AI時代のSEOの進め方｜LLMO対策と業務のAI化

AI時代のSEOで何が変わったか

検索結果に「答え」が直接出るようになった

ユーザーはChatGPTやClaudeに直接質問して答えを得るようになり、そもそもGoogleを開かない場面が増えてきました。Googleで検索した場合でも、結果ページ上部の「AI Overviews」を読めば大枠が把握できるため、個々のページを開く比率は下がっています。クリックされずに検索が完結する「ゼロクリック」が広がっているうえに、そもそも検索を経由しない流れも進行中、という状態です。

総量だけ見れば流入の逆風です。一方で、生成AIの回答に自社が引用されれば、クリックされなくてもブランドや情報源として認知される機会が生まれます。流入の「量」だけでなく「どこで名前が出るか」という観点が加わったと言えるでしょう。

ここで鍵になるのが、生成AIが回答を作るときに自社の情報を引用してもらう「AI検索に最適化する」設計です。いわゆるLLMO（Large Language Model Optimization）／AIO（AI Optimization）と呼ばれる領域で、検索順位だけでは見えなかった「AIの回答内で名前が出るか」を意識的に作りにいく取り組みになります。

SEO業務がAIで加速できるようになった

また一方で、SEOの業務そのものを生成AIで加速できる時代になりました。キーワードの洗い出し、検索意図の整理、構成案づくり、本文ドラフトの作成、既存記事のリライト、効果測定まで、これまで時間を取られていた工程を生成AIに任せられます。

ねらいは単純な時短ではなく、「何を、誰に、なぜ伝えるか」という人間が考えるべき部分に時間を集中させる、分担の組み替えです。この前提が抜けてしまうと、効率よく薄い記事を量産する方向に傾きやすくなります。

従来のSEOは土台として残る

ただし、従来のSEOは不要になりません。むしろ、AI時代のSEOを支える土台になります。

AI Overviewsが参照する情報の多くは、検索結果で一定の評価を得ているページから選ばれています。検索エンジンに正しく理解され、信頼される設計ができていなければ、生成AIの回答に引用される確率も上がりません。

AI時代のSEOは従来のSEOを置き換えるものではなく、その上に積み増す層だと捉えるのが実態に近いといえます。

AI検索で引用される設計

引用される書き方の傾向

明確な公式アルゴリズムが公開されているわけではありませんが、観察できる傾向はあります。質問に対して結論が冒頭に明快に書かれていること、見出しと本文の対応が整理されていること、出典や根拠が示されていることです。

これらは従来のSEOで評価されてきた「読み手にとってわかりやすい構造」とほぼ重なります。奇をてらった文章テクニックよりも、質問に正面から答える素直な構成のほうが引用されやすいと考えられます。

具体的には、見出しに問いを置いてその直下で簡潔に答える、リード文に結論サマリを置く、本文中で参照したデータには出典URLや日付を添える、といった書き方が有効とされています。AIが「この見出しに対するこの答え」「この根拠に基づくこの主張」という対応を読み取れる構造にしておくことが、引用判断を取りに行く打ち手の一つになります。

構造化データで引用確率を上げる

質問と回答が明確に対応した構造は、生成AIにとって参照しやすいものになります。よくある質問に答えるFAQ形式や、手順を順序立てて示すHowTo形式は、AIが内容を理解する助けになります。HTMLにJSON-LDでFAQ schemaやArticle schemaを埋め込んでおくと、検索エンジンと生成AIの両方が記事の意味を機械的に読み取りやすくなります。

見出しで問いを立て、その直下で簡潔に答える。マークアップ上の構造化データと、本文構造そのものの両方を整えることが、引用確率を上げる素地になります。

一方で、効果が実証されていない施策に過剰投資するのは避けたいところです。まだ広く検証されていない仕組みに大きな工数を割いたり、クロールの制御を安易にいじってかえって評価機会を減らしたりするより、わかりやすい構造化と従来のSEOを着実に積むほうが結果につながりやすいといえます。

E-E-A-Tと著者性で引用判断を取りに行く

経験・専門性・権威性・信頼性を指すE-E-A-Tは、SEOの世界で以前から重視されてきた評価軸で、AI時代に突然立ち上がったものではありません。変わったのは、E-E-A-Tが検索順位だけでなくAIの引用判断にも材料として扱われるようになったことです。生成AIは回答の信頼性を担保するために情報源の確からしさを参照しており、E-E-A-Tが整っている記事ほど引用対象に入りやすくなっています。

引用判断を取りに行くなら、著者プロフィールを記事ごとに明示する、実体験や一次情報を本文に組み込む、出典や参照元を本文中で示す、といった基本動作が大切になります。AIが「誰が、何にもとづいて書いているか」を読み取れる状態にするのが目標です。

ここを仕込んでおくと、生成AIの参照対象に入りやすくなり、結果としてAI OverviewsやChatGPTなどでの引用機会が広がっていきます。

AI時代のSEOの進め方

前提となる考え方

進め方を考えるとき、AIへのインプットを「データ・プロセス・プロンプト」の3つに分解して捉えると整理しやすくなります。

料理にたとえれば、データは食材、プロセスは調理工程、プロンプトは「これ作って」というオーダーにあたります。プロンプトだけを磨いても、渡す食材（データ）や段取り（プロセス）が貧しければ、出てくる料理は安定しません。AI時代のSEOを組織で回すには、この3要素を別々に設計する発想が要ります。

以下、それぞれの要素を押さえつつ、SEOの業務工程ごとの動かし方をまとめます。

データを揃える

データは、AIに渡す素材そのものです。SEO記事制作なら、検索意図のメモ、想定読者の人物像、自社が持っている一次情報（インタビュー記録、運用ログ、過去の数値）などが該当します。

特に効くのが、自社固有の一次情報です。クライアント支援で得た数値、自社運営の現場知見、顧客インタビューの肉声、社内議論で生まれた仮説など、Webや他社記事を参照しても出てこない素材こそ、自分たちにしか書けないコンテンツの源泉になります。

AIは渡された範囲で最大限を出してくれますが、一次情報を渡さなければ既存の文章から類推した組み合わせしか返ってきません。AI時代に「他社と似た記事」を量産しないためには、データとして渡せる一次情報をどれだけ手元に持ち、インプットに組み込めるかが分かれ目になります。

工程ごとに人手の入れどころを決める

プロセスは、制作の工程そのものです。キーワード選定→構成案→ドラフト→レビュー→公開という流れの中で、どこをAIに任せ、どこで人間が判断するかをあらかじめ決めておきます。実務的には、構成案の確定と、ドラフトの事実確認、公開可否の判断は人間が握るのが安全です。

特に意識したいのが、AIはもっともらしく事実と異なる内容を出力する「ハルシネーション」を起こすという前提です。数値、固有名詞、引用、参考にした論文や法令の参照箇所など、事実関係を扱う部分は必ず人間の目でファクトチェックする工程を組み込みます。AIの出力を見栄えだけで通すと、誤った情報がそのまま記事に残り、読者と検索エンジンの両方の信頼を損ねます。

たとえば構成案。検索意図と読者像を渡すと、見出しの叩き台を複数パターン出してくれます。人間がやるのは、「読者の知りたい順になっているか」「不要な見出しが紛れていないか」を見極めて確定させること。構成は記事の骨格で、ここがずれると本文をいくら磨いても刺さりません。

ドラフトも、そのまま公開せず必ず人間が手を入れます。事実関係に誤りがないか、一次情報や具体例が入っているか、読者像からずれていないか、文章に書き手の視点が宿っているか。整っているだけの文章を、読む価値のある文章に引き上げる一手間が、前提の伝えきれなかった部分を埋める作業になります。

プロンプトを再現可能にする

プロンプトは、その場の指示です。毎回ゼロから書くのではなく、再現できる形にしておくのが要点です。役割・前提・出力フォーマット・禁止事項をテンプレート化しておけば、誰が回しても一定の品質に揃いやすくなります。

逆に、思いつきの一文だけで指示すると、出力は毎回ぶれます。プロンプトを「資産」として蓄積していく姿勢が、組織で回すうえでは効いてきます。

制作と採点を分けて回す

AIで記事を作るときは、書かせる工程と、できあがりを点検する工程を分けると品質が安定します。当サイトの制作では、リライトを「機械的に直せる部分」「判断が要る部分」「根拠やリンクを補強する部分」の3段階に分け、段階ごとに役割を切り替えて処理する設計を取っています。

さらに、生成した記事を別の観点で点検する仕組みも用意しています。事実関係、メタ情報、文章の質、表現の塩梅、タイトル、独自性といった分類で機械的にチェックを入れ、基準を満たさない箇所を洗い出します。

実際にこの点検基準を整える過程では、過去に旧基準で作った記事を新しい基準で見直したところ、直近に生成した5本すべてが新しいメタ情報の基準に届いておらず、点検側だけでなく生成側の指示そのものを直す必要があるという学びが得られました。作る仕組みと点検する仕組みを分けて両輪で回すことが、AIで量産しても品質を落とさないための要になります。

効果測定をAIで仕込む

効果測定も、AIと分析基盤の組み合わせで仕込めます。クリック数や表示回数、掲載順位を横断的に見て、改修候補を抽出するところまでは仕組み化が可能です。「なぜ伸びていないのか」を読み解き、打ち手を決めるのは人間の仕事として残ります。測定の自動化と解釈の人力を切り分けるのが現実的な線です。

忘れてはいけないのが、生成AIの回答内に自社が引用されたかの計測です。検索順位は計測できても、「AIの回答に引用されたか」は意識しないと見えません。ゼロクリックが増える環境では、AIの回答内で名前が出ること自体に価値があり、計測しなければ施策の効きも判断できません。

現実的なやり方は、自社にとって重要なキーワードを一定数選び、ChatGPT、Perplexity、AI Overviewsに同じ質問を定期的に投げて、自社が引用されているかを記録していく方法です。月に一度など頻度を決めて巡回し、引用の有無と文脈を残していくと、どの記事が引用されやすいか、どんな書き方が効いているかの仮説が立てられます。

参考: LLMO対策とは？SEOとの違いから具体的な施策まで解説

AI時代のSEOでつまずきやすい落とし穴

AIで記事を書くと内容が薄くなる

AIに任せた記事が、なんとなく薄い。整ってはいるけれど核心を外している。要約させたら、捨ててはいけない部分が落ちている。生成AIを使い始めると、多くの人がこの感覚にぶつかります。

原因は、AIの性能やプロンプトの精度よりも、渡している情報そのものの不足にあることが多いです。書き手の頭の中にはある前提（誰に向けて、何のために、どんな状況で書くのか）が、AIへの指示からすっぽり抜け落ちてしまっている状態です。

加えて、AIが生成した文章をそのまま並べると、どの記事も似た筆致になり、書き手の経験や視点が見えにくくなります。E-E-A-Tが引用判断にも反映される時代に、著者性が薄まるのは順位にも引用にもマイナスに働きやすい構図です。

効率化と引き換えに、一次情報や実体験、固有の視点まで削ぎ落としてしまわないこと。ここを守れるかどうかが、AI時代のSEOの成否を左右します。

参考: AIのアウトプットがイマイチなときは、「コンテキスト漏れ」を疑う

量産が資産ではなく負債になる

AIで制作スピードが上がると、つい本数を増やしたくなります。前提の薄い記事を大量に出すと、検索エンジンにもユーザーにも価値が伝わらないページが積み上がっていきます。

似たような薄い記事が増えると、サイト全体の評価をかえって押し下げることがあります。コンテンツは資産にも負債にもなりえます。手段としての量産が目的化していないかは、折に触れて点検したいところです。

まとめ

AI時代のSEOで一層求められるのは、生成AI検索で引用されるためのLLMO対策です。検索順位だけでは見えない「AIの回答内で名前が出るか」を意識的に作りにいく取り組みで、その素地は従来のSEO設計にあります。

加えて、SEOの業務そのものを生成AIで加速できる時代になりました。データを揃え、人手の入れどころを決め、プロンプトを再現可能にし、制作と採点を分けて回す。AIで生まれた余力を量産ではなく質の向上に振り向けることが、成果につながる鍵になります。

明日からの一歩として手をつけやすいのは、自社にとって重要なキーワードを実際にChatGPTやAI Overviewsに投げてみて、いま自社が引用されているかを確認することです。引用されていなければどの記事から書き方を整えるか、引用されているならどんな構成が効いているか、次の一手の仮説が見えてきます。