AIを通して商品やサービスの比較・検討する人は年々増加しており、自分でも調べ物や比較にAIを使っていて、その体験から自社もAI検索対策をしたほうがいいのではないか、と感じている方も多いのではないでしょうか。

実際にLLMOについて調べると、構造化マークアップや結論ファーストなど、AIに引用されるための手法をよく見かけます。ですが、自社でLLMO検討する中で、結局LLMOが自社にどんな利益をもたらすのか、予算を使って取り組むほどの価値はあるのか。そこが見えないと、社内でも検討できず、予算を使う判断には踏み切れません。

そもそもLLMOは自社サイトへアクセスを呼び込むものだと思っている方もいるかもしれませんが、それは違います。弊社が支援している企業では、AI経由のアクセスは大きく増えない一方で、問い合わせや資料請求といったCVに至った割合が、オーガニック検索から来た人の約7倍という数値も出ています。

この数値が示しているのは、LLMOはアクセスを呼ぶ施策ではなく、問い合わせや資料請求などの事業の成果につながる施策だということです。

この記事では、それらのLLMOの誤解についてや、実際のAIからのアクセス数、そしてLLMOがそもそも自社の事業にどう紐づくのかを、弊社が支援先で測った数値をもとに解説します。

なお、AI検索への対応には、LLMO・AEO・AIO・GEOといくつもの呼び方があります。この4つを明確に区別する定義は、2026年時点でも定まっていません。この記事ではLLMOで統一します。

この記事の要点

• AI経由でサイトに来る人の数は、サイト全体のアクセスの1%以下

• それでも、問い合わせに至った割合はオーガニック検索の約7倍だった

• 割合が高いのは、検討が進んだ人がサイトに来ているから

• だからLLMOの成果は、アクセスの数やAIの引用数ではなく、事業に紐づいたかどうかで見る

• そのために必要なのは、自社の独自性が外から読める言葉になっていること

AI経由のアクセスはサイト全体の1%以下

弊社が支援している企業を調査したところ、AI経由でサイトに来る人は、サイト全体のセッションのうち1%ほどしかありませんでした。それでも、その人たちが問い合わせや資料請求に至った割合は、オーガニック検索から来た人の約7倍でした。

この2つの数値を、順に見ていきます。

AI経由のアクセスは、サイト全体の1%以下だった

弊社が支援している企業のGA4で、ChatGPTなどの生成AIのページから移動してきたセッションが、サイト全体のどれくらいを占めるかを計測しました。

支援先Aのサイトでは、全セッションのうち7割近くがオーガニック検索からの訪問です。AIから来る人は、サイトへのアクセス全体のごくわずかです。海外の調査でも1%前後なので、弊社の支援先だけに起きていることではありません。

ただし、GA4で計測できるのは、AIから来た人の一部です。GoogleのAIによる概要から来た人も、詳細には計測できません。

だが、AI経由で来た人が問い合わせに至った割合は、オーガニック検索の約4倍だった

弊社が支援している複数社のGA4で、サイトに初めて来た人のCVRと、もう一度訪れた人のCVRを経路別に測り、その平均を出しました。CVRは、問い合わせや資料請求といったサイトのゴールに至った割合です。

初回訪問のCVRは、AI経由がオーガニック検索の約4倍でした。もう一度訪れたときのCVRも、AI経由が他のどの経路よりも高い数値です。初めて来たときも、戻ってきたときも、AI経由の人がいちばん問い合わせに進んでいます。

他社の調査でも同じ方向が出ており、Opolloが公開した調査では、IT・テック企業312社でAI経由のCVRがGoogleの自然検索の約5倍でした（出典：https://opollo.com/blog/ai-search-traffic-converts-4-5x-better-than-google/ ／2026年11月1日に確認）。ただし対象が主に米国と英国で、業種もIT・テックに偏った単一の調査です。コンバージョンの定義も調査ごとに違うため、日本の数字としては使えず、方向が同じという範囲で見ています。

LLMOはオーガニック検索で減ったアクセスを戻すものではない

AI経由が0.5〜1%だった支援先では、オーガニック検索からの月平均セッションが、LLMOの施策を始める前（2025年1月から8月）は約27,500、始めた後（2025年9月から2026年7月）は約22,000でした。20%減っています（GA4実測）。

これは施策が効かなかったという話ではありません。LLMOは、検索から減ったアクセスを取り戻すための施策ではない、ということです。増えたのはアクセスではなく、来た人が問い合わせに進む割合のほうでした。

AIからサイトに来る人は、検討度が高い状態で来ている

AIに聞くときは、検索のようにキーワードを並べるのではなく文章で書くので、条件や事情まで具体的に伝わります。AIは、その質問や悩みに対して最適な会社を選んで示すので、合わない会社はそもそも目に入りません。そのため、ある程度確度が高い状態でサイトに訪れ、問い合わせまで進みやすくなります。

検索にはキーワードを入れるが、AIには具体的に相談する

検索では「業務システム 比較」のように、単語を並べて入力します。AIには「部門ごとに別のシステムを使っていて数字が合わないので、まとめられる仕組みを探している」のように、状況をそのまま相談します。単語だけでは業務システムを比較したいということしか分かりませんが、文章で相談すれば、何に困っていて何を探しているのかまで伝わります。

AIは各社の事業や特徴を比較してから答える

AIはそのような具体的な状況や課題に対して、ユーザーの悩みに合う会社を探します。

候補になる会社が何をやっている会社なのか、どんな特徴や違いがあるのかを読み、それを理解したうえで、この人に合うのはどれかという形で回答を組み立てます。

• 相談を投げる：部門ごとに別のシステムを使っていて数字が合わない。まとめられる仕組みを探している

• 合いそうな会社を探す：相談の中身から、条件に合う会社を絞る

• 各社の違いを理解する：各社が何をやっている会社なのか、どこに特徴があるのかを読む

• 回答を組み立てる：この人に合うのはどれか、という形で会社を示す

このように、AIの回答からサイトにアクセスする人は、そのサービスや事業自体に興味を持った上で訪れています。検討度が高い状態で来ているので、問い合わせや資料請求などの、事業の成果に直結する行動に紐づきやすくなります。

だからこそ、LLMOで重要なのは引用された数やAIに選ばれたかどうかではなく、施策が事業の成果に紐づいたものになっているかどうかです。

LLMOを活かして事業成長に紐づける

LLMO自体は、AI経由の流入数を大きく増やすものではありません。代わりに、来た人が事業の成果に直結する行動に進む割合が高くなります。だからこそ、AIにどれだけ引用されているか、回答として出されているかといった表面的な部分を計測するのではなく、問い合わせや資料請求、その先の成約などに紐づいたかどうかまで見る必要があります。

ここを確認しないまま進めると、AIの回答に自社が出てくる回数は増えているのに、事業の数字は何も動いていないという状態になってしまうことがあります。

事業の成果に紐づいた例

実際、ある支援先では用語集ページをただの用語の説明で終わらせず、比較される用語との違いを書いたり、関連ページへの動線や問い合わせへの誘導を足す形に改修しました。その結果、増えたのは単純な引用の数ではなく、問い合わせにつながった件数とその割合でした。

LLMOを実施する上で、問い合わせや資料請求まで計測して、事業に紐づいたかどうかを確認することは大事です。ただ、計測する数字を決めても、そもそもAIに推薦されて確度の高い人を呼び込めなければ、事業に紐づくという結果は出ません。

そしてAIが自社を推薦してくれるかどうかは、自社の独自性がどこまで言葉になっているかで決まります。

AIに選ばれる上で重要なのは、他社にない独自性

AIが企業やサービスを回答の中で薦めるとき、その企業について書かれた情報源をウェブ上から探します。探されるのは、何をやっている会社なのか、他社と何が違うのか、どんな実績があるのかといった、その企業しか書けないことです。これが独自性にあたります。

ある支援先では、自社の独自性をまとめた単一ページを新しく作りました。弊社ではこれを宣言ページと呼んでいます。会社案内やサービス紹介とは違い、何をやっている会社で何ができるのか、なぜそう言えるのか、どんな実績があるのか。ユーザーが聞きたいことに答える形で、こうした内容を一か所に集めたページです。

この宣言ページを起点に、2〜3週間でAIの回答に社名が挙がる回数（メンション）が4.2倍になりました（施策の対象にしたページ群に限定／2026年2月中旬から3月上旬／Ahrefs Brand Radarの推定値）。ほかの施策も同時に動かしているので宣言ページだけの効果ではありませんが、独自性をまとめたところからAIが自社を候補として扱い始めました。

弊社がやったのは、新しく独自性を作ることではありません。もともと眠っていた独自性を洗い出したうえで、サイト上でAIに伝わる形に整理したことです。

他社との違い・特異点は、どの会社にも必ず眠っている

弊社がこれまで支援してきた中で、自社の独自性をまだ言葉にできていないところはあっても、独自性そのものがなかった会社はありません。だからこそ、そこを明らかにしてAIに自社を正しく理解してもらうことが、薦められることにつながります。

自社では気づいていない場合でも、弊社がそこを掘り下げて見つけ出します。競合との特異点を探すので、その事業の中から強みが見つけられます。

だからこそLLMOは大きなブランディング投資から始める必要はなく、自社の中にある独自性を言語化し、AIが理解できるように整えていくことが重要です。

構造化データなどの整備は、AIに情報を伝えるサイトの基盤

弊社では、LLMOの施策を3つに分けています。

LLMOについて調べると多く出てくるのは、構造化データやsitemap.xml、llms.txtの整備です。これはテクニカルにあたります。場合によっては、この見直しや整備が必要になることもあります。自社がAIからどれだけ露出できているか、サイトがどういう構造になっているかによって、3つのうちどこから手をつけるかは変わります。

弊社の実験でも、テクニカルだけで引用が増えることは確認できませんでした。AIが読み取る中身がなければ、自社を薦めてもらえません。他社にない独自性を洗い出して言葉にしておくことが、AIに選ばれるための中身になります。

LLMOはアクセスを増やすのではなく、質の高い顧客を呼び込む施策

AI経由で来る人は数が少ないかわりに、自社に合うと分かったうえで来ています。LLMOはアクセスを増やす施策ではなく、質の高い顧客を呼び込む施策です。

だからこそ、見るべきものはAIに引用された数やAIからのアクセスではなく、施策がどう事業に紐づいたかです。そしてAIに選ばれるには、自社の独自性を洗い出して、AIに伝わる形にしておく必要があります。

LLMOを実施していく上で何をやるのか、何から手をつけるのかは、会社の状況や特性によります。自社の独自性がどこにあるのか、どの数字で事業への紐づきを見るのか。そこを決めるところから始まります。

一度、自社がどういったLLMOをやるべきなのか、何をすれば成果につながるのかを知りたい方は、お問い合わせください。