サマリー
Google検索の「AI Overviews」により、生成AIの要約回答がトップに表示され、Webサイトへのアクセスが減少しています。この対策として注目されているのが「LLMO（Large Language Model Optimization）」です。
当社ではLLMO対策を推進しており、AIモデル「Sonar Pro」を活用した取り組みを実施しています。今回は、自社ホームページの評価分析とスコアリング、および具体的な実装例の提案をAIに依頼しました。評価項目は、「コンテンツの構造化」「セマンティックHTML」「コンテンツの質」「回答しやすさ」「権威性と信頼性」の5項目です。
生成AIの特性として一貫性には欠ける面がありますが、Googleアナリティクス等、他のツールと組み合わせることで、より実用的な改善指標として機能させることが可能であると考えます。
用語解説
- LLMO（Large Language Model Optimization）：自社Webサイトが生成AIに正しく認識・引用されるよう最適化する取り組み。
- SEO（Search Engine Optimization）：自社Webサイトが検索エンジンの検索結果のページ上位に表示されるよう最適化する取り組み。
- Sonar Pro：Perplexity AIが提供する、リアルタイムのWeb検索機能に特化した高性能なAIモデル。
- 構造化：Webページのコンテンツを、Schema.orgなどの標準ルールに基づいて体系的に整理すること。構造化されたデータを「構造化データ」という。
- Schema.org：構造化データを書く時の標準ルール集。
- セマンティックHTML：HTMLの要素が「見た目」だけでなく「意味」を適切に表現すること。
例）見出しには<h1>、記事には<article>、日付には<time>
記事本文
はじめに
当社の広報推進委員会における取り組みのひとつとして、LLMO対策を進めています。
これまでWebマーケティングの主流はSEOでしたが、このAI時代に新たに注目されているのがLLMOです。
Googleで検索を行うと、生成AIによる要約回答が検索結果のトップに表示されるようになっています。これはGoogleの「AI Overviews」という機能で、Googleが複数の情報源から関連情報を読み込み、生成AIで簡潔にまとめた回答を表示しています。この要約回答のみで問題が解決するため、Webサイトへのクリック数は減少傾向にあるとされています。
そこで、自社サイトを生成AIに正しく引用されるよう最適化する取り組みこそがLLMOであり、アクセス増加の新たな鍵とされています。
当社ではこのLLMO対策にAIを活用しており、自社ホームページの評価分析とスコアリング、具体的な実装例の提案をAIに依頼し、改善に活かしています。今回の記事では、このプロンプトをご紹介します。
プロンプト読み込み
今回使用するAIモデルは「Sonar Pro」です。
下記のプロンプトを読み込ませます。
あなたはLLMO（Large Language Model Optimization）の専門家です。
指定されたウェブサイトを分析し、LLM検索結果での最適化状況を評価してください。
# 分析対象URL
TOP
# 評価項目と評価基準
以下の項目について、それぞれ1-10点で評価してください：
## 1. コンテンツの構造化（10点満点）
- 見出しの階層構造の明確性
- セクション分けの適切性
- 情報の論理的整理
## 2. セマンティックHTML（10点満点）
- 適切なタグの使用（article, section, nav等）
- メタデータの充実度
- 構造化データ（Schema.org）の実装
## 3. コンテンツの質（10点満点）
- 独自性・オリジナリティ
- 情報の正確性と信頼性
- ユーザー意図への適合度
## 4. 回答しやすさ（10点満点）
- 質問に対する明確な回答の有無
- 簡潔で要約しやすい構成
- FAQや要点の明示
## 5. 権威性と信頼性（10点満点）
- 著者情報の明示
- 引用・参考文献の提示
- 専門性を示す要素
# 出力形式
## 総合スコア
- 合計点数：XX/50点
- 評価ランク：[S/A/B/C/D]
## 各項目の詳細スコアと現状分析
各評価項目について：
- スコア
- 現状の良い点
- 課題点
## 優先度別改善ポイント
### 【高優先度】（即座に対応すべき施策）
1.
2.
3.
### 【中優先度】（短期的に取り組むべき施策）
1.
2.
3.
### 【低優先度】（長期的な改善施策）
1.
2.
3.
## 具体的な実装例
改善ポイントごとに、実装可能な具体例を1-2個提示してください。
スコアリング結果
AIから、現状のスコアと詳細な分析結果、改善ポイント、具体的な実装例が提示されました。
以下は、AIからの出力結果です。
おわりに
LLMO対策は、実施しても効果が出ているかがわかりづらいという点があります。
そこで有効となるのが、AIによるスコアリングです。
生成AIの特性上、一貫性に欠ける面があるとはいえ、取り組みのひとつの指針になりうると考えます。なお効果の測定は、Googleアナリティクスによるアクセス解析等と組み合わせることで、より実用的な結果が期待できると考えます。
このスコアリング結果をふまえて、改善施策の実装を進めていきます。
その過程で得られた知見やAIとのやり取りについては、今後の記事にてご紹介いたします。
お問い合わせ
本件に関するお問い合わせは、下記よりご連絡ください。
お問い合わせフォーム
関連ページ
パンチ入力した住所データのクレンジングをAIにお願いしてみた。 – アサミ情報システム株式会社｜GIS/3D/CityGML
AutoCAD初心者でもできる、生成AIを活用したスクリプト作成 – アサミ情報システム株式会社｜GIS/3D/CityGML