LLMO（AI 検索で自社の情報を引用されやすくする最適化）のやり方は、施策を優先順位で並べることから始まります。先にやるのは、クロールを許可してテキストで読める状態にすること、主要ページに構造化データを入れること、見出しと内部リンクで情報を整理することの3つです。話題の llms.txt は、現時点では主要な AI 検索がサイトを横断して読む確認がなく必須ではありません（「意味ない」とまでは言えないものの、優先度は低い施策です）。Google も、AI Overviews（Google の生成 AI による回答）や AI Mode に出るために特別なファイルは要らないと明言しています。
この記事で明らかにすること
- LLMO（AI 検索最適化）で実際に最適化できるものと、手を出しても効きにくいもの
- 先にやることの優先順位（4段階の早見表）
- なぜ構造化データを llms.txt より先に置くのか（Google 公式の事例と数字）
- llms.txt とは何か、現時点で誰に効くのか、「意味ない」と言われる理由
- 自社サイトで進める手順と、運用中サイトの対策を洗い出すコピペ用プロンプト
この記事は2026年11月時点の各社の公式情報と、公開された Google 社員の発言に基づきます。AI 検索の仕様は変化が速いため、時点を添えて読んでください。
LLMO（AI検索最適化）で最適化できるもの、できないもの
LLMO は、ChatGPT や Google の AI Overviews のような AI が回答を作るときに、自社のページを情報源として拾わせ、正しく引用させるための取り組みです。GEO（Generative Engine Optimization、生成エンジン最適化）とほぼ同じ意味で使われます。
ここで押さえておきたいのは、AI 検索の多くが、独自の仕組みではなく既存の検索インデックスとクロール可能なテキストを情報源にしている点です。Google は AI Overviews と AI Mode について、追加の要件や特別な最適化は必要なく、通常の検索に出るための基本がそのまま効くと説明しています。
出典: AI features and your website（Google 検索セントラル）（2026-11-10 取得）
| できること（LLMO で動かせる） | 効きにくいこと |
|---|---|
| クロールを許可し、重要な情報をテキストで持つ | 自己申告のファイルで「評価を上げる」こと |
| 構造化データで内容を機械可読にし、可視テキストと一致させる | AI の回答順位を直接指定すること |
| 見出し・内部リンクで情報を整理し、発見されやすくする | 1つのファイル設置だけで引用を保証すること |
AI 検索に効くのは、検索と地続きの基礎です。この前提に立つと、施策の順番が決まります。
先にやることの優先順位（早見表）
LLMO 対策は、次の順で進めると手戻りが少なくなります。上から順に、効果の裏付けが強く、他の施策の土台になるものです。
| 優先度 | 施策 | 何に効くか・根拠 | 目安の工数 |
|---|---|---|---|
| 1 | クロール許可とテキスト可読性 | AI 検索の前提。robots.txt でブロックせず、重要情報を画像でなくテキストで持つ（Google 公式の推奨） | 小〜中 |
| 2 | 主要ページの構造化データ | 内容を機械可読にする。検索のリッチリザルトで CTR（クリック率）が上がった公式事例がある | 中 |
| 3 | 見出し・内部リンクでの情報設計 | 結論を文頭に置き、段落・見出しで要点を取り出しやすくする | 中（記事ごと） |
| 4 | llms.txt の設置 | 主要 AI がサイト横断で読む確認はなく、現時点では限定用途（後述） | 小 |
優先度1〜3は、そのまま通常の SEO と重なります。AI 検索対策として新しく何かを足す前に、この土台ができているかを確かめる方が近道です。
なぜ構造化データをllms.txtより先に置くのか
構造化データは、ページの意味を検索エンジンに機械可読な形で伝える仕組みです。Google は、構造化データを入れると「リッチリザルトの対象になりうる（eligible）」と説明しており、表示を保証するものでも、ランキングを上げる要因でもないと位置づけています。
出典: Intro to How Structured Data Markup Works（Google 検索セントラル）（2026-11-10 取得）
「保証ではない」と聞くと弱く感じますが、表示された場合の効果は数字で公開されています。Google が掲載している事例は次のとおりです。
| 企業 | 実装内容 | 公表された効果 |
|---|---|---|
| Rotten Tomatoes | 10万ページに構造化データを実装 | 実装したページの CTR が25%高い |
| Nestlé | リッチリザルト表示ページを計測 | 表示ページの CTR が82%高い |
| Food Network | 全ページの80%に構造化データを導入 | 訪問数が35%増加 |
| 楽天 | レシピの構造化データを実装 | 検索トラフィック2.7倍、平均セッション時間1.5倍 |
出典: Intro to How Structured Data Markup Works（Google 検索セントラル）（2026-11-10 取得）、楽天の数値は 楽天レシピ事例（Google 検索セントラル）（2026-11-10 取得）
これらは AI 検索での引用率ではなく、通常の検索結果での CTR や流入の数字です。ただし Google は AI 機能についても「構造化データはページの可視テキストと一致させる」ことを推奨しており、内容を機械可読にして齟齬をなくす方向は AI 検索にも向きます。自己申告のファイルを置くより先に、こうした裏付けのある施策から着手する理由はここにあります。
llms.txtとは何か、現時点で誰に効くのか
llms.txt は、2024年9月3日に Jeremy Howard 氏が提案した仕様で、サイトの root 直下に /llms.txt という Markdown ファイルを置き、LLM に向けてサイトの要点と主要ページへのリンクを案内するものです。仕様は2026年8月10日に v2 へ更新されています。
出典: llms.txt（llmstxt.org）（2026-11-10 取得）
形式はシンプルで、次のように H1 のタイトル、概要、リンク集で構成します。
# サイト名
> サイトの1〜2文の概要
## Docs
- [ページ名](URL): 短い説明
仕様サイトによれば、すでに数千のサイトが llms.txt を公開し、OpenAI・Anthropic・Google（Gemini）も自社の開発者向けドキュメントで公開しています。Chrome の Lighthouse も、エージェント向けの閲覧チェックの一部として llms.txt の有無を見ます。
ここで注意したいのは、これらが「自社の開発者ドキュメントを、コーディング支援の AI に正確に読ませる」用途である点です。ライブラリの使い方を AI エージェントに取得させる場面では、整理された Markdown が役立ちます。一方で、一般的な AI 検索が第三者サイトの llms.txt を読んで回答に使う、という確認は取れていません。効く可能性が高いのは、技術ドキュメントを持ち、AI エージェントからの参照を想定するサイトです。
「llms.txt 意味ない」と言われる理由
llms.txt には懐疑的な見方もあります。Google の Gary Illyes 氏は、llms.txt について「1990年代の keywords メタタグとの類似を引くのはとても簡単だ」と述べました。keywords メタタグは、サイトが自分で記述する自己申告の情報で、操作が容易なため検索エンジンが10年以上前に見なくなった仕組みです。
出典: Google: meta keywords と llms.txt の類似（Search Engine Roundtable）（2026-11-10 取得、Illyes 氏の Bluesky 投稿を引用）
この指摘の要点は、技術的な良し悪しではなく構造にあります。サイトが自分について宣言する情報は、検証の仕組みがなく誇張のコストもかからないため、評価の根拠としては信頼されにくい、という点です。Google の John Mueller 氏も、llms.txt について「このファイルは何年も前からあるのに、どの AI システムも使っていない」と述べ、現状では使われていないとしています。
出典: Google says llms.txt is purely speculative for now（Search Engine Journal）（2026-11-10 取得、Mueller 氏の発言を引用）
では無駄かというと、そう言い切るのも正確ではありません。設置コストは低く、前述のとおり開発者ドキュメントでは実益があります。判断としては、「優先度1〜3を終えたうえで、技術ドキュメントを持つなら設置を検討する」程度に置くのが、現時点では妥当です。
自社サイトでLLMO対策を進める手順
優先順位を、実際の作業に落とすと次のようになります。上から順に進めます。
- クロールを確認する: robots.txt で主要ページがブロックされていないか、noindex が付いていないかを見ます。AI 検索も、インデックスされ検索に出せるページを情報源にします
- 重要情報をテキストにする: 価格・仕様・結論を画像の中だけに置かず、本文テキストで書きます。AI が抽出できる形にするためです
- 主要ページに構造化データを入れる: 記事・商品・FAQ など、内容に合う型を入れ、可視テキストと一致させます。Google のリッチリザルトテストで対象になるかを確認します
- 結論を文頭に、要点を見出しに置く: 各ページで問いへの答えを先頭に書き、見出しと内部リンクで関連ページへ導きます。AI が要点を取り出しやすくなります
- 効果を分けて見る: AI 検索での露出は計測が難しいため、まず Search Console で検索の表示回数・CTR を見て、土台が効いているかを確認します。AI 回答での引用は、主要クエリで実際に AI に質問して目視で追います
- 技術ドキュメントがあれば llms.txt を検討する: 開発者向けドキュメントを持つ場合のみ、
/llms.txtを用意します。一般的なオウンドメディアでは後回しで差し支えありません
手順1〜4が、AI 検索と通常検索の両方に効く土台です。llms.txt は、土台ができたうえでの選択肢になります。
この優先順位を、すでに運用しているサイトに当てはめて洗い出すためのプロンプトを用意しました。サイトの URL と前提を埋めて、ChatGPT や Claude などに貼り付けると、現状の推定・改善案・優先度を表で返します。保証や順位操作を求めるのではなく、「クロールとテキスト可読性 → AI クローラーが読める配信形式 → 構造化データ → 情報設計」の順に、確認方法つきで指示を出す形にしています。
あなたは AI 検索最適化（LLMO／GEO）に詳しいテクニカル SEO の担当者です。すでに運用中の私の Web サイトについて、AI 検索（Google の AI Overviews・AI Mode、ChatGPT など）に拾われやすくする対策を進めたいです。次の前提と優先順位にそって、現状の確認と改善の指示を出してください。
## 私のサイトの前提（わかる範囲で埋める。不明な項目は「不明」と書く）
- サイトの URL:
- サイトの種類（オウンドメディア / コーポレート / EC など）:
- 主要な読者と、AI 検索で拾われたい代表的な質問（3〜5個）:
- 使っている CMS・フレームワーク（WordPress / Next.js など）:
- ページ本文がサーバーの返す生 HTML に入っているか、JavaScript で描画しているか（不明なら「不明」）:
## 優先順位（この順で確認し、上から改善する）
1. クロール許可とテキスト可読性: robots.txt で主要ページをブロックしていないか、noindex が残っていないか。価格・仕様・結論などの重要情報が画像の中だけでなく本文テキストにあるか
2. AI クローラーが読める配信形式: 本文・メタ情報・構造化データが、JavaScript 実行後ではなく生 HTML に含まれているか（多くの AI クローラーは JavaScript を実行しないため）。必要なら SSR / SSG / プリレンダリングを検討する
3. 主要ページの構造化データ: 記事は Article / BlogPosting、組織は Organization、全ページに BreadcrumbList、質問型コンテンツは FAQPage など、内容に合う JSON-LD を入れ、可視テキストと一致させる
4. 情報設計: 各ページで問いへの答えを文頭に置き、見出し（H1 は1つ、H2 / H3 を論理的に）と内部リンクで要点を取り出しやすくする。関連ページ同士をハブとスポークで相互リンクする
5. E-E-A-T と一次情報: 一次情報（公式・公的統計）を出典つきで引用し、制約や弱みも正直に書く。運営組織と著者を明示する
6. llms.txt の要否: 開発者向けドキュメントを持つ場合のみ設置を検討し、一般的なサイトでは優先度を低く見積もる
## 出力してほしいもの
1. 上の各項目について「現状の推定（確認方法つき）」「問題があれば改善案」「優先度（高 / 中 / 低）」を表で
2. 最初に着手する上位3つの改善と、その理由
3. 自分で確認する手順（robots.txt の見方 / リッチリザルトテスト / ページのソース表示で本文が生 HTML に入っているかの確認方法）
4. 効果の見方（Search Console の表示回数・CTR と、主要な質問を実際に AI へ入力して引用されるかの目視確認）
## 守ってほしいこと
- 推測で断定せず、確認が必要な点は「要確認」と明記し、確認方法を添える
- 「このファイルを置けば順位が上がる」のような保証はしない。AI 検索の多くは通常の検索インデックスとクロール可能なテキストを情報源にする前提で答える
- 具体的な修正例（JSON-LD のサンプル、見出しの直し方）を添える返ってきた表は、そのまま社内の作業リストにできます。優先度「高」から着手し、1〜4 の土台が整ってから llms.txt を検討する考え方は、記事前半の早見表と同じです。プロンプトでは、早見表の4段を実務で確認しやすいように、配信形式や E-E-A-T を独立の項目に分けて6段にしています。
注意点
- 時点を確認する: AI 検索の仕様は変化が速く、各社の対応も動きます。この記事は2026年11月時点です。半年ごとに公式の更新情報を見直すと安全です
- 自己申告の施策に期待しすぎない: サイトが自分を説明するだけのファイルは、検証の仕組みがないため評価の根拠になりにくい性質があります
- 計測の限界を知る: AI 回答に自社が出たかどうかは、検索順位ほど正確には測れません。目視での確認と、通常検索の指標を併用します
- 既存のSEOと切り離さない: LLMO の多くは SEO の基礎と重なります。別物として新しく作るより、土台の点検から入る方が効率的です
まとめ
- LLMO 対策のやり方は、施策を優先順位で並べることから始まる。先にやるのはクロール許可とテキスト可読性、構造化データ、情報設計の3つ
- 構造化データは「対象になりうる」資格であって表示の保証ではないが、表示時の CTR 向上は Google の公式事例で数字が出ている
- llms.txt は現時点で主要 AI 検索がサイト横断で読む確認がなく、効くのは主に開発者ドキュメントの用途。Google も AI 検索に出るための特別なファイルは不要だとしている
- 「llms.txt 意味ない」は言い過ぎだが、優先度は低い。設置コストが低いので、土台を終えてから技術ドキュメント向けに検討する
- 計測は難しいため、通常検索の指標と AI への目視確認を併用する
AI をマーケティングに活かした国内企業の事例は、AIマーケティングの活用事例｜国内のLINE・EC企業に学ぶ成功要因で整理しています。