LLMOは今必要なのか？独自調査で紐解くLLMO戦略策定プロセスを公開

2026年3月12日（木）に開催された「メディアレーダーWEEK2026春」に、株式会社デジタルアイデンティティの花田直人氏が登壇。
『LLMOは今必要なのか？独自調査で紐解くLLMO戦略策定プロセス』をテーマに講演しました。
本レポートでは、当日の講演内容の一部をご紹介します。

ブランド選定プロセスの変化：AIに選ばれる時代

かつてのマーケティングでは、マスメディアや広告を通じて「ブランド想起（第一想起）」を獲得することが重要視されてきました。第一想起されるブランドの優位性は確かに存在していました。

しかし現在、ユーザーの意思決定プロセスは大きく変化しています。
商品やサービスを検討する際、検索ではなくいきなりAIに問いかける層が一定数存在するようになりました。

これにより、企業が「選ばれる対象」は“人”だけでなく“AI”も含めた2軸へと拡張しています。
AIに推奨されるためには、以下の要素が重要となります。

・ユーザー評価データの質と量：レビュー件数やスコア、最新性と一貫性。
・外部権威サイトでの露出：業界メディアや比較サイトでの掲載実績。
・製品サービス透明性：価格・機能・利用条件などの明確化。
・情報の透明性と構造化：価格・仕様の具体的記載や、Schema.orgを用いた構造化データの実装。

ただし、現時点でのAIシフトはあくまで限定的です。検索エンジンを利用する層も根強く残っているため、広告やSEOといった既存施策を主軸にしつつ、その一部をLLMOへ戦略的に配分する考え方が推奨されます。

LLMの仕組みから分かる「調査で見るべき指標」

LLMOを正しく理解するためには、LLM（大規模言語モデル）の基本的な性質を押さえる必要があります。

上記画像の赤字がポイントとなっています。今回は一部紹介します。

回答のベースは「確率論」

LLMは意味を理解しているのではなく、文脈から「次に続く確率が最も高い言葉（トークン）」を統計的に予測して回答しています。賢く機能を持っているように見えますが、裏側は確率論です。

ナレッジ・カットオフ

LLMはパブリックな情報が学習されており、少し前までの情報しか持っていません。
カットオフでの回答に対して、現時点で施策を講じても改善余地が薄いです。

RAG（検索拡張生成）のトリガー

AIはすべての質問で検索を行うわけではありません。
内部知識で回答できると判断すれば即座に回答し、情報が足りない場合のみウェブ検索を行って最新情報を取得します。

共通理解：「言及」と「引用」の理解

言及：AIの回答内容に自社のブランド名が含まれている状態を指します。
引用：回答の根拠として、自社サイトのリンク（URL）やサイト名が明記されている状態です。

多くの調査では「言及数」「引用数」がレポートされますが、そのうえで、よく考えてみると下記疑問がありませんか？

一般的な調査では「どれくらいの言及があったか」という結果が示されますが、これらはあくまで表面的な結果に過ぎません。LLMの意思決定プロセスはブラックボックスであるため、結果だけでなく「プロセス」まで把握する必要があるのです。

弊社では、AIに逆説的に問いかけながら、このブラックボックスの解像度を上げるアプローチをとっています。
商材ごとの言及調査例などは下記資料からご覧いただけます。気になる方は、是非ダウンロードしてください。

ブラックボックスへの対応：参照データの本質

ユーザーの目に触れる「引用」の裏側で、AIはさらに多くのウェブページを見ています。例えば、5つの引用リンクが表示されている場合でも、実際にはそれ以上の数のページをスキャンして回答を構成しています。

LLMの回答生成プロセスはブラックボックスですが、弊社では、AIが実際に読みに行った「参照（Reference）」データや、AIが検索の際に裏側で叩いた「クエリ」まで把握することが可能です。

どのプロンプトでどのサイトを参照しているかを把握すべき

なぜ「参照」が重要か

AIは回答内にリンク（引用）として表示されないページも多数参照しています。どのプロンプトでどのサイトを参照しているかを把握することで、勝敗の要因を紐解けます。これまで50,000プロンプトの調査をしてきた結果、引用の5~7倍のウェブページを参照している傾向があります。

すぐに変わらない現実

AIがウェブ参照を行わずに「カットオフ（学習済み知識）」だけで回答している場合、自社サイトを修正してもすぐにはAIの回答結果に反映されません。この「更新の余地があるかどうか」を判断するためにも参照データの把握は不可欠です。

「どのメディアが強いか」は自社サービス次第

世間では「noteやYouTube、PRTIMESがAIに強い」といった一般論が出回っていますが、それはあくまでパブリックな情報を検索した際の傾向に過ぎません。どういうメディアに露出していくべきかは、必ず自社のサービスやビジネス領域にフォーカスを当てた調査から判断する必要があります。実際に調査をすると、一般論とは全く異なるメディアが参照されているケースが多々あるためです。

サイトにおけるAI対策：クローラーへの最適化

表示速度の重要性

AIクローラーは一度に十数ページを数秒でスキャンするため、1ページあたりの滞在時間は極めて短いです。表示速度が遅いと、情報を読み取れずにスキップされるリスクがあります。

SEOとAIの違いや、コンテンツの構成の違いなどは、下記資料に載っていますので、気になる方はダウンロードしてください。

デジタルアイデンティティのLLMO支援サービス

デジタルアイデンティティでは、ブラックボックスを紐解き、確かな根拠に基づいたLLMO支援を提供しています。

【無償】LLM自社ブランド言及率簡易調査

ChatGPTやGeminiでの自社の認知度や競合比較をクイックに把握します。

自社サイト参照率・参照サイト傾向調査

AIの裏側の「参照元」を分析し、具体的な施策方針を導き出します。

その他各社様の要望に合わせてサポートいたします。

AI検索における「勝因」と「敗因」を明確にし、次世代の集客戦略を最短距離で支援します。詳細な対策設計を含む調査結果レポートのご相談も承っています。

LMOで成果を出すために重要なのは、“言及数”ではなく“参照データ”まで踏み込んだ設計です。

調査結果を多角的に分析・レポーティングができるAnalyticsツール（Forté.AI LLMO Analytics）を自社開発しています。
これにより、調査や分析にかかる時間を、施策立案や施策実行へ割くことでクライアント企業へのサービス提供価値を最大化できるようになります。

本記事で触れきれなかったコンテンツ設計や、AIに推奨されるための根拠など、具体的な内容も投影資料にまとめています。
今後の実務に落とし込むヒントとして、ぜひダウンロードしてご覧ください。