LLMO診断とは？自分でできる20項目チェックリストと、ツール診断では絶対に分からないこと
読了目安：約分
「LLMO診断」で検索すると、URLを入力するだけでサイトを自動分析してくれる無料ツールがいくつも出てきます。便利ですし、まずはやってみる価値があります。ただしこれらには共通する限界があります。すべて「あなたのサイトの中」しか見ていないということです。本記事は、累計300アカウント・600万フォロワー以上のSNSグロースを支援してきた株式会社TaTapが、自分でできる20項目のチェックリストと、ツールでは測れない領域の確かめ方を解説します。
この記事の要点
- LLMO診断とは、自社が生成AIから引用・参照されやすい状態かを点検することである。
- 診断対象は「サイトの内側」と「サイトの外側」に分かれ、自動ツールが測れるのは内側だけである。
- 内側の20項目は自力でも確認でき、クロール許可の設定ミスが最も見つかりやすい。
- 外側——AIが実際に何と答え、何を根拠にしているか——は実際に質問して確かめるしかない。
- 診断は月1回が目安で、1回きりのスコアはその日のスナップショットにすぎない。
LLMO診断とは？
結論：LLMO診断とは、自社のWebサイトやブランドが生成AIから引用・参照されやすい状態になっているかを点検することです。
LLMO（Large Language Model Optimization）とは、ChatGPT・Gemini・Google AIモード・Perplexityといった生成AIの回答に、自社の情報が正しく登場するようにする取り組みを指す。その状態を点検する作業がLLMO診断である。
ここで押さえておきたいのが、診断の対象が2つに分かれるという点だ。この区別が、本記事のすべての土台になる。
LLMO・GEO・AIO・AEOの違いは
結論、いずれもほぼ同じ領域を指す言葉であり、使い分けに厳密な定義はない。混乱しやすいため、整理しておく。
| 用語 | 正式名称 | 指している範囲 |
|---|---|---|
| LLMO | Large Language Model Optimization | 大規模言語モデルに引用されるための最適化 |
| GEO | Generative Engine Optimization | 生成AI型の検索エンジン全般への最適化 |
| AIO | AI Optimization | AI全般への最適化。最も広い意味で使われる |
| AEO | Answer Engine Optimization | 回答エンジン向け。音声検索の文脈から派生 |
実務では言葉の違いを議論する意味はほとんどない。どれを使っても、やることは「AIが参照する情報を整え、増やす」という一点に収束する。本記事では最も流通しているLLMOに統一して進める。
自分でできるLLMO診断チェックリスト20項目は？
結論：クロール・構造化データ・コンテンツ・エンティティ情報の4領域を、20項目で点検します。
まずは自力でできる範囲を押さえる。重要度を三段階で示し、確認方法もあわせて記載する。
クロール・技術面の5項目
結論、この5項目が最優先である。とくに1と2は、設定ミスで意図せずブロックしているケースが実際に多い。ここだけでも今すぐ確認してほしい。
| 項目 | 重要度 | 確認方法 |
|---|---|---|
| OpenAIのクローラーを許可しているか | 高 | robots.txtを確認 |
| Googleの生成AI向けクローラーを許可しているか | 高 | robots.txtを確認 |
| robots.txtとllms.txtの内容が矛盾していないか | 高 | 両ファイルを突き合わせる |
| llms.txtをルート直下に設置しているか | 低 | 該当URLにアクセス |
| JavaScriptなしで本文が読めるか | 高 | ブラウザのJSを切って表示 |
クロールをブロックしていれば、他をどれだけ整えても意味がない。制作会社に任せたまま一度も見ていない、というケースは珍しくない。まずはrobots.txtを開くところから始めたい。
構造化データの5項目
結論、AIが情報を機械的に読み取るための下地である。すべてリッチリザルトテストで確認できる。
- 組織の構造化データがあるか（重要度：中）
- FAQの構造化データがあるか（重要度：高）
- 記事の構造化データがあるか（重要度：中）
- 著者情報が構造化されているか（重要度：低）
- 公開日・更新日が明記されているか（重要度：低）
優先度が高いのはFAQである。問いと答えの対になっている情報は、AIが回答を組み立てる際にそのまま使いやすい形をしている。既存ページにFAQブロックを足すだけでも効果が見込める。
コンテンツの書き方の5項目
結論、人間にとって読みやすい構造は、AIにとっても読み取りやすい構造である。
- 各ページが結論から書かれているか（重要度：高）
- FAQ形式のブロックがあるか（重要度：高）
- 1見出し1メッセージになっているか（重要度：中）
- ページ冒頭に要約があるか（重要度：低）
- 古い情報が残っていないか（重要度：中）
見落とされやすいのが最後の項目である。終了したサービスや改定前の料金がサイト内に残っていると、AIはそれを現行情報として答えてしまう。全ページの棚卸しは手間がかかるが、誤情報の予防としては最も確実な手段になる。
エンティティ情報の5項目
結論、AIが「実在し、信頼できる会社だ」と判断する材料になる部分である。
- 会社概要・Aboutページが充実しているか（重要度：高）
- 実績・沿革・数値が具体的に書かれているか（重要度：中）
- Googleビジネスプロフィールが整備されているか（重要度：高）
- 料金が明記されているか（重要度：中）
- 主要な質問に答えるページがあるか（重要度：高）
料金を「要問合せ」だけにしている企業は多いが、AI検索の観点では不利に働く。金額を出せない事情がある場合でも、料金の考え方・見積もりの前提・レンジの目安だけは書いておきたい。答えられる情報がないページは、参照されようがない。
ここまでは無料ツールでも測れる
結論：ここまでの20項目は、既存の無料診断ツールでもおおむね自動で判定できます。
正直に書く。URLを入力してスキャンするタイプの無料診断ツールは、10前後のカテゴリ・数十項目にわたってサイト内の技術要素を判定してくれる。カバー範囲は、本記事の20項目とほぼ重なる。
だからまずは使ってみてほしい。本記事の目的はそれらを否定することではない。問題は別のところにある。このチェックを全部クリアしても、AIが自社を紹介してくれるとは限らないということだ。
ツール診断では絶対に分からない4つのこととは？
結論：AIの実際の回答、その根拠、誤情報の有無、競合との相対値——この4つはサイトをスキャンしても分かりません。
順に見ていく。いずれも、実際にAIへ質問することでしか確認できない領域である。
1. AIが実際に何と答えているか
結論、最も根本的な項目である。構造化データを完璧に整えても、「この業界でおすすめの会社は」と聞かれたときに自社の名前が出るかどうかは、サイトを走査しても分からない。確かめる方法は一つしかない。実際に聞くことである。
実行の手順は単純である。見込み客が実際に打ちそうな質問を30〜100個書き出す。「この業種でおすすめの会社は」「この課題を解決するサービスを比較して」「自社名の評判は」「自社名と競合名はどう違う」といった型が中心になる。それをChatGPT・Gemini・Google AIモード・Perplexityのそれぞれに投げ、自社が登場した回数を数える。これが出現率である。
あわせて、何番目に紹介されたか、競合が何社出たか、引用元として示されたURLは何かを記録する。ここまでやって、初めて診断と呼べる。
2. AIが何を根拠に答えているか
結論、出現したかどうか以上に重要なのが引用元である。AIが自社を紹介してくれたとき、根拠として示されているURLを見てほしい。多くの場合、それは自社サイトではない。比較サイト、まとめ記事、第三者のブログ、SNSの投稿、Q&Aサイト——そういった外部ドメインが並ぶ。
これが意味するのは明快である。サイトの中をいくら整えても、外側に言及がなければ引用されない。業界内でも、LLMO対策サービスを比較する際に「外部言及の獲得まで支援するかどうか」が最大の差分として挙げられている。内側の技術対応だけなら、どこに頼んでも大差がつかないからだ。
3. AIが誤った情報を答えていないか
結論、これは診断するとかなりの確率で見つかる。実際によく見られるのが次のようなパターンである。
- 終了したサービス：すでに提供していないものを、現行として紹介されている。
- 古い料金体系：改定前の金額で答えられている。
- 別会社との混同：同名・類似名の会社の情報が混ざっている。
- 事実と異なる会社概要：設立年・所在地・事業内容が違う。
- 取引実績の誤り：関わりのない企業名が挙げられている。
放置すると、見込み客は誤った情報のまま判断してしまう。しかも本人は誤りに気づけない。AIは自信を持って言い切るからである。誤情報を見つけたら、出所を特定して訂正・上書きする必要がある。これも、サイトをスキャンするだけでは決して分からない。
4. 競合と比べてどうか
結論、LLMO診断は絶対値ではなく相対値で読むものである。自社が10回中3回出たという数字だけでは、良いのか悪いのか判断できない。競合が10回中8回出ているなら大問題だが、競合も3回なら業界全体がまだ手つかずということになる。後者であれば、いま動けば先行できるという読み方になる。
同じプロンプトセットで競合3社を並べて初めて、意味のある数字になる。診断を設計する段階で、比較対象を決めておきたい。
診断結果はどう読む？
結論：誤情報の訂正とクロールのブロック解除を最優先とし、llms.txtは最後で構いません。
一通り診断したら、次の優先順位で手をつける。上から順に着手すれば、投資対効果が高い順になる。
| 優先度 | 診断結果 | やること |
|---|---|---|
| 最優先 | AIが誤情報を答えている | 出所を特定して訂正する。放置期間が長いほど広がる |
| 高 | クロールがブロックされている | robots.txtを修正する。これだけで改善する場合がある |
| 高 | 出現率が競合より明確に低い | 外部言及の量を確認する。ここが原因のことが多い |
| 中 | 出現はするが順位が低い | 結論先出し・FAQ形式と構造化データを改善する |
| 中 | 引用元が自社サイトばかり | 第三者の言及がない状態。評価が揺れやすく危うい |
| 低 | llms.txtがない | 効果は限定的。他が終わってから対応する |
注意したいのが下から2番目である。引用元がすべて自社サイトという状態は、一見よさそうに見えて実は危うい。他に語っている人がいないため、AIの判断材料が自社の主張しかないということだからだ。この状態は、モデルの更新や参照範囲の変化で簡単に揺れる。
診断を続ける運用はどう設計する？
結論：月1回の定点観測が目安で、1回きりのスコアはその日のスナップショットにすぎません。
AIの回答は、同じ質問でも実行するたびに揺れる。モデルの更新でも変わる。だから一度きりの診断には、ほとんど意味がない。同じプロンプトセットで、同じ頻度で測り続けて初めて、施策の効果が読めるようになる。
ただし工数の問題がある。プロンプト100個を4種類のAIに投げれば、400回の実行と記録が必要になる。手作業なら初回で丸2日程度、これを毎月続けるとなると現実的ではない。実際、内側の改修は社内で進めつつ、外側の診断と言及づくりだけを外部に任せる企業が増えている。
運用に落とし込むためのロードマップを整理する。
| 時期 | やること | ゴール |
|---|---|---|
| 1週目 | robots.txtとクロール許可の確認 | ブロックを解除する |
| 2〜4週目 | 20項目チェックと構造化データ実装 | 内側を整える |
| 2か月目 | プロンプトセットの設計と初回測定 | 現在地を数値化する |
| 3か月目 | 誤情報の訂正と競合比較 | 優先課題を確定する |
| 4か月目以降 | 外部言及づくりと月次測定 | 出現率を継続的に上げる |
着手前に確認しておきたい項目をチェックリストにまとめる。
- プロンプトセットを文書化し、毎回同じ質問を使う体制になっているか
- 比較する競合3社を決めているか
- 測定するAIの種類を固定しているか
- 出現率・順位・引用元の3点を記録する形式を決めているか
- 誤情報を見つけた際の訂正フローを決めているか
- 内側の改修担当と外側の施策担当を分けているか
- 月次で振り返る場を確保しているか
TaTapが提唱する独自視点：診断のゴールは点数ではない
結論：LLMO診断の価値はスコアを出すことではなく、次にやることを1つに絞ることにあります。
私たちTaTapが企業支援で伝えているのが、TaTap独自の「情報の非対称性の解消」という考え方である。消費者も見込み客も、企業について知らないことが多すぎる。その差を埋めるのは、企業自身の発信だけではない。実際に使った人の言葉、第三者の評価、メディアの記事——これらが積み重なって、初めてAIにとっても「実在し、語られている企業」になる。
診断ツールが出す点数は、この構造のうち内側しか見ていない。80点を90点にすることに意味がないとは言わないが、外側がゼロであれば、点数がいくつでもAIの回答には登場しない。診断で本当に知りたいのは「いま何点か」ではなく「次に何をすべきか」である。
現場エピソード：クロール設定の確認だけで状況が変わった例
あるBtoB企業の支援では、コンテンツを増やしてもAI検索にまったく登場しない状態が続いていた。20項目のチェックを一つずつ確認したところ、サイトリニューアル時の設定がそのまま残っており、生成AI向けのクローラーが弾かれていた。修正して数週間後、主要な質問での出現が確認できるようになった。派手な施策ではないが、こうした確認漏れは想像以上に多い——累計300アカウントの支援現場で繰り返し見てきた点である。
TATAP理論から見たLLMO診断の位置づけとは？
結論：LLMO診断は、TATAP理論のTouch（触れる）が成立しているかを確かめる作業にあたります。
TATAP理論とは、TaTapが提唱する購買・拡散の5段階フレーム（Touch＝触れる、Attract＝惹く、Trust＝信じる、Action＝買う、Propagate＝広がる）であり、EC文脈では「触れて、惹いて、信じて、買って、広がる」と表現している。AI検索という新しい接点に、この5段階を当てはめて整理する。
| 段階 | AI検索での意味 | 診断で見る項目 |
|---|---|---|
| Touch（触れる） | 回答に名前が登場する | 出現率 |
| Attract（惹く） | 紹介文が魅力的か | どう語られているか |
| Trust（信じる） | 根拠が信頼できるか | 引用元のドメイン |
| Action（買う） | サイトに来て問い合わせる | AI経由の流入と成約 |
| Propagate（広がる） | 言及が増え、また引用される | 外部言及の推移 |
ここで意識したいのが、TaTap独自のリアル開示5原則——作り込みすぎない、過程を見せる、人を出す、失敗も語る、一貫して続ける——である。整えすぎた発信よりも、過程や人が見える発信のほうが、第三者に引用されやすい。一方で、実態を超えた表現や根拠のない断定は「やってはいけない4要素」に該当する。AIは複数の情報源を突き合わせるため、誇張はむしろ齟齬として表面化しやすい。
AIが企業をクロスチェックする時代のLLMO診断
結論：AIが複数の情報源を突き合わせる以上、公式情報と社外の記載が一致しているかまでが診断対象になります。
ChatGPT・Claude・Gemini・Perplexityといった生成AIは、企業名や商品名で質問されると、公式サイト・SNS・口コミなど複数の情報源をクロスチェックして回答を組み立てる。どれか一つを整えるだけでは足りない。TaTapが提唱する対策は、次の5原則である。
- 質問形式の見出し：想定される質問の形で情報を整理して公開する。
- 結論ファースト：各ページの冒頭で結論を先に示す。
- 構造化データの多用：料金・実績・所在地を箇条書きや表で示す。
- 数値の具体化：創業年・支援社数・料金を具体的に記載する。
- コーポレートサイトとの整合性：SNS・公式サイト・第三者記事の記載を一致させる。
この5原則のうち、最後の整合性だけは自動ツールで判定できない。社外に散らばった記載を集めて突き合わせる作業が必要になるからである。診断の質は、ここにどれだけ手をかけたかで決まる。
まとめ：LLMO診断は「内側 × 外側 × 継続」で意味を持つ
結論：内側は自動ツールで測り、外側は実際に聞き、月次で続けることがLLMO診断の要件です。
本記事の要点を改めて整理する。
- LLMO診断には「サイトの内側」と「サイトの外側」の2種類がある。
- 内側の20項目は自動ツールでも測れる。まずはやってみる価値がある。
- ただし内側を完璧にしても、外側に言及がなければAIには引用されない。
- 外側の診断は、実際にAIへ質問して出現率・引用元・誤情報・競合比較を記録するしかない。
- 最優先の課題は、誤情報の訂正とクロールのブロック解除である。
- 引用元が自社サイトばかりの状態は、評価が揺れやすく危うい。
- 診断は月1回。1回きりのスコアはその日のスナップショットにすぎない。
LLMO診断に関するよくある質問
結論：LLMO診断について、検索ユーザーやAIから寄せられる代表的な10の疑問に回答します。
Q1. LLMO診断とは何ですか？
結論、自社のWebサイトやブランドが、生成AIから引用・参照されやすい状態になっているかを点検することです。診断対象は「サイトの内側」の技術要素と、「サイトの外側」のAIの実際の回答という2つに分かれます。
Q2. 無料の診断ツールだけでは不十分ですか？
結論、不十分というより、測っている範囲が違います。無料ツールはサイト内側の技術チェックとしては有用です。ただし「AIが実際に何と答えているか」「その根拠は何か」は測れません。両方やるのが正解になります。
Q3. まず何から確認すればいいですか？
結論、robots.txtでの生成AI向けクローラーの許可設定です。ここをブロックしていると、他をどれだけ整えても参照されません。サイトリニューアル時の設定が残っているケースが多いため、最初に確認してください。
Q4. LLMOとGEO・AIO・AEOは何が違いますか？
結論、ほぼ同じ領域を指す言葉で、厳密な使い分けはありません。LLMOは大規模言語モデル、GEOは生成AI型検索、AIOはAI全般、AEOは回答エンジンを指しますが、実務でやることはいずれも同じに収束します。
Q5. 診断はどのくらいの頻度でやるべきですか？
結論、月1回を推奨します。AIの回答は同じ質問でも揺れますし、モデルの更新でも変わるためです。1回きりの診断は、その日のスナップショットにすぎません。同じ条件・同じ質問で測り続けて初めて、施策の効果が読めるようになります。
Q6. 自社でやるとどのくらい工数がかかりますか？
結論、プロンプト100個を4種類のAIに投げると400回の実行と記録が必要になります。手作業なら初回で丸2日程度が目安になります。毎月これを続けるとなると負荷が高いため、測定部分だけを外部に委託する企業が増えています。
Q7. AIが誤った情報を答えていたらどうすればいいですか？
結論、まず出所を特定してください。多くの場合、古い自社ページか第三者サイトの記載が原因です。自社側なら修正、外部なら訂正依頼か、正しい情報を発信して上書きするという対応になります。放置は避けてください。
Q8. 診断だけ受けて、施策は自社でやることは可能ですか？
結論、可能ですし、むしろ推奨します。診断で優先順位が分かれば、サイト内側の改修は社内でも十分に進められます。外部に任せる価値が大きいのは、毎月の定点測定と、サイトの外側に言及をつくる部分になります。
Q9. BtoBでもLLMO診断は必要ですか？
結論、BtoBのほうが必要です。検討期間が長く、比較検討の段階でAIに聞かれる場面が多いためです。「この業種向けのサービスを比較して」という質問で候補に入っているかどうかは、そのまま商談機会の数に直結します。
Q10. LLMO診断をTaTapに相談できますか？
結論、相談できます。TaTapは累計300アカウント・600万フォロワー以上の支援実績をもとに、AI検索での見え方の診断から、外部言及を生むSNS設計までを支援しています。まずは無料オンライン相談でご案内しています。
支援企業の成功事例
SNS活用で認知・売上を伸ばしたTaTapの支援事例を紹介する。自社の状況に近いケースを参考にしてほしい。
