LLMOとは
LLM Optimization / 大規模言語モデル最適化
ChatGPTやPerplexity等のLLMベースの検索・応答サービスに自社コンテンツが引用・言及されやすくなるよう最適化する取り組み
ひとことで言うと
ChatGPTなどのAIに、自分たちのサイトの情報を答えの中で紹介してもらいやすくする取り組み。
概要
LLMO(LLM Optimization、大規模言語モデル最適化)とは、ChatGPT・Perplexity・Google AI Overviews等、LLMを用いた検索・応答サービスが情報源としてWebコンテンツを引用・言及しやすくなるよう、コンテンツの構成や記述方法を最適化する取り組み。 従来のSEO(検索エンジン最適化)がGoogle等の検索結果ページで上位表示されることを目的とするのに対し、LLMOはLLMが回答を生成する際に参照する情報源として自社コンテンツが選ばれ、生成された回答の中で正確に引用・言及されることを目的とする点が異なる。 質問に対する明確な答えを冒頭に示す、出典や一次情報を明記する、構造化データ(schema.org等)でコンテンツの意味を機械可読な形で示す、といった施策が代表的に挙げられる。 生成エンジン最適化(GEO: Generative Engine Optimization)やAEO(Answer Engine Optimization)といった類似の呼称も使われており、呼び方や具体的な評価指標はまだ業界内で統一されていない発展途上の分野。
背景
ユーザーがWeb検索の代わりにChatGPTやPerplexity等のAIチャットサービスへ直接質問し、その回答だけを見て情報収集を完結させる行動が広がってきたことが、LLMOが注目される背景にある。 検索結果ページ経由のクリックが減少する一方、LLMの回答内で自社の名前や情報が引用されるかどうかが、ブランド認知やサイト流入に影響する新たな接点として意識されるようになった。
歴史
LLMOという呼称は、ChatGPTの普及によりユーザーが検索エンジンではなくAIチャットサービスへ直接質問する行動が広がった2023年前後から、SEOに代わる新たな最適化領域としてマーケティング業界で使われ始めた。学術分野でも同時期に「生成エンジン最適化(GEO)」という呼称で類似の概念が研究されている。
ワークフロー
想定ユーザーがLLMへ尋ねそうな質問を洗い出す → 質問に対する明確な答えを冒頭に示し、出典や一次情報を明記する形でコンテンツを整備 → 構造化データ等で機械可読性を高める → 実際にLLMへ質問を入力し、自社コンテンツが引用・言及されるかを定期的に確認・改善する。
利点
- LLMベースの検索・チャット経由でのブランド認知・流入という、従来のSEOでは捉えきれない新たな接点を獲得できる
- 一次情報や具体的な数値を明記する等、コンテンツの質を高める施策が中心のため、結果的に人間の読者にとっても分かりやすいコンテンツになりやすい
- 構造化データの整備等、既存のSEO施策と重なる部分も多く、既存の取り組みを土台にしやすい
欠点
- LLMがどのような基準でコンテンツを引用するかは各サービスで非公開かつ変動するため、SEOのように確立された指標やベストプラクティスがまだ乏しい
- 生成された回答内での言及やクリックを直接計測する標準的な手法が確立されておらず、施策の効果測定が難しい
- 各LLMサービスのアルゴリズム変更に応じて有効な施策も変わりうるため、継続的な見直しが必要になる
比較
- AIO — LLMOはLLMチャットサービスの回答内での引用に焦点を当てた取り組みであり、AIOはAI検索や音声アシスタントも含めたより広い括りとして位置づけられることが多い
関連用語
よくある質問
SEOとLLMOは何が違う？
SEOは検索エンジンの結果ページで自社サイトを上位表示させることを目的とするのに対し、LLMOはLLMが生成する回答そのものの中で自社コンテンツが引用・言及されることを目的とする。ユーザーが検索結果一覧を見ずに回答だけを受け取る点が、従来のSEOと異なる前提になる。
LLMOの効果はどう測定する？
各LLMサービスへ想定される質問を入力し、自社サイトや商品名が回答内に言及される頻度を手動または専用ツールで定期的にモニタリングする方法が主に取られるが、SEOのアクセス解析のような標準化された計測基盤はまだ整っていない。
参考文献
- Research PaperGEO: Generative Engine Optimization