Written by
石村浩延
Articles
石村浩延の記事
【DL資料付き】自社のAI検索結果を観測する方法ガイド
AIに10個の質問を順に投げたら、社名が並んだのは4問目からでした。悩みの段階では0/27、業者を尋ねた段階では26/27。自社がどの段階で候補になるかを、10分で確かめる手順です。
人材教育のページに、運営者自身が価格に触れた記述は0件だった｜AI検索対策（LLMO/GEO）と金額の書き方の業界差
AI検索対策（LLMO/GEO）の実測。AIが引用したページを型に分けて数えた。印刷ECでは契約の条件が常に上位2型に入る一方、人材教育では価格が5型で最も少なく、運営者自身が自社の価格に触れた記述は1件もなかった。
AIが引用した65ドメインのうち、該当する業界の会社は33だけだった｜AI検索対策（LLMO/GEO）で見落とされる第三者サイト
AI検索対策（LLMO/GEO）の実測。AIが人材教育について答えるとき引用していた65ドメインの運営者を1つずつ調べた。研修や組織開発を提供する会社は33で、24は役務の提供者ではなかった。自社サイトを整えても届かない範囲がある。
AIに引用された印刷ECのページ31本のうち、21本は1,500字未満だった｜AI検索対策（LLMO/GEO）で文字数を目標にしない理由
AIが引用したページを開いて数えたら、31本中21本が1,500字未満でした。1,500字はSEOで語られてきた目安です。長さを足しても、そのページが自社について語れることは増えていませんでした。
人材教育・組織開発業界のAI検索対策ガイド｜LLMO/GEOを4つの実測調査から整理する
研修や組織開発を検討する買い手がAIに相談したとき、自社は候補に挙がるのか。この業界で行った4つの実測から、会社名が出る場面、条件による候補の入れ替わり、AIが語る内容の型、検索の有無による順位変動を整理した。
自分の調査データが、自分の主張の反証になっていた｜LLMO/GEO実測で自分たちの数値4件を検算した結果
記事に使う数値をすべて原データと突き合わせたところ、自分たちが報告書や企画書に書いていた数値のうち4件が再現できなかった。うち1件は記事の主張そのものが成立しなくなった。共通していたのは、結果は残っていて手順が残っていなかったことである。
名前は出たのに、何も語られない｜LLMO/GEOで「出た／出ない」だけを見る危うさ
AIの回答に社名が挙がっても、その企業について何も語られていないことがある。240試行のうち14試行、企業単位で26件。しかもその26件はすべて、AIが検索を実行していない試行だった。出現率だけを追うと何を見誤るか。
AI検索で会社名が出るかは、3つの関門で決まる｜LLMO/GEOの全体像を実測データで整理する
AI検索対策という言葉は、3つの別々の問題を指している。質問の形で枠が開くか、候補の名簿に入るか、入った後に何を語られるか。この3つは順番に効き、詰まる場所で打つ手も測り方も違う。各関門の実測と測定設計を整理する。
AI検索からの流入は、どう見えるのか｜LLMO/GEOの効果測定で、見える範囲と見えない範囲を分ける
流入は漏斗の最後の断面にすぎず、そこだけを追うと判断を誤る。流入が少ないことは観測できるが、それが影響の小ささを意味するかは別である。私たちはアクセス解析側の実測を持っていない。そのうえで、測れる範囲と測れない範囲を分ける。
AIは何を見て答えているのか｜LLMO/GEOで押さえるべき2つの経路と、その分け方
AIが答える経路は、その場で検索する場合と、検索せずに答える場合に分かれる。実測では検索の有無で順位が入れ替わり、検索なしで2位だった会社が16件から2件に落ちた。同じ5件だった2社は13件と1件に分かれている。
AI検索対策はSEOの延長なのか、別物なのか｜LLMOとSEOで重なる部分と重ならない部分
重なる部分は大きく、読まれる状態・一次情報・専門性はSEO資産がそのまま前提になる。だが決定的に違う点が2つある。返るのが順位ではなく要約であること、買い手の質問の形で結果が変わること。SEO担当が足すべき視点を整理した。
AI検索（LLMO/GEO）時代に、コンテンツは何本必要なのか｜本数に答えられるデータを、私たちは持っていない
「何本書けばいいか」に答えられるデータを、私たちは持っていない。測ったのはAIの回答側であって、コンテンツと回答の対応は測っていないからである。代わりに言えるのは、買い手の相談が条件で分岐するという観測と、本数を増やす前にできる棚卸しの手順である。
AI検索対策を外注するとき、何を基準に選ぶか｜LLMO支援会社・ツールの見極め方
確認すべきは3つ。何を指標にしているか、どう測っているか、因果を主張していないか。社名を含む質問での言及率は指標にならず、AIごとの取得方式が違えば引用数の比較も成立しない。提案書を受け取った時点で確認できる質問をまとめた。
構造化データを入れればAIに引用されるのか｜LLMO/GEOの定番施策の根拠を公式ドキュメントで確かめた
構造化データはAI検索対策の定番施策だが、公式ドキュメントを確認すると様相が変わる。Googleは生成AI検索に必須ではないと明記し、OpenAIとAnthropicには言及自体がない。実装をやめる理由にはならないが、位置づけは変わる。
AI検索対策（LLMO/GEO）の予算を通すために、社内で示すべき数字｜LLMOの稟議で使える実測と、使えない予測
市場規模やAI利用率の予測では稟議は通らない。示せるのは自社の実測だけである。ある診断では、比較検討段階で競合が18回答中14件挙がる一方、自社は3件だった。示せる数字と示せない数字を分けて、提案を組み立てる。
「AI検索対策のチェックリスト」は、なぜどれも中身が違うのか｜LLMO/GEO施策リストの読み方
公開されているLLMOのチェックリストは、項目も項目数も一致しない。多くの項目に根拠が示されていないからである。根拠を公式言明・実測・推測・SEOからの類推の4つに分け、採否を決める4つの問いを示す。私たち自身の誤りも開示する。
AI検索で紹介される会社と、されない会社は何が違うのか｜LLMO/GEOで詰まる3つの関門を分解する
「AIに紹介されるには」という問いには、3つの別々の問いが混ざっている。会社名が出る質問なのか、候補の名簿に入るか、入った後に何を語られるか。詰まる場所によって打つ手は違う。自社がどこで止まっているかを見分ける。
AI検索対策とは何か｜LLMO・GEO・AEOの違いと、いま分かっていること・いないこと
LLMO・GEO・AEO・AIOは呼び名が違うだけで、指しているものはほぼ同じである。SEOとの違いは順位ではなく要約であること。そして施策の効果を前後比較で検証した公開事例は、確認できていない。分かっていることと、いないことを整理する。
「こうすればAIに出る」は、まだ誰も証明していない｜LLMO・GEOのエビデンスは観測止まりである
6つの調査で報告してきたことは、すべて観測である。施策を打って再計測した因果の検証は1件もない。観測で言えること、言えないこと、因果を言うために必要な設計を整理した。LLMO・GEOの断定的な言説を見分けるために。
調査対象のサイトを読んでから質問を作ると、そのサイトが引用される｜LLMO/GEO調査の信頼性はシナリオ確定の時点で決まる
私たちの個社調査で、相談文に含めた数値が引用された事例ページの記述と一致していた。対象サイトを読んでから質問を作ると、質問がサイトに寄り、寄った質問がそのサイトを呼び出す。LLMO調査の信頼性はシナリオ確定の時点で決まる。