LLMO・AIO対策の成功事例8選｜AIに出ない・間違われる・測れない壁をどう越えたか

「ChatGPTに自社のカテゴリーのおすすめを聞いても、競合の名前しか出てこない」「AIの回答に出てきたと思ったら、社名や住所が間違っている」「AI検索の対策を始めたものの、何を測れば成果と言えるのか分からない」。LLMO・AIO対策に取り組み始めた会社の多くが、こうした壁に当たっています。

この記事では、同じような壁を越えようとした8社のLLMO・AIO対策の成功事例を集めました。ここでのLLMO・AIO対策は、ChatGPTやGemini、GoogleのAI Overviews（AIによる概要）などの回答で、自社が正しく紹介され、言及・引用されるようにする取り組みを指します（GEOとも呼ばれます）。会社の紹介ではなく、「どんな課題があり、担当者が何を原因と考え、何から手を付け、どうなったか」をストーリーで追います。LLMOの事例、AIO対策の事例を探している方が、「これならうちでも試せそう」と思えるところまで読み解くのがねらいです。

先に結論を言うと、8件を並べて見えた共通点は次の3つです。

• AIの回答と引用元を見て「足りない情報」を探している：配送のページ、選ばれる理由、比較の記事、正しい社名など、AIが答えるときに材料が足りていない部分を見立てて埋めていました。
• 最初に「決まった質問」で現在地を測っている：思いつきでAIに聞くのではなく、プロンプト（AIへの質問）を決めて定点観測し、そこから施策の優先順位を決めていました。
• AIの数字だけで成果を判断していない：問い合わせフォームの「どこで知ったか」、指名検索、受注率、施策をしていないページとの比較など、AIの外の数字とあわせて見ていました。

本記事は、掲載企業から報酬を受け取らずにAbin編集部が独自に調査・編集しています。有償の掲載がある場合は「PR」と明記します。

この記事の読み方

• 成果の数字は、支援会社・ツール会社の事例ページ（顧客の担当者の発言を含みます）か、取り組んだ会社自身の発表に載っている数字です。施策と成果の因果関係は、各社の説明のまま紹介し、編集部では断定していません。
• AIでの露出を表す指標は、事例ごとに名前も定義も違います（言及率、推奨率、Visibility、Share of Voice など）。各社の言葉と定義のまま書いているので、事例どうしの数字は単純に比べられません。
• Semrush・ベイス・Glaspの3件は、自社の取り組みを自社が発表したものです。見出しと本文に「自社実証」「自社発表」と書いています。
• 「AIは〇〇を引用する」といったAI検索の仕組みについての記述は、各社の仮説や観察として紹介しています。編集部が仕組みを確かめたものではありません。
• 「仮説」の欄は、事例ページで担当者や支援会社が「なぜそうしたか」を語っている内容だけを書いています。語られていない部分は「編集部の読み解き」と明記し、事実と分けています。英語の事例ページの引用は、短く訳して「（編集部訳）」としています。
• 事例ページは2026年11月8日に確認しました。調べ方の詳細は記事の最後にまとめています。

LLMO・AIO対策の成功事例マップ｜自分に近い事例を探す

8件の事例を、課題の型ごとに並べました。自社の状況に近いものから読んでも、上から順に読んでもかまいません。成果の欄は各ページの表記のままです。指標の名前・定義・計測の方法が事例ごとに違うので、数字を横に並べて比べることはできません。

事例1：手作業で3時間かかっていたAIの計測を数分に。調査データの発信を続けたPR会社に「Geminiで調べました」という問い合わせ｜BtoBのPR支援会社

状況

株式会社IDEATECHは、BtoB企業向けの戦略PRを支援する会社です。アンケート調査などの一次情報を起点にしたPRが本業で、調査PR「リサピー®」などを提供しています。自社とクライアントが、生成AIにどれだけ言及されているかを追う必要がありました。

壁

AIの回答を手作業で確かめるモニタリングに、1回3時間以上かかっていました。そのしわ寄せは、本来の仕事である広報・PRの戦略設計に及びます。作業が重いため、本当は試すべきプロンプトがあると分かっていても、現状のまま続けることを選んでしまっていたといいます。

仮説（事例ページで語られていること）

専務取締役の競氏は、生成AIも信頼できる情報源からのサイテーション（言及・引用）を重視している、と感じていました。同社はAIが広まる前から調査データという客観的な事実を発信してきており、競氏はAIの登場を、そのやり方の正しさを確かめる答え合わせのようなものだと表現しています。これからGEOを始める会社には、まず現状の把握（モニタリング）から始めることを勧めています。インタビューでは、支援側（Faber Company）の西田氏が、現在地が分からなければ意思決定できない、とその理由を補っています。

打ち手

1. 直近3年で、調査データにもとづくプレスリリースを300本以上出す。
2. 「調査PR会社の選び方」など、検討中の人が読むコンテンツを公開する。
3. 2025年にAI検索の計測ツール（ミエルカGEO）を導入し、多くのプロンプトを登録して定点観測する。
4. プロンプトの追加・変更を、クライアントへの提案の中でためらわずに行う（1プロジェクトあたり30〜100程度のプロンプトを登録）。

事例ページでは、計測が数分で終わるようになったことで、作業の重さを理由に後回しにしていたプロンプトの追加・変更を、ためらわずにできるようになったと説明されています。

調べものの入口が検索窓からAIに移ったとき、お客さんはどこからやって来るのでしょうか。

結果

Faber Companyの事例ページによると、モニタリングの作業は3時間以上から数分に短くなりました。

事例ページで印象的なのは、誰もが知る大企業から問い合わせが来たときの話です。どこで知ったかを聞くと、「Geminiで調べました」と返ってきたと競氏は語っています。その企業は指名検索で同社のサイトに来て問い合わせ、契約に至ったといいます。ただし、事例ページの概要欄では導入効果の一つに挙げられているものの、競氏自身はこの契約をツールを導入する以前からの活動が実を結んだものと説明しています。本記事ではツールの成果としては扱いません。件数や金額の記載はありません。また、ChatGPTとGeminiで「調査PR会社のおすすめ」と聞くと同社がトップに出る、と事例ページの本文は書いています（事例ページの回答画面は2026年7月10日時点）。

ここが効いた

• 調査データという「AIが引用しやすいと同社が考える一次情報」を、3年かけて量で積み上げていた。
• 計測を手作業からツールに移し、プロンプトの見直しを毎月の仕事に組み込んだ。

支援：Faber Company（計測ツール「ミエルカGEO」の提供。Faber Companyの評判・口コミ）／出典：Faber Company（ミエルカGEO）IDEATECHの事例ページ（公開2026年7月13日、更新2026年10月13日）

事例2：「なぜ競合だけAIに出るのか」を調べたら比較記事が参照されていた。配送ページと比較記事を足し、言及率30%台→最大42%｜互換インクのEC

状況

株式会社キュリエは、プリンター用の互換インク・トナーを輸入し、卸とEC「インクのチップス」で販売しています（従業員38名、2026年9月1日時点）。お客さんの情報収集がAI検索に移ることを見据えていたところ、「〇〇とは」のような知りたいことを調べる検索（Knowクエリ）からの自然検索流入が減り始めていました。

壁

GEOの知識や経験が十分でない状態からのスタートでした。ツール選びでも、海外製のツールには日本語の表現の揺れや引用情報の正確さに不安があり、国内外5社のツールを比べ直しています。

仮説（事例ページで語られていること）

最初の分かれ道は、支援側のカスタマーサクセス（CS）からの助言でした。AIに「引用」されたいのか、ブランド名を「言及」されたいのかで、設定すべきプロンプトが変わる、というものです。キュリエは、言及を増やす方針を選びました。

そのうえで、AIに出ない場面を一つずつ見ています。「当日発送できるサイト教えて」という質問で自社が出なかったため、配送についてのページを足すことにしました。また、競合が言及されて自社が言及されない理由を分析したところ、競合は比較記事から参照されていると分かったといいます。

打ち手

1. 2026年春にツールを導入し、週1回、20件のプロンプトを定点観測する（購入に近い質問と、「互換インク」のような一般的な質問の両方）。
2. 取れたデータを生成AI（Claude）で分析し、施策の優先順位を決める。
3. 配送についてのページを追加し、トップページにブランドの情報を足す。
4. 「おすすめ互換インクメーカー」の比較記事を作る。5つの比較の軸を立て、自社を推すだけの内容にはしない。
5. 調べる中で、商品保証のページがインデックスされていないことを見つけ、対応する。

AIの回答に競合だけが出るとき、あなたならまず自社のページを直しますか、それとも「競合はどこから引用されているか」を見に行きますか。

結果

Faber Companyの事例ページによると、Geminiでの引用が少しずつ増えていきました。プロンプトによっては、ブランド名の言及率が30%台から最大42%に、引用率が20%台から最大30%になったケースもあったとしています。これは一部のプロンプトでの数字で、全体の平均ではありません。

一方で、成果の測りにくさも率直に語られています。課長の金子氏は、AIでの言及や引用がCVにどれだけ寄与したかを直接測るのは難しいと話しています。現在は、「インクのチップス」関連の指名検索の数・表示回数・流入数の増減で評価しているそうです。同じ部署の関氏は、取り組みを振り返って「『この施策を行えばよい』という正解がない」と語っています。

ここが効いた

• 「引用か、言及か」を最初に決め、それに合わせてプロンプトを設計した。
• 自社のページだけでなく、競合がどこから参照されているかを調べ、比較記事という受け皿を作った。

支援：Faber Company（計測ツール「ミエルカGEO」の提供とCSの支援。Faber Companyの評判・口コミ）／出典：Faber Company（ミエルカGEO）キュリエの事例ページ（公開2026年9月28日、更新2026年10月13日）

事例3：導入実績は多いのにAIに推奨されない。参照元の外部メディアに「選ばれる根拠」を整え、AI推奨率59%→85%｜タレントマネジメントのSaaS

状況

株式会社プラスアルファ・コンサルティングは、タレントマネジメントシステム「タレントパレット」を提供しています（4,800社以上の導入、シェアNo.1は同社表示）。集客の主軸はリスティングなどのWeb広告でした。SEOは重要なキーワードに絞って取り組んでいたため、記事の数やキーワードの量では競合と差がありました。展示会の参加者が減り、SEOのトラフィックにも変化が出ていました。

壁

社内にはLLMOの知見がなく、どう手を打てばよいか分からない状態でした。初期の診断では、エンタープライズ（大企業）向けのキーワードを入れてAIに聞いても、自社が推奨の結果に出てきませんでした。執行役員の甫坂氏は、はっきりしたキーワードを入れても出てこなかったことで、これまでとは違うやり方が必要だと気づいたと振り返っています。

仮説（事例ページで語られていること）

LANYの渡邉氏は、AIが参照している情報源に、タレントパレットが選ばれる根拠になる情報が足りていないことが原因だと分析しました。LANYからは、簡単で誰でも使える製品のほうがAIに推奨されやすいのでは、という見立ても出ています。ただ、タレントパレットは簡単さを売りにしている製品ではありません。そこで、同社の強みである「高機能・多機能」を起点に、AIへの伝え方を設計し直しました。

甫坂氏は、AIの回答の引用元を見て、AIが自社サイトよりも外部メディアを優先して参照している、と気づいたといいます。

打ち手

1. 狙いたいプロンプトで、自社が推奨されているかを計測する（初期診断）。
2. 自社サイトと、AIが参照している外部メディアに、ペルソナ（想定する購買者）が製品を選ぶ決め手に合わせた情報（Reason to believe＝選ばれる根拠）を整える。
3. LANYが要件定義書を作り、ほかの事業部にも協力してもらって、外部メディアの情報を素早く整える。
4. 問い合わせフォームの「何で知ったか」に、「AIのおすすめ」という選択肢を新しく加えて計測する。

「自社サイトに書いてあるから大丈夫」と思っていた情報は、AIが見ている場所にも置かれているでしょうか。

結果

LANYの事例ページによると、タレントマネジメントのカテゴリーでのAI推奨率は59%から85%になりました。推奨率は、カテゴリーについての質問に対して、自社が回答に含まれる割合と定義されています。ただし、グラフの注記によると、2026年3月以降は対象のプロンプトを広げているため、2月以前と母数が違います。AI経由の問い合わせも実際に出てきたとしていますが、件数の記載はありません。

成果のとらえ方について、甫坂氏は、AIの推奨結果は日々の変動が激しく、今も不安が完全になくなったわけではないと話しています。そのうえで、早い段階で「7割くらいは間違いなく施策の効果だろうな」という手応えを得たと語っています。

ここが効いた

• 「どの情報源をAIが見ているか」から打ち手を決め、自社サイトの外（外部メディア）まで手を広げた。
• 「AIに推奨されやすい」とされた型（簡単さ）に寄せず、自社の本当の強み（高機能・多機能）で伝え方を作った。

支援：LANY（LANYの評判・口コミ）／出典：LANY プラスアルファ・コンサルティングの事例ページ（掲載2026年9月28日。LANYの事例一覧の表示）

事例4：紹介頼みでWebの問い合わせがほぼなかった士業事務所が、強みの言語化と事例コンテンツ約50本で問い合わせ6倍のペースに｜司法書士法人

状況

司法書士法人ミラシアは、相続・信託・遺言を手がける司法書士法人です（東京都千代田区、16名・6事務所）。集客は紹介が中心で、Webからの問い合わせはほとんどありませんでした。そんな中、お客さんから、ChatGPTで調べたら名前が出てきたという声が聞かれるようになります。それまでは、どこで知ったかを細かく聞いていなかったといいます。

壁

紹介を維持し、広げていくにはコストがかかり、営業の難しさもあります。以前にバズ部（ルーシー）とSEO記事に取り組んだこともありましたが、記事を根気よく出し続けることができず、止まってしまいました。

仮説（事例ページで語られていること）

AI検索では、お客さんがかなり細かいところまで調べます。だからこそ、最初に「自分たちの強みは何か」と向き合う必要があった、と説明されています。最初の3か月にヒアリングを何度も重ねたのは、そのためです。代表の元木氏は、強みについて「めちゃくちゃ掘らないと出てこない」と話しています。

元木氏は、AIの回答はパーソナライズされるので、紹介でしか会えなかったお客さんとAIが出会わせてくれる、小さい会社ほど相性がいい、という考えも語っています。

打ち手

1. 2025年10月に開始。最初の3か月は、強みを言葉にするためのヒアリングを行う（弱いところも同時に確かめる）。支援側の説明では、言葉にした強みを6000文字以上のテキストにして公開した。
2. プログラムの終了後も続け、支援側がミラシア専用の「事例を作るためのプロンプト」を50〜100時間かけて作る。これで、コンテンツ1本の制作が1〜1.5時間になった。
3. 3〜4か月で、約50本の事例コンテンツを公開する。

編集部の読み解き

以前のSEO記事が止まった理由は「出し続けられなかったこと」でした。元木氏自身も、成果の要因の一つに、AIを使って小さな会社でも続けられる体制を作れたことを挙げています。一方、事例という形を選んだ理由は事例ページでは詳しく語られていません。編集部としては、細かく調べるお客さんに向けて、言葉にした強みを具体的な場面で示せる形だった可能性があると考えています。これは編集部の解釈です。

16名の事務所が、強みを言葉にすることから始めた取り組み。数字はどこまで動いたのでしょうか。

結果

ルーシーの事例ページで元木氏が語っているところによると、Webの問い合わせは3か月で従来の約2倍、半年で6倍のペースになりました。去年1年分の売上を約1.5〜2か月で超え、昨年の8倍くらいのペースだといいます。受注率は、支援側の房宗氏がインタビューの中で、去年（プロジェクト開始前）の約10%から、今年5月までで約25%と示しています（「今年5月まで」は事例ページの表現のままです）。問い合わせの7割が、長文で検討度の高い内容になったとも紹介されています。

ページの末尾には、初期段階のデータであり、計測できているコンバージョンだけの数字だという注記があります。なお、同社のサービス紹介ページの要約には別の表現もありますが、本記事ではインタビュー本文の「Webの問い合わせ」という表現で書いています。AI経由に限った数字かどうかは、本文には書かれていません。

ここが効いた

• 記事の量産より先に、3か月かけて「自分たちの強み」を言葉にした。
• 専用のプロンプトで制作の手間を下げ、「出し続けられない」という過去の壁を越える仕組みを作った。

支援：ルーシー（バズ部「AI対策90日プログラム」。ルーシーの評判・口コミ）／出典：ルーシー（バズ部）司法書士法人ミラシアの事例ページ（掲載日の記載なし（2026年11月確認））

事例5：AIがよく引用する「比較・自動化」の内容に気づき、2ページを新設してVisibility 3.2%→22.2%に｜米国のフィンテック

状況

Rampは、米国で法人カードや経費管理のサービスを提供するフィンテック企業です。AI検索の可視性を測るツール「Profound」の事例ページでは、Accounts Payable（買掛金管理）の分野で、RampのAIでの可視性がとても低かったと紹介されています。Ramp側は、AIで答えられる検索が急に増えていると認識していたと、ページには書かれています（数字の出典の記載はありません）。

壁

RampのSEO StrategistであるAshley Nguyen氏は、従来のSEOツールではとらえきれない行動のパターンがある、と話しています。検索順位を見ているだけでは、AIの回答で自社がどう扱われているかが分からなかったわけです。

仮説（事例ページで語られていること）

Profoundで分析したところ、AIは「自動化」「AI」「ソフトの比較」についての内容をよく引用していて、それは従来の自然検索では見落とされがちな内容だった、と事例ページは説明しています。Rampへの既存の引用のうち6%が、そうした内容から来ていたそうです。そこで、AIに拾われることを前提に、質問全体に答えるページを作れば勝てる、と考えました。事例ページはこの状況を「AI検索のブルーオーシャン」（編集部訳）と表現しています。

打ち手

1. 「中小企業向けの買掛金管理ソフト」「大企業向けの買掛金管理ソフト」の2ページを新しく作る（AIに拾われるよう設計）。
2. 買掛金管理の自動化ソフトの比較、買掛金管理でのAI活用など、似た比較ページもあわせて用意する。
3. AIでの引用と可視性を追いかける。

既存のページを直すのではなく、AIがよく引用する種類の内容を見て、新しいページを足す。あなたの分野で、AIはどんな内容のページを引用しているでしょうか。

結果

Profoundの事例ページによると、新しい2ページは1か月で300件を超える引用を集めました。Visibility（可視性）は3.2%から22.2%になり、買掛金管理の分野のフィンテックブランドの中での順位は19位から8位に上がったとしています。

注意したいのは期間の書き方です。本文では「1か月で」とされていますが、同じページの表で比べている日付は2024年12月1日と2025年2月15日で、約2.5か月の差があります。表にはVisibility 22.2%と並んで12.2%という数字も出ていますが、本文の3.2%→22.2%との関係は説明されていません。また、VisibilityやCitation Share（表では8.1%）はProfound独自の指標で、ほかの事例の数字とは比べられません。

ここが効いた

• 「どんな内容が引用されているか」をデータで見て、自然検索では見落とされていた種類のページを作った。
• 狙う分野（買掛金管理）を絞り、その分野の質問に正面から答える2ページに集中した。

支援：Profound（AI検索の計測ツール。Profoundの評判・口コミ）／出典：Profound Rampの事例ページ（英語）（掲載日の記載なし（2026年11月確認））

事例6：自社のブログが競合を推薦する回答の材料になっていた。指標を作り直してSoV 13%→32%に｜米国のSEOツール会社（自社実証）

この事例は、SEOツール会社のSemrushが、自社の取り組みを自社のサイトで発表したものです（自社実証）。同社は自社のAI関連製品を販売しており、宣伝を兼ねた発表である点を踏まえて読んでください。

状況

Semrushは、米国のSEOツール大手です。2025年7月に、AI検索向けの製品を2つ（「AI Visibility Toolkit」「Enterprise AIO」）出し、市場では伸びていました。ところが皮肉なことに、その自社のAI製品が、AIの回答に出てきません。ChatGPTでは競合に遅れ、購入意欲の高い一部のプロンプトでは名前が抜け落ちていました。

壁

Semrushには、SEOやデジタルマーケティング全般についての、さまざまなブランドの信号があります。そのため、AI製品に絞った可視性を作りにくかったといいます。過去のデジタルマーケティング分野での強さが、かえってAIに、Semrushをほかのチャネルの会社として結びつけさせていた、と同社は見ています。

測ることも簡単ではありません。AIはクリックもCVもないまま購買に影響するので、成果の帰属が難しい。回答は毎回同じとは限らず、参照されるソースは月に40〜60%入れ替わるという推計も紹介されています（誰の推計かは書かれていません）。

仮説（事例ページで語られていること）

担当者は、LLMが同社のブログを何百回も引用しているのに、それが製品と結びついていないことに気づきました。同社のSergei Rogulin氏（Head of Organic & AI Visibility）は、「自社のコンテンツが、競合を推薦する回答の材料になっていた」（編集部訳）と語っています。だから、引用（参照）されているかだけでなく、ブランドが言及されているか、競合と比べてどの位置にいるかまで、計測を広げる必要があると考えました。

打ち手

1. 指標を作り直す（言及の有無、SoV＝Share of Voice、言及されたときの位置）。
2. 情報収集の段階のプロンプトを自動で作り、既存のロングテールのキーワードと照らし合わせる。購入の直前のプロンプトも加える。
3. 競合と比べて、狙うプロンプトの優先順位を決める。
4. 既存の記事に製品の情報を自然に入れる（例：「LLMにブランドを言及させる方法」の記事に、自社製品の機能を書き足す）。
5. Wikipedia、Reddit、Quora、Backlinkoなど、外部の主要なソースでの説明を整える。

引用されているのに、売りたい製品の名前は出てこない。あなたの会社の「よく読まれている記事」は、自社の商品と結びついているでしょうか。

結果

Semrushの自社発表によると、2か月で、対象のプロンプト群でのSoVは13%から32%になりました（+146%）。購入直前の質問で2つの製品が言及される回数も増えたとしていますが、こちらは数字の記載はありません。

ここが効いた

• 「引用されているか」だけを見るのをやめ、「言及されたか」「競合と比べてどの位置か」まで測るようにした。
• 新しい記事を一から作るのではなく、すでにAIに引用されている記事に製品の情報を足した。

出典（自社発表）：Semrush Enterprise 自社事例のページ（英語）（掲載日の記載なし（2026年11月確認））／ツールの評判：Semrushの評判・口コミ

事例7：ChatGPTが社名を「Bays」と表示。原因を英語版のGoogleマップに見つけて直し、別の商材でも再現を確かめた｜三重県のWebマーケティング会社（自社実証）

この事例は、株式会社ベイスが自社の取り組みを自社のブログで発表したものです（自社実証）。支援会社の事例ではありません。

状況

株式会社ベイスは、三重県四日市市のWebマーケティング会社です。ホームページ制作、LINEの運用、チラシなどを手がけています。2025年6月ごろ、ChatGPTに「三重県でおすすめのWeb制作会社」と聞くと、自社が出てこないことがありました。名古屋の会社だと認識されたり、移転前の住所が答えられたりもしていました。

壁

その後、自社が紹介されるようになってからも（2026年1月時点）、ChatGPTが社名を「株式会社ベイス」ではなく「Bays」と表示していました。自社サイトの構造化データに正式名称（legalName）と英語名（alternateName）を足すと一度は直りましたが、同社はブログで「しばらくすると再び「Bays」に戻ってしまいました」と書いています。被リンク元や企業紹介サイトにも、古い住所や社名の誤りが残っていました。

仮説（ブログで語られていること）

再発したとき（2026年5月11日）、ChatGPTの回答に地図の情報が出ていました。そこからGoogleマップを英語表示にしてみると、社名が「Bays」になっていたと分かります。この誤った表記が、AIの回答に影響している可能性が高いと考えました。ただし、AIが常にGoogleのビジネスプロフィールを最優先している、とまでは断定できない、と同社自身が書いています。

チラシ制作でAIに出てこない理由については、「ベイス＝チラシ制作」という結びつきがWeb上にない（関連する被リンクが0件だった）からだと考えました。

打ち手

1. 自社サイトの構造化データと会社情報を整理する（llms.txtも試したが、現在は主要な施策とは見ていない）。
2. Googleビジネスプロフィールのサポートに、英語表記の修正を依頼する（翌5月12日に修正され、ChatGPTで正しく表示された）。
3. 外部サイトに残っていた古い情報の修正を依頼する。
4. 比較記事や企業紹介記事など、事業と合う文脈での被リンク・言及を増やす（新しく参照してくれたドメインは、2025年が43、2026年は9月10日までで73）。
5. 再現できるかを確かめるため、2026年7月23日に「三重県でおすすめのチラシ制作会社5選」の記事を公開する。

1つの商材で効いたように見えたやり方を、別の商材でもう一度試す。結果はどうだったのでしょうか。

結果

ベイスの発表によると、チラシ制作の記事は「三重県＋チラシ制作」の検索で2位になりました。公開前はどのAIでもチラシ制作会社の候補に出ていなかったのが、ChatGPT・Gemini・Claude・Perplexity・AI Overviewsのすべてで候補に出るようになったとしています。ただし、AI側のモデル更新などもあるため、この記事1本だけが原因とは断定できない、と同社自身が書いています。

GA4で見たAI経由のセッションは、2026年1〜4月の月平均66から、5〜8月は約94（約42%増。5月は112、7月は103）になったと紹介されています。ホームページ制作の問い合わせは、2024年が8件、2025年が15件、2026年は9月9日までで11件です。ただし、この問い合わせの件数はAI経由だけでなく、SEOなどを含む全体の数字だと同社は明記しています。

ここが効いた

• AIの回答に出ていた手がかり（地図の情報）から、自社サイトの外にある誤った情報源をたどった。
• 1回うまくいったことで終わらせず、別の商材（チラシ制作）で同じ手順を試して再現を確かめた。

出典（自社発表）：株式会社ベイス「LLMO対策は何が効いた？1年間の検証と失敗から分かったこと」（自社ブログ）（掲載2026年10月8日）

AI検索の成果を測る難しさ｜事例8 Glaspの自社研究が示したこと

ここまでの7件では、言及率、推奨率、Visibility、SoV、AI経由のセッションなど、さまざまな数字が出てきました。では、その数字が伸びたのは、本当に施策の効果なのでしょうか。この問いに正面から取り組んだのが、事例8のGlaspです。

事例8：AI経由の流入「5.7倍」の裏で、何もしていないページも3.5倍だった。同じサイト内に「比べる相手」を置いて施策の効果を切り分けた｜Webサービス（自社研究）

この事例は、Glasp Inc.所属の著者2名（論文本文の所属表記）が、自社サイトでの取り組みを論文としてarXiv（論文の公開サイト）に公開したものです（自社研究・自社発表。査読の記載はありません）。英語の論文で、本記事では要旨と論文本文をもとに紹介しています。

状況

Glaspは、Webのハイライトを保存できるサービスです。サイトには、YouTube動画の内容をQ&Aの形にまとめたページが数十万件あります。著者らは、公表されるAI検索対策（AEO）の成功事例の多くが大きな倍率を1つだけ示していて、ChatGPT自体の急成長によって数字が膨らんでいるのではないか、という問題意識を持っていました。

壁

ChatGPTの利用者が増えている時期は、何もしていないページへの流入も増えます。そのままでは、「施策の効果」と「プラットフォームの追い風」を切り分けられません。

仮説（論文で語られていること）

施策は、サイトの一部のページ群（/youtube/ 以下）に集中させていました。そこで、同じドメインのほかのページを「対照群」（施策をしていない比較の相手）にすれば、ドメインの評価、追い風、計測の設定がそろい、追い風の分を差し引けると考えました。

打ち手

1. 2026年1月に、施策の対象のページ群に4つの施策をまとめて行う。論文本文（第4章）によると、URLの正規化、AIのクローラーが404になったURLを需要の信号とみて新しいページを作ること、タイトルを疑問文にし冒頭の要約を2〜3文の答えにすること、Googleからのクリックがあるページは書き直さないというルール（検索からもAIからも関心のないページは非公開にする）、の4つです。
2. GA4とサーバーのログで、施策をしたページ群（処置群）と、していないページ群（対照群）を週ごとに比べる。
3. 観察期間は2025年7月〜2026年5月28日。

「流入が5.7倍になりました」と報告を受けたら、あなたは何を聞き返すでしょうか。

結果

論文によると、月ごとの合計で、ChatGPTからの参照流入はサイト全体で5.7倍になりました。ところが、施策をしていないページも3.5倍に増えていました。処置群と対照群の比で見ると、施策の時期に1.82倍の段差があり、エンゲージメントのある流入に絞ると2.27倍だったとしています。

ただし、もっとも慎重な検定ではこの差ははっきりせず、著者ら自身が結論を「示唆的だが、決定的ではない」（編集部訳）と書いています。Googleの自然検索のクリックは、サイト全体の傾向以上には落ちなかったとしています。論文では実数は伏せられていて、指数と倍率だけが示されています。

ここが効いた

• 施策をしたページだけを見るのではなく、同じサイトの「施策をしていないページ」と比べた。
• 大きな倍率を1つ出して終わらせず、追い風を差し引いた数字と、その確からしさまで示した。

出典（自社研究）：Glasp所属の著者による論文（arXiv、英語）（2026年6月3日投稿）。施策の4項目は、同じ論文の本文（第4章）で確認しました。

ほかの事例にも出ていた「測りにくさ」

Glaspほど厳密ではなくても、ほかの事例にも測りにくさは出ていました。

• AIの回答は、聞くたびに変わる：ベイスは、一時チャットで同じ質問を10回すると10回とも自社が出た（1〜6位）一方、通常のチャットでは出ないこともあったと書いています。そのため、1回聞いて出たか出なかったかでは判断できないとして、複数回・複数のAIで確かめていました。キュリエも、データを取る時期やAIモデルの更新で回答が変わると話しています。
• 参照元が入れ替わる：Semrushは、AIが参照するソースが月に40〜60%入れ替わるという推計を紹介しています。
• 担当者の画面は、お客さんの画面と同じとは限らない：ミラシアの元木氏は、AIの回答はパーソナライズされると話しています。担当者が自分で1回聞いた結果だけでは、お客さんにどう見えているかは分かりません。
• CVへの寄与は直接測りにくい：キュリエは直接測るのは難しいとして、指名検索の数・表示回数・流入数の増減で評価していました。Semrushも、AIはクリックもCVもないまま購買に影響すると見ています。
• 計測の母数が途中で変わる：プラスアルファ・コンサルティングの推奨率は、2026年3月以降に対象のプロンプトを広げたため、2月以前と母数が違うと注記されています。

指標の名前と定義｜事例どうしを比べられない理由

8件で使われていた主な指標を、各ページの言葉のまま並べました。名前が似ていても、何を数えているかが違います。この表は比べるためではなく、「同じ%でも意味が違う」ことを確かめるためのものです。

8つの成功事例を並べて見えた「勝ちパターン」

ここからは、8件の事例に書かれている事実だけをもとに、共通点を整理します。8件という少ない数からの観察で、しかも取り組みの多くは始まって1年以内です。「こうすれば必ずAIに出る」という法則ではありません。自社で試すときの手がかりとして読んでください。

勝ちパターン1：仮説を「AIの回答と引用元に足りない情報」から立てている

8件のうち6件で、AIに出ない・正しく出ない原因を、AIの回答や引用元を見たうえで「何の情報が足りないか」として見立てていました。

もう1件のミラシアも、AIでお客さんが細かく調べるからこそ「強み」を言葉にする必要がある、と考えていました。どの事例も、AIの仕組みを言い当てようとするより、AIの答えに使えそうな材料が自社の周りにあるかを確かめていた点が共通しています。

また、その材料を自社サイトの外に探しにいった事例が目立ちました。プラスアルファ・コンサルティングの外部メディア、キュリエの比較記事、Semrushの Wikipedia や Reddit、ベイスのGoogleビジネスプロフィールと企業紹介サイト、IDEATECHのプレスリリースです。

勝ちパターン2：最初に「決まった質問」で現在地を測っている

最初に動かした指標は事例ごとに違いますが、多くの事例が、まず決まったプロンプトで現在地を測るところから始めていました。

• IDEATECHの競氏は、まずモニタリングから始めることを勧めています（現在地が分からなければ意思決定できない、と支援側の西田氏が補っています）。
• キュリエは、週1回20件のプロンプトを、購入に近い質問と一般的な質問に分けて定点観測しました。
• プラスアルファ・コンサルティングは、狙いたいプロンプトで推奨されているかを測る初期診断から入りました。
• Semrushは、言及の有無・SoV・言及されたときの位置へと、測るもの自体を作り直しました。
• ベイスは、1回の確認では判断できないとして、複数回・複数のAIで確かめていました。

測る質問を決めておくと、「どの質問で出ないのか」が分かり、打ち手の優先順位が決めやすくなります。キュリエがデータを分析して施策の順番を決めていたのは、その一例です。

勝ちパターン3：やめたこと・捨てたことがはっきりしている

成果が出た事例には、それまでのやり方や、よく言われるやり方を見直した場面がありました。

• IDEATECHは、作業が重いからと「試すべきプロンプト」を後回しにする現状維持をやめ、計測をツールに移しました。
• Semrushは、「引用されているか」だけを見る計測をやめました。
• プラスアルファ・コンサルティングは、簡単で誰でも使える製品がAIに推奨されやすいという見立てに、自社の訴求を合わせませんでした。
• キュリエは、比較記事を作るときに、自社を推すだけの内容にはしませんでした。
• ベイスは、llms.txtも試したうえで、現在は主要な施策とは見ていないと書いています。
• ミラシアは、以前に止まってしまった「記事を出し続ける」やり方を、専用のプロンプトで制作の手間を下げる形に変えました。

もう一つの共通点：AIの数字だけで成果を判断していない

3つの勝ちパターンとは別に、印象に残った共通点があります。AIでの露出の数字とは別に、AIの外の数字や声で成果を確かめていたことです。

• プラスアルファ・コンサルティングは、問い合わせフォームに「AIのおすすめ」という選択肢を足しました。
• IDEATECHは、問い合わせてきた企業に「どこで知ったか」を聞いて、Geminiだと分かりました。ミラシアも、ChatGPTで調べて知ったというお客さんの声がきっかけでした。
• キュリエは、指名検索の数・表示回数・流入数で評価していました。
• ベイスは、AIでの順位のチェックだけをKPIにしないとして、複数のAIでの推薦、参照元、AI経由のセッション、問い合わせ、検索とAI Overviewsでの露出の5つを見ていました。
• Glaspは、施策をしていないページと比べて、追い風の分を差し引きました。

明日から試せるチェックリスト｜自社に当てはめる7つの問い

8件の事例で実際に行われていたことを、自社に当てはめる問いにしました。答えが「いいえ」や「分からない」になったところが、最初に手を付ける候補です。

1. AIで確かめる「決まった質問」を、購入に近いものと一般的なものに分けて10件以上書き出せますか？（キュリエは週1回20件、IDEATECHは多くのプロンプトを登録して定点観測していました）
2. ねらいは「引用されること」ですか、それとも「社名を言及されること」ですか？（キュリエは最初にこれを決め、Semrushは言及と位置まで測るようにしました）
3. AIに自社のカテゴリーのおすすめを聞いたとき、競合はどのページから引用されていますか？（キュリエは比較記事、プラスアルファ・コンサルティングは外部メディアにたどり着きました）
4. 社名・所在地・事業内容は、自社サイトの外（Googleマップ、企業紹介サイト、被リンク元）でも正しく書かれていますか？（ベイスは英語版のGoogleマップの誤表記を見つけました）
5. 自社の強みを、お客さんが細かく調べたときにも答えられる具体的な言葉で説明できますか？（ミラシアは3か月かけて強みを言葉にしました）
6. AIにすでに引用されている自社の記事は、売りたい商品と結びついていますか？（Semrushは引用されているブログに製品の情報を足しました）
7. 問い合わせフォームや商談で、「AIで知った」と分かる聞き方をしていますか？（プラスアルファ・コンサルティングは選択肢を足し、IDEATECHとミラシアはお客さんの声で気づきました）

LLMO・AIO対策の成功事例についてよくある質問

LLMO・AIO対策の成果が出るまで、どれくらいかかりますか？

今回の8件では、期間に幅がありました。Semrushは2か月でSoVが13%から32%に、プラスアルファ・コンサルティングは3か月でAI推奨率が59%から85%に、ミラシアは3か月でWebの問い合わせが約2倍になったと、それぞれのページで紹介されています。一方、ベイスは約1年の取り組みで、IDEATECHは3年分の調査データの発信が土台にありました。指標の定義も違うため、8件から一般的な期間を言い切ることはできません。

LLMO・AIO対策は、SEOと何が違いますか？

今回の事例では、SEOと重なる打ち手と、そうでない打ち手の両方がありました。重なっていたのは、配送ページや比較記事の追加、質問に答えるページの新設、インデックスされていないページへの対応などです。一方で、外部メディアやGoogleマップなど自社サイトの外の情報を整えること、決まった質問でAIの回答を定点観測すること、言及か引用かを分けて測ることは、検索順位を追うSEOとは違う動きでした。SEOの側の事例は、SEOの成功事例8選にまとめています。

ツールを入れれば、AIに出るようになりますか？

今回の事例からは、そうとは言えません。ツールが役に立っていたのは、主に計測の手間を減らし、どの質問で出ないかを見えるようにする部分でした（IDEATECHの3時間以上→数分など）。実際にAIでの扱われ方を変えたとされる打ち手は、ページの追加、外部の情報の修正、強みの言語化など、各社が自分たちで行ったことです。IDEATECHの大企業との契約も、ツールを入れる前からの活動の結果だと本人が話しています。

事例の数字は、そのまま自社の目安にしてよいですか？

おすすめしません。今回の数字は、言及率、推奨率、Visibility、SoV、AI経由のセッション、問い合わせなど、指標の名前も定義も事例ごとに違います。計測の途中で母数が変わった事例や、期間の書き方が食い違う事例、AI経由に限らない数字もありました。Glaspの研究のように、何もしていないページの流入も大きく伸びていた例もあります。数字は「どのくらい動き得るか」の参考にとどめ、打ち手の順番や考え方を持ち帰るのがよいでしょう。

プロに頼むなら｜LLMO・AIO対策会社・ツールを比べる

自社だけで進めるのが難しい場合は、支援会社やツールを使う方法があります。Abinでは、LLMO・AIO対策会社の料金・実績・支援内容を同じ基準で比べた記事を公開しています。

• LLMO・AIO対策会社おすすめ14選｜料金・実績・支援内容で比較

今回の事例を支援した会社・ツールの評判・口コミは、次の記事にまとめています。

• Faber Companyの評判・口コミ（事例1 IDEATECH、事例2 キュリエ）
• LANYの評判・口コミ（事例3 プラスアルファ・コンサルティング）
• ルーシーの評判・口コミ（事例4 司法書士法人ミラシア）
• Profoundの評判・口コミ（事例5 Ramp）
• Semrushの評判・口コミ（事例6 Semrushの自社実証）

AI検索での言及・引用を自社で測りたい場合は、計測ツールを比べた記事もあります。

• LLMOツールおすすめ10選｜AI検索の言及・引用を測れるツールを料金・対応AIで比較

ツギノテ編集部（運営：株式会社Abin）にマーケティング・DXについて相談したい場合や、事例・掲載についてのお問い合わせは、お問い合わせフォームから受け付けています。

調査方法と出典

• 確認日：2026年11月8日。
• 調べ方：「LLMO・AIO対策会社おすすめ」の記事に掲載している会社の公式の事例ページを中心に読みました。顧客名と数字のあるLLMOの事例を確認できた掲載会社が限られたため、同じ分野のほかの支援会社、LLMOツールの公式事例、取り組んだ会社自身の公式発表（自社実証・自社研究）まで広げました。比較サイトの事例紹介は使っていません。
• 選び方：顧客名が公開されていて、成果の数字が載っている事例だけを候補にしました（匿名の事例は除外）。13件の候補から、課題の型（計測、AIに出ない、強みが伝わらない、誤った情報、効果の切り分け）と国内・海外がばらけるように8件を選び、1つの支援会社・ツールから2件までとしました。事例の並び順は課題の型の順で、優劣を表すものではありません。
• 数字の扱い：成果の数字は、支援会社・ツール会社の事例ページ（顧客担当者の発言を含みます）か、取り組んだ会社自身の発表の表記です。施策と成果の因果関係は各社の説明として紹介し、編集部では断定していません。定義があいまいな数字は、ページの表現のまま載せています。指標が事例ごとに違うため、事例どうしの比較はしていません。
• 自社発表の扱い：Semrush・ベイス・Glaspは、自社の取り組みを自社が発表したものとして、本文に「自社実証」「自社研究」と書いています。Glaspの論文は査読の記載がなく、本記事では要旨と論文本文（arXivのHTML版）をもとに紹介しています。
• 仮説の扱い：「仮説」は、事例ページ・発表で担当者や支援会社が語っている内容だけです。語られていない部分は「編集部の読み解き」と明記しています。
• 引用：事例ページの文章の引用は、1事例につき1か所までにとどめ、それ以外は編集部の言葉で要約しています。英語のページの引用は、短く訳して「（編集部訳）」としています。
• 掲載日：事例ページに掲載日の記載がないものは「掲載日の記載なし（2026年11月確認）」としています。

出典（事例ページ・発表）

• Faber Company（ミエルカGEO）：IDEATECH（公開2026年7月13日、更新2026年10月13日）
• Faber Company（ミエルカGEO）：キュリエ「インクのチップス」（公開2026年9月28日、更新2026年10月13日）
• LANY：プラスアルファ・コンサルティング「タレントパレット」（掲載2026年9月28日。LANYの事例一覧の表示）
• ルーシー（バズ部）：司法書士法人ミラシア（掲載日の記載なし（2026年11月確認））
• Profound：Ramp（英語）（掲載日の記載なし（2026年11月確認））
• Semrush Enterprise：Semrush 自社事例（英語）（掲載日の記載なし（2026年11月確認））
• 株式会社ベイス：LLMO対策は何が効いた？1年間の検証と失敗から分かったこと（自社ブログ）（掲載2026年10月8日）

• Glasp所属の著者による論文（arXiv、英語）（2026年6月3日投稿）

• 掲載内容の修正依頼は、お問い合わせフォームから受け付けます。