「ChatGPT が答えてくれる時代に、サイトに人は来るのか」。X（旧Twitter）の SEO・マーケ界隈ではいま、ふたつの主張が綱引きをしています。
一方は「AI 検索に取り上げられる対策（AIO や LLMO といわれるもの）をやらないと、直接サイトに来る人は減る」。もう一方は「結局、検索意図に乗った良い記事を書くことが大事。やることは変わらない」。
本記事では、海外で議論が進む4つの用語、AIO・LLMO・GEO・AEO を整理しつつ、この対立に答えを出します。AI 時代に「変わるもの」と「変わらないもの」、その線引きを一緒に考えていきましょう。
目次
AI 時代の SEO は何が「揺らいでいる」のか
検索の風景は、ここ数年で大きく変わりました。Google 検索の上位に AI Overviews（旧 SGE）が表示され、ChatGPT や Perplexity に質問すれば、複数のサイトの情報を要約した「答え」が即座に返ってきます。米国の調査機関 SparkToro の 2024 年レポートでは、米国の Google 検索のうちクリックを伴わない検索が約 60% に達するとされ、いわゆる Zero-click 検索の存在感が増しています。
これは、検索行動の一部が「リンクをクリックして読みに行く」から「検索結果画面や AI の要約で概要を把握する」方向へ移っていることを示しています。これまで成果指標としてきた「直接訪問」「セッション数」「滞在時間」では、AI 経由の影響を捉えきれなくなっている、という不安につながっています。
ここから対策論が分岐します。「対策をやらないと…」というA派と、「結局検索意図…」というB派は、対立しているように見えて、実は別の階層の問いに答えようとしています。まずは議論の素材になっている用語を整理していきましょう。
4つの用語を整理する：AIO・LLMO・GEO・AEO
海外では AI 時代の検索最適化用語が複数並走しています。それぞれ生まれた文脈が違うので、1つずつ確認します。
AIO とは
AIO は文脈で意味が揺れる用語です。「AI Optimization（AI 向け最適化）」として ChatGPT・Claude・Perplexity など対話型 AI 全般への最適化を指す場合もあれば、Google の AI Overviews を意識した「AI Overviews Optimization」の意味で使われる場合もあります。本記事では混乱を避けるため、AIO を「生成 AI・AI 検索に向けた広い意味での最適化」として扱います。
LLMO とは
LLMO は「Large Language Model Optimization」の略で、ChatGPT・Claude・Gemini などの LLM や、それらを使った検索・回答体験の中で、自社情報が正しく理解・参照されやすくするための考え方です。
ここでいう「最適化」は、モデルの事前学習に直接入り込むという意味だけではなく、AI 検索のクロール、検索インデックス、回答生成時の参照、引用候補としての扱われ方など、複数の段階を意識する必要があります。具体的には、構造化データ・明快な見出し・結論先出しの文章でサイトを整え、ブランド名や事業者名を文脈とともに記述することなどが含まれます。
GEO とは
GEO は「Generative Engine Optimization」の略で、Princeton 大学・ジョージア工科大学・IIT デリー校などの研究チームが 2023 年の論文『GEO: Generative Engine Optimization』で提唱した、比較的新しい概念です。生成 AI が回答を組み立てる際に、自社コンテンツが参照・引用され、回答内で見える形で扱われる可能性を高める考え方です。
論文では、統計データの提示・専門家の引用・出典の明記などが効果的とされ、最適化したコンテンツでは生成エンジン上での可視性が最大 40% 向上したと報告されています。
AEO とは
AEO は「Answer Engine Optimization」の略で、4つの中で最も歴史があります。Google の Featured Snippet（強調スニペット）時代から使われてきた用語で、「質問に対する答えを直接返すエンジン」全般への最適化を指します。
質問形式の見出し・FAQ 構造化データ・結論を冒頭に置く構成などが代表的な手法です。なお、Google の FAQ リッチリザルト表示は近年限定的になっていますが、ページ内の Q&A 構造を明確にすること自体は、検索エンジンや AI が内容を理解しやすくする上で今でも有効です。
4つの用語の関係性と一覧
本記事では、AIO を広義の AI 検索最適化の呼び方として置き、その中に LLMO・GEO・AEO の考え方が重なる関係として整理します。
| 用語 | 略の元 | 主な対象 | 代表的な施策 |
|---|---|---|---|
| AIO | AI Optimization / AI Overviews Optimization など | 生成 AI・AI 検索全般 | AI 検索に向けた広義の最適化 |
| LLMO | LLM Optimization | ChatGPT, Claude, Gemini など LLM | 構造化データ、ブランドメンション、文脈付き記述 |
| GEO | Generative Engine Optimization | AI 検索（Perplexity, AI Overviews など） | 統計・引用・専門家コメントで可視性を高める |
| AEO | Answer Engine Optimization | Featured Snippet, 音声検索, AI 回答 | FAQ 構造化、結論先出し、Q&A 形式 |
4つは厳密に切り分けられず、施策レベルでは大半が共通します。用語の違いは「どの AI／エンジンに焦点を当てて語っているか」の観点と捉えるのが実用的です。
結局やることは「変わる」のか「変わらない」のか
冒頭の対立に戻ります。「AI 対策が必要だ」というA派と、「結局検索意図に乗った良い記事を書くのが本質だ」というB派。どちらが正しいのでしょうか。
結論から言えば、両方とも正しい。ただし、別の階層の話をしている。これが私たちの答えです。
※今回は、GEOに含まれるAI自体に推薦してもらうブランディング系の話しは扱わず、あくまで記事単体の話としてお伝えします。
B派：本質は変わらない
質の高い記事、つまりユーザーの検索意図に応え、独自の知見や事例を含み、信頼できる出典に基づく記事を書くことが本質である、という立場です。これは妥当です。AI は学習済み知識と検索結果や参照可能な Web ページを組み合わせて回答するため、元になる記事の質や信頼性が低ければ、回答に使われる可能性も高まりません。
A派：見せ方の最適化は必要
同じ内容でも、AI が拾いやすい構造（H2 の使い方、結論先出し、FAQ、構造化データ）になっているかで、引用や可視性は変わるという立場です。これも事実で、GEO の研究論文では、統計データや引用の明記によって生成 AI 回答内での可視性が高まる可能性が示されています。
両派は「別の階層」を語っている
A派とB派は対立しているように見えて、実は別の階層の話をしているのです。
- B派：素材（コンテンツの本質的な質）は変わらない
- A派：見せ方（AI が拾いやすい構造）は最適化が必要
結論は、検索意図を土台に、AI 向けの見せ方を重ねることです。素材の質を放置したまま見せ方だけを整えても、AI に拾われることはありません。
では具体的に何をすべきか：AI 時代の実践4ステップ
ステップ1：検索意図に応える（変わらない核）
「読者が何を知りたくて検索したか」を想像し、その答えを記事に含める。タイトルと見出しで読者の問いに答える。具体例や事例を盛り込む。出典を明記する。AI に拾われるためにも、この核は手抜きできません。
ステップ2：AI が引用しやすい構造化
AI は構造化された文章を解釈しやすい傾向があります。適切な H2/H3 階層、見出し直下に結論を置く構成、FAQ や Q&A の構造化データ（schema.org の FAQPage や Article）、要点を箇条書きで示す、といった工夫が効きます。
GEO の研究で推奨される「統計・専門家の引用・出典の明記」は、Google が重視する E-E-A-T（経験・専門性・権威性・信頼性） とも方向性が一致します。AI に拾われる構造化と、検索エンジンが評価する信頼性は地続きの設計です。
ステップ3：AI 経由の流入をどう計測するか
AI 検索からの流入は、リファラ（参照元）に chatgpt.com、perplexity.ai、gemini.google.com などを含むため、GA4 でセグメント分けすることで規模を把握できます。
ただし、Google の AI Overviews 経由の流入は通常の Google 検索（organic）と区別が難しく、リファラだけでは判別できません。Search Console の「インプレッション・クリック率の変化」と GA4 を併用して、多角的に追う必要があります。
さらに、ChatGPT の回答を読んでクリックしないユーザー（=要約だけ読んで離脱）は、そもそも計測の枠外にあります。AI 経由の影響は「サイトに来た人」だけでなく「来なかった人」も含めて考える必要がある。ここが従来の解析の盲点であり、後の章で扱う「データ主権」の論点に繋がります。
ステップ4：llms.txt の設置（余裕があれば）
2024 年に Jeremy Howard 氏が提案したのが、サイトルートに /llms.txt を置いて LLM 向けにサイトの概要・主要ページ・コンテキストを Markdown で伝える標準化案です。robots.txt がクローラーのアクセス制御を目的とするのに対し、llms.txt は LLM 側に「サイトの要約とコンテキストを伝える」ことを目的としています。
Anthropic、Stripe、Cloudflare など、/llms.txt を公開している海外企業もありますが、現時点では確立された標準ではなく、主要 AI サービスがどの程度利用しているかも検証段階です。コーポレートサイトに必須というほどではありませんが、低コストでできる将来対応・情報整理の一環として試すくらいの位置付けが現実的でしょう。
書き方は公式サイト（llmstxt.org）にテンプレートが公開されています。ルート直下に物理ファイルを置く方法に加え、CMS によっては llms.txt 出力に対応したプラグインも徐々に登場しています。
既存サイトでまず見直したいポイント
AIO・LLMO・GEO・AEO の核となる施策は実は重なっています。最初から大がかりな AI 対策を構えずとも、次の基本項目を点検するだけで多くがカバーできます。
- 記事タイトルと H2 見出しに、読者の質問が自然に入っているか
- 冒頭で「この記事で分かること」と結論が明確になっているか
- 著者情報・運営会社情報・監修者情報が分かる状態になっているか
- 引用元や参考資料へのリンクが明記されているか
- FAQ を入れる場合、ページ本文にも同じ Q&A が掲載されているか
- 重要記事への内部リンクが整理されているか
llms.txtを設置する前に、XML サイトマップやrobots.txtが正しく設定されているか
これらは AI 検索のための施策である以前に、「読者にとって読みやすく、信頼できる記事の作り方」そのものです。
AI 時代に問われる「データ主権」
AI に「拾わせる」ための最適化を進める一方で、サイト運営者が向き合わなければならないのが「データ主権」です。自社が持つデータを、自社の管理下で扱える状態を保てるか、という問いです。
公開されている自社サイトの内容は、AI モデルの学習や AI 検索のインデックスの対象になる可能性があります。Perplexity が自社の記事を要約して回答に使う、ChatGPT の検索・参照機能が自社情報を踏まえて答える、こうした状況は「自社コンテンツが、どこで、どのように使われるかを完全には把握しにくい時代」を意味します。
一方で、自社サイトに来てくれたユーザーの行動データはどうでしょうか。Cookie 規制・GDPR・個人情報保護法改正によって次々に外部送信が規制される中、Google アナリティクスのように外部プラットフォーム上でデータを処理・分析する解析ツールに頼り続けることのリスクが顕在化してきました。
AI 時代のサイト運営は、二重の意味で「データ主権」が問われます。AI に取り込まれる側として自社のコンテンツをどう扱うか。これは完全にコントロールできません。一方で、解析の主体として自社の訪問者データをどう守るかは、技術選択で守れます。とくに AI 検索でゼロクリックが増えるほど、わざわざ自社サイトに辿り着いてくれた熱量の高いユーザーの行動データは、相対的にますます貴重な資産になります。
QA ZERO だからできる、AI 時代の解析
QA ZERO は、Cookieレス対応 ＆ 1st Party データを活用したサイト改善・解析ツールです。サードパーティ Cookie に依存せず、自社で取得した 1st Party データを中心にサイト改善のサイクルを回せる設計です。
AI 時代の文脈で言えば、QA ZERO の強みは2点。
ひとつは、ChatGPT や Perplexity 経由の AI 流入も自社サイト内の行動データとして記録・分析できること。サードパーティ Cookie に依存しないため、ブラウザの Cookie 制限の影響を受けにくく、1st Party データとして扱えます。
もうひとつは、蓄積したデータを AI に活用させやすい形で扱えること。AI レポート機能は、QA ZERO の 1st Party データや Search Console データを、AI に分析させやすい形に整理・出力します。どの AI（ChatGPT・Claude・Gemini など）に渡すか、どの範囲のデータを使うかを利用者側で判断できるため、ブラックボックスな外部解析に任せきりにせず、自社の管理下でデータ活用を進められる点が特徴です。計測対象は Cookie に依存しない行動データを中心としているため、個人を追跡する前提の解析とは異なる形で AI 活用に取り組める設計になっています。
参考記事: Cookieレス時代のサイト改善を「AIにお任せ」。QA ZERO、1st Partyデータから施策を自動提案する新機能「AIレポート」を提供開始
まとめ
AIO・LLMO・GEO・AEO の4つの用語は、AI 時代の検索最適化を別角度から照らした言葉です。共通項は「AI に拾われる側として、何を整えるか」。検索意図に応える「核」を変えず、構造化や llms.txt で「見せ方」を最適化する両輪が、現時点の合意点です。
そしてもう一つ、AI 時代だからこそ問われるのが「自社データをどう守るか」。Cookie レス時代の解析の考え方をまとめた資料を無料で公開しています。AI 時代のサイト運営の地ならしとして、ぜひお役立てください。
📘 無料資料DL：「Cookieレス時代の教科書 -2024 v1-」
Cookie 規制・AI 時代の解析を、自社データ主権の視点から整理した一冊です。