GEO、LLMO、AEO 対策はすべて SEO で解決！

しかし今のところ、特に SEO と違った対策が存在するわけではないようです。

SEO と GEO（生成エンジン最適化）のほとんどは重複した内容で、別々の手法として考えないほうが良さそうです。

つまり、検索エンジンでの可視性向上に役立つ対策は、LLM での可視性向上にも有効なのです。GEO とは SEO から派生した領域であり、特別な取り組みは必要としません。ですから、LLM の回答での存在感を強めたい場合もまず SEO の専門家に相談してみましょう。

まず、これについて少し詳しく説明していきます。筆者の基礎レベルの理解では、LLM で可視性を高めるには主に 3 つの方法があります。

大規模言語モデルは、膨大なテキストデータを使ってトレーニングされます。データ内で会社名やブランドの出現頻度が高いほど、また製品・サービスと特定のトピックとの関連性が高いと認識されるほど、それらのトピックに関連する回答の中でブランドが取り上げられる可能性も高くなります。

LLM の過去のトレーニングに使われたデータを変えることはできませんが、自社がターゲットとするコアトピックに関連したコンテンツを作成して自社とサードパーティ両方のウェブサイト上に公開することで、今後のトレーニングに使われるデータに含まれる確率を上げることは可能です。

関連トピックを扱った構成の優れたコンテンツ制作や、他社にコンテンツ内で自社ページを参照・引用してもらう手法は SEO の基本要素の 1 つです。つまり、LLMO も GEO も AEO も、結局のところ SEO と何ら違いはないのです。

① LLM による回答生成時、外部情報の検索を組み合わせることで回答精度を向上させる技術のこと。

② LLM のハルシネーションを抑制するため、指定した情報源だけに基づいて LLM に回答を生成させること 。

LLM は回答を最新の正確な内容に保つために、外部データソースの引用を増やしています。Bing や Google といった企業の従来型検索エンジンを利用したウェブ検索をもとに回答を生成しているようです。

つまり、これらのデータソースにおける存在感が高まれば、LLM の回答での可視性も向上する可能性が高いと言えます。従来型の検索エンジンでの可視性向上戦略といえば、そう、SEO のことです。

LLM は人間によって操作されやすく、モデルを騙して本来ならしないような回答をさせることも可能です。ただし、目先の利益のためにこういった悪質なハックを試すと、おそらく後で痛い目に遭うでしょう。

こういった悪用はブラックハット SEO（不正手段によって検索順位を上げようとする行為）の一種と言っても過言ではありません。

以上 3 つのポイントをまとめると、LLM での可視性向上のカギとなる対策は、自社あるいは他社ウェブサイトで、ブランドとの結びつきを強めたいトピックに関するコンテンツを発信することです。

これって、SEO と同じですよね？

もちろん、今後もずっとそうだとは限りません。大規模言語モデルは常に進化しており、時間の経過とともに検索最適化と LLM 最適化がそれぞれ違った性質のものへと発展していく可能性もあります。

ただ、筆者はそれとは逆のことが起こると考えています。検索エンジンが検索結果に表示する AI 生成回答の割合を増やす一方で、LLM は回答のソースとして従来型の検索エンジンの情報引用を続けるならば、両者の差は縮まっていき、SEO と GEO の違いは今よりも小さくなるか、あるいは消失する可能性が高そうです。

LLM と検索エンジンの両方にとって「コンテンツ」が主要な媒体であり続ける限り、この 2 つのプラットフォームの検索結果で上位ポジションをキープするために核となる手法もおそらく変わらないでしょう。最近ある人が筆者の LinkedIn 投稿に残してくれたコメントも、同じことを指摘していました。

筆者が上記の意見を LinkedIn の投稿で共有したところ、実に大きな反響がありました。

ほとんどの人が筆者に賛同していましたが、LLM と検索エンジンの間には認識しておくべき微妙な違いがあるとコメントした人もいました。個人的には GEO という新分野を作るほどの大きな違いではないと捉えていますが、ここでご紹介しておきます。

これがおそらく、GEO と SEO の間の最も大きな、かつ明らかな違いでしょう。自社サイトへのリンクの含まれない言及（他のウェブサイトで自社ブランドについて書かれた箇所）は SEO 的にはほとんど意味がありませんが、GEO の場合は大きな効果があります。

Google などの検索エンジンは、特定のトピックにおけるブランドの「権威」の判断基準をいくつも設けており、その最重要項目の 1 つが「ウェブサイトの被リンク獲得数」です。関連ウェブサイトからリンクを獲得すると、それがサイトの権威（つまりページランク：Google がウェブページの重要度を決定するため使用するアルゴリズム）に対する「支持の一票」として機能する可能性があるというものです。

LLM の場合、運用方式は異なります。LLM は、ページ上で使われている単語、特定の単語の出現頻度、さまざまな用語やトピックがセットで使われているケース、およびそれらの表現が使用される文脈などから、ブランドの権威を評価します。リンクの掲載されていない他社コンテンツは SEO には役に立ちませんが、LLM に対しては自社のブランド理解を深めてもらう効果があります。

SEO 専門家のジャンルーカ・フィオレッリさんが、これについて非常に参考になる記事を書いています。

既に多くの企業が他社ページによる自社ブランドへの言及（オフページ SEO）を重視していますが、「言及には自社サイトへのリンク（それも Dofollow リンク）が含まれている必要がある」という条件付きです。今後、企業は「良質な」言及の条件を緩め、SEO の観点から検索順位アップのメリットはほとんどないものの、AI ツールなどのプラットフォーム上で獲得する「リンクの含まれない言及」を重視するようになると予想できます。

SEO コンサルタントのイーライ・シュワルツさんもこう述べています。

では逆に、関連性の低いページからの被リンクはどうでしょうか？最近、多くの企業が目先のトラフィック獲得のために自社ブランドとの関連がほとんどないウェブサイトからの被リンク獲得に奔走し、自社の事業とは無関係なコンテンツの公開に注力しています（いわゆる「サイトの評判の不正使用」）。

こうした施策は SEO 効果が高く、多くの人が依然として有効な手法だと考えていますが、LLM の可視性向上にとっては逆効果です。リンク元記事に自社に関連する内容が含まれなければ、LLM にブランドに対する理解を深めてもらうことができず、AI ツールの回答に表示される確率を高めることにもつながりません。

コンテンツの種類によっては、SEO への影響は比較的小さいものの、LLM の可視性には大きな効果を発揮するものがあります。

LLM からトラフィックが流入する確率が最も高いページの種類を調査するため、ページの種類ごとに LLM とそれ以外のソースから獲得したページビューを比較しました。

その結果、2 つの事実が明らかになりました。LLM は、ウェブサイトのメインページと資料（文書ファイル）を好んで回答に表示し、商品の一覧ページは避ける傾向にあるようです。

検索エンジンと違って、LLM は回答内でよく「引用」をします。検索エンジンでは通常、情報とそのソースが一箇所に並んで表示されますが、LLM の場合はそうではないため、回答内容の信憑性を証明する必要性が生じてきます。

調査結果データを見ると、引用の大部分は「サイトのメインページ」、つまりホームページ、料金記載ページ、または会社概要ページからされているようです。これらはウェブサイトの主要構成要素ではありますが、検索結果での可視性向上に必ずしも大きく貢献するページではありません。ところが LLM には、こういったページがより重要だと見なされているようです。

逆に、ユーザーのサイト利用改善と検索結果での可視性向上を主な目的として作成されたリスト一覧ページ（多数の商品をカテゴリー別に掲載したページ）は、LLM からの流入ははるかに少ないことが判明しました。こうしたページは頻繁に引用されないとしても、さまざまな商品の存在を示すため、LLM のブランド理解を深めるのに役立つ可能性はあると言えます。しかし、これらのページは通常、含まれる情報が限られているため、LLM での可視性向上への効果はあまりないかもしれません。

最後に、ウェブサイト上に存在する各種文書ファイルも LLM には重要視されているようです。多くのウェブサイトで PDF 形式などのドキュメントはたいてい脇役扱いですが、LLM には他のコンテンツと同様に重要な情報源と見なされ、回答内で頻繁に引用されています。

今後は、PDF などのサイトの片隅で忘れ去られているファイルが、サイト上の他のページと同様に LLM 可視性の改善に役立つものだという認識が企業間で広まり、より重要視される流れになると予想されます。

LLM がウェブサイト上の文書ファイルにアクセスできるという事実は、ある興味深い点の提起につながりました。アンドレイ・カーパシーさんが指摘するように、LLM 向けに構成された文書を作成し、一般の人がアクセスしにくいようにするほうが、サイトにとって有益かもしれないというものです。

これは、「ロボットではなく人間のためのためのコンテンツを制作すべき」という SEO のモットーの逆を行く発想です。つまり、情報を AI に読み取りやすい形式で公開し、それを LLM にユーザーがアクセスしやすい形式に変換してもらうほうがメリットがあると言っているのです。

先述の your_project.md というファイル形式のように、LLM に情報を正しく理解してもらうのに適した文書構造が存在します。

たとえば、クラウドベースデータプラットフォームを提供する米国の企業 Snowflake は「グローバルドキュメントコンテキスト」という概念を紹介しています。（この記事を共有してくれた HubSpot のビクター・パンさんに感謝します。）

LLM はテキストを「チャンク（ひとまとまり）」に分割することで機能します。テキスト全体にドキュメントに関する追加情報（たとえば財務文書の場合、会社名や提出日など）を含めることで、LLM がばらばらになった各チャンクを理解して正しく解釈しやすくなり、「回答の精度が約 50% ～ 60% 程度から 72% ～ 75% まで向上する」とのことです。

LLM は、これまで SEO の対象外とされてきたような新しい情報源もトレーニングに取り入れています。アダム・ヌーナンさんが X で筆者に教えてくれたように、「ソフトウェア開発プラットフォーム GitHub に公開される新コンテンツはトレーニングデータに取り入れられることは間違いない一方で、SEO にはなんの影響ももたらしていません」。

LLM の最も人気の活用法はコーディングのため、Web デベロッパーが LLM ユーザー全体のかなりの部分を占めているはずです。

特に Web デベロッパー向けに製品やサービスを提供している企業では、彼らが最も利用する可能性の高い、ナレッジベース、公開リポジトリ、コードサンプルなどのコンテンツにブランドや製品に関する追加情報を含めることで、自社サイトを「LLM 最適化」するのが効果的かもしれません。

最後に、エリー・ベレビーさんによれば、以下の事実も判明しています。

これは参考までに覚えておく程度でいいでしょう。この状況が長く続くとは思えないからです。この問題は非 AI ウェブクローラーを使うことで解決されており、近いうちに AI ウェブクローラーにもレンダリングに対応することが可能になるでしょう。

しかし現時点では、ウェブサイトが JavaScript レンダリングに大きく依存している場合、コンテンツの大部分が LLM に表示されない可能性があります。

GEO の主な施策である、インデックスとクロールの管理、機械が判読しやすい形式でのコンテンツの構造化、他サイトからの言及の獲得。これらはすべて SEO の典型的な戦略のように思えます。

いくつか対策方法に違いはあるものの、SEO と GEO のどちらにしか取り組んでいない場合でも、それによって検索結果と LLM の回答でのパフォーマンスに劇的な差は生まれていないようです。つまり一般的に、どちらかで存在感を高めているブランドは、もう一方でも可視性が向上しています。

たとえ GEO が最終的に独自の発展をとげ、新しい戦術が必要になるとしても、SEO 担当者、つまりロボット（AI）と人間のユーザー両方のニーズに応えるべく経験とスキルを積み重ねてきた人たちこそが、その施策担当に最適な人材なのです。

ですから、今のところは GEO、LLMO、AEO…これらはすべて SEO と同じものだと言えるのです。