検索結果をクリックせずにAIによる概要だけを見て情報収集を完結する「ゼロクリック検索」。Web検索の代わりに利用されるChatGPTなどの生成AI――。

近年、ユーザーの検索行動は大きく変化しています。

「AIに選ばれなければ、顧客に届かなくなるのではないか」「競合他社に顧客を奪われてしまうのではないか」そんな危機感を抱いている企業も多いのではないでしょうか。

これからの時代、生成AIやAI検索に自社情報を引用・参照してもらうための取り組みは、企業にとって無視できないテーマになっています。

一方で、「具体的に何をすれば良いのかわからない」「取り組みの成果をどう測ればいいのかわからない」 と悩んでいる企業が多いのが現状です。

本記事では、これからの時代に重要性が高まる「AIO」の基本的な考え方を整理したうえで、日本企業の導入状況や、多くの企業が抱える課題について解説していきます。

生成AI時代に注目される「AIO（AI Optimization）」とは？

AIO（AI Optimization）とは、生成AI時代におけるAI最適化全般を指す言葉です。

従来のSEOがGoogleやYahoo!などの検索結果で上位表示を目指していたのに対し、AIOでは、ChatGPTやGemini、Perplexity、GoogleのAI Overviewsなどの生成AIに、自社情報を引用・参照してもらうことが目的になります。

また、AIOに関連する用語として、「LLMO」「GEO」「AEO」なども存在します。それぞれ提唱された背景や重視するポイントに違いはあるものの、本質的には「生成AIに自社情報を正しく認識・引用してもらうための取り組み」を指しています。

なかでも、日本国内では「LLMO」という呼称が広く使われていますが、本連載ではこれらを含めた総称であり、今後の世界基準となる「AIO」を中心に解説していきます。

「検索される」SEOを土台に「AIに選ばれる」AIO対策を

日本国内で企業の取り組みが始まっている「AIO（AI最適化）」ですが、具体的にどのような場面で効果を発揮し、どう進めていけばよいのでしょうか。
たとえば、「おすすめの〇〇ツールは？」とユーザーがAIに質問したとき、AIの回答の中に自社サービスが登場するかどうか。

こうした場面で重要になるのがAIOです。

生成AI検索の広がりを受けて、「AI検索向けにまったく新しい対策が必要なのではないか」と考える企業も増えています。

しかし、現段階において重要なのは、「従来のSEOの基本施策」です。Googleの見解では、AI検索への対策として重要なのは、これまで培ってきたSEOのベストプラクティスであることが改めて示されています。

生成AIの多くは、検索エンジンのインデックスやWeb上の公開情報をもとに回答を生成しています。そのため、E-E-A-T（経験・専門性・権威性・信頼性）の強化や、構造化データの整備、結論ファーストのコンテンツ設計、FAQ（よくある質問）形式の導入といったSEOの基本施策は、AI検索においても引き続き重要です。

また、Googleは、過度なAI検索対策について、以下のような施策は現時点では不要、もしくは推奨されないケースがあることも示しています。

• llms.txtの設置
  現時点では特別な優遇効果はないとされている。また、記述を誤るとAIから参照されなくなるリスクもある。
• AI向け文章への書き換え
  AIに好まれることを意識しすぎて、人間の読者にとって不自然で読みづらいテキストになってしまうこと。
• コンテンツの過度なチャンク化
  AIのデータ処理に合わせようとするあまり、文章を細切れにしすぎて文脈や意図が損なわれること。
• 不自然な言及獲得
  信頼性の低いWebサイトや、自作自演の文脈で自社ブランド名を大量に露出させること。
• 構造化データへの過度な依存
  検索エンジンに情報を伝えるためのソースコード設定ばかりを重視し、肝心のコンテンツ品質を疎かにすること。

つまり、AIOはSEOと置き換わるものではなく、SEOの取り組みを土台に発展したものと捉えることができるでしょう。

増える「ゼロクリック検索」。「AIに選ばれる企業」が優位性を持つ時代へ

近年はGoogleの検索結果の上部に「AIによる概要（AI Overviews）」が表示されるようになり、複数のWebサイトを回遊しなくても、AIが要点を整理した回答をその場で確認できるようになりました。

その結果、ユーザーがAIの概要だけを確認して検索を終える傾向が強まり、Webサイトをクリックせずに離脱する「ゼロクリック検索」が増加しています。

さらに、DX&マーケティング事業を展開するナイル株式会社の調査では、「生成AIで調べものをする」と回答した人が43.5%にのぼっており、ChatGPTやGeminiといった対話型AIを情報収集の入口として利用するユーザーも急速に増えています。

つまり、SEOだけでは接点が生まれないユーザーが増えているということです。従来のSEO対策は引き続き重要である一方、AIOの視点を加える必要性が高まっています。

すでに始まっているAIO対応。企業間で広がる取り組み格差

オプトがデジタルマーケティング担当者約2,500名を対象にした「企業のLLMO対策に関する調査」では、情報収集・監視段階まで含めると、80.27%の企業が何らかの形でLLMOに着手していることが分かっています。

内訳は以下です。

• 本格運用・スケール段階：11.83%
• 体制整備・予算化段階：15.90%
• 検証・PoC段階：23.73%
• 情報収集・監視段階：28.81%
• 未着手：19.74%

本格運用まで進んでいる企業はまだ一部にとどまるものの、「検証・PoC段階以上」に進んでいる企業はすでに半数を超えています。

また、導入の進捗には企業規模による差も見られます。売上5,000億円以上の企業では、約4社に1社がすでに本格運用に入っている一方で、売上5億円未満の企業では本格運用率は6.7%にとどまっています。

業界別では、金融・保険サービス（18.0%）や輸送機器製造（16.5%）、情報通信（14.8%）など、情報発信量やデジタル活用の重要性が高い業界で導入が進む一方、卸売業（8.8%）や不動産業（6.7%）などでは、まだ取り組みが限定的です。

また、実際の推進にはいくつかの障壁が存在することも調査の結果から分かってきました。

LLMO推進の障壁として、最も多く挙げられた課題は「ROI（投資対効果）の不透明さ」で、23.34%にのぼりました。

そのほかにも、

• 社内リソース不足（22.02%）
• 知識・ノウハウの不足（21.09%）
• 予算確保の難しさ（19.70%）
• 経営層の理解・承認（18.81%）

などが続いています。

KPI設計が発展途上で成果を可視化しづらい

また、AIO推進において多くの企業がつまずく要因の一つに、KPIの測定手法が発展途上であることが挙げられます。

SEOでは「検索順位」や「流入数」といった評価指標が確立されており、施策の実施から数ヶ月〜半年ほどで効果が見え始めます。

一方、AIOにも「AIの回答における自社ブランドの言及数」「引用元としてのリンク表示数」「AI経由の流入数・CV数」といった指標は存在します。しかし、それらが最終的な売上やCVにどう結びつくのかが見えにくい、という課題があります。

この点をもう少しかみ砕いて説明します。ユーザーがAI検索で特定のブランドを推奨されたあとの行動はさまざまです。回答内に表示された引用リンクをそのままクリックして流入するユーザーであれば、Googleアナリティクス4（GA4）でもchatgpt.comなどからの「referral（参照元）」として計測できます。

問題は、リンクを踏まないユーザーです。なかにはAI検索アプリからブラウザに切り替え、Googleで改めてそのブランド名を検索する（指名検索を行う）ユーザーも一定数存在します。この場合、流入は検索結果のどこをクリックしたかによってOrganic Search・Paid Search・Directなどに分散して計上され、本来きっかけとなったAI検索の貢献は数値に表れません。

つまり、AIがブランドを「後押し」していても、その効果は別のチャネルの成果として計上されてしまう。ここに、AIOの効果測定の難しさがあるのです。

そのため、施策の効果を定量的に示しにくく、結果としてROIの説明や投資判断を難しくする要因となっています。

AI検索経由でユーザーはCVするのか？

AI検索経由の成果を可視化する際に、オプトが推奨しているのは、何を見て自社を知ったかを直接購入者に尋ねる「サンクスページでのアスキング調査」です。シンプルかつ安価に実施できるうえ、CV後のユーザーを対象とするため、CVRの低下といったデメリットがほぼありません。

オプトでは「ONE’s Data View」という独自のツールを用いて既存顧客のアスキング調査を実施していますが、そのなかで興味深い事例も発生し始めています。

1つ目は、GA4で計測されたAI経由のCV数よりも、アスキング調査で判明したCV数のほうが10倍も多かった事例です。これは、先述した「AI検索の回答を見たあとに一度離脱し、別のルートでサイトを訪れてCVしているユーザー」が全体の9割を占めていた可能性を示唆しています。

2つ目は、サイト全体のCVの約17％がAI検索経由のCVだった事例です。BtoBでかつ高関与商材を取り扱う企業の事例であり、比較的AI検索が進んでいるケースである点は留意すべきですが、今後さまざまな業界でこういった波が来る可能性は非常に高いと考えています。

前向きな「経営層」と具体的なアクションがわからない「現場」

さらに、AIO推進を難しくしている要因として、社内の認識のズレも挙げられます。

同調査では、最終決定権を持つ経営層のうち、39.4%が生成AI検索を「非常に大きなプラスの影響」と捉えているのに対し、現場担当者では10%前後にとどまっています。

つまり、経営層は生成AIの普及をビジネス機会として前向きに捉えている一方で、現場では具体的なアクションや成果イメージを持てていない。経営層と現場の認識のギャップが、AIO推進のハードルの一つになっていると考えられます。

AIOは何から着手すべきか。次回、具体的な施策を解説

本記事では、AI最適化の考え方を整理したうえで、その中核となるAIOの位置づけや、日本企業の取り組み状況、そして推進における課題を整理してきました。

生成AIを起点とした情報収集が広がるなかで、「検索される」から「AIに選ばれる」への変化はすでに始まっています。一方で、多くの企業が取り組みの必要性を感じながらも、ROIの不透明さや評価指標の未整備、社内の認識のズレといった課題に直面しているのが現状です。

こうした状況において重要なのは、完璧な正解を求めるのではなく、小さく検証しながら自社なりの進め方を見つけていくことです。

次回は、AIOは具体的に何から取り組むべきか、実務レベルでの施策を解説していきます。