「検索で1位を取れば、ちゃんと読まれる」——多くの人がまだそう信じている。だが、Google検索の結果画面を開くと、リンクの一覧が並ぶより先に、長めの要約文が目に入るようになった。その要約を読んで満足すれば、下のリンクを1つもクリックせずにタブを閉じる。検索順位で自分のサイトが1位にいたとしても、その要約の出典リストに入っていなければ、読者には存在しないのと同じことになる（順位が何位でも、クリックされなければ意味がないというのは、考えてみれば身も蓋もない話だ）。
ChatGPTやPerplexity、GeminiのようなAIが検索の代わりを担うようになったことで、「検索結果で何位に表示されるか」だけでなく「AIの回答の中で情報源として引用されるか」が、新しい可視性の指標として意識されるようになってきた。この打ち手の総称がAEO（Answer Engine Optimization）やLLMO（LLM Optimization）と呼ばれるものだ。ただし、この分野は「〇〇すれば引用率が3倍になる」式の煽り文句も多く出回っていて、何を信じればいいのか判断しづらい。この記事では、公式に確認できる情報とまだ確認されていない情報を分けたうえで、構造化データとllms.txtという2つの技術要素を軸に、AEO/LLMO対策を体系的に整理する。
この記事で学べること
- AEO・LLMOが何を指し、従来のSEOと何が同じで何が違うのか
- 構造化データ（JSON-LD）とllms.txtという2つの技術要素について、現時点で確認できていること・確認できていないこと
- コンテンツを人にもAIにも読み取りやすくする具体的な書き方
- 自分のサイトのAEO/LLMO readinessを、手元のコマンドとツールで監査する手順
前提条件
- 自分のサイト・ブログ・ドキュメントサイトを持っていて、検索やAI経由の流入に関心がある
- HTMLに埋め込む構造化データ（JSON-LD）の基本的な役割を知っている、または知りたい
- 「AI検索対策」を謳う情報がネットに溢れていて、何が事実で何が煽りなのか整理したい
なぜ今この話をするのか
AI Overviews（Google検索結果内のAI要約）やAI Mode、ChatGPTの検索機能、Perplexity、Geminiといった生成AIベースの検索・回答体験は、もう目新しい機能ではなく検索行動の一部として定着している。読者が検索してもクリックせず、AIの要約だけで満足して離脱する、いわゆるゼロクリック検索の体感を持っている人は多いはずだ。
この変化で起きているのは、評価軸そのものの追加だ。従来の検索結果ランキングに加えて、「AIが生成する回答の中で、自分のページが情報源として選ばれるかどうか」という軸が新しく乗ってきた。これを狙う打ち手がAEOやLLMOと呼ばれている。
AEO・LLMOは何を指すのか
用語の整理から始める。厳密な定義が業界で統一されているわけではないが、実務上はだいたい次のように使い分けられている。
| 用語 | 主な対象 | 最適化するもの |
|---|---|---|
| SEO | 検索結果のリンク一覧（オーガニック検索） | ページのランキング順位 |
| AEO（Answer Engine Optimization） | 強調スニペット、AI Overviews等の「直接回答」枠 | 直接回答として選ばれるかどうか |
| LLMO（LLM Optimization） | ChatGPT・Perplexity・Geminiのチャット形式の回答 | 生成された回答の中で情報源として引用されるかどうか |
AEOとLLMOの境界は実務上あいまいで（つまり、呼び方が違うだけで現場の人間はだいたい混同している）、どちらも「クロールされる・構造化データで意味が明示されている・内容が機械可読な形で構造化されている」という共通の土台に立っている。なお、AI引用を狙うコンテンツの書き方そのもの（Princeton大学の研究で実証された手法など）を扱った記事は別に書いているので、書き方寄りの話はそちらに譲り、この記事はインフラ側——構造化データとllms.txtという技術要素——に絞る。
技術的な打ち手を1つずつ見る
構造化データ（JSON-LD）: ページの意味を明示する
構造化データは、HTMLの見た目情報とは別に「このページは記事です」「このセクションはFAQです」といった意味をschema.orgの語彙で機械に伝える仕組みだ。Article、FAQPage、HowTo、BreadcrumbListのような型を使い、<script type="application/ld+json">としてページに埋め込む。
最小限のArticle型の例はこうなる。
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "記事のタイトル",
"datePublished": "2026-08-20",
"author": {
"@type": "Organization",
"name": "サイト運営者名"
}
}
ここで確認しておきたい公式情報がある。Google Search Centralの公開ドキュメントは、AI Overviews・AI Modeに関して「新しく作らなければいけない機械可読ファイルやAI向けのマークアップは無く、追加すべき特別なschema.org構造化データも無い」と明言している。AI Overviewsは通常の検索インデックスと同じものから生成されるため、通常のSEOで使われてきた構造化データ・クロール許可・良質なコンテンツという基本がそのまま適用される、という立場だ。
つまり「AI検索対策専用の魔法のマークアップ」は公式には存在しない。派手な近道を期待していたなら申し訳ないが、現実は「既存の構造化データの運用をきちんとやる」という地味だが確実な話がそのままAEO/LLMO対策の土台になっている、というだけだ。
llms.txt: 何なのか、今どのくらい意味があるのか
llms.txtは、サイトのドメイン直下（/llms.txt）に、サイトの要約とリンク一覧をMarkdownで書いて置く、という提案仕様だ。フォーマットはおおよそ次のような形になる。
# サイト名
> サイトの1〜2文の要約
## 主要ページ
- [ページタイトル](https://example.com/page1): 1行説明
- [ページタイトル](https://example.com/page2): 1行説明
意図としては、通常のHTMLページはナビゲーションや広告、装飾的なマークアップでノイズが多く、AIモデルがコンテキストとして読み込むには非効率なので、要点だけを抜き出した「AI向けの目次」を別に用意しよう、というものだ。発想自体は分かりやすい。
ただし現時点（2026年）で正直に書いておくべきことがある。llms.txtを設置しているドメインは着実に増えており、特に開発者向け・SaaS系のサイトで採用が進んでいる。一方で、OpenAI・Google・Anthropicといった主要なAI各社が「自社のシステムでllms.txtを読み込み、回答の生成や引用の判断に使っている」と公式に確認した例は、2026年時点でまだ無い。一部のAIクローラーがllms.txtを取得しにいく動きは観測されているが、それが実際に回答へ反映されているかどうかは別の話だ（読み込まれているかどうかも分からないファイルを、律儀に最新の状態に保ち続ける虚しさは正直ある）。
対照的に、AIクローラーのアクセス制御でもっとも確実に機能するのはrobots.txtだ。GPTBot、Google-Extended、PerplexityBot、ClaudeBotのような主要AIクローラーのUser-Agent名と、それをrobots.txtで許可・拒否する方法は、各社が公式に公開している。llms.txtに期待する前に、そもそもrobots.txtでAIクローラーを弾いていないかを確認するほうが、見落としとしては多い。
コンテンツの機械可読性: 読みやすさは人にもAIにも共通
構造化データやllms.txtのような「マークアップを足す」系の対策とは別に、本文そのものの書き方も引用されやすさに関わる。ポイントは特別なものではなく、昔からある読みやすい文章の基本と重なる。
- 見出し階層（h2/h3）を内容の構造どおりに正しくネストする。装飾目的で見出しレベルを飛ばさない
- 結論を先に書き、根拠や手順を後に続ける。AIが要約を作る際、冒頭付近の情報を優先的に拾う傾向がある
- FAQ形式で使うなら、実際に読者が聞きそうな質問と、その質問に過不足なく答える回答だけを入れる。宣伝文句をFAQの体裁で並べるのはスパムに近い扱いを受けるリスクがある
- 重要な情報を画像だけに埋め込まない。テキストとして読める形で本文に残す
これらはGoogleが長年推奨してきた「helpful, people-first content」のガイドラインとほぼ重なる。AI検索のために新しい文章術を覚える必要は薄く、元々のSEO・UXの基本を徹底することが、そのままAEO/LLMO対策になっている。
自分のサイトのAEO/LLMO readinessを監査する
ここまでの話を、実際に手を動かして確認してみる。今回、playparkのコーポレートサイト自身を対象に、この記事で挙げた技術要素がどうなっているかを調べてみた。
記事ページにはArticle型とBreadcrumbList型の構造化データが実装されていて、記事の内容（FAQの有無、手順が動画になっているか等）に応じてFAQPageやHowTo、VideoObject型も条件付きで追加される作りになっている。クラスタごとのまとめページ（ハブページ）では、さらにCollectionPageとItemList、Organizationの構造化データに加え、FAQがあればFAQPageも出す構成だ。つまり、構造化データという軸では最低限の基盤は敷けている状態だった。
一方でllms.txtは、サイトのどこにも存在しなかった。これは意図的に後回しにしていたというより、単純に「まだ着手していない」というのが実情に近い。前述のとおり主要AI各社が読み込みを公式確認していない以上、緊急度は高くないが、設置コスト自体は低いので、次に着手する候補としてはメモしておく価値がある項目だ。
大事なのは、この結果を「playparkの取り組み事例」として読んでもらうことではない。同じ観点をあなたのサイトにも当てはめれば、同じように「構造化データはあるけどllms.txtは無い」「そもそもFAQPageの使い方が実態と合っていない」といった現状が見えてくるはずだ。その現状を、ここに書いたのと同じくらい正直に言葉にできるだろうか（できなくても大丈夫、次の章で一緒に確認する）。
動作確認: 自分のサイトを実際にチェックする手順
自分のサイトが今どういう状態にあるかは、次の4ステップで確認できる。
1. 記事ページに構造化データが埋め込まれているか確認する
curl -s https://your-domain.example.com/your-article-path/ \
| grep -o '<script type="application/ld+json">' | head -1
何も出力されなければ、構造化データが埋め込まれていない。まずはArticle型から追加を検討する。
2. Google Rich Results Testで妥当性を検証する
https://search.google.com/test/rich-results に記事URLを入力すると、埋め込んだ構造化データがGoogleの想定するスキーマとして正しく認識されているか、必須プロパティが欠けていないかを確認できる。ここでエラーが出ている場合、構造化データを入れているつもりでも実質的には機能していない可能性がある。
3. llms.txtの有無を確認する
curl -sI https://your-domain.example.com/llms.txt
200 OKが返れば設置済み、404なら未設置。前述のとおり効果は未確認なので優先度は低くていいが、現状を把握しておくこと自体には意味がある。
4. robots.txtでAIクローラーを弾いていないか確認する
curl -s https://your-domain.example.com/robots.txt \
| grep -iE "GPTBot|Google-Extended|PerplexityBot|ClaudeBot"
ヒットしたエントリがDisallow: /のような全面拒否になっていないか確認する。ここでAIクローラーそのものを弾いていたら、構造化データやllms.txtをどれだけ整えても引用の土俵に上がれない。
注意点・Tips
- 構造化データは引用の保証ではなく前提条件: Googleも「特別なAIマークアップは不要」と明言しているとおり、構造化データを入れれば必ず引用されるわけではない。クロール可能性・コンテンツ品質という土台があってこそ効いてくる
- llms.txtは今のところ低コストな実験: 主要AI各社の公式な読み込み確認が無い以上、過大な期待は禁物。それでも設置自体のコストは低いので、robots.txtの設定を先に見直したうえで、余力があれば追加を検討する程度でいい
- schemaの型は実態に合わせて選ぶ: 本当のFAQではない箇条書きを
FAQPageとして登録するような使い方は、Googleのガイドライン違反に近い扱いを受けるリスクがある（引用されたいあまり、実態と違うマークアップを盛るのは、そのうち見抜かれるやつだ）
まとめ
AEO・LLMOは、SEOと切り離された別のジャンルではなく、地続きの延長線上にある。Google自身が「AI Overviews向けの特別なマークアップは不要」と明言しているとおり、効くのはあいかわらず「クロールされる・構造化データで意味が明示されている・人にもAIにも読みやすい」という基本の徹底であって、新しい魔法のテクニックがあるわけではない。llms.txtのような新しい打ち手も、現時点では効果が確認されていない以上、低コストな実験として足しておく程度の位置づけで十分だ。
あなたのサイトの記事ページにapplication/ld+jsonが含まれているか、ドメイン直下にllms.txtがあるか、robots.txtがAIクローラーを弾いていないか——まずはこの記事の手順で1つずつ確認してみてほしい。そこから先、構造化データの設計やAI検索まわりの実装まで相談したい場合は、AI実装支援も選択肢の一つになる。
