公開日 2026年09月04日
「ChatGPTに自社のサービスを聞いても、うちの名前は一度も出てこない」。Web担当者の方から、こうした相談を受ける機会が増えました。検索順位は悪くありません。記事の本数もそろっています。それでもAIの回答欄には、別の会社の名前が並びます。
記事の制作現場でAIの回答を追いかけていくと、引用される記事とされない記事の境目は、想像よりずっと単純な場所にありました。文章の巧拙ではないのです。その段落だけを切り取っても意味が通るかどうか、そしてその段落にAI自身では書けない中身が入っているかどうか。この2点でほぼ決まっていると言ってよいでしょう。
取材を軸にしたSEO記事の制作を重ねてきた字遊堂の視点から、本記事ではLLMOのライティングの成り立ち、引用される文章の条件、記事へ落とし込む手順、そして書き方だけでは越えられない壁までを、順を追ってお伝えします。
この記事でわかること
- LLMOのライティングが従来のSEOライティングと分かれる地点
- AIに引用される文章に共通する4つの条件
- 記事制作へ落とし込むための5つの手順
- 形式を整えても引用されない記事に足りていないもの
- 取り組みの成果を確かめる3つの見方
LLMOのライティングは生成AIに引用されることを狙って書く技術を指す
LLMOはLarge Language Model Optimizationの頭文字で、日本語では大規模言語モデル最適化と訳されます。読み方はそのまま「エルエルエムオー」です。検索結果の順位を上げる取り組みがSEOだとすれば、LLMOはChatGPTやGemini、Perplexityといった生成AIが返す回答の中へ自社の情報を入れてもらうための取り組みだと考えると、輪郭がつかみやすくなるでしょう。
そのうえでLLMOのライティングとは、AIが記事を読み取り、切り出し、回答に組み込むところまでを想定して文章を設計する作業を指します。書いたあとに手を加える施策ではなく、書く前の設計から変わる点が特徴です。
LLMOはAIの回答に自社の情報を載せるための最適化を意味する
従来の検索では、利用者はリンクの一覧を受け取り、自分でページを開いて答えを探していました。生成AIは違います。複数の情報源を読み込んだうえで、要約された答えを一つ返すのです。利用者がクリックする先は、その答えの中で参照元として名前が挙がったページに限られます。
つまりLLMOの目的は、順位を1つ上げることではなく、AIが答えを組み立てるときの材料に選ばれることにあります。同じ「読まれるための工夫」でも、届け先が人からAIへ一段挟まった構造になっているのです。
生成AIは学習と参照の2つの経路で記事を取り込む
生成AIが記事の内容を使う経路は、大きく2つに分かれます。
- 学習の経路：モデルを訓練する段階でWeb上の文章を取り込む経路です。反映までに時間差があり、書き手の側からコントロールできる余地はほとんどありません。
- 参照の経路：利用者から質問を受けた瞬間に、AIがWebを検索して情報を集め、回答と一緒に出典を提示する経路です。
ライティングで手を入れて効くのは、後者の参照の経路です。質問を受けたAIがその場で記事を読み、必要な部分を抜き出して回答へ組み込む。この一連の動作を通りやすくすることが、LLMOのライティングの実質だと言えます。
LLMOのライティングとSEOライティングは評価される単位が違う
SEOライティングとまったく別の技能が必要になるわけではありません。ただし、何を単位として評価されるかが変わります。
| 観点 | SEOライティング | LLMOのライティング |
|---|---|---|
| 届け先 | 検索する人と検索エンジン | 回答を組み立てる生成AI |
| 評価の単位 | ページ全体 | 見出しと段落 |
| 求められる形 | 網羅性と回遊のしやすさ | 抜き出しても意味が通る自己完結 |
| 成果の見え方 | 順位と流入で数字に出る | 回答内での言及として断続的に現れる |
ここで見落とされがちなのが、この違いが優劣の話ではないという点です。参照の経路をたどるAIは、まず検索して候補を集めます。検索で見つからない記事は、AIの回答にも入りません。
SEOはページ、LLMOは段落で選ばれる
検索エンジンは、ページ全体の情報量や構造、被リンクといった要素を総合して順位を決めます。一方で生成AIは、集めたページの中から回答に使える箇所だけを取り出します。極端に言えば、記事の8割が凡庸でも、残りの2割に的確な定義文があれば、その2割だけが引用される場合があるのです。
裏を返せば、ページ全体としては充実していても、どの段落も前後の文脈に依存していれば、切り出せる部分がなく素通りされます。
片方を捨てる選択にはならない
「これからはSEOではなくLLMOだ」という言い方を目にしますが、実務の感覚とはずれています。AIが参照するのは検索で上位に来た情報源が中心ですから、順位を捨てて引用だけを取りに行く道はありません。SEOで土台を作り、そのうえで段落単位の設計を足す。この重ね方が現実的でしょう。
AIに引用される文章には4つの共通点がある
引用されている記事を読み比べると、書き手の個性を超えて共通する特徴が浮かび上がってきました。
結論が段落の先頭に置かれている
背景から順に説明し、最後に結論を置く書き方は、人間の読者には物語として機能します。しかしAIは、段落の冒頭で「この段落が何の答えなのか」を判断します。答えを最後まで待たせる構成は、それだけで候補から外れやすくなるのです。
各段落の一文目に結論を置き、二文目以降で理由や条件を補う。この順番を徹底するだけでも、引用される確率は変わってくるはずです。
一文が短く、係り受けが一通りに読める
修飾語が重なった長い一文は、どこがどこに掛かるかの解釈が複数生まれます。人間なら文脈で補える曖昧さでも、切り出して使う側にとっては誤読のリスクになります。一文はおおむね60字前後を目安にし、読点を足さないと二通りに読める文は分割しましょう。
主語と対象語が省略されていない
日本語は主語を省いても通じる言語です。ただ、段落単位で切り出されると、省略された主語は復元できません。「これにより改善します」「そのため重要です」といった文は、指し示す対象と一緒に切り出されなければ意味を失います。こそあど言葉を名詞に置き換える作業は、地味ですが効き目のある工程です。
情報の出どころが本文内で確認できる
AIは、根拠を確認できる記述を優先します。公的機関の統計であれば発表元と時点を、自社の実績であれば誰がどの立場で得た知見なのかを、本文の中で示しておきます。参考文献としてページの末尾にまとめるだけでは、段落を切り出したときに根拠が付いてきません。
LLMOのライティングは5つの手順で記事に落とし込む
条件が分かっても、記事制作の工程に組み込めなければ絵に描いた餅で終わります。ここからは実際の手順に落とし込みます。
一記事で答える問いを一つに絞る
複数のテーマを一本に詰め込んだ記事は、AIから見ると「何の質問への答えなのか」が定まりません。一記事につき中心の問いを一つ決め、それ以外は別記事に切り出します。網羅性を上げるつもりで話題を足すほど、引用の的が小さくなっていくのです。
見出しを問いの形にして答えを直下に置く
利用者が生成AIへ投げる言葉は、検索窓に打ち込む単語よりも文章に近い形をしています。見出しを利用者の問いに近い言い回しにしておくと、AIが該当箇所を特定しやすくなるでしょう。そして見出しの直下には、装飾や前置きを挟まず、答えの一文から書き始めてください。
各章の冒頭に定義の一文を置く
「AとはBです」の形をした一文は、AIにとって最も扱いやすい素材です。専門用語を使う章では、冒頭に定義を一文置いてから解説へ進みます。すでに説明した用語であっても、章をまたぐなら簡潔に再提示しておくと、その章単体で成立します。
固有名詞と数字で具体の粒度を上げる
「効果的な方法」「適切な対策」といった抽象的な記述は、AIが回答に使っても情報量が増えないため選ばれません。手順であれば工程数を、期間であれば実務でのおおよそのレンジを、対象であれば業種や規模を書きます。数字を出す際は、条件によって動く旨の注釈を添えておくと誠実さが保てるはずです。
書き手の経験を記事の中で名乗る
誰が書いたか分からない一般論は、他のどのページでも代替できます。「制作の現場で何度も見てきた」という立場の表明は、AIが信頼性を判断する材料になりますし、人間の読者にとっても読む理由になるでしょう。
AIは記事単位ではなく段落単位で引用する
ここが本記事のいちばんの要点です。
多くの記事制作では、構成案を作り、章を並べ、全体として過不足がないかを点検します。この作り方は検索エンジン向けには正しく機能してきました。ところが生成AIは、記事を最初から最後まで読んで評価するわけではありません。質問に関係のありそうな箇所へ直接アクセスし、そこだけを持ち出します。
すると、章と章のつながりで説明していた内容が、まるごと取りこぼされます。「前章で述べたとおり」「詳しくは後述します」といった接続は、記事としては自然でも、切り出された段落からは前後が消えているのです。
対処は難しくありません。各H2の下に置いた本文が、その見出しだけを読んだ人に対して単独で答えを返せているかを確認します。前の章を読んでいないと通じない箇所があれば、一文だけ前提を補う。この一手間で、記事の中に「引用できる単位」がいくつも生まれます。
一方で、全部の段落を独立させると、同じ説明が何度も現れて読みにくくなるでしょう。人が読む流れとAIが切り出す都合、この両方を成立させる落としどころを探る作業こそが、LLMOのライティングの中核だと感じています。
書き方を整えただけの記事はAIに引用されない
ここまで書き方の話を続けてきましたが、本音を言えば、形式の整備だけで勝負がつく期間はもう終わりに近づいています。
結論を先に置く、一文を短くする、定義文を冒頭に置く。こうした技法は、記事にすれば読めますし、生成AIに指示すればすぐ再現できます。誰でも真似できる要素が差別化の材料であり続けることは、ありません。
AIが再現できるのは形式であって中身ではない
生成AIは、Web上に存在する情報を組み替えて文章を作ります。逆に言えば、Web上のどこにも書かれていない情報は、AIには生成できません。
AIが引用する理由は、その情報がAI自身では作れないからです。 業界の一般論を整った形式で並べた記事は、AIから見れば自分で書ける内容の焼き直しにすぎません。形式を整えるほど読みやすくはなりますが、それは引用の理由にはならないのです。
一次情報は取材と実務の記録からしか出てこない
では、AIに書けない中身とは何でしょうか。実務で確かめられる範囲では、次の3つに整理できます。
- 当事者の言葉：担当者や利用者に直接聞いた話。発言の背景や、判断に迷った経緯まで含めて記録したもの
- 自社の実務データ：問い合わせの傾向、案件の進行で繰り返し起きた問題、対応にかかった実際の期間
- 現場の判断基準：どういう条件のときにどちらを選んだのか、その理由。教科書には載らない場合分け
いずれも、机の上で文章を組み立てるだけでは手に入りません。人に会って聞くか、自社の記録を掘り起こすか、どちらかの手間が必要になります。比較記事ではほとんど語られない核心ですが、LLMOのライティングで最後に効くのは、書く技術ではなく取材の設計です。
とはいえ、すべての記事に取材を入れるのは現実的ではないでしょう。中心に据える数本へ一次情報を集中させ、周辺の記事は形式を整えて土台を支える。この配分で組み立てるのが、限られた工数での落としどころだと考えています。
LLMOのライティングで避けたい書き方が4つある
やるべきことと同じくらい、やらないほうがよいことがはっきりしている領域です。
キーワードを不自然に繰り返す
かつてのSEOで使われた詰め込みは、生成AIに対しては逆効果になります。文意が通らない箇所はAIが読み取りに失敗するだけでなく、質の低い情報源として扱われる要因にもなりかねません。
AIの出力を検証せずに公開する
AIで下書きを作ること自体に問題はありません。問題は、事実確認を経ずに公開する運用です。生成AIは存在しない統計や書籍を、もっともらしい形で出力します。一度でも誤りが混ざれば、情報源としての扱いは長く戻りません。
出典のない数値や断定を置く
「業界で最も効果的」「9割の企業が導入」といった記述は、根拠を示せなければ書かないほうが安全です。数字を使うなら発表元と時点を、実感で語るなら実感であることを明示します。
感情を煽る表現で説得しようとする
「衝撃の事実」「知らないと損をする」といった煽り文句は、要約の過程で真っ先に削られます。残るのは、事実と論理で構成された部分だけです。
LLMOの技術的な設定は書き手の手を離れたところにある
llms.txtの設置や構造化データの実装といった技術的な施策が、LLMOの文脈でよく紹介されます。有効性を否定するつもりはありませんが、これらは記事を書く人の担当範囲ではなく、サイトを管理する側の作業です。
ライターや編集担当の方が最初に取り組むべきは、見出しの設計と段落の自己完結です。技術的な設定はサイト全体に一度手を入れれば済みますが、文章の設計は記事ごとに積み上げるほかありません。
LLMOのライティングの成果は3つの見方で確かめる
順位のように一つの数字で測れないため、複数の角度から確認します。
- 生成AIからの流入：アクセス解析で参照元を確認し、AIサービスのドメインからの訪問が発生しているかを見ます
- 実際の回答内での言及：自社サービスに関する質問を主要な生成AIへ投げ、回答や出典に自社が現れるかを定期的に記録します
- 指名検索の推移：AIの回答で名前を知った人が、あらためて社名で検索する動きが増えているかを追います
反応が出るまでには時間がかかります。数週間で判断せず、月単位で記録を残しながら、引用された記事とされなかった記事の差を見ていきましょう。
LLMOのライティングでよくある質問
LLMO対策の記事はSEO記事と別に作るべき？
別に作る必要はありません。既存のSEO記事に、段落の自己完結と定義文の追加を施すほうが早く効きます。新規で書く場合も、SEOの設計を土台にしたうえでLLMOの観点を重ねる形になります。
AIで書いた記事はAIに引用されにくい？
書いた道具は問われません。ただし、AIが生成できる範囲の情報しか含まない記事は、AIにとって引用する理由がないため選ばれにくくなります。下書きにAIを使い、一次情報と検証を人が足す進め方であれば問題ないでしょう。
効果が出るまでどのくらいかかる？
3か月から半年程度を見ておくと現実的です。AIが参照する情報源の入れ替わりには時間がかかりますし、記事の本数がまとまらないと言及も安定しません。この期間は、扱うテーマの競合状況によって前後するはずです。
LLMOのライティングは外注できる？
外注できます。ただし、形式の整備だけを依頼すると成果につながりにくいため、一次情報をどう集めるかまで含めて設計できる相手かどうかを見極めてください。
まとめ｜LLMOのライティングは形式を整えたあとの中身で決まる
LLMOのライティングでやることは、大きく2層に分かれます。結論を先に置き、一文を短くし、段落を自己完結させる形式の層。そして、AIには生成できない一次情報を入れる中身の層です。前者は今日から着手できますし、記事の読みやすさも同時に上がるはずです。
しかし、形式は誰でも真似できます。競合が同じ整え方を始めた時点で、差は消えます。最後に残るのは、当事者に話を聞いたか、自社の記録を掘り起こしたか、現場の判断を言語化したかという、手間のかかる部分です。
字遊堂は、取材を前提としたSEO記事の制作を続けてきました。既存記事を段落単位で組み直す作業から、記事の中心に据える一次情報を誰にどう聞くかという取材設計まで、工程の切り出しにも対応しています。自社の記事に「AIが書けない中身」をどう入れるかで手が止まっている段階でしたら、現在の記事構成を見せていただければ、どこに一次情報を差し込むと効くのかを具体的にお伝えできます。
