AIO(LLMO)対策の事例を集めても、成果の見せ方がバラバラで比べられない、という相談をよく受けます。事例は「何をしたか」より先に「何を、どこで、いつ測った数字か」を読むと、自社に使える部分だけを取り出せます。 この記事では、公開されている事例を取り組みの型ごとに整理します。そのうえで、成果として示される数字の読み方と、自社に当てはめる手順を示します。

AI検索での最適化を指す言葉は、AIO(AI Optimization)のほかにLLMO(Large Language Model Optimization)、GEO(Generative Engine Optimization)、AEO(Answer Engine Optimization)などがあり、業界でまだ呼び方が統一されていません。本メディアではこれらを総称して「AIO」と表記します。

AIO・LLMO・GEOの事例は同じものを指す|探す前に言葉と範囲をそろえる

3つの言葉は同じ取り組みの別名なので、事例探しは3語すべてで行います。「llmo対策 事例」で見つかる記事と「geo 事例」で見つかる記事が、ほぼ同じ内容ということも珍しくありません。Google自身も、AEOやGEOと呼ばれる取り組みは検索体験への最適化であり、結局はSEOだと説明しています(Google 検索セントラル「Google 検索の生成 AI 機能に向けたウェブサイトの最適化」、2026年5月)。呼び方の違いそのものは、AIO(LLMO)とGEO・SEOの違いを整理した記事にまとめています。

なお「AIO」には一体型パソコンなどを指す別の使い方もありますが、本記事では扱いません。私たちは、3語を同じ箱に入れてから探すことが、事例を比べる出発点になると考えています。

AIO(LLMO)対策の事例はどこで公開されているか

事例の出どころは大きく4種類で、書き手の立場がそれぞれ違います。AIでの見え方を計測するツールを提供している株式会社AI Hackでは、この4つを分けて読むところから始めています。

  • 企業自身の公表資料やプレスリリース:取り組みの説明が中心で、成果の測り方までは書かれないことが多い
  • 報道:第三者の目が入る一方、数字の細かい条件までは追えないことがある
  • 公的機関やサービス提供元の公式資料:仕様や言葉の定義を確かめるのに向く
  • 支援会社・ツール提供会社の事例ページ:具体的な数字が最も多いが、売り手自身が公表している

最近は、店舗向け集客サービスを運営する株式会社movが、AIに引用されやすい店づくりを手助けする4つの機能の提供開始を発表しています(PR TIMES「口コミコム、AIに引用されやすいお店づくり(AIO/LLMO対策)を手助けする4つのAIエージェントを提供開始」、2026年11月)。こうした告知からは「何が売られ始めたか」は分かりますが、成果の事例ではありません。私たちは、サービスの告知と成果の報告を分けて読む必要があると考えています。

公開事例に共通する取り組みの4つの型

公開事例は、やったことで見ると4つの型に分かれます。型ごとに、実在が確認できた事例を1件ずつ添えます。

型1・型2|自社サイトの中身と技術面を整えた事例と、検索の土台から伸ばした事例

型1は、自社サイトの中身と技術面を整える型です。自社名を出さずに「○○のおすすめは?」と聞く形を、ここでは非指名の質問と呼びます。計測ツールの提供会社が自社サイトに載せた事例として、海外のソフトウェア企業Strapiで、非指名の質問での引用が12週間(約3か月)で226%伸びたと紹介されています(Scrunch「Strapi の事例紹介」、2026年11月11日閲覧)。

型2は、検索の土台を積んだうえでAI経由の訪問を増やす型です。この施策を支援したSEO会社が自社サイトで公表した事例では、ウィッグ通販のECサイト(社名は非公表)で、AI経由の訪問者(GA4のユーザー数)が1年(2025年7月〜2026年7月)で69人から603人に増えており、この事例はSEO施策と並行して進められたものです(S&Eパートナーズ「LLMO・AIO対策の実績・事例紹介」、2026年11月11日閲覧)。出発点が69人なので倍率は大きく見えます。私たちは、母数の小さい倍率は必ず人数に戻して読むようにしています。

型3・型4|現状を測る事例と、口コミ・店舗情報など外部発信を整える事例

型3は、施策より先に、AIが自社をどう紹介しているかを測る型です。先ほどのmovは2026年10月に、店舗がAIの回答にどれだけ登場し、何番目に挙がるかを測るサービスを出しています(PR TIMES「口コミコム AI検索対策(AIO/LLMO)エージェント」、2026年10月)。

型4は、口コミや地図サービスの店舗情報など、サイトの外にある情報源を整える型です。先ほどの4つの機能も、口コミへの返信や店舗情報の整備を助ける中身になっています。2026年11月時点の自社計測では、地域に根ざしたサービスについて、公式サイトより口コミサイトや地域メディアが引用元に並ぶ傾向が見られます。私たちは、こうした業種では自社サイトの改善だけでは数字が動きにくいと考えています。

型

具体的にやったこと

示された成果の種類

出典(発行元・時点)

型1 サイトの中身と技術面を整える

抜き出しやすい書き方、引用を妨げる設定の点検

非指名の質問での引用の伸び(約3か月)

Scrunch(2026年11月11日閲覧)

型2 検索の土台を積んで伸ばす

SEOと並行した記事整備

AI経由の訪問人数の増加(1年)

S&Eパートナーズ(2026年11月11日閲覧)

型3 現状を測る

AIの回答への登場と順番の計測

計測サービスの提供開始(成果数値の公表なし)

PR TIMES・mov(2026年10月)

型4 外部の情報源を整える

口コミへの返信、地図の店舗情報の整備

支援機能の提供開始(成果数値の公表なし)

PR TIMES・mov(2026年11月)

型3と型4は、まだ「始めた」という発表の段階です。成果の数字が出そろっている型は、現時点では型1と型2に偏っています。

事例の「AI検索からの流入が◯倍」は何を測った数字か

事例が成果として出す数字は5種類あり、取得元が違うため、そのままでは比べられません。たとえば「AIの回答に出た割合」と「AI経由の訪問数」は、まったく別の場所から取る数字です。次の表は、その対応を整理したものです。

成果の数字

どこで分かるか

この数字で言えないこと

AIの回答に自社名が出た割合(言及率)

質問を決めて自分で聞く、または計測ツール

質問文とAIの種類が変われば結果も変わる

回答の参照元に自社サイトが出た割合(引用率)

同上

参照元に出ても読まれたとは限らない

AI経由の訪問数

アクセス解析(GA4)

対話型AI以外の経路は含まれない

社名・サービス名での検索数

サーチコンソール

AIだけが増減の理由とは限らない

問い合わせ数

自社の管理画面

他の施策や季節の影響が混ざる

上の3つ目について補足します。アクセス解析のGA4には「AIアシスタント」という分類があり、ChatGPTやGeminiなどからの訪問がここにまとまりますが、この分類に入らず参照元扱いになる対話型AIもあるため、実数は下限として読みます。ただしGoogleの「AIによる概要」と「AIモード」は除外されます(Google アナリティクス ヘルプ「デフォルト チャネル グループ」、2026年11月確認)。「AIによる概要」は検索結果の上に出るAIの要約、「AIモード」は検索の中でAIと対話しながら調べる機能のことです。Google側のAI機能での表示回数は、サーチコンソールの生成AI向けのレポートで確認します(先ほどのGoogleのガイド)。

比べ方そのものが書かれている事例もあります。これは計測ツールScrunchを買収したSitecore自身の発表で、比較対象の「対応済みのページ」とは、同社のツールがAI向けに最適化して配信する仕組みを適用したページを指します。その発表では、Akamaiが対応済みのページと条件の近い未対応ページを比べ、非指名の質問でAIの回答に自社名が出た割合(言及)が364%増、回答の参照元に自社サイトが出た割合(引用)が218%増えたとされています(Sitecore「Sitecore acquires Scrunch」、2026年6月)。型1で挙げた計測ツールは、2026年6月にこのSitecoreに買収されており、同一グループの発表です。前後の比較ではなく、同じ時期の別ページとの比較である点は、読み手が検証しやすい作り方だと見ています。

条件が書かれていない数字を見たときは、次の4点を確認します。

  1. どのAIで測ったか
  2. いつからいつまでの話か
  3. 母数(質問の本数や訪問の人数)はいくつか
  4. 同じ時期に他の施策をしていないか

1つでも欠けていれば参考値として扱い、社内で成果を説明する根拠には使いません。他社比較にも使えません。指標の決め方や測り方そのものは、AIO(LLMO)の効果測定の手順をまとめた記事で扱っています。次の図は、5つの数字がどこから取れるのかを1枚にまとめたものです。

事例が成果として示す5つの数字と、その取得元の対応

支援会社・ツール提供会社の事例ページで確認する3点

売り手が出す事例は、数字が具体的な代わりに、書き手が当事者である点を踏まえて読みます。確認するのは、書き手の立場、数字の注記、クライアント名の3点です。

  1. 書き手の立場:その施策を支援した会社が書いた記事かどうか
  2. 数字の注記:対象のAI、期間、母数、集計の条件が原文に書かれているか
  3. クライアント名:実名か匿名か。匿名なら外からは検証できない前提で読む

一部だけ条件が書かれている例もあります。Speeeは自社サイトについて、対象の質問群でGeminiが1位に推した割合が6.7%から20.0%に変わったと公表しています(Speee「LLMOコンサル・AIOコンサル おすすめ14選」、2026年11月11日閲覧)。どのAIで、どの質問群かは分かりますが、この事例は期間と質問の本数が読み取れません。

出所の分からない「ある企業では○倍」という記述は、社内資料に転記しない方が安全です。発注先を比べる段階に進むならAIO(LLMO)対策会社の選び方、予算の目安はAIO対策の費用相場と内訳を参考にしてください。

公開事例を自社に当てはめる5ステップと最初の一手

他社の事例は、そのまま実行計画にはなりません。次の5つの順で、自社に移せる部分だけを取り出します。

  1. 事例の出典と公開年月を確かめる
  2. 自社と事例の前提条件を照らす
  3. 真似できる施策と真似できない施策を分ける
  4. 測る指標を先に決める
  5. 小さく試して1〜3か月後に見直す

下の図は、この順序と、条件が合わないときに前へ戻る分かれ道を示しています。

公開事例を自社の施策に落とし込む5ステップと分岐

ステップ1〜2|事例の出典を確かめ、自社と前提条件を照らす

照らすのは、業種、商材の検討期間、既存の検索流入の量、知名度、拠点が全国か地域かの5点です。たとえば型2の事例は、検索からの流入がすでにある状態が前提でした。立ち上げたばかりのサイトで同じ伸び方を期待すると、判断を誤ります。

ステップ3|真似できる施策と真似できない施策を分ける

施策は、自分で手を動かせるもの、外部の媒体や口コミに依存するもの、時間が必要なものに分かれます。自社サイトの書き方の見直しは今日から着手できますが、口コミの数は自社だけでは増やせません。私たちは、まず自分で動かせるものだけを先に出し切る順番を勧めています。

ステップ4〜5|測る指標を先に決めてから小さく試す

先に決めるのは、どの質問文で、どのAIに、何回聞くかの3つです。実務では3種類以上のAIと4本以上の質問を用意し、同じ質問を推奨3回(案件により増やします)繰り返して測っています。この質問票を固定しないと、施策の前と後を同じ条件で比べられません。最初の一手は施策ではなく現状の確認だと考えています。全体像はAIO対策は現状確認から始める記事、確認の手順はAIO(LLMO)診断の記事にまとめています。

事例をそのまま真似しても再現しない場面

同じ施策でも結果が揃わない理由は、主に4つあります。

  1. 既存の検索流入の量が違う
  2. 知名度が違う(AIは広く言及されている名前を拾いやすい)
  3. 比較サイトや口コミが引用元の中心を占める領域では、自社サイトの改善が効きにくい
  4. AI側の仕様が変わり、前提ごと動く

計測そのものにも限界があります。AIの内部は公開されていないため、外からの間接的な観察にとどまります。回答は同じ質問でも揺れるので、1回の結果では成果と言えません。ログインしていない状態での計測は中立的な基準であって、個々の利用者が見る回答の代表値ではない点も押さえておきます。加えて、公開事例はうまくいった例が選ばれて出やすい偏りがあります。私たちは、事例は打ち手の候補を知る材料であって、成果の約束ではないと考えています。

まとめ

最後に3点にまとめます。AIO・LLMO・GEOは同じ取り組みの別名なので、事例は3語で探します。事例を読むときは、施策の一覧より先に、どのAIで、いつ、どれだけの母数で測った数字かを確認します。そのうえで自社と条件が重なる部分だけを取り出し、測る指標を先に決めて小さく試すのが現実的だと考えています。自社がいまAIにどう語られているかが分からない段階であれば、実測で確認する無料AIO診断(お申し込み)から始めてください。