LLMOは、やるべき？ 盛り上がりの波で見る「現在地」と「未来」

2025年は、生成AIの要約回答が検索体験に実態として組み込まれ始めたタイミングでした。（生成AIには、ChatGPTやGemini、Google AI Overviews/AI Modeを含みます。）

その結果、「生成AI回答に出た」「引用された」「LLMOって何？AI検索対策って何をするの？」という出来事やコミュニケーションがみなさんの会社でも多くなったのではないでしょうか？

当社メディアリーチでも、特に生成AI回答に自社名を出現してもらうために外部メディアへの掲載打診や調査データリリース、SEO評価向上に取り組み、現在は問い合わせの約17％が生成AIで社名を知って問い合わせたと回答いただいています。

以下は、「LLMO対策会社」でGoogle検索した時のAI概要の表示例です。ご覧のように、当社メディアリーチが「主なLLMO対策会社」という文脈で推奨されています。（2025年12月時点）

当社としては、早期にLLMOに取り組んだことで、問い合わせ獲得という成果につながり価値を感じていますが、重要なポイントは、すべての企業で同じことが再現できるかという点です。

本記事は、2025年末時点で見えているLLMO市場の状況を前提に、黎明期→流行期→幻滅期→回復期→安定期という「山と谷」の流れに沿って、LLMOで起きやすい現象を整理します。

さらに、「引用される」と「推奨される」を分けて捉え、成果のものさし（KPI）の設計、一次情報と運用の優先順位まで具体化します。

Googleトレンドで見ると、2025年の日本「LLMO」と米国「GEO」は伸び方と落ち着き方が違う

ここで扱うのは、添付のGoogleトレンド（2025年の過去12か月）の形です。日本は夏に大きく伸びた後も中位で推移し、米国は秋のピーク後に低下が続く形が目立ちます。

2025年の日本では「LLMO」が春以降に立ち上がり、夏にピーク後も中位で推移している

2025年の日本のグラフは、低位の期間が続いた後に上向きへ転じ、夏ごろに最大の山を作っています。山を付けた後はいったん下がりますが、秋以降も低位へ戻り切りません。上下はあるものの、中位で推移しています。

こういう局面では、会話が二極化しやすくなります。「テンプレを入れれば勝てる」という短絡が出る一方で、「測れる形にしないと危ない」という警戒も強まります。ここで差がつくのは、施策の上手い下手ではありません。成果を何で判断するかを、先に決められるかどうかです。

2025年の米国では「GEO」が夏〜秋に山を作った後、年末にかけて低下している

2025年の米国のグラフは、春以降に徐々に伸び、夏から秋にかけて急伸して大きなピークを作っています。その後は段階的に低下し、年末に向けて低位へ近づきます。山が高く、その後の減速もはっきりしています。

この形は、「言葉としての盛り上がり」と「実務として残るもの」が分かれやすい状況を示唆します。2025年の前半〜夏にかけて成功談が増え、秋以降は「再現できるのか」「どこまでが成果なのか」といった現実の問いが前に出やすくなります。

※米国側はGoogleトレンド上で「generative engine optimization」を検索語として確認した想定です（類似語が多く、語の選び方で見え方が変わります）。【出典要確認】

LLMOは「引用される」と「推奨される」を分けて考えると、投資判断がぶれにくい

2025年にLLMOが一気に広がった結果、生成AI回答内の出来事が一括りに語られやすくなりました。ここで整理したいのは二つです。自社コンテンツが引用されること。自社ブランドが推奨されることです。関連はありますが、同じものではありません。

生成AIに「引用される」は、根拠として参照される状態を作る取り組み

引用は、生成AIが根拠として参照する動きです。効きやすいのは言い切りの強さではなく、確認できる情報の粒度です。定義、手順、比較、条件、例外、更新日、根拠の所在が揃っているページは、生成AI回答でも引用の起点になりやすくなります。

一方で、一般論だけを並べたページは、引用されても競争力になりにくいです。誰でも書ける内容は、誰でも引用されます。

引用の価値は「どのテーマで」「どんな文脈で」「何の根拠として」参照されたかで決まります。

だから、引用を増やす取り組みは、ただ「記事を増やすだけの話」ではありません。「一次情報を増やし、参照される形に整える話」です。ここは2025年時点でもSEOの延長として着手しやすい領域です。

生成AIに「ブランドが推奨される」は、比較検討で選ばれる理由が伝わる状態を作る取り組み

AI検索におけるブランド推奨は、「おすすめの◯◯教えて」という会話型検索の文脈で、生成AIが候補の中からロジックをもって「これがよい」と並べたり、選んだりする動きです。

図：ChatGPTにおけるブランド推奨表示例（検索プロンプト：おすすめの東京の開発会社教えて）

ページ単体の正しさだけでは足りません。ブランドがどの領域で強いと認識されているか。社外でどう語られているか、どれくらい語られているか。こうした総合的な信頼が効いてきます。

2025年に増えた誤解は、「引用が増えれば推奨も増えるはずだ」という発想です。

引用は「根拠としての参照」であり、推奨は「選ばれやすさの形成」です。引用は材料になっても、引用だけで推奨が成立するとは限りません。

推奨を狙うなら、強みの表現を揃え、比較検討の場面で選ばれる理由を揃える必要があります。ここはSEOだけで完結しづらく、プロダクト、CS、営業、採用などの積み上げも影響します。

ブランド推奨を取りにいくなら、広報・PRは最初から設計に入れたほうがいい

推奨は外部評価と切り離せません。第三者からの言及、レビュー、事例、受賞、登壇、寄稿などが増えるほど、社外での“語られ方”が太くなります。すると、生成AIにおける推奨の候補として扱われやすくなる可能性があります。

関連記事：生成AIは比較記事の上位ブランドを推奨しやすい【MIT・ハーバード大学研究から学ぶLLMOブランド推奨】

ただし、ここはブラックボックス性が高い領域です。

「PRをやれば推奨される」とは断定できません。言えるのは、2025年の時点でも、推奨を狙うならPRを避けて通りにくい、という構造です。ブランド推奨の議論をSEOの中だけで閉じると、途中で伸びが止まりやすくなります。

論点：「引用」は本当に価値があるのか？

引用は見栄えがする一方で、投資判断の材料としては扱いづらい面があります。2025年にLLMOが広がった今こそ、「引用の価値は何で測るのか」を決める必要があります。

引用リンクのクリックを前提にすると、2025年の投資判断は弱くなる

例えばGoogleのAI概要の引用リンクのクリック率は1%程度という調査があります。これは「特定の引用リンク1本あたりのCTR」ではなく、要約内にあるリンクのどれかがクリックされたかという意味合いです。

1本あたりのリンクに割り戻すとリンククリックとして選ばれるのは1%の中でさらに分散してしまいます。

さらに、LLMの種類や表示形式によっては、引用リンクがそもそも出ない場合もあります。

図：ChatGPTの引用リンクが出ない例

この前提に立つと、AI回答での引用を「流入を増やす施策」として設計するのは弱くなります。クリックが小さいと、流入としての価値は測りにくくなります。

引用リンクが表示されたインプレッションに価値がある、という説明もできますが、それだけで投資判断をするには材料として心許ない、というのが現実です。

引用を追うなら、目的を切り替えたほうがよいです。引用は「重要テーマで正しく参照される」「誤解のない根拠として置かれる」状態を作るための指標として扱います。こう扱うと、クリックが小さくても意味が残ります。

引用の価値は「重要テーマで正しく扱われること」に寄せたほうが、判断しやすい

引用が効きやすいのは、信頼の獲得に寄る場面です。

制度・料金・条件・リスク・手順など、誤解が致命傷になりやすいテーマでは、正しく引用されるだけで価値があります。逆に、一般論の引用は価値が薄くなりやすいです。

ここで効くのは一次情報の作り込みです。定義、条件、例外、根拠、更新日が揃っていれば、誤要約の確率を下げられます。

引用の価値を「クリック」ではなく「正しさ」と「重要テーマのカバー」で測ると、2025年、そして2026年以降の投資判断がぶれにくくなります。

2025年時点の結論：AI流入の計測は「ほどほど」でいい

AI由来の流入がどれくらいあるかを知りたい、という発想は自然です。ただ、精密に追いすぎると、測定のコストに負けることがあります。

生成AI流入が少ないなら、計測を頑張っても意思決定が変わりにくい

当社メディアリーチが2025年に複数のクライアントで確認した範囲では、AI由来の流入割合がサイト全体の1%程度に留まるケースが多い事実があります。

この水準だと、AI流入を細かく切り出しても、意思決定が変わるほどの情報になりにくいことがあります。知りたい気持ちは分かりますが、「測って満足する」状態になりやすい点には注意が必要です。

「AIの流入って少ないですよね」という結論になり、それで議論は終わり、結局AI検索対策はした方がいいのか？AI流入が低いため、AIからの流入を伸ばそう。そんな方向に議論が行っているなら、それは誤りです。

以下は当社のクライアント様（BtoB事業）から数値だけの公開であれば問題ないと許可を得たデータです。特定の分野で強みがあり、GoogleやBingでの上位表示キーワード数も多い企業様ですが、自然検索の1%程度しかAI流入が確認できません。（2025年11月16日〜12月15日）

図：生成AI流入割合の事例（メディアリーチのクライアント様）

2025年は「流入の数字」より「扱われ方」を定点で確認したほうが実務になる

流入が小さい局面でも、LLMOの価値がゼロになるわけではありません。価値が残りやすいのは、重要テーマでの正しい言及と、比較検討での推奨です。

だから、確認の中心は「生成AIから何セッション来たか」ではなく、「重要テーマでどう扱われたか」に置きます。引用なら、正確性と根拠の置かれ方です。

推奨なら、比較での位置づけと理由の語られ方です。ここを見て、一次情報と外部文脈を補強します。これなら、過剰な計測投資を避けつつ、改善に直結します。

どうしてもAI検索の流入を測りたいなら、月次で規模感を押さえるところから始める

完全な計測基盤を先に作るより、まずは月次で規模感を押さえるほうが現実的です。AI経由の流入が増減しているか。重要テーマでの扱われ方が改善したか。

指名検索や問い合わせに変化があったか。ここまで見えれば、投資判断の材料としては十分なことが多いです。

LLMO市場をハイプサイクルに当てはめると、現在地と今後が見えてくる

各段階で、力を入れるべき仕事は変わります。段階が進むほど、「引用されるための整備」よりも、「推奨されるための設計」の比重が大きくなりやすいと考えています。

ハイプ・サイクルとは、米国ガートナー社が提唱した、新しい技術やサービスが社会に普及する過程で経験する「期待度」と「時間」の推移を示すモデルです。

LLMO市場のハイプサイクルを作ってみましたので、一緒に見ていきましょう（あくまで仮説レベルになりますので、作品として頂ければと思います。）

黎明期（技術の引き金）：新しい露出面が登場し、関心が高まる

AI回答の表示が広がり、「引用された」「言及された」という経験が増えます。この段階で施策を広げすぎると、後で検証ができません。重要テーマと代表クエリを絞り、引用の起点になる一次情報を揃えるほうが安全です。推奨は、土台づくりに留めたほうが投資判断が崩れません。

流行期（過剰期待の頂）：非現実的な期待が生じやすい

「テンプレで引用される」「出れば勝ち」が増えます。

ただし、引用はクリックが小さい前提があり、推奨はPRや評判とも絡みます。ここを混ぜると成功定義が広がりすぎます。だからこそ、引用と推奨を分け、指標も分け、見る範囲も絞ります。

幻滅期（幻滅のくぼ地）：期待に応えられず関心が失われ、話題が減る（2025年後半？）

表示や挙動の変更で勝ち筋が崩れやすくなります。

ここで残るのは、説明できる取り組みです。引用は「どの一次情報を補強したか」を語れるか。推奨は「選ばれる理由をどう社外に積み上げたか」を語れるか。これが語れない企業は、修正の方向が定まりません。

回復期（啓蒙の坂）：利点と適用方法が理解され、運用が回り始める（2026年以降？）

引用は運用で改善できます。

一次情報を補強し、誤りを減らし、更新し、モニタリグしていきます。推奨は短期で動きにくいことがあるため、PRや事例づくりを先行投資として扱い、評価期間を分ける必要があります。

安定期（生産性の台地）：広く受け入れられ、サービスやLLMOの取り組みが安定成長する

引用の改善はSEO運用に吸収されます。推奨の獲得はブランド運用とPR運用に吸収されます。差がつくのは、更新が止まらない体制と、社外での語られ方を作り続ける体制です。

最優先は「成果指標を2種類に分けること」──「最終成果」と「途中の手がかり」を混ぜない

LLMOで迷走しやすい原因は、売上や商談と、引用や推奨を同じ箱に入れてしまう点にあります。まずは指標を次の2種類に分けます。

• 最終的に増やしたい成果（事業KPI）：売上、商談、採用、問い合わせ、指名検索など

• 効いているかを早めに確かめる手がかり（検証指標）：引用のされ方、推奨のされ方

この2つを分けておくと、「手がかりが増えた＝成功」と短絡しなくなります。説明が崩れません。

最初に決めるべきは、最終的に増やしたい成果（事業KPI）

売上、商談、採用、問い合わせ、指名検索などの事業成果を先に決めます。ここが決まらないままLLMOを始めると、引用や言及が増えただけで「うまくいっている」と誤認しやすくなります。
事業成果を先に決めると、取りにいくテーマが変わります。一般論を増やすよりも、比較検討、導入手順、費用の考え方、失敗の回避策といった意思決定に効く一次情報が優先されます。

検証指標は「引用」と「推奨」に分けて見る

• 引用：クリックではなく「重要テーマで正しく参照されているか」を確認する
  重要テーマごとに「起点ページがあるか」「内容が最新か」「条件と例外が明確か」「誤解を招く表現が残っていないか」を定点で確認します。ここは運用で改善できます。

• 推奨：表示の有無より「選ばれる理由が語られているか」を確認する
  AI回答で「なぜそのブランドがよいのか」が弱い場合、一次情報だけでなく、事例、レビュー、第三者評価、PRによる社外での語られ方が不足している可能性があります。推奨は短期で動きにくいことがあるため、評価期間は慎重に設計する必要があります。

2025年にLLMOは、やるべきか？──引用の「見栄え」に寄せず、推奨はPR込みで設計できるかで決まる

2025年末時点で言えるのは、LLMOをやるべきかどうかは「流行」ではなく「運用可能性」で決まる、ということです。

引用を狙うなら、一次情報と情報設計と更新体制が中心になります。ただし、引用を流入と同一視すると投資判断が崩れます。クリックが小さい前提でも価値が残るのは、重要テーマで正しく参照される状態です。

ブランド推奨を狙うなら、選ばれる理由の言語化と、社外での語られ方を作る広報・PRが避けて通りにくくなります。事業成果と途中の手がかりを分け、引用と推奨を分け、見る範囲を絞る。ここまで設計できるなら、LLMOは小さく試す価値があります。

逆に、その設計ができないなら、波に乗る前に一次情報と更新体制を整えるほうが、結果として近道になるでしょう。

当社メディアリーチでは、LLMOの本質をご説明した上で、各企業様に合うLLMO支援を行いたいと考えています。ぜひLLMOをやるべきか？と迷っている企業様は当社へお問い合わせください。今やるべきでない場合は、しっかりその旨、お伝えいたします。

LLMO対策を内製化するのか外注すべきなのか

結論から言うと、LLMO対策は「全部を内製」か「全部を外注」の二択にすると失敗しやすく、基本は「内製で中核を握り、外注で加速する」が一番ぶれにくいです。

理由は、LLMOの成果が「引用」と「推奨」で性質が違い、社内でしか持てない一次情報・意思決定と、社外の知見・制作体制・PR実行力の両方が絡むからです。

生成AIの要約回答が検索体験に組み込まれ、回答内で「参照（引用）」や「候補としての推奨」が起きうる、という現象自体は広く観測されています。

一方で、どの要因がどれだけ効いたかはブラックボックス性が高く、再現性の議論は設計（目的・KPI・運用体制）次第でブレます。

内製／外注を決めるときは、まず「あなたの会社が増やしたい最終成果（商談、問い合わせ、採用、指名検索など）」を置き、その次に「途中の手がかり」を「引用」と「推奨」に分けて、どちらを主戦場にするかで判断すると整理しやすいです。

ただそもそもLLMO・AI検索対策について全くわからないという場合は、LLMO支援会社に問い合わせて基本的な情報を教えてもらうのも選択肢の一つです。

当社でもLLMOコンサルティングサービスに関する情報提供を行っておりますので、ご興味ある企業様はぜひお気軽にお問い合わせください。

株式会社メディアリーチのLLMOコンサルティングサービスはこちら

内製が向くのは、一次情報の作り込みと更新が勝ち筋になるケースです。たとえば、料金・条件・手順・比較・導入プロセス・よくある失敗など、社内の実態がないと書けない情報を、定義や例外まで含めて整備し続ける。

これは外注だけだと、素材不足や承認遅延で鈍りやすく、結果的に「形だけのLLMO」になりがちです。さらに、重要テーマの優先順位づけ、表現の統一、法務・品質チェック、更新の意思決定は社内に寄せた方が速度が出ます。つまり「強みが社内にあり、更新頻度も担保でき、意思決定が早い」なら内製が強いです。