「LLMO診断」とは、何を測るものか。

「診断」という言葉が、急に増えました。

ここ一年ほどで、「LLMO診断」「GEO診断」「AEO診断」「AI検索対応チェック」といった言葉を、よく見かけるようになりました。URLを入れると数十秒でスコアが出る無料ツールもあれば、ヒアリングを経てレポートを返すものもあります。呼び名も形式も、さまざまです。

名前が増えると、混乱します。「LLMOとGEOは違うのか」「どれを受ければいいのか」。けれど、呼び名の裏にある問いは、ほぼ一つに収れんします。AIは、自社を、推薦の根拠として引用・参照してくれるか。LLMO（Large Language Model Optimization）も、GEO（Generative Engine Optimization）も、AEO（Answer Engine Optimization）も、見ている対象は、ほとんど同じです。本機関では、これらをAEOで統一して扱っています。

だとすれば、大事なのは名前選びではありません。その診断が、具体的に「何を」測っているのかです。そこを取り違えると、スコアの数字だけを追って、肝心の構造を見落とします。

測っているのは、順位ではありません。

まず、SEO診断との違いから始めます。ここが、いちばん誤解されやすいところです。

SEO診断は、検索結果での順位やクリックを中心に見ます。何位に表示されているか、どのキーワードで流入しているか。対してLLMO診断が見るのは、AIの回答の中で、引用・参照される構造があるかです。順位表のある世界ではなく、文章の中に名前が出るかどうかの世界です。

この二つは、しばしば一致しません。検索順位が高くても、AIにまったく引用されないことがあります。逆に、検索では目立たなくても、AIに繰り返し引用されることもあります。両者は別の地形で動いているからです。だから、SEOのスコアが良いことは、AIに引用されることを保証しません。LLMO診断は、SEO診断の延長ではなく、別の物差しなのです。

言い換えれば、SEO診断が「検索エンジンから見た自社」を測るのに対し、LLMO診断は「AIから見た自社」を測ります。同じ自社サイトでも、見る側が変われば、評価される点が変わる。順位という一次元の指標ではなく、引用される構造という、より立体的なものを点検します。

診断で見る、5つの観点。

では、具体的に何を点検するのか。私たちの観測から整理すると、診断の観点は、おおよそ次の5つに分かれます。

第一に、AI上の出現実態。そもそも、自社の業種の問いに対して、AIが自社を挙げているか。引用元として、あるいは回答本文の中で、現れているか、いないか。すべての出発点は、この「いま、どう出ているか」の確認です。出ていないなら、それはどんな不在なのか。ここを測らずに施策を打つのは、的を見ずに矢を放つようなものです。

第二に、一次情報。自社にしかない情報——独自の調査、事例、実績、検証データ——が、AIの読める形で存在するか。AIは、どこにでもある一般論より、そのサイトでしか得られない情報を、根拠として拾いやすい傾向があります。一次情報の有無は、引用されやすさを大きく左右します。

第三に、第三者からの言及。自社サイトの外で、自社がどれだけ語られているか。比較メディア、レビュー、専門的な解説、業界の記述。AIは自己申告より、外での語られ方を重く見ます。第三者言及の薄さは、不在の最も多い原因です。

第四に、被引用の形。情報が、AIにとって引用しやすい形に整っているか。結論を先に述べているか、見出しや構造が明確か、出典が示されているか、基本的な事実が自社サイトと外とで整合しているか。同じ内容でも、形が整っているかどうかで、拾われやすさが変わります。

第五に、引用元の地形。自社の業種で、AIが実際にどの参照元を頼っているか。その地形のどこに自社がいて、どこが空白か。地形は業種ごとにまったく違うため、ここは一般論では描けず、業種ごとに観測するしかありません。

この5つは、独立ではなく、積み重なります。出現実態を確認し、一次情報と第三者言及で材料を増やし、被引用の形で拾われやすくし、引用元の地形の上で立ち位置を定める。診断とは、この5つの観点で、自社の「引用される構造」を点検することにほかなりません。

なぜ、施策の前に「点検」が要るのか。

診断は、それ自体が目的ではありません。けれど、施策の前に診断を置くことには、はっきりした意味があります。自社がどの観点で弱いのかを知らないまま打つ施策は、当たり外れが運任せになるからです。

たとえば、第三者言及が薄いことが原因なのに、自社サイトの文章だけを延々と磨いても、不在は埋まりません。被引用の形が崩れているのに、新しい記事を量産しても、拾われやすさは上がりません。引用元の地形を読まずに、効かない場所に力を注いでしまう。診断は、こうした「方向のずれ」を、手を動かす前に見つけるためのものです。

そして、診断は一度きりでは足りません。AIの引用の地形は、時間とともに動きます。去年の診断結果は、今年の地形とは限りません。だから、診断は「たまの大きな検査」ではなく、「続けられる小さな点検」として置くほうが、現実的です。点検の頻度こそが、現在地の鮮度を決めます。

自己診断でできること、できないこと。

5つの観点のうち、いくつかは、自社だけでも点検を始められます。一次情報が揃っているか、被引用の形が整っているか、自社サイトと外の記述に食い違いがないか——これらは、自分たちのサイトを見直すことから着手できます。URLを入れるだけの無料診断ツールも、この自社側の構造を点検する出発点になります。

一方で、自己診断には限界もあります。「自分の業種でAIが実際に誰を引用しているか」という地形や、「自社の出現が、月をまたいでどう動いているか」という推移は、外から継続的に観測しないと、客観的にはつかめません。自分のサイトの中だけを見ていても、AIが見ている外の世界は見えないからです。ここに、継続して計測することの役割があります。

大切なのは、順序です。スコアの数字に一喜一憂する前に、5つの観点のどこに自社の弱さがあるのかを、構造として捉える。診断とは、点数をつけることではなく、引用される構造を点検し、次の一手の向きを定めることです。AEO総研は、その点検を、日本市場で継続して計測することを役割としています。