SEOの次へ進むAI検索最適化、企業の推薦される情報設計をどう変えるかを考えます。
ニュースの概要
株式会社Loverは8月31日から、ChatGPTやPerplexity、Geminiなどの生成AIが企業やサービスを回答に取り上げる状況を整える、AI検索最適化の試験的な実証実験を始めました。従来のSEOは検索結果の順位を高めることが中心でしたが、生成AIの回答では、複数の情報源を横断して内容を要約し、場合によっては特定の企業を推薦します。今回の取り組みは、企業が自社サイトを検索エンジン向けに整えるだけでなく、AIが理解しやすく、根拠を確認しやすい情報をどう公開するかが競争力になる流れを示しています。
引用元: 株式会社Lover、次世代AI検索最適化（LLMO / AIO）の試験的実証実験を開始（excite.co.jp）
分析・見解
検索順位から、回答に採用される確率へ評価軸が移る
従来のSEOでは、検索結果の上位に表示されることが重要でした。生成AIを使う検索では、利用者の質問に対して、AIが複数のページから答えを組み立てます。そのため、1位を取ることと、回答文の中で社名やサービス名を取り上げられることは同じではありません。検索順位が高くても、説明が曖昧だったり、情報が古かったりすれば、回答の材料から外れる可能性があります。
LLMOは大規模言語モデル向けの情報調整、AIOはAI検索全体への対応を指す言葉です。ただし、どちらも特別な裏技ではありません。企業名、提供地域、価格、対象顧客、実績、問い合わせ先などを、機械にも人にも読み取りやすい形でそろえる作業が中心になります。
AIが参照しやすい情報は、第三者が検証しやすい情報でもある
AIは文章の印象だけでなく、複数の情報が矛盾していないかを手がかりにします。公式サイトでは「全国対応」と書かれているのに、店舗ページでは一部地域のみとなっていれば、回答の確信度を下げる要因になります。会社概要、商品ページ、導入事例、外部媒体の紹介文で、名称や数字の表記を統一することが重要です。
ここで見落としやすいのは、AI向けの整備が人間向けの信頼づくりと重なる点です。導入日、料金の条件、返品規定、実績の対象期間などを明記すれば、AIだけでなく購買担当者も判断しやすくなります。AI検索最適化は、検索用の飾り付けというより、企業情報の棚卸しに近い活動です。
生成AIの推薦は、検索順位より測定が難しい
通常の検索順位は、指定した語句で定期的に確認できます。一方、生成AIの回答は質問の表現、利用者の地域、参照機能の有無、モデルの更新時期によって変わります。同じサービスを尋ねても、回答に登場する企業や引用元が毎回一致するとは限りません。
したがって、成果を「AIに何回出たか」だけで判断するのは危険です。質問文を複数の顧客課題に分け、社名の登場、説明の正確さ、競合との比較、引用元の有無を記録する必要があります。さらに、AI経由の流入、問い合わせ内容、商談化率を通常の検索流入と分けて見ると、露出が売上に結び付いたかを確認できます。
実証実験の価値は、対策手法より評価方法を作る点にある
AI検索最適化はまだ呼び方や測定方法が統一されていません。だからこそ、今回のような試験では、どの情報を直し、どの質問で、どの期間に、回答がどう変わったかを残すことが重要です。単にAIへ自社を推薦させるのではなく、誤った説明が減ったか、比較検討で必要な条件が伝わったかまで確認すべきです。
今後は、公式情報だけでなく、業界団体、報道、顧客レビューなど外部情報との整合性が一段と重くなります。企業に必要なのは、短期的な表示回数を追うことではありません。誰が見ても確かめられる一次情報を継続的に公開し、誤りがあれば素早く修正する体制です。AI検索の時代には、広報、営業、法務、顧客対応が別々に情報を発信する状態そのものがリスクになります。
ビジネスへの影響
経営判断では、AI検索を新しい集客経路として分けて測る
企業はまず、自社の顧客がどのような質問をAIに投げるのかを洗い出すべきです。「おすすめの業者」だけでなく、「予算内で比較したい」「導入後の保守が不安」「地域で対応できるか」といった検討段階ごとの質問を並べます。その上で、主要な生成AIに同じ条件で質問し、社名の有無だけでなく、価格や実績が正しく説明されているかを月単位で記録します。
流入計測では、AI経由の訪問だけを特別扱いするのでは足りません。問い合わせフォームに知ったきっかけを尋ねる項目を設け、営業担当にも初回接点を記録してもらいます。検索から直接来なくても、AIの回答で名前を知った後に指名検索する利用者がいるためです。
最初に整えるべきは、会社情報とサービス条件の食い違い
着手しやすいのは、会社概要、所在地、営業時間、対応地域、料金、契約条件、導入事例の整合性確認です。ページごとに異なる表記がないかを一覧化し、更新責任者と更新日を決めます。特に「最安」「業界最多」といった根拠が曖昧な表現は、AIに誤って拡大解釈されるだけでなく、広告や表示に関する問題にもつながります。
次に、専門用語を使わない要約文を各サービスに用意します。誰向けの商品か、何を解決し、どの条件で使えないのかを明確にすると、利用者とAIの双方が比較しやすくなります。高価なツールを導入する前に、情報の正確さを整えることが優先です。
推薦を操作する発想ではなく、誤認を減らす運用へ
生成AIの回答を意図的に誘導しようとする大量の文章生成や、根拠のない第三者記事の作成は、短期的に見えても信頼を損ねます。モデルの更新や参照元の変化で効果が消えるうえ、誤情報が残れば問い合わせ対応の負担が増えます。
担当部署はマーケティングだけに限定せず、広報、商品部門、法務、営業を含めた小さな管理体制にするのが現実的です。月次で回答例を確認し、誤り、古い条件、競合との混同を修正する。こうした地道な運用こそ、AI検索で選ばれる企業を長く支えます。