GEO / LLMO 入門：AI に引用されるサイトの作り方
「ググる」が「ChatGPT に聞く」に置き換わる時代の検索エンジン最適化。生成AI（ChatGPT / Claude / Perplexity / Google AI Overview）に自社サイトを引用してもらうための技術・コンテンツ・著者シグナル・検証方法を体系化。
GEO / LLMO 入門：AI が答えるとき、自社サイトに引用してもらう技術
AI 検索での表示とサイトへの流入をどう捉えるか。LLMO / GEO の概要、Google が公開する要件、任意の実装と効果測定を整理した入門ガイド。
llms.txt 完全実装ガイド：書き方・配置・自動生成の現実解
llms.txt を任意の案内ファイルとして実装する方法。Google 検索への効果と他サービスでの利用を区別し、Next.js / WordPress / 静的サイトの生成例と検証方法を整理します。
構造化データ完全ガイド：JSON-LD で AI に正しく伝える
Schema.org の主要型の使い分けと JSON-LD の実装例。本文との一致、Google の対応機能、FAQPage / HowTo の表示終了を踏まえ、構造化データで保証できることとできないことを整理します。
著者シグナル：Person スキーマと E-E-A-T を満たす著者ページの作り方
AI 検索が引用元として誰を選ぶかは「著者の信頼性」で決まる。Person スキーマの完全実装、外部の sameAs (SNS / GitHub / Wikipedia) 連携、実体験を示す書き方、組織と個人の両立まで。
業界別 LLMO 対策：B2B SaaS / EC / メディア / コーポレート
業界によって LLMO の効きどころは違う。B2B SaaS は「比較記事への被引用」、EC は「商品比較への露出」、メディアは「事実の引用」、コーポレートは「ブランドメンション」。4 業態の最適戦略を整理。
LLMO ツール比較：Profound / Otterly.ai / Peec AI / 自前実装
AI 検索エンジンでの引用率を計測する専門 SaaS が登場している。Profound / Otterly.ai / Peec AI / Goodie の機能と料金、自前 (Python + 各 AI API) の DIY、組織規模別の現実解。
セマンティックWebとは何だったのか ── LLM 時代に「意味の構造化」は要るのか
20年前の構想はなぜ広まらず、しかし部分的には勝ったのか。LLM が非構造テキストを読めるいま、構造化する意味はどこに残るのか。歴史と実務の両面から検証します。
引用されるコンテンツの構造 ── 見出し・定義・出典の置き方
同じ内容でも、書き方によって引用されるかどうかが変わります。答えをどこに置くか、根拠をどう示すか。文章の構造という観点から整理します。
構造化データを腐らせない ── 手書きをやめて、生成と検証にする
構造化データは、書いた直後から本文とずれ始めます。手で書き続ける限り必ず腐る。生成して自動で検証する構成に切り替える方法を扱います。
AIクローラーとどう付き合うか ── 許可と拒否の判断
AI に引用されたいなら来てもらう必要があり、コンテンツを守りたいなら止めたい。用途ごとに別のクローラーが来るので、一律に決める必要はありません。
LLMO の効果測定 ── 訪問数が減っても成果が出ていることがある
従来の指標では測れません。引用されても訪問には繋がらないためです。何をもって成果とするか、その定義から作り直す必要があります。
AI が自社について誤った説明をしたら ── 訂正情報の届け方
生成AIが古い価格や存在しないサービスを答えることがあります。直接の修正はできません。それでもできることを、実務の手順として整理します。
どこまでやるか ── AI向け最適化の線引きと、持続する形
AIに評価されるための施策が、読者にとって不利益になることがあります。両立するもの、しないもの。区切りとして、この連載の立場を整理します。
まずは、現状を聞かせてください。
要件が固まっていなくて大丈夫です。現状診断と方針提案までを無料でお手伝いします。