LLMO時代の集客とUX改善
ChatGPT・Gemini経由の流入が増える今、LLMOとAI活用で企業・メディアサイトの集客とUXをどう最適化するかを整理します。サイト外の参照対策とサイト内検索体験の改善、データ活用の要点を解説します。
登壇者紹介
本セミナーには、株式会社インティメート・マージャー 代表取締役社長の簗島亮次氏と、株式会社ジーニー SEARCH事業部 セールスリーダーの齊木 俊太郎氏が登壇しました。簗島氏は、アクセスログなどのデータを活用した事業を基盤に、生成AIやAIオーバービューなどの変化を踏まえたLLMO領域の支援を展開しています。齊木氏は、サイト内検索の最適化を中心に、ユーザーが求める情報へ最短で到達できる体験設計や、AIを用いた回答生成による利便性向上に取り組んでいます。
セミナーの背景と問題意識
セミナーの主題は、ChatGPTやGeminiなどの大規模言語モデル（LLM）を起点とした流入が増える中で、企業サイトやメディアサイトがどう集客を維持し、UXを改善していくかです。従来の検索体験は、Google検索を中心に「キーワードで探してページへ到達する」流れが基本でした。しかしAIオーバービューの普及により、ユーザーは検索結果ページ上で要約回答を得られる場面が増え、サイトに到達する前に意思決定が進むケースが増えています。
ここで登場した概念がLLMOです。LLMOは、LLMに自社コンテンツが参照されやすい状態を整える取り組みを指します。SEOが検索エンジン向けの最適化であるのに対し、LLMOは生成AIが情報を理解し、回答に引用しやすい構造や内容に整える発想が中心です。
一方で現実の悩みとして、生成AIを日常的に使う人の比率はまだ限定的であり、企業側は「いつ本格対応すべきか」の判断が難しい点が共有されました。AI経由の流入がサイト全体では0.3〜1%程度に留まる場面もある一方で、Google検索を基準に見ると5〜10%程度まで見えるケースもあり、見方によって危機感も優先度も変わります。
キーメッセージと発言ハイライト
議論の中心にあったのは、検索体験が「キーワード」から「相談」へ寄っていく変化です。従来は「Sサイズ 黄色い服」のように条件を指定する検索が多かった一方で、生成AIでは「自分に合う色の服を提案してほしい」など、意図を含んだ自然文での問い合わせが増えます。この変化により、サイト側が準備すべき情報の粒度や表現が変わる点が強調されました。
AIを使う人が増えると、サイト内検索の体験もチャット型に近づけていく必要が出てきます。（簗島氏）
また、AI経由の流入がまだ小さいからといって放置すると、いざユーザーがAI検索に慣れたタイミングで遅れが顕在化する可能性がある点も共有されました。特に若年層の利用比率は全体平均より高くなる可能性があり、サイトのターゲットによって対応の優先順位が変わります。
いつ対応すればよいかは悩ましいですが、ノウハウはやってみないと分からないところが多いです。（簗島氏）
サイト内のUXについては、検索窓とチャットボットの併用が現実的な落としどころとして語られました。チャットボットはAIに慣れた層には強い一方で、年代によってクリック率が大きく異なる傾向があり、検索窓は比較的どの世代でも利用されやすいという示唆がありました。
チャットボットのCTRは年代で大きく異なりますが、検索窓はどの世代でも実行確率が高い傾向があります。（齊木氏）
さらに、AIに読みやすく整える動きとして「マシンリーダブル」という表現が登場しました。人間が読みやすい表現と機械が読みやすい表現が必ずしも一致しない場面があり、今後は両者のバランス設計が課題になります。
実践的な取り組みと事例
実務面で最も分かりやすい論点は「情報が足りない問題」でした。生成AIは要約が得意という印象が先行しがちですが、サイト内の検索・回答生成を成立させるためには、そもそも元情報が十分に整備されている必要があります。特にECでは、テンプレート化された商品情報が中心になりやすく、素材感や使用感、課題解決の文脈など、相談検索で必要になる情報が不足しやすい点が取り上げられました。
例えば、枕であれば「ストレートネック対策に向く枕」などの相談文脈で検索されます。しかし商品詳細がサイズや素材表記だけに留まると、AIがユーザーの相談に対して適切に参照・回答できません。その結果、AIが参照する情報源がインフルエンサー動画や第三者レビューに偏るリスクが出ます。
テキストは作りやすい一方で、商品紹介動画は企業側が十分に作れておらず、参照がインフルエンサーの動画に偏りやすいです。（簗島氏）
ここから見えてくる実践策は、コンテンツの増量ではなく「相談に答えられる情報の補完」です。機能説明だけでなく、利用シーン、選び方、比較軸、よくある悩みと解決策などを、商品詳細や関連コンテンツとして整えることが重要になります。専門用語の補足も欠かせません。たとえば、ファーストパーティデータは自社で取得した購買や閲覧などのデータを指し、サードパーティデータは外部由来の属性・興味関心データなどを指します。これらを活用することで、どの生成AIに最適化すべきか、どのユーザー層がAIを起点に行動しているかを推定しやすくなります。
さらに、サイト内の改善としては、回答生成型の検索体験が議論されました。これは検索結果を並べるだけでなく、複数コンテンツを束ねて要点を提示する形式であり、GoogleのAIオーバービューに近い体験をサイト内に持ち込む発想です。大量のコンテンツを持つメディアや企業サイトでは効果を出しやすい一方で、そもそも情報が揃っていないサイトでは成立しにくいという現実も共有されました。
今後の展望とまとめ
セミナー全体を通して浮かび上がったのは、LLMOやAI活用は「SEOの延長」だけでは足りなくなる可能性が高い点です。従来のSEOが重要であることは変わりませんが、生成AIが参照しやすい構造、相談に答えられる情報量、そしてサイト内での検索体験の変化への対応が、追加の論点として増えています。
また、組織面でも変化が必要になります。AI施策はPR、マーケティング、CS、場合によってはコーポレート領域までまたがりやすく、手段と目的が部署ごとに固定化されている組織では動きづらくなります。とくにAI施策は不確実性が残るため、一定のリスクを許容しながら運用する体制が求められます。
AIの不完全さのしわ寄せはCSや広報に来やすいので、最初から巻き込むことが大切です。（齊木氏）
最後に、参加者への実践的な持ち帰りとして、登壇者からは「コンテンツの拡充」と「日常的なAIへのキャッチアップ」が提示されました。加えて、セミナー内では自社名や自社サービス名で生成AI検索を行い、どのように認識・引用されているかを確認する行動も推奨されました。そこでズレが見つかる場合は、情報が不足しているか、機械が理解しづらい構造になっている可能性があります。
LLMOの正解はまだ固まりきっていません。しかし変化が続くからこそ、小さく試し、学び、改善を回す姿勢が差になります。AIに参照されるための外部最適化と、サイト内で選ばれるためのUX改善を両輪で進めることが、これからの企業サイト・メディアサイトに求められる実務の要点です。
