LLMOとSEOで「上位になる記事」の構造は何が違うのか——BtoBオウンドメディア担当者の実践ガイド

GoogleのSEO対策に力を入れてきたはずなのに、ChatGPTやPerplexityで自社の記事が一切出てこない——そんな経験をしたオウンドメディア担当者は少なくないはずです。

SEOとLLMO（Large Language Model Optimization）は、どちらも「検索経由で読者に届く」ことを目的としています。しかし、評価する主体が根本的に異なります。SEOはGoogleのアルゴリズムに評価され、LLMOはChatGPTやPerplexityといったLLMが回答を生成する際に「引用・推薦するか」で決まります。同じ記事でも、この2つの評価軸では全く異なる結果が出ることがあります。

この記事でわかること

• LLMOとSEOで「評価されるコンテンツの構造」が具体的にどう違うのか
• SEOで上位表示されている記事が、なぜLLMOでは選ばれないのか
• BtoBオウンドメディア担当者が今日から着手できる5つの改善手順

LLMOとSEOの違いを一言で言うと「誰に選ばれるか」が違う

SEOの評価者はGoogleのクローラーです。被リンクの量と質、ページの読み込み速度、コンテンツの網羅性といった指標が中心になります。ページランクの考え方に代表されるように「信頼されているサイトから引用されているか」が大きな重みを持ちます。

一方、LLMOの評価者はLLM（大規模言語モデル）です。ユーザーが質問を投げかけたとき、LLMは学習済みのデータと、Perplexityのようにリアルタイムで参照したウェブコンテンツを組み合わせて回答を生成します。このとき「どの情報を引用し、どの情報を推薦するか」を判断するのはアルゴリズムではなく、意味的な文脈の理解です。

この違いを理解せずに、SEOで評価された記事をそのままLLMO対策に流用しようとすると、意図した効果が得られません。評価軸が異なる以上、コンテンツの設計思想も変える必要があります。

LLMに引用される記事の構造的特徴

LLMが回答生成時に引用する記事には、共通した構造的特徴があります。それは「問い→答え→根拠→文脈」という順番が一貫していることです。

LLMはユーザーの問いに答えるために動きます。そのため、記事の中に「明確な問いに対する明確な答え」が存在しない記事は、引用対象として選ばれにくくなります。「〜について解説します」という書き出しではなく、「〜とは、〇〇です」という定義文から始まる記事の方が、LLMにとって「使いやすい情報」になります。

具体的には以下の要素が重要です。

定義の明確さ
業界用語を自分の言葉で定義している記事は、LLMが引用しやすくなります。「LLMOとは、LLMが回答を生成する際に自社コンテンツが引用・推薦されるよう最適化する取り組みです」のように、記事冒頭に定義文を1文置くだけで構造が大きく変わります。

固有の一次情報
LLMは「どこにでも書いてある情報」よりも「ここにしかない情報」を優先して引用する傾向があります。自社の事例、計測した数値、実務で得た知見——これらの一次情報が記事に含まれているかどうかが、引用されるかどうかの分岐点になります。

切り取りやすい論理構造
箇条書き、定義文、比較表——LLMが「そのまま使える単位」で情報が整理されている記事は引用されやすくなります。5,000字の記事でも、段落が長く情報が混在していると、LLMには「切り取りにくい」記事と判断されます。

SEOで上位の記事がLLMOで選ばれない3つの理由

SEO対策として有効だった手法の一部が、LLMOの文脈では逆効果になることがあります。

1. 被リンク量に頼った薄いコンテンツ

SEOでは被リンクが強力なシグナルになります。しかし被リンクを集めるために作られた「まとめ記事」や「ランキング記事」は、LLMにとって情報密度が低く見えます。LLMは文脈の密度を読み取るため、他のサイトからリンクされているかどうかより、記事自体に固有の情報があるかどうかを重視します。

2. キーワード過多によるトピックの拡散

SEO対策として、関連キーワードを網羅的に記事内に盛り込む手法は一定の効果がありました。しかし1つの記事が複数のトピックにまたがると、LLMが「この記事は何についての答えを提供しているのか」を判断しにくくなります。1記事1メッセージという設計原則は、LLMOにおいてより重要性が増しています。

3. 著者・出所の不透明さ

LLMは情報の信頼性を評価します。「誰が書いたか」「どこから得た情報か」が明示されていない記事は、引用候補から外れやすくなります。著者のプロフィール、一次情報の出所、調査の方法論——これらを明記することが、LLMOの観点からも重要です。

株式会社パタンナーの調査（2026年8月12日）では、「AIの下書きは速くても公開前に88%を人手修正している」という実態が明らかになっています。AIで下書きを作っても、固有の一次情報と論理構造の整合性は人の手で担保しなければならない——これはLLMOへの対応においても同じことが言えます。

BtoBオウンドメディアで今日からできる5つの改善手順

LLMOに対応するために、既存の記事を全面的に書き直す必要はありません。構造的な改善ポイントに絞って対応することで、効率的にLLMOスコアを向上させることができます。

ステップ1：既存記事を「問い」で棚卸しする

記事の見出しを「ユーザーが実際に問いかけているか？」という視点で見直します。「コンテンツマーケティングとは」という見出しより「なぜコンテンツマーケティングへの投資が回収できないのか」の方が、LLMが引用しやすい問いになります。まずは月間PVの上位10記事から見直すだけで、改善効果を確認できます。

ステップ2：定義文を記事冒頭に1文追加する

既存記事の冒頭に「〇〇とは、〜です」という定義文を1文加えます。これだけでLLMが「この記事が何についての情報源か」を認識しやすくなります。改稿工数が最も少ない改善施策の一つです。

ステップ3：自社独自のデータ・事例を最低1つ埋め込む

一般論のみで構成されている記事には、自社の実測値や事例を1つ加えます。「私たちが〇〇社と取り組んだプロジェクトでは、〇〇という結果が出た」という形で、一次情報を明示します。

ステップ4：見出し構成を「答えが切り取れる」粒度に分割する

1つのH2セクションが1,500字を超えている場合、情報が混在している可能性があります。LLMが引用する単位（1問1答の粒度）に見出しを分割し、各セクションが独立して意味を持つ構造に整えます。

ステップ5：AIサーチへの最適化を測定サイクルに組み込む

改善したら終わりではなく、定期的にLLMO対応スコアを計測し、どの記事がどのLLMに引用されているかをモニタリングするサイクルを作ります。週次または月次での計測ルーティンを確立することで、改善の効果を客観的に把握できます。

analyseで現状把握→sonataで改善：LLMOに強いコンテンツの作り方

LLMOへの対応を属人的な感覚で進めると、どの記事をどの順番で改善すべきかの判断が難しくなります。opusが提供するanalyseは、SEOスコアとLLMO対応スコアを同時に診断し、GEO（Generative Engine Optimization）対応度を可視化します。これにより「SEOは強いがLLMOが弱い記事」を優先的に改善対象として特定できます。

改善対象が明確になったら、sonataを活用してリライトと構造改善を行います。sonataはLLMOに強い記事の設計・執筆を支援するツールで、「問い→答え→根拠→文脈」の構造で記事を再設計し、引用されやすいコンテンツに仕上げます。

推奨ワークフロー

• analyseのGEO診断でLLMO対応スコアを確認
• スコアが低い記事を優先リライト候補としてリスト化
• sonataで各記事の構造改善・リライトを実施
• 週次でスコア推移をモニタリングし、効果を測定
• 改善効果が出た記事の構造パターンを社内の執筆基準に反映

LLMOはSEOを代替するものではありません。GoogleとLLMの両方に評価されるコンテンツを作ることが、これからのBtoBオウンドメディアに求められる姿勢です。

まとめ：LLMOとSEOを「両立させる」コンテンツ設計へ

• 評価者が違う: SEOはGoogleのアルゴリズム、LLMOはLLMの回答生成プロセスが評価主体
• LLMに引用される記事の特徴: 問いへの明確な答え、定義の明確さ、固有の一次情報、切り取りやすい論理構造
• SEO上位記事がLLMOで選ばれない原因: 情報密度の薄さ、トピックの拡散、著者・出所の不透明さ
• 今日からできる改善: 既存記事の問い棚卸し→定義文追加→一次情報の埋め込み→見出し粒度の見直し→計測ルーティンの確立

あなたのオウンドメディアには、SEOでは評価されているのにLLMに引用されていない記事が何本あるでしょうか。analyseのGEO診断で現状を可視化することが、最初の一歩になります。

よくある質問（FAQ）

Q. LLMOとSEOはどちらを優先すべきですか？

どちらかを選ぶより、両立を目指すことが現実的です。Googleからのオーガニック流入はまだ主要な流入経路ですが、生成AIサーチ経由の流入は急速に増加しています。新規記事はLLMOと SEOを同時に意識した設計で、既存記事はSEOスコアが高い記事からLLMO対応の改修を行うのが効率的な順序です。

Q. LLMOに強い記事を書くには、文字数はどのくらい必要ですか？

文字数より構造と情報密度が重要です。5,000字の記事でも論理構造が散漫であればLLMに引用されにくく、1,500字の記事でも「問い→答え→根拠」が明快であれば引用されやすい場合があります。目安として、1つのH2セクションで完結した問答が成立している構成を目指してください。

Q. 既存記事を大幅に書き直さなければLLMO対応はできませんか？

全面書き直しは必須ではありません。定義文の追加、見出しの問い化、一次情報の補足という3点改修だけでも、LLMの引用確率は改善します。まず小規模な改修から始め、スコアの変化を計測しながら対応範囲を広げていくことをお勧めします。