LLMOの投資対効果（ROI）の考え方。AI検索対策の効果試算の方法を解説

生成AIの利用が広がるなか、ChatGPTやGeminiなどの回答内で自社を認知してもらうための「LLMO」に取り組む企業が増えています。

一方で、施策を検討する際によく聞かれるのが、次のような疑問です。

「LLMOによって、どれくらいの売上が期待できるのか」
「SEOと同じように、費用対効果を試算できるのか」
「GA4でAI経由の流入が少ない場合、本当に効果があるといえるのか」

現時点では、LLMOの効果を一つの計測ツールだけで正確に把握することは困難です。しかし、だからといって効果を試算できないわけではありません。

本記事では、AI検索特有のユーザー行動を踏まえながら、LLMOの期待効果を算出する方法と、ROIを評価する際の考え方を解説します。また、LANYの問い合わせデータをもとに、GA4では見えにくいAI検索の影響についても紹介します。

なぜLLMOの効果はGA4だけでは測れないのか

LLMOの効果測定が難しい理由は、AI検索では「クリックを伴わない意思決定」が発生するためです。

従来の検索行動では、ユーザーが検索結果からWebサイトをクリックし、サイト内で問い合わせや購入に至ります。そのため、検索順位、クリック数、セッション数、コンバージョン数を一連の流れとして計測できました。

一方、AI検索では、次のような行動が発生します。

• AIの回答内で企業やサービスを知る
• AI上で複数の企業を比較し、候補を絞り込む
• 後日、企業名をGoogleで検索して訪問する
• URLを直接入力したり、別のメディアを経由したりする
• AIの回答だけで意思決定し、その後営業担当者へ相談する

この場合、AIが認知や比較検討に大きく影響していても、GA4上では「Google検索」「ダイレクト」「他メディア経由」などとして計測される可能性があります。

つまり、AI検索による効果には、大きく2つの種類があります。

一つは、AI検索からの直接流入やコンバージョンなど、比較的計測しやすい成果です。もう一つは、AI上での意思決定やブランド想起、後日の指名検索など、クリックを伴わず計測しにくい成果です。

添付資料の図でも、直接クリックやAIプラットフォーム上での購入といった計測可能な成果に加えて、ブランド想起、間接接触、プラットフォーム外への影響などが、最終的なAI検索経由の売上につながる構造を示しています。

したがって、LLMOの効果を評価する際は、GA4で計測できるAI流入だけを見るのではなく、AI上での可視性や問い合わせ時の認知経路も含めて判断する必要があります。

LLMOの期待効果を算出する方法

AI検索では、個々のプロンプトが何回入力されているかを直接把握できません。

そこで、現時点では関連するSEOキーワードの検索ボリュームを起点として、AI検索上の需要を代替推計する方法が現実的です。

基本的な考え方は、次の式で表せます。

まず、商品・サービスに関連するキーワード群のSEO検索ボリュームを算出します。そこにAI検索の利用率を掛け、AI検索上で発生すると想定される需要規模を推計します。

さらに、AIの回答内で自社ブランドが表示・選択される割合と、その後問い合わせや購入に至るCVRを掛け合わせ、最後に1CVあたりの事業価値へ換算します。

試算に使う5つのパラメータ 

AI検索利用率を保守10％、標準20％、積極30％などと置き、ブランド選択率やAI経由CVRについても仮定値を用います。大体のイメージとしては、下記のような数値感が良いと思います。

実際の試算では、自社の商材、顧客単価、問い合わせ実績、AI上での表示状況に応じて調整する必要があります。

また、施策の期待効果は、施策後のAI経由CVをそのまま成果とするのではなく、施策を実施しなかった場合との差分で考えます。

例えば、年間SEO検索ボリュームが10万回、AI検索利用率が20％、AI経由CVRが5％だったとします。

ブランド選択率が施策前の5％から施策後に15％まで改善した場合、増加CVは次のように試算できます。

仮に1CVの期待価値を1万円とすると、期待効果は100万円です。

ただし、これらの数値はあくまでも試算です。一つの数字を確定値として扱うのではなく、保守・標準・積極の3つのシナリオを作り、レンジで判断することが重要です。

LLMOのROIをどう考えるか

LLMOのROIは、次の式で考えられます。

ここで重要なのは、CV単価に何を設定するかです。

問い合わせ1件の価値を考える場合は、問い合わせ後の商談化率や受注率まで含めて計算する必要があります。

例えば、次のように期待値へ変換します。

継続契約が多いビジネスでは、単月の売上ではなくLTVを用いた方が、実態に近いROIを算出できます。

LLMO関連費用には、調査や戦略設計だけでなく、コンテンツ制作、既存ページの改善、テクニカル対応、外部情報の整備、モニタリングなどの費用を含めます。

ただし、施策開始直後から売上だけで評価するのは適切ではありません。LLMOでは、成果が段階的に現れるためです。

短期的にはAI回答内での可視性を確認し、中長期的には問い合わせや商談、受注への影響を評価します。

LANYの実データで見るAI検索のインパクト

では、GA4で計測されるAI経由の成果と、ユーザーが自己申告する認知経路には、どの程度の差があるのでしょうか。

LANYでは、GA4の流入・CVデータと、問い合わせフォームで回答された「LANYを知った経緯」を集計しています。以下の数値は、添付の社内集計データをもとに算出したものです。

2026年7月のGA4データでは、全38,700セッションのうち、AI検索からのセッションは334件でした。全体に占める割合は0.86％です。

また、全2,946CVのうち、AI検索経由のCVは28件で、全体の0.95％でした。

GA4の数値だけを見ると、AI検索経由のインパクトはまだ1％前後であるように見えます。

一方、同月の問い合わせ・資料ダウンロードにおける認知経路を見ると、回答者64件のうち18件が「生成AI（ChatGPT、Geminiなど）で知った」と回答しています。

その割合は28.1％です。

2026年5月から7月までの推移を見ても、生成AIの比率は次のように上昇しています。

• 2026年5月：24.6％
• 2026年6月：26.9％
• 2026年7月：28.1％

さらに、2026年1月から7月までを合算すると、GA4の自然AI検索セッション比率は約0.91％、自然AI経由CV比率は約1.19％でした。

これに対し、問い合わせ・資料ダウンロードの認知経路における生成AIの割合は約21.3％です。

もちろん、これらの数字を単純に比較することはできません。

GA4のCVには複数のコンバージョンイベントが含まれる一方、認知経路の集計対象は問い合わせと資料ダウンロードです。また、認知経路はユーザーの自己申告であり、AIが成果を発生させた因果関係を直接証明するものでもありません。

それでも、GA4で見える1％前後の数値だけでは、AI検索の影響全体を捉えられていない可能性があることはわかります。

ユーザーがAIでLANYを知った後、Googleで「LANY」と指名検索した場合、GA4では自然検索として計測されます。後日URLを直接入力すれば、ダイレクト流入になる可能性があります。

また、AIアプリ内のブラウザではリファラーが取得できず、ダイレクトとして計上されるケースもあります。そのため、GA4で確認できるAI経由セッションは、実際の影響の下限値として捉える必要があります。

この結果は、AI検索の成果が「直接クリック」に限らず、認知や比較検討、ブランド想起を通じて発生している可能性を示しています。

LLMOは複数の指標を組み合わせて評価する

LLMOの期待効果を完全に正確な数字として事前に予測することは困難です。

しかし、関連キーワードの検索需要を起点に、AI検索利用率、ブランド選択率、CVR、CV単価を設定すれば、投資判断に必要な期待値をレンジで試算できます。

施策実施後は、次の4つのデータを組み合わせて評価します。

1. AI回答内でのブランド言及率や選出率
2. GA4で確認できるAI経由のセッション・CV
3. 問い合わせフォームにおける認知経路
4. 商談や受注時の顧客ヒアリング

GA4で計測できる直接流入は重要な指標ですが、AI検索が事業に与える影響のすべてではありません。

AI検索上でどれだけ見つけられているか。その結果、比較候補として選ばれているか。そして、最終的に問い合わせや商談、売上につながっているか。

LLMOのROIを評価するには、これらを一つの流れとして捉えることが重要です。