採用LLMOとは？AI検索時代に9割が選考辞退する前にやるべき5ステップ
無料ウェビナーのお知らせ
開催日時
①2026年6月11日（木）11:30〜12:30【LIVE開催】
②2026年6月17日（水）11:30〜12:30【アーカイブ放送】
内容
- 採用マーケティングにおけるLLMOの重要性
- LLMOの対策方法
- 採用LLMOの対策方法のイメージ
- 採用LLMOの成功事例
- Q&A（6/11回のみ）
「自社についてAIに聞くと、『ブラック』『残業が多い』といった事実と異なる情報が出てくる」。このような不安を抱える採用担当者が増えています。求職者がChatGPTやGeminiで企業を調べることが当たり前になり、AIの回答が応募や内定承諾を左右し始めているからです。
結論からお伝えします。AI検索時代の採用では「採用LLMO」が重要な施策になります。採用LLMOとは、求職者が使うAIの回答に、自社の情報を正しく反映させるための最適化です。
根拠は、求職者の行動変化にあります。LANYの調査では、転職活動でAIを使った求職者の94.6%が「知らなかった企業」をAIに提案され、87.4%がAIの情報をきっかけに応募や選考を辞退していました。採用担当者が会う前の段階で、合否ならぬ「応募するかどうか」がAIによって決まり始めています。
調査レポート：【転職×AI 実態調査】87％がAIの回答で選考辞退。採用プロセスに潜む”サイレント辞退”の課題
私たち株式会社LANYは、Ahrefs（エイチレフス）日本公式アンバサダー第一号として、AI検索最適化（LLMO）を専門に支援しています。自社の採用活動を実験台に、Geminiへ240個の質問を投げる定点調査も実施しました。本記事では、その実証データをもとに採用LLMOの全体像を解説します。
この記事を読み終えると、採用LLMOがなぜ必要かを理解し、自社で何から着手すべきかがわかります。
採用LLMOとは「AIに自社を正しく推薦させる採用広報の最適化」
採用LLMOとは、求職者が使うAIの回答に、自社の情報を正しく反映させる取り組みです。AIに「働きやすい会社を教えて」と聞いたときに自社が候補に挙がり、「自社の評判は？」と聞いたときに正確で魅力的に語られる状態を目指します。
具体的には、次の2つを実現します。
- AIの回答に、事実と異なるネガティブな情報が含まれていない
- 候補者に伝えたい自社の魅力が、AIの回答に正しく反映されている
たとえば残業時間を「月平均10時間以内」と公式サイトに明記すると、AIはその数値を回答に使いやすくなります。逆に情報が不足していると、AIは古い情報や業界の一般論から推測し、誤った回答を生成しやすくなってしまいます。
採用LLMOが注目される背景は、求職者の企業調査がAIに移行したこと
採用LLMOが注目される理由は、求職者の情報収集がAIへ移ったことにあります。以前はGoogle検索で求人サイトを見比べるのが主流でした。最近はGeminiやChatGPTに「おすすめの会社を教えて」と相談するところから始める求職者が増えています。
AIは複数の情報源を読み込み、要約して回答します。このとき自社サイトだけでなく、口コミサイトや第三者メディアの情報も参照されます。つまり企業が直接コントロールできない場所の情報まで、AIの回答に影響します。
（参考）LLMOとは「大規模言語モデル最適化」のこと
LLMOとは「Large Language Model Optimization（大規模言語モデル最適化）」の略です。ChatGPTやGeminiなどのAIが回答を生成する際に、自社の情報を正しく反映させるための最適化手法を指します。
検索エンジンで上位表示を狙うSEO（検索エンジン最適化）に対し、LLMOはAIの回答で正しく・好意的に取り上げられることを狙います。この考え方を採用領域に応用したものが採用LLMOです。
なぜ今、採用LLMOが必要なのか｜AIが起こす「サイレント辞退」
今、採用LLMOが必要な理由は、採用担当者が関与できない段階で候補者が離脱する「サイレント辞退」が起きているからです。サイレント辞退とは、求職者が企業へ連絡することなく、応募や選考を辞退することです。
ここからは、LANYが実施した調査の結果を紹介します。調査対象は、直近1年以内に転職活動を行い、AIで企業情報を調べた25〜45歳の111名です。
求職者の94.6%がAIで「知らなかった企業」を提案された経験あり
調査では、AIに相談した求職者の94.6%が「自分では思いつかなかった企業を提案された」と回答しました。AIは、求職者が知らなかった企業との新しい接点をつくっています。
この事実は、採用LLMOが「守り」だけの施策ではないことを示します。これまでリーチできなかった候補者に出会える「攻めの母集団形成」のチャネルにもなります。
87.4%がAIの情報をきっかけに応募・選考を辞退した経験あり
一方で、同じ調査では87.4%が「AIで調べた企業情報がきっかけで、応募の取りやめや選考辞退をした」と回答しました。辞退の引き金は、次のような情報です。
- 他社との比較で不利な評価をされていた：69.1%
- ネガティブな口コミや退職者の声が引用されていた：40.2%
- 企業の評判やイメージに関するネガティブな記述があった：27.8%
最も多かった辞退理由は、「他社と比較した際に評価で劣っていたこと」でした。AIは比較や要約を得意とするため、この比較の場面で競合に後れを取ると、採用活動に致命的な影響を及ぼしかねません。
AIのネガティブな第一印象は、本人が事実確認しても払拭されにくい
注目すべきは、AIの情報をそのまま判断材料にした求職者がわずか3.1%だった点です。96.9%は公式サイトや口コミサイトなどで、自分で情報の正確性を確認していました。
それでも87.4%が辞退に至っています。この結果からは、AIの回答によって一度形成されたネガティブな印象は、その後に情報の正確性を確認したとしても、完全には払拭されにくい可能性があることがうかがえます。「万が一本当なら避けたい」という心理が働き、辞退の判断を後押ししているのかもしれません。だからこそ、AIの回答そのものを改善する採用LLMOが重要になります。
調査レポート：【転職×AI 実態調査】87％がAIの回答で選考辞退。採用プロセスに潜む”サイレント辞退”の課題
採用LLMOは「守り」と「攻め」の両面で効く
ここまでの調査結果を整理すると、採用LLMOには2つの効果があります。
- 守り：AIのネガティブ情報や誤情報による「サイレント辞退」を防ぐ
- 攻め：AIに自社を推薦させ、新たな候補者との接点をつくる
AIは採用のリスクであると同時に、新しい母集団形成のチャネルでもあります。両面を踏まえた対策が、AI検索時代の採用広報に求められます。
採用LLMOで対策すべき2つの場面｜MOFUとBOFU
採用LLMOで対策すべき場面は、求職者の検討が進む「MOFU」と、意思決定の直前である「BOFU」の2つです。AIはこの2つの場面で求職者に強く影響するため、両方を設計します。
MOFUとBOFUは、マーケティングで使う「ファネル」の考え方です。ファネルとは、求職者が「認知→検討→意思決定」と進むにつれて人数が絞られていく様子を、漏斗（じょうご）に見立てた言葉です。採用に当てはめると、次の3段階になります。
- TOFU（認知段階）：企業をなんとなく知っている状態
- MOFU（検討段階）：他社と比較し、自分に合うかを調べている状態
- BOFU（意思決定段階）：応募や内定承諾を決める直前の状態
従来のSEOや求人媒体は、認知段階（TOFU）でいかに求職者との接点を増やすかを競っていました。一方、採用LLMOでは、AIが企業の推薦や比較を担う検討・意思決定段階（MOFU〜BOFU）が主戦場になります。
MOFU（検討段階）：「〇〇におすすめの企業は？」で候補に入る
MOFUは、求職者が社名を出さずに比較検討する段階です。「SEOコンサルタントの転職先でおすすめの会社は？」のように、AIに条件を伝えて候補を探します。
この段階のゴールは、AIの回答リストに自社が確実に載ることです。AIは求職者の抽象的な希望に対し、Web上の評価を統合して「おすすめの一覧」を提示します。この一覧に入れなければ、そもそも比較・検討の土俵に立つことすらできません。
BOFU（意思決定段階）：「自社の評判は？」で正しく語らせる
BOFUは、求職者が社名を出して最終確認をする段階です。「自社の評判は？」「A社とB社を比較して」のように、具体的な企業名を挙げて質問します。
この段階のゴールは、自社の強みを正しく語らせ、誤った悪評を防ぐことです。BOFUは調査される機会こそ限られるものの、応募や内定承諾に直結します。この段階で競合企業と比較して不利な評価を受けたり、事実と異なる情報が提示されたりすると、選考辞退や内定辞退につながるリスクが高まります。
MOFUは中長期・BOFUは即効と、効果の出方が異なる
MOFUとBOFUでは、効果が出るまでの速さが異なります。LANYの実証調査では、次の傾向が確認できました。
- BOFU：AIがその場でWeb検索する仕組みに働きかけるため、施策の効果が早く出やすい
- MOFU：AIが事前に学習した知識へ働きかけるため、効果が現れるまで中長期的な取り組みが必要
そのため、即効性のあるBOFUと、時間をかけて積み上げるMOFUを、並行して進めるのが現実的です。
採用LLMOの進め方5ステップ
採用LLMOは、次の5ステップで進めます。
- 求職者がAIに聞く質問を洗い出す
- AIが今どう自社を推薦しているかを可視化する
- AIの選定基準と自社の不足情報を分析する
- 自社が選ばれる根拠をAIの参照先に配置する
- AIの回答変化と採用成果を検証する
順番に解説します。
ステップ①：求職者がAIに聞く質問（CEP）を洗い出す
最初に、求職者がAIに投げかけそうな質問を洗い出します。この質問の入口を、マーケティングではCEP（カテゴリーエントリーポイント）と呼びます。簡単にいえば「求職者が自社のような会社を探すときに、AIに打ち込む問い」のことです。
たとえば次のように、職種や状況を掛け合わせて質問を網羅的に設計します。
- 新卒でSEOコンサルタントへの就職を考えています。おすすめの会社は？
- 30代で裁量の大きい仕事を求めるWebマーケターの転職先は？
検索ボリュームの多さではなく、求職者の文脈を起点に設計する点がポイントです。
ステップ②：AIが今どう自社を推薦しているかを可視化する
次に、洗い出した質問を実際にAIへ投げ、現状を確認します。AI検索はブラックボックスではありません。今どう推薦されているかを定点観測することが、すべての出発点です。
確認する観点は3つです。
- 推薦されているか：そもそも候補リストに自社が出てくるか
- どう推薦されているか：訴求したい強みが適切に伝わっているか、不利な文脈で語られていないか
- 何が参照されているか：公式サイトか、口コミサイトか、比較記事か
ステップ③：AIの選定基準（KBF）と自社の不足情報を分析する
続いて、AIが何を基準に企業を選んでいるかを分析します。この選定基準を、マーケティングではKBF（Key Buying Factor）と呼びます。採用に当てはめると「求職者が会社選びで重視する要素」です。給与や働き方の柔軟性、キャリアパスなどが当てはまります。
AIが重視する基準に対し、自社のWeb上の情報が足りているかを確認します。たとえば「働き方の柔軟性」をAIが重視しているのに、自社サイトに「リモート勤務」「フレックスタイム制」などの記載がなければ、十分な情報がAIに伝わっていません。このような情報の不足を洗い出し、改善ポイントを特定します。
ステップ④：自社が選ばれる根拠（RTB）をAIの参照先に配置する
不足を特定したら、自社が選ばれる根拠を、AIが参照する場所に配置します。この根拠を、マーケティングではRTB（Reason To Believe）と呼びます。採用でいえば「その会社で働く魅力を裏付ける、検証可能な事実」です。
AIは曖昧な主張より、検証できる事実を優先します。次のように具体化すると、AIが引用しやすくなります。
- 曖昧な主張：風通しがよく成長できる環境です
- 検証可能な事実：月平均残業10時間以内（2025年実績）、社員の約8割がフルリモート勤務
情報を配置する先は自社サイトだけではありません。採用ブログや口コミサイト、プレスリリースなど、AIが参照するWeb全体を対象にします。
ステップ⑤：AIの回答変化と採用成果を検証する
最後に、施策の効果を検証します。検証は2つの指標で行います。
- AI内での見え方（KPI）：対象プロンプトにおける推奨率、推奨文脈、AI経由の流入
- 採用成果（KGI）：AI経由の応募数や内定承諾率
AI内での見え方は比較的観測しやすく、施策の成果を直接的に評価できます。一方で採用成果は時間差で表れるため、AI内での評価指標と採用成果の両方を追うことが重要です。LANYでも問い合わせフォームの項目に認知経路の設問を設け、AI経由の問い合わせ数がどのように推移しているかの定点観測を続けています。
採用LLMOの成功事例｜FAQ追加で採用サイトの引用率が10pt向上
採用LLMOによって、AIの回答内容は実際に改善できます。ここでは、LANYが自社で実施した2つの施策について、Geminiに240個の質問を投げて施策前後の回答内容と参照元を比較・検証した実証データを紹介します。
事例①：採用サイトにFAQ100問を追加し、BOFU引用率が66%→76%に
1つ目は、採用サイトへのFAQ追加です。求職者が重視する要素（KBF）に合わせて、新卒・中途それぞれに100問のFAQを新設しました。
結果、社名を含むBOFU質問において、採用サイトの引用率が66%から76%へ10ポイント上昇しました。FAQに記載した固有の評価制度や働き方が、AIの回答に正確に反映されています。
たとえば「年収・評価制度の違い」を聞く質問では、施策前は「年収レンジは概ね400万円〜1,200万円程度」と曖昧でした。施策後は、「ミッショングレード制を採用している」というFAQの内容が、そのままAIの回答に反映されるようになりました。このように、AIにどのように回答してほしいかを先に設計したうえでFAQを整備することで、回答内容を改善できます。
検証の詳細なレポートは、以下の記事でご確認いただけます。
事例②：採用ブログがGemini回答の最も参照される情報源に
2つ目は、採用ブログの活用です。LANYの採用オウンドメディア「CULTURE」が、AIの回答にどう影響したかを分析しました。
その結果、社名を含むBOFU関連の質問において、CULTUREはlany.co.jp内で最も多く参照される情報源となりました。参照回数は49回で、自社ドメイン全体の参照回数（172回）の28.5%を占めています。
採用ブログは、募集要項だけでは伝わりにくい社風や働き方、仕事のやりがいを具体的に伝えられるコンテンツです。こうした記事はテキスト量が豊富で独自の文脈を含むため、AIが企業理解を深める際の有力な参照元になりやすいと考えられます。
検証の詳細なレポートは、以下の記事でご確認いただけます。
採用LLMOを始めるなら｜LANYの採用LLMOコンサルティング
ここまでご覧いただき、「自社で5つのステップを回すのは難しい」と感じた採用担当者には、LANYの採用LLMOコンサルティングサービスがおすすめです。AI上で自社がどう語られているかの可視化から、根拠となる情報の配置、効果検証までを一気通貫で支援します。
LANYは、デジタルマーケティング支援を専門とする会社です。SEOに加え、AI検索最適化（LLMO）の領域でも実績を積み重ねています。本記事で紹介した240プロンプトの定点調査をはじめ、自社の採用活動を検証の場として活用しながら、実践を通じて手法を磨いてきました。
特に、次のような課題を持つ採用担当者におすすめです。
- AIに自社を聞くと、事実と異なるネガティブな情報が出てしまう
- 競合と比較され、AIの回答で不利に語られている
- 何から手をつければいいか、社内に知見がない
採用LLMOは、まず自社がAIにどのように語られているかを知ることから始まります。現状を把握したい採用担当者の方は、ぜひお気軽にご相談ください。
採用LLMOに関するよくある質問
Q. 採用LLMOはどのくらいで効果が出ますか
対策する場面によって異なります。社名を含むBOFU質問は、AIがその場でWeb検索する仕組みに働きかけるため、比較的早く効果が出ます。LANYの検証結果では、採用サイトのFAQ追加から2週間程度で引用率が上昇しました。一方、社名を含まないMOFU関連の質問は、AIの事前学習に働きかける領域であるため、効果が現れるまで中長期の取り組みが必要です。
Q. 中小企業でも採用LLMOに取り組む意味はありますか
あります。AIに相談した求職者の94.6%が「知らなかった企業を提案された」と回答しています。知名度が高くない企業ほど、AIが新しい接点をつくる効果は大きくなります。むしろ大手企業よりも、採用LLMOによって認知や比較検討の機会を獲得しやすい領域だといえるでしょう。
Q. 採用LLMOは自社だけで対策できますか
可能です。本記事の5ステップは、自社でも実践できます。ただし、AIの参照元は自社サイトだけでなく、口コミサイトや第三者メディアまで広がります。Web全体の情報設計には専門的な知見が求められるため、効率的に取り組みたい場合は、支援会社の活用も有効な選択肢です。
Q. ChatGPTとGeminiで対策方法は変わりますか
基本的な考え方は変わりません。どのAIも、自社サイトや第三者メディアの情報を参照して回答を生成します。そのため、AIが参照しやすい一次情報を整え、第三者からの言及を増やす対策は共通して有効です。
まとめ｜採用LLMOはAI検索時代の採用広報の必須施策
採用LLMOとは、求職者が使うAIの回答に、自社情報を適切に反映させるための取り組みです。AIで企業を調べる求職者の87.4%が選考辞退を経験する今、AIの回答を正すことは採用の成否に直結します。
まずは、自社がAIにどのように語られているかを、実際にChatGPTやGeminiで確認してみてください。採用LLMOは、自社がAIにどう認識されているのか、その現状を把握することから始まります。本記事で紹介した5つのステップに沿って、根拠となる情報を整えていきましょう。
採用LLMOの進め方や現状把握について相談したい採用担当者は、LANYの採用LLMOコンサルティングをご検討ください。
出典
※本記事の制作には生成AIを活用していますが、編集者によってファクトチェックや編集をしています。また、掲載している画像はすべてデザイナーが制作したものです。
採用マーケティングのLLMOガイドブック
生成AIの普及により、求職者がAIと相談しながら就職先・転職先を検討することが一般化しつつあります。企業名や職種名をAIに入力するだけで、企業の評判、働き方、カルチャー、競合比較、向いている人・向いていない人まで要約されるようになり、AIの回答が応募や内定承諾の意思決定に影響を与える場面も少なくありません。
一方で、AIが古い情報や誤った情報、ネガティブな口コミをもとに回答したり、競合他社を推薦したりすることで、採用担当者が直接関与できない段階で候補者が離脱してしまうリスクも生まれています。
つまり、これからの採用マーケティングでは、求人媒体や採用サイト上での見せ方だけでなく、AIに自社をどう認識・推薦してもらうかが重要になります。
本資料では、採用マーケティングにおけるLLMOの考え方から、AI上での自社の見え方を可視化する方法、採用サイト・採用ブログ・第三者メディアを活用した具体的な対策まで、実践的に解説しています。
関連記事
デジタルマーケティングのお悩み、
まずはお気軽にご相談ください。
サービス詳細は資料でもご確認いただけます。