は、「〇〇駅の近くで土曜も開いている〜」のような質問に答えられる情報を整えます。

Googleは、AI機能に向けた基本の一つとして、Merchant Centerとビジネスプロフィールの情報を最新にしておくことを挙げています。

営業時間や定休日、住所の書き方を、サイトとビジネスプロフィールでそろえておきます。

営業時間などを変えたら、サイトとビジネスプロフィールを同じ日に直しましょう。

例③｜ECの商品は、商品データとページの表示を一致させる

ECの商品は、価格や在庫、送料など、変わりやすい情報が正しく伝わるかがポイントです。

Googleは、構造化データをページに表示されるテキストと一致させることも、基本の一つに挙げています。

商品ページの表示と、構造化データやMerchant Centerの商品データが食い違わないように管理します。

価格や在庫を変えたときは、ページとデータの両方が更新されているかを確かめましょう。

例④｜専門メディアは、著者と出典を明記する

専門的な情報を発信するメディアは、AIの回答の出典として引用されることを目指します。

記事ごとに著者や監修者、参考にした一次情報の出典を明記し、内容を定期的に見直します。

AIの回答で自社の記事が引用されたら、どの記事が引用されたのかを記録し、ほかの記事の書き方にも生かします。

引用された記事の共通点を見つけて、次の記事の書き方に生かしましょう。

LLMOの事例を読むときの5つの注意点

LLMOの事例は、測り方によって結果の見え方が大きく変わります。

参考にする前に、次の5つの点を確かめましょう。

注意点①｜1回の画面だけで判断しない

AIの回答は、同じ質問でも、たずねるたびに言い回しや挙げる会社が変わることがあります。

「AIに社名が載った」という1回の画面だけでは、たまたまその回に載っただけかもしれません。

結果は、複数回たずねて名前が挙がった割合で見ましょう。

注意点②｜どの質問で、何回測ったかを確かめる

質問の言い回しが少し違うだけでも、AIの回答は変わります。

事例に、使った質問の一覧と、ChatGPTやGeminiなどどのサービスで測ったかが書かれているかを確かめます。

自社の業種で実際に聞かれそうな質問で測っているかも、参考にできるかの分かれ目です。

自社のお客様が実際に使いそうな質問で測った事例かを確かめましょう。

注意点③｜同じ時期のほかの変化を切り分ける

施策の期間に、検索順位の上昇や新聞での紹介、広告の出稿などがあれば、AIの回答の変化はそちらの影響かもしれません。

検索を使うAIは検索で見つけたページを参照するため、検索順位の変化とあわせて見る必要があります。

同じ時期にほかに何が変わったかを、事例の中で確かめましょう。

注意点④｜効果が確かめられていない施策に注意する

LLMOでは、効果が確かめられていない施策が、効果のある施策として紹介されることがあります。

Googleは、AI機能に表示されるための特別なファイルについて、次のように説明しています。

AI 機能で表示されるために、新たにコンピュータが解読可能なファイルや AI テキスト ファイル、マークアップを作成する必要はありません。また、特別な schema.org の構造化データを追加する必要もありません。

引用元：Google検索セントラル「AI 機能とウェブサイト」

llms.txtや特別なマークアップだけで結果が出たとする事例は、ほかの施策や変化がなかったかを特に慎重に確かめます。

「このファイルを置けばAIに載る」と読める事例は、測り方を確かめてから参考にしましょう。

注意点⑤｜掲載を保証する話をうのみにしない

「AIの回答に載せます」と掲載を約束する提案にも注意が必要です。

Googleは、要件を満たしていても表示されるとは限らないとして、次のように述べています。

インデックス登録と配信は保証されているものではありません。

引用元：Google検索セントラル「AI 機能とウェブサイト」

AIを提供する会社でない限り、回答への掲載を約束することはできないと考えておきます。

掲載の保証ではなく、施策の中身と測り方を説明できる相手を選びましょう。

自社でLLMOの事例を作る5つの手順

ほかの会社の事例を探すより、自社で記録を取って事例を作るほうが、次の打ち手を決めやすくなります。

AIの回答を記録するシートを用意し、次の手順で進めます。

手順①｜測る質問を決める

プロンプトとは、AIに入力する質問や指示の文のことです。

測るプロンプトは、比べる質問、地域の質問、悩みの質問など、お客様が実際に使いそうな言葉で用意します。

まずは20個前後から始めると、毎月の記録が負担になりにくくなります。

営業や問い合わせで聞かれる質問や、検索広告の検索語句のうち質問の形をした言葉が、よい材料になります。

社名を入れた質問だけでなく、社名を知らない人が使う質問も入れましょう。

手順②｜施策の前の状態を記録する

施策を始める前に、同じプロンプトを同じサービスで複数回たずね、名前が挙がったか、引用されたか、引用先のURLを記録します。

回答は日によっても変わるため、たずねる日やログインの有無などの条件もそろえておきます。

施策を始める前の記録を、比べるための基準として残しましょう。

手順③｜施策を1つずつ行い、日付を残す

サイトの説明を直す、FAQを足す、robots.txtを見直すなどの施策は、できるだけ1つずつ行います。

いくつも同時に変えると、どれが効いたのかがわからなくなるためです。

施策をした日と内容は、記録シートの別のタブに残しておきます。

施策をした日を記録し、AIの回答の変化と並べて見られるようにしましょう。

手順④｜同じ条件で測り直し、サイトのデータも見る

施策のあと、同じプロンプトを同じ条件でたずね直し、施策の前と比べます。

Googleは、AIによる概要やAIモードに表示されたサイトへの訪問も、Search Consoleの検索タイプが「ウェブ」のレポートに含まれると説明しています。

Search Consoleの基本は、Google Search Consoleについてで解説しています。

あわせてGA4の参照元を見て、chatgpt.comやperplexity.aiなど、AIのサービスからの訪問が増えているかを確かめます。

AIの回答の記録と、サイトへの訪問のデータを、同じ期間でそろえて見ましょう。

手順⑤｜結果を社内の事例としてまとめる

結果は、施策の内容、使ったプロンプト、たずねた回数、前後の結果、同じ時期のほかの変化をまとめて残します。

うまくいかなかった施策も記録しておくと、次に何を試すかを決める材料になります。

結果がよくても悪くても、同じ型で記録して社内の事例にしましょう。

検索広告のデータをLLMOの事例づくりに生かす

弊社（カルテット）は検索広告の運用を本業にしており、広告のデータはLLMOの準備にも役立つと考えています。

広告を出している会社なら、すでに手元にあるデータから始められます。

生かし方①｜広告の検索語句から、質問の形の言葉を拾う

検索広告の検索語句のレポートには、「〇〇 比較」「〇〇 どこがいい」など、AIにも聞かれそうな言葉が並びます。

そのなかで問い合わせにつながった言葉は、測るプロンプトの候補として優先します。

問い合わせにつながった検索語句を、質問の文に直してプロンプトにしましょう。

生かし方②｜広告文とAIの回答で、伝わる内容をそろえる

広告文で伝えている強みや料金が、AIの回答で違う内容に紹介されていないかを確かめます。

食い違っていたら、AIが参照しているページを記録シートの引用先から探し、説明を直します。

AIの回答と広告の両方を見直したい方は、カルテットコミュニケーションズのAIO・LLMOコンサルティングでもご相談いただけます。

広告とサイトとAIの回答で、同じ強みが伝わっているかをそろえましょう。

生かし方③｜AIからの訪問と、広告からの訪問を分けて見る

AIからの訪問が増えた時期に広告の出稿も増やしていると、どちらの効果なのかが見えにくくなります。

GA4では、参照元やキャンペーンのパラメーターで、AIのサービスからの訪問と広告からの訪問を分けて見ます。

広告と検索の役割分担は、リスティング広告とSEOを併用するメリットで解説しています。

施策の効果を測る期間は、広告の出稿の変化もメモしておきましょう。

LLMOの事例についてよくある質問

LLMOの事例について、よく聞かれる質問に答えます。

質問①｜LLMOの事例はどこで探せばよいですか？

AIを提供する会社やGoogleの公式の説明、各社が公開しているrobots.txtやllms.txtは、誰でも確かめられる情報です。

成果の数字を出している事例を見るときは、この記事の注意点に沿って、測り方が書かれているかを確かめます。

いちばん役に立つのは、自社で同じ条件の記録を取って作る事例です。

外の事例は考え方の参考にとどめ、判断は自社の記録で行いましょう。

質問②｜llms.txtは置いたほうがよいですか？

llms.txtは提案の段階で、置いたことでAIの回答に載りやすくなる効果は確かめられていません。

開発者向けのドキュメントのように、AIに読んでほしい資料がまとまっているサイトなら、試してみる価値はあります。

置く場合も、サイトの説明やFAQの整備など、検索の基本を先に進めます。

llms.txtは優先度を下げ、まずはサイトの中身を整えましょう。

質問③｜AIの回答に使われたくない情報はどうすればよいですか？

AIのクローラーは、名前ごとにrobots.txtで拒否できます。

Googleの検索のAI機能については、nosnippet、data-nosnippet、max-snippet、noindexで、検索に表示する情報を制限できると説明されています。

拒否すると、AIの回答でその情報が紹介されなくなる場合があるため、見せたい情報と分けて決めます。

拒否する範囲はページの単位で決め、決めた理由も記録しておきましょう。

質問④｜効果はどのくらいで見えてきますか？

AIの回答の変化が見えるまでの期間は、AIのサービスや施策の内容によって違い、一律には言えません。

まずは月に1回など、決まった間隔で同じプロンプトを記録し、変化の傾向を見ます。

期間を決めて記録を続け、変化の傾向で判断しましょう。

まとめ｜LLMOの事例は、施策と測り方をセットで読み、自社の記録で作る

LLMOの事例は、結果だけでなく、施策の内容と測り方まで読んではじめて参考になります。

まずは自社について聞かれそうな質問を集め、今のAIの回答を記録するところから始めてみてください。

AIの回答で自社がどう紹介されているかを確かめたい方は、カルテットコミュニケーションズのAIO・LLMOコンサルティングの無料相談をご活用ください。

記録の取り方から、検索広告のデータを生かした施策の進め方まで一緒に整理します。