LLMO分析とは？定義・計測指標・無料ツールの使い方を5分で解説

LLMO分析とは？定義・計測指標・無料ツールの使い方を5分で解説

この記事の結論: LLMO分析とは「AI検索エンジンが自社コンテンツを引用する頻度と質」を計測・改善するプロセスであり、引用率・言及率など5指標を定期計測することで、AI時代の検索流入を体系的に底上げできる。

最終更新日: 2026-05-09

はじめに

従来のSEOでは、Google検索順位とクリック率（CTR）が中心的な計測対象でした。しかしChatGPTやPerplexityが一般化した現在、ユーザーの情報収集経路はAI生成回答へと急速に移行しています。AI検索では「どのページが何位か」ではなく、「AIが回答を生成する際に自社サイトを参照するか」が重要になります。

この記事では、(1) LLMO分析の定義と従来SEO計測との違い、(2) 計測すべき5つの指標の体系、(3) 無料で今日から実行できる3ステップを順に説明します。計測基盤のないゼロ状態からでも、読了後にすぐ着手できる構成です。

LLMO分析とは何か

LLMO（Large Language Model Optimization）分析とは、ChatGPT・Perplexity・Google AI OverviewなどのAI検索エンジンが、自社コンテンツを「引用・参照・言及する頻度と質」を定量化し、改善仮説を立てるプロセスを指します。

従来のSEO計測が「検索結果ページにおける表示順位（SERP上のランキング）」を主軸とするのに対し、LLMO分析は「AI生成回答の中に自社情報が組み込まれているか」を主軸とします。順位は存在せず、「引用された／されなかった」という二値と、引用時のコンテキスト（正確か・肯定的か・ブランド名が明示されているか）が評価軸になります。

GEO（Generative Engine Optimization）の論文（arXiv:2311.09735）が示すように、AI回答への組み込み率はコンテンツの権威性・構造・ファクト密度によって大きく変動します。LLMO分析はその変動要因を特定するための計測フレームワークです。

LLMO分析で測る 5 つの指標

以下の5指標が、LLMO分析の基本セットです。

引用率は最も直接的な指標です。代表クエリを10〜30本選定し、ChatGPTやPerplexityに実際に入力して自社URLが出典として明示されるか記録します。低い場合は、回答対象のクエリに対してコンテンツが「直接的な回答」になっていないケースが多いため、見出しと冒頭段落の構造を見直します。

言及率は引用率より広い概念です。URLが示されなくても「〇〇.comによると」「〇〇社の調査では」という形でブランドが登場する場合も計上します。ブランド言及が多いほど、AIモデルの学習・参照候補としての地位が高いことを示します。

被引用ソース順位は、Perplexityの「Sources」欄のような参照リストで何番目に登場するかを記録します。1番目の引用は2番目以降より強いシグナルを持ちます。上位引用を獲得するには、ファクト密度の高い一次情報コンテンツが有効です。

構造スコアは、AIが内容を正確に解析・抽出できるかを示す技術指標です。適切な見出しタグの階層、JSON-LDによるSchema.org実装、llms.txtの設置などが評価対象になります。

E-E-A-Tシグナル充足度は、Google・AI双方が重視する権威性・信頼性の体系的チェックです。著者プロフィールページの有無、一次データの引用、更新日の明示、外部からのバックリンクなどを項目化して網羅度を測ります。

無料で LLMO分析を始める 3 ステップ

ステップ1: 自社サイトの構造スコアを採点する

aiseo-llmo.comの /analyze に自社URLを入力し、構造スコア・llms.txtの有無・構造化データの実装状況を確認します。採点結果は指摘事項付きで出力されるため、優先度の高い改善箇所をそのまま作業リストに転記できます。所要時間は5分以内です。

ステップ2: 代表クエリ10本を手動でAIに入力して引用状況を記録する

自社サービス・製品・専門領域に関連する代表クエリを10本選び、ChatGPT（GPT-4o）とPerplexityそれぞれに入力します。回答中に自社URL・ブランド名が登場するかをスプレッドシートに記録します。「引用あり／言及あり／なし」の三値で記録し、引用率と言及率を計算します。このプロセスは完全無料で、APIキーも不要です。

クエリ選定の基準は「自社が確実に回答できる専門的な問い」です。ロングテールキーワードから始めると引用されやすく、計測の手応えが得やすくなります。

ステップ3: 改善施策を実行し、4週間後に再計測する

ステップ1・2の結果から改善施策を1〜3本に絞り込みます。典型的な施策例は、(a) 引用されなかったクエリに対応するFAQセクションをページ下部に追加、(b) JSON-LDでFAQPageスキーマを実装、(c) llms.txtをサイトルートに設置、の3点です。施策実行後、4週間を目安にステップ2と同じクエリセットで再計測し、引用率の変化を確認します。4週間は目安であり、大規模なコンテンツ改修後は2週間でも変化が出ることがあります。

有料ツールを検討するタイミング

無料の手動計測には限界があります。以下の条件に1つでも該当したら、有料ツールへの移行を検討してください。

• /analyze を月20回以上実行し、複数URLの変化を継続トラッキングしたい
• 計測クエリが50本を超え、手動入力の工数が週2時間以上になっている
• 競合5社以上のLLMO状況を比較・監視したい
• 引用率の変化をダッシュボードで可視化し、チームで共有したい

有料ツールの比較についてはLLMOブランド監視ツール比較を参照してください。

よくある質問

Q1. LLMO分析はSEO担当者が一人でできますか？

A. ステップ1〜3はすべて一人で実行できます。手動計測フェーズの工数は初回2〜3時間、再計測は1時間程度です。開発者やデータアナリストへの依頼が必要になるのは、構造化データのJSON-LD実装やllms.txtの設置時のみです。

Q2. ChatGPTとPerplexityのどちらで計測すればよいですか？

A. 両方で計測することを推奨します。ChatGPTはウェブ検索モード、Perplexityはデフォルトでウェブを参照するため、引用メカニズムが異なります。一方だけに最適化すると偏りが生じます。まずPerplexityから始めると引用ソースが可視化されやすく、初心者に向いています。

Q3. 引用率が0%でも改善できますか？

A. 改善できます。引用率0%の主な原因は、(a) クエリとコンテンツのマッチング不足、(b) 構造化データの未実装、(c) E-E-A-Tシグナルの弱さ、のいずれかです。ステップ1の構造スコア診断から着手し、指摘事項を優先順に修正すると、4〜8週間で引用事例が出始めるケースが多いです。

Q4. LLMO分析の計測頻度はどれくらいが適切ですか？

A. 月1回の定期計測を基本とし、大きなコンテンツ更新後に随時計測するサイクルが現実的です。AIモデルのアップデートは不定期に行われるため、四半期に1回はクエリセット自体も見直すことを推奨します。

Q5. 既存のSEOツール（Ahrefs・SEMrushなど）でLLMO分析はできますか？

A. 現時点では不可能です。既存SEOツールはGoogle検索の順位・被リンク・トラフィックを計測する設計であり、AI生成回答への引用状況は計測対象外です。LLMO固有の指標は、専用ツールまたは手動計測で取得する必要があります。

関連用語

• LLMO
• AI検索（AI SEO）
• GEO（Generative Engine Optimization）
• E-E-A-T
• 構造化データ
• ブランド言及

関連記事

• LLMOとは？AI検索時代の新SEO【完全入門】
• LLMOブランド監視ツール比較：無料・有料15選
• SEOとLLMOの違いを徹底比較
• E-E-A-TとLLMOの関係：権威性がAI引用を左右する理由
• llms.txt完全ガイド：設置から効果測定まで
• AI検索最適化の全体戦略：AIO・GEO・AEOを統合する方法