LANY式LLMO対策を活用した課題と対策の進め方

昨今のAI検索需要の増加から、LLMO対策の重要度が年々高くなっているのは周知の事実である一方、具体的にどのような対策を進めるべきか迷われる部分も多いと思います。

▼よくあるLLMO対策における疑問点

• 定点観測用のプロンプトの設計方法
• 自社が対策するべき課題定義の方法
• 対策すべきページの決定方法

上記のような疑問点の解消および成果創出を目的として、弊社では「LANY式LLMO対策」を考案し、企業規模・業界問わず様々なお客様のLLMO対策を実施してきました。

本記事では、弊社（LANY）のLLMOコンサルティング事業を例に、合計90件のプロンプトを対象に「AIからどう推奨されているか」を調査・課題提起・対策方針の決定までのプロセスを公開しています。

LANY式LLMO対策とは？

AIから推奨されるためには、以下のプロセスで対策を進める必要があります。

LLMO対策の肝は「AIが重要視する選定基準に従ったRTBをWeb上に配置できるか」で、弊社が様々なお客様の支援をしてきた経験上、どのような分析プロセスを経ても同じ結論に辿り着く傾向にあります。

ゆえに、想定ユーザーがリアルに検索する可能性が高い「プロンプト設計」と、無数に存在する製品・サービスから候補を選定する上で重要な「KBFの定義」は、LLMO対策において非常に重要な工程です。

この工程を深掘りしきれないと、LLMO対策の最終的な目標（ex.LLM経由のCV数を伸ばす）への確度を最大化できません。

以降の章で、弊社のLLMOコンサルティング事業を例に、LLMO対策を各工程ごとに説明していきます。

STEP1. ユーザーのCEPを起点としたプロンプトリストの作成

前提、想定される無数のプロンプトを網羅するのは難しいですが、LLMO対策は「薄く広く、網羅的に推奨を獲得していく対策」です。

想定されるユーザーのCEP（プロンプトの切り口）を思いつく限り出すことで、思いがけない課題が見つかる可能性があるため、本工程は妥協なく進める必要があります。

本記事におけるプロンプト設計思想については、以下の記事で詳しく解説しています。

内部リンク：LLMOの対策プロンプト設計の教科書｜検討・購買フェーズ別の設計方法を具体例も交えて徹底解説

プロンプト設計手順

1.ジャーニーフェイズに沿ったMOFU・BOFUの定義

前提、TOFU層（LLMOに関する基礎知識を取り入れたい層）が入力するプロンプトの場合、「株式会社LANY」と特定の企業が表示されるのではなく、LLMOに関する基礎知識が表出されるだけです。

ChatGPT 5.6の出力結果

上記のやりとりを起点に最終的に「LLMOコンサルティングを提供するおすすめの企業を教えて」という問いに辿り着く可能性はありますが、複数回のやり取りを対象とすると、想定パターンは無数に生まれてしまいます。

ゆえに、「弊社をはじめとしたLLMOコンサルティングを提供する会社が登場するプロンプト = MOFU/BOFU層」と仮定して、ジャーニーフェイズを定義します。

2.各ファネルでLANYが回答として出力されるパターンを定義

一言に情報収集、リプレイス需要といっても、想定ユーザーの職業、所属企業の規模・業界、抱えている課題はそれぞれ異なります。

前述したように、LLMO対策は「薄く広く、網羅的に推奨を獲得していく対策」であるため、各ファネル（MOFU or BOFU）で弊社が回答として出力されるパターンを、以下例のように、可能な限り洗い出す必要があります。

定義後に各パターンに従って、項目を掛け合わせてプロンプトを一覧化します。

▼各軸の定義と項目例

▼各パターン例

STEP2. 各ファネルの推奨率（勝率）を元に自社の課題を定義する

以下表は、LLMOコンサルティング軸で抽出した74プロンプト（MOFU）＋16プロンプト（BOFU）の推奨結果となります。

▼MOFU：LLM別 推奨率（n=74）

▼MOFU：サービス別 言及率（n=74）

▼MOFU：サブカテゴリ別 推奨

▼LANYが推奨されていないプロンプト例

今回の場合、全体の推奨率はGemini・ChatGPT共に推奨率はトップレベルであるが、「特定の業界」「SEOコンサルティングなどに加えて、追加でLLMOコンサルティングを依頼したい」という一部のCEPに対して、LANYは候補に上がっていないことが判明しました。

▼BOFU：競合比較プロンプト（n=16）

一方で、BOFUは勝率87.5〜100%（競合と比較されても自社がおすすめされている状態）であるため、LANYが対策すべき箇所としては、MOFU側の特定業界のユーザーが検索するプロンプトと特定できます。

STEP3. AIの選定基準（KBF）を引用結果から定義する

今回対象とした90プロンプトの場合、「LLMOの専門性や分析力」「支援実績」「SEOの知見」などが、AIの選定基準（KBF）として重要視されている傾向にあります。

▼AIが重要視するKBF（Gemini）

※Gemini の MOFU 回答74件から回答本文のみを抽出し（検索クエリ・参照元セクションは除外）、推奨理由の記述を13のテーマに整理したうえで、テーマごとに判定キーワードを定義。

弊社では、「LLMO白書」「強いLLMO（書籍）」「LANY LLMO LAB」など複数のチャネルでLLMOに関する発信を強化していることから、KBF「LLMOの専門性・研究開発力」や「施策の具体性・フレームワーク」については申し分ない評価を受けています。

一方で、業種・業界特化ページや料金ページが存在していないことから、AI視点だと「弱み」として認識されています。

▼KBFに沿ったLANYの評価（一部抜粋）

STEP4. KBFに対するRTB（推奨の根拠となる自社情報）を定義する

LLMO対策において推奨率を上げるためには、競合と比べて優位なUSPを有するKBFに対してのRTBをWeb上に配置する必要があります。

また、AIは「複数のKBFに対してのRTB」を総合的に評価する傾向にあるため、“点（特定のRTB）”ではなく“面（複数のRTB）”で勝負する必要があります。

LANYの場合は、LLMOコンサルティングを依頼するうえでクリティカルな部分（実績、権威性）は網羅しているので、料金ページの公開や業界別のLLMO実績ページやコラムページを制作して押さえていくことが重要です。

STEP5. AIが参照・引用する傾向にあるページにRTBをテキストとして掲載する

RTBの掲載先としては、主に「オウンドメディア（公式・コラムページ）」や「アーンド・ペイドメディア（比較サイト）」となります。

実際、今回対象とした90プロンプトの参照・引用元のURLの傾向として、公式ページやコラムページ、比較サイトの割合が全体的に大きく、重要度が高いことが伺えます。

▼AIの参照・引用傾向（Gemini）

※Gemini の MOFU/BOFU 回答90件を対象とした、参照・引用元のURLの傾向を総母数から引用率として算出

ゆえに、基本は「無数に存在する商品・サービスから複数の候補を見つけ出す（入口）＝比較系ページへの掲載・改修」と、「複数の候補から特定の商品・サービスに絞り込む（出口）＝公式ページやコラムページのテキストの新規掲載・修正」が最優先の施策となります。

LLMは2026年9月30日時点でもアップデートを続けており、2026年8月6日のChatGPTのアップデートにより、一次情報（公式サイト）がより重要視される傾向となっています。

参考：ChatGPT の GPT‑5.6 Sol を改善し、無料ユーザーの利用機会を拡大

とはいえ、前述したLLMの動きは一切変わっておらず結局は「AIが重要視する選定基準に従った自社製品・サービスの情報を、Web上に正しく配置する」のが、LLMO対策で成果を出すポイントとなります。

自社でLLMO対策を進める際に押さえるべき3つのポイント

弊社のLLMOコンサルティング事業を例に、LANY式LLMO対策について解説してきました。

最後に、自社でLLMO対策を実施する際に押さえるべきポイントを3つ紹介します。

1. 課題は「全体の推奨率」ではなく「カテゴリー単位」で特定する
2. KBFは自社の想定ではなく、AIの回答から逆算する
3. RTBは「点」ではなく「面」で、AIが参照するページに配置する

1.課題は「全体の推奨率」ではなく「カテゴリー単位」で特定する

一言にプロンプトといっても、ユーザーの属性（職種・業界・企業規模・抱えている課題）によって回答結果の特色が異なる傾向にあるため、基本はカテゴリー単位で計測・考察を行います。

全体の推奨率にフォーカスしてしまうと、自社は具体的にどのカテゴリーにおいて推奨されているのか・されていないのかが可視化できないからです。

弊社の場合は全体の推奨率こそ高いものの、「特定の業界」や「SEOコンサルティングなどに加えて、追加でLLMOコンサルティングを依頼したい」という需要に対しては、計測時点で推奨されていません。

カテゴリーごとの課題に絞れると「どのページにRTBを配置するか」が明確となるため、対策方針や具体的な施策を立てやすくなります。

（例：SEOコンサルティングのサービスページに、LLMOコンサルティングに関する言及を追加するなど）

RTBは「点」ではなく「面」で、AIが参照するページに配置する

AIの選定基準は複数存在するため、LLMO対策においては「RTBの総合点」で競合に対して勝負していく必要があります。

特定のKBFのみに特化しても、推奨率という成果には跳ね返りにくいからです。

商品・サービスによっては「競合と比べると価格面では劣っている」など特定のKBFは覆すことができないパターンも考えられるため、弱みを補う意味でも「RTBは”点”ではなく”面”」で押さえる必要があります。

自社でコントロールできる施策から優先的に実行する

LLMOプロジェクトにおいて、公式サイトおよび比較サイトは最優先で改修すべき部分です。

しかし、比較サイトをはじめとした第三者メディアの改修は、メディア側の都合や掲載料金などの障壁があるため、場合によっては施策自体を実行できない可能性があります。

一方、公式サイトおよび自社発信で掲載している第三者メディアについては、テキスト改修を行いやすいため、計画的に施策を実行しやすい傾向にあります。

実際、公式ページやコラムページ、プレスリリース等はAIが参照・引用する傾向にある重要なページであり、テキスト改修施策としての価値は十分です。

おわりに

LLMO対策は「AIから自社がどう見られているか」を言語化し、参照・引用傾向からWeb上にRTBを配置していくものです。

「公式サイトが引用されているから」「自社の強みはここだから押し出そう」と感覚的に施策を打つのではなく、CEP起点のプロンプト設計で現在地を測り、AIの選定基準（KBF）を引用結果から定義。それに応えるRTBを参照されやすいページに配置していく必要があります。

まずは、自社の想定ユーザーがどんな状況でAIに相談するかを言語化し、そのプロンプトで実際に推奨されているかを確認してみましょう。

LANYでは、本記事で紹介した「LANY式LLMO対策」に基づくLLMO診断・コンサルティングサービスを提供しています。自社の課題定義や対策方針の設計にお悩みの方は、お気軽にご相談ください。