LLMOとは？——ChatGPT・Claude・Perplexityに引用されるための仕組みと対策

LLMO（Large Language Model Optimization＝大規模言語モデル最適化）は、ChatGPT・Claude・Perplexity・Gemini などのAIが答えを作るときに、自分のページが読まれ、出典として示されるように整えることです。

この記事は「AIに引用されるために、サイト側で何ができるか」に絞ります。いちばん確実な手がかりは、AI各社が公開しているクローラーの説明です。どのロボットが何のために来て、robots.txt で止めると何が起きるかは、各社の原文にはっきり書いてあります。その早見表と、引用されやすい文章についての研究、当サイトのアクセスログでの実測を並べます。

1. LLMOとは何か

従来のSEOが「検索結果の一覧で上に出ること」を目指すのに対し、LLMOは「AIの回答の中に、出典や根拠として含まれること」を目指します。回答は一覧ではなく文章なので、ページ全体の順位よりも、ページのどの一節が拾われ、どう書き換えられて示されるかが問題になります。

LLMOはSEOの代わりではありません。ChatGPT や Perplexity は回答のたびにウェブを検索して読みに来るので、検索で見つけてもらえる状態を作ることが、そのままLLMOの土台になります。

2. AIがあなたのページを使う2つの経路

LLMOを考えるうえでいちばん大事なのは、AIがウェブのページを使う経路が2つあることです。混同すると「学習されたくないので全部止めたら、引用もされなくなった」ということが起きます。

①は、モデルが作られた時点で終わっています。ページを直しても、次に学習されるまで反映されませんし、いつ・どの版に入るかは外から分かりません。一方②は、質問のたびにその時点のページを読みに来るので、書き直した内容がすぐ効く可能性があるのは②です。LLMOで手を打てるのは、主に②の側です。

各社はこの2つを別々のロボットに分けています。OpenAI は「OAI-SearchBot を許可して検索結果に出しつつ、GPTBot を止めて学習に使わないよう示す」ことができると明記しています（Overview of OpenAI Crawlers）。

3. AIのクローラー早見表——止めると何が起きるか

各社の公式ページの説明を並べました（2026年10月1日に原文で確認）。「止めると何が起きるか」は各社の言い方の要約で、詳しい条件は出典の原文を見てください。

「学習はされたくないが、引用はされたい」なら、robots.txt は次のように分けて書けます。

# 検索・引用用：許可
User-agent: OAI-SearchBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

# 学習用：拒否
User-agent: GPTBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

User-agent: Google-Extended
Disallow: /

原文から読み取れる、見落としやすい点が4つあります。

• 反映には時間がかかる：OpenAI と Perplexity は、robots.txt の変更が反映されるまで約24時間かかりうると書いています。
• IPアドレスで塞ぐのは勧められていない：Anthropic は、IPでの遮断は robots.txt を読めなくするため、拒否が確実に伝わらないことがあると書いています。
• CDN や WAF の設定も入口になる：Perplexity は Cloudflare や AWS の WAF で自社のロボットを許可する手順を載せています。robots.txt で許可していても、手前のボット対策で止まっていれば読まれません。
• 「利用者の依頼で開く」ロボットは別扱い：ChatGPT-User・Perplexity-User は robots.txt が当てはまらない場合があると各社が明記しています。塞いだつもりでも、利用者がURLを渡せば読まれることがあります。

当サイトで実際に来ていたロボット

当サイト（arte.itlibra.com）は上の表のロボットをどれも止めていません。2026年9月26日〜29日の約3日半のアクセスログを数えたところ、OAI-SearchBot が866回、PerplexityBot が1,086回、ClaudeBot が502回リクエストしていました。利用者の依頼で開く ChatGPT-User（1,275回）と Claude-User（438回）も来ています。一方、AI向けの目次ファイル /llms.txt を取りに来たAIのロボットは0回でした。集計の方法と表は llms.txt の記事の実測 にあります（1サイト・3日半の結果で、一般化はできません）。

4. 引用されやすい文章——研究で分かっていること

「どう書けばAIに引用されるか」について、発行元まで辿れるまとまった研究は多くありません。よく参照されるのが、プリンストン大学などの研究者による論文 GEO: Generative Engine Optimization（KDD 2024 採択）です。検索して答えを生成するAIを「生成エンジン」と呼び、そこで自分のページの見え方を上げる方法を比べています。

論文の結論は「最大40%見え方を上げられる」というものですが、読むときに注意が3つあります。

• 実験の環境：研究者が作った生成エンジンと、当時の Perplexity で測った結果です。いまの ChatGPT や Claude で同じ数字になる保証はありません。
• 「見え方」の定義：回答の中で自分の出典が占める語数と位置を点数にしたもので、クリック数や売上ではありません。
• 分野で効き方が違う：法律・行政では数字の追加、歴史や人物では引用文の追加が効きやすかったと書かれています。

それでも、実務への示唆ははっきりしています。主張に出典と数字を添え、他の人の言葉を引くなら出どころを書く——これは読者にとっても確かめやすい書き方で、AIのためだけの小細工ではありません。

5. 今日からできるLLMO対策

大がかりな作り直しは要りません。順番にやるなら次のとおりです。

ステップ1：入口が開いているか確かめる

• robots.txt で、3章の表の検索用ロボットを止めていないか見る。
• CDN・WAF・ホスティングのボット対策で、AIのロボットを一括で止める設定が入っていないか見る。
• 本文が JavaScript を実行しないと出ない作りになっていないか見る（HTMLにテキストがあるのがいちばん確実）。

ステップ2：本当に来ているかをログで見る

• サーバーのアクセスログを User-Agent ごとに数える。1行で数えるコマンドは llms.txt の記事に載せています。
• 検索用ロボットがほとんど来ていなければ、まず入口かサイトの見つけやすさ（サイトマップ・内部リンク）を疑う。

ステップ3：拾われる一節を書く

• 段落の最初の文で結論を言い、その段落だけ読んでも意味が通るようにする（「これ」「それ」だけで前の段落を指さない）。
• 数字には発行元と時点を付ける。「〜と言われている」を「〇〇が△年に発表した調査では」に変える。
• 他のサイトの要約ではなく、自分で試した結果・自社のデータ・現場の判断を入れる。

ステップ4：AI経由の訪問を測る

• OpenAI は、ChatGPT の検索から来たリンクに utm_source=chatgpt.com を自動で付けると説明しています（Publishers and Developers FAQ）。アクセス解析でこの値を絞り込めば、ChatGPT 経由の訪問が分かります。
• 他のAIは、アクセス解析の参照元（リファラ）で見る。
• 自社に関わる質問を、ChatGPT・Claude・Perplexity・Gemini に定期的に聞き、出典に出るかを記録する。回答は毎回変わるので、1回の結果で判断しない。

6. やらなくていいこと・注意点

llms.txt を置けば引用される、わけではない

llms.txt は、AI向けにサイトの目次をまとめる提案です（llmstxt.org）。OpenAI・Anthropic・Google は自社の開発者向けドキュメントに llms.txt を置いていますが、自社のクローラーが一般のサイトの llms.txt を読んで回答に使う、という公式の説明は、上の各社のクローラーのページには見当たりません（2026年10月1日確認）。Google は検索では llms.txt を使わず、置いても置かなくても順位は変わらないと明記しています。当サイトのログでも、AIのロボットは0回でした。置くかどうかの判断は llms.txt の記事にまとめています。

学習データに入れば長く効く、とは言えない

学習データに何が入ったかは外から確かめられず、入ったとしても回答で出典として示されるわけではありません。「一度学習されれば長期的に効く」という説明は、確かめようがありません。手を打つなら、回答のたびに読まれる②の経路です。

回答は毎回変わる

同じ質問でも、回答も出典も毎回変わりえます。SEOの「順位を維持する」ような管理はできず、引用される確率を上げる取り組みだと考えるのが実態に近いです。

AI向けに中身を薄めない

「AIに拾われやすい形」を狙って、どこにでもある説明を短く切り分けて量産しても、引用される理由になりません。GEO論文でも効いたのは出典・引用・数字という中身の側でした。Google も、AI 検索のために文章を細切れにする必要はないと説明しています（AI Overviews の記事）。

FAQ

関連記事：AEOとLLMOの違い／AEOとは／llms.txtとは