「AI Overview 対策どうするの」「Perplexity に自社が出てこないのは問題ないか」——2026 年に入ってから、こうした問いを社内で受ける機会が急に増えたのではないでしょうか。GSC の標準 Performance レポートを開くと、情報探索型クエリでの CTR がじわりと下がり、Analytics のオーガニック流入も踊り場に入っている。危機感は確かにあるのに、次に何をすべきかがはっきりしない。そんな状況で困っている担当者は少なくありません。
難しさの根本は、「LLMO 対策 9 施策」「AI 引用のための 7 ステップ」といった網羅型の記事は世の中に溢れているのに、どの記事から手をつけるべきか・どの施策を優先すべきか・どこまでやれば十分なのかという、意思決定に必要な情報がほとんど整理されていないことにあります。既存記事を全部書き直すのは工数的に不可能で、経営層への説明責任も残ります。
本記事では、AI Overview / LLMO 時代のコンテンツ設計を「新規記事の設計原則」と「既存記事のリライト優先順位」の 2 軸に分けて整理します。特に既存記事のリライトについては、対応コストと効果を可視化したマトリクスと、10 項目のチェックリストを提供し、明日から着手する順序まで落とし込みます。
効果測定についても、2026 年時点で実際に取得できる指標と、取得できない指標を厳密に区別して解説します。誤った前提で社内提案を進めて後から手戻りする、というリスクを避けることも本記事の狙いです。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
AI Overview の普及で「コンテンツ設計」の前提が変わった
Google AI Overview は、2024 年 8 月に日本を含む複数国で展開され、その後対象クエリを継続的に拡大しています。検索者は SERP 上部に生成された要約を読んで疑問が解消してしまうため、従来の SEO で最重要指標だった「オーガニッククリック数」と「CTR」の関係が構造的に変化しました。
Ahrefs が 30 万件のキーワードで実施した分析では、AI Overview が表示された場合の 1 位表示ページの CTR が 34.5% 減少したと報告されています。同社が 2025 年 12 月時点のデータで再計測した結果では、最上位ページの CTR 減少幅は 58% にまで拡大しています（Ahrefs: AI Overviews Reduce Clicks by 34.5%）。この数字の意味は、「1 位を取れば流入が読める」という前提が崩れつつある、ということです。
AI Overview 表示クエリで何が起きているか
CTR の低下は情報探索型・ハウツー型クエリで特に大きい傾向があります。前述の Ahrefs 分析では、AI Overview がトリガーされるクエリの 99.2% が情報探索型（informational intent） であることも明らかにされています。裏を返すと、指名検索型・ローカル検索型・トランザクション型のクエリでは AI Overview の影響は限定的で、CTR は従来水準を維持しやすいということです。
つまり、まず必要なのは「自社記事のうち、どのクエリ群が AI Overview の影響を受けているか」を切り分けることです。ここで問題になるのが、GSC からその情報を直接取れるのかという点です。
2026年時点でGSCが観測できること／できないこと
2026 年 6 月 3 日、Google Search Console に「Search Generative AI performance reports（生成 AI パフォーマンス レポート）」がリリースされました（Google Search Central Blog: Introducing Search Generative A…）。このレポートで取得できるのは以下の 5 次元です。
- 表示回数（Impressions）
- ページ（引用された自社 URL）
- 国
- デバイス
- 日付
一方、クリック数・CTR・順位・クエリのデータは現時点で含まれません（Generative AI performance report - Search Console Help）。Google は将来的な追加を示唆していますが、具体的なタイムラインは公表されていません。加えて、初回ロールアウトは英国拠点のサイトが中心で、全世界展開には段階的にフェーズを進める予定と発表されています。日本サイトの読者は、標準 Performance レポートや他の代替観測手段との併用が当面必要になります。
なお、2025 年 9 月に SNS で「Search Console の Search Appearance に『AI Overviews』フィルタが追加された」という情報が拡散しましたが、これは Google の John Mueller が公式に否定した誤情報です（Search Engine Roundtable: Google Search Console Did Not Add…）。本記事執筆時点（2026 年 8 月）でも、Search Appearance で AI Overview / AI Mode を選択できるフィルタは存在しません。誤情報に基づいた社内提案を進めないよう、機能の有無は必ず一次情報で確認してください。
LLMO とは何か——SEO との「置き換え」ではなく「重ね合わせ」
LLMO（Large Language Model Optimization）は、大規模言語モデル（LLM）に自社コンテンツを引用元・要約元として選ばれやすくする最適化アプローチの総称です。近い意味で AIO（AI Optimization）・GEO（Generative Engine Optimization）・AEO（Answer Engine Optimization）といった用語も併存していますが、実務上は同じ対象を指すと考えて差し支えありません。
重要なのは、LLMO は SEO を置き換えるものではなく、SEO の上に重ね合わせる領域であるという理解です。LLM に引用されるためには、そもそも検索エンジンにインデックスされ、関連クエリで一定以上の評価を得ている必要があります。従来の SEO 基盤（クロール容易性・内部リンク・E-E-A-T・被リンク）を捨てるのではなく、その上に「LLM が抽出しやすい構造」を追加で乗せるイメージです。
LLMO・AIO・GEO・AEO の関係を1表で整理
用語 | 主な対象 | 実務での位置づけ |
|---|---|---|
SEO | 検索エンジン全般 | 基盤層。従来通り継続 |
LLMO | LLM 全般（AI Overview 含む） | SEO の上に重ねる最適化 |
AIO | AI 検索全般 | LLMO とほぼ同義で使われる |
GEO | 生成エンジン（Perplexity 等） | LLMO のうち生成検索エンジンに寄せた呼称 |
AEO | 回答エンジン（音声検索・チャット） | 質問→回答型コンテンツ設計を強調 |
対策対象は3系統に集約できる
用語は乱立していますが、対策すべき対象は実質的に以下の 3 系統に集約できます。
- Google AI Overview / AI Mode：日本のオウンドメディアで最も流入影響が大きい
- ChatGPT Search / Copilot：ChatGPT や Bing Copilot が引用元として表示するソース
- Perplexity：ソース引用を明示する回答型検索エンジン
3 系統は「LLM が信頼できる引用元をどう選ぶか」という点で共通の判断基準を持っています。次に、その判断基準を整理します。
LLM が引用元を選ぶ判断基準
複数の公開情報を照合すると、LLM が引用ソースを選ぶ際に重視している要素は以下に集約されます。
- 明確性：見出しと本文の対応が明確で、質問への回答が一段落で完結している
- 権威性：著者・監修者・組織情報が明示され、E-E-A-T シグナルが揃っている
- 一次情報性：オリジナルの調査データ・事例・具体的な数値が含まれる
- 構造化：Schema.org のマークアップや、見出し配下の情報が整理されている
これらは従来の SEO 品質基準と大きくは変わりません。違いは「LLM が抽出しやすい単位に情報を分割する」という点にあります。これを踏まえて、新規記事の設計原則に進みます。
AI Overview に対応する新規記事の設計原則5つ
新規記事を書く際に組み込むべき設計原則を、優先度の高い順に 5 つに絞ります。網羅的な「9 施策」ではなく、「これを外さなければ AI Overview の引用候補に残りやすい」という最小限のセットです。
原則1「問い→回答」構造で見出しを設計する
H2 / H3 は「〜とは？」「〜の方法は？」「〜の違いは？」のような問いの形、または「〜する 3 つの方法」のような回答予告の形にします。LLM は見出しを手がかりに「この節が何に答えているか」を判定するため、名詞句だけの見出し（「概要」「特徴」等）は抽出候補から外れやすくなります。
原則2 リード段落で結論を先出しする
各セクション冒頭の 1〜2 段落で、そのセクションの結論を先に提示します。「後述しますが」「詳しくは以下で」といった後方参照は減らし、読者と LLM の両方がその段落だけで要点を掴める構造にします。
原則3 一次情報（自社データ・独自調査）を明示する
汎用的な二次情報だけで構成された記事は、LLM から見て「他の同種記事と代替可能」と判断されやすくなります。自社の調査データ・事例数値・現場での知見など、他媒体では取得できない情報を最低 1 か所は含めるのが望ましい設計です。出典が公開情報の場合は、リンクとして明示します。
原則4 構造化データ（Schema）を実装する
FAQ Schema / HowTo Schema / Article Schema は、LLM がコンテンツの意味を把握するためのメタ情報として機能します。特に FAQ Schema は、Q&A 単位で情報を切り出しやすく、AI Overview の引用ソースとして採用されやすい形式です。Next.js などのモダンなフロントエンドで構築されたサイトでは、実装コスト自体は数時間〜数日で完結するケースが多く、優先度の高い施策になります。
原則5 見出し配下を「1段落で完結する回答単位」にする
H3 / H4 配下の本文は、可能な限り 1 段落（3〜6 文）で 1 つの問いに答え切る構造にします。LLM は「見出し → 直下 1 段落」を抽出単位にする傾向が強く、複数段落にまたがった説明は要約時に断片化しがちです。長くなる場合は、サブ見出しでさらに分割することを検討してください。
既存記事のリライト優先順位マトリクス
新規記事の設計原則を理解しても、既存記事群を全部書き直す工数は現実的に確保できません。ここでは「対応コスト × 効果」の 2 軸で既存記事を分類し、着手順を意思決定するためのフレームを提示します。
対象記事の抽出手順
まず、リライト候補にする既存記事を絞り込みます。以下 3 条件を AND で満たす記事群が最有力です。
- GSC 標準 Performance レポートで、直近 3〜6 ヶ月に CTR 低下を観測している
- 同期間の平均掲載順位が 1〜10 位（=1 ページ目に表示されている）
- クエリタイプが情報探索型・ハウツー型（=AI Overview の対象になりやすい）
Search Generative AI performance reports が利用可能な環境では、追加条件として「Pages（引用ページ）」タブで表示回数上位の記事も候補に加えます。GSC 単体では AI Overview 表示クエリを直接特定できないため、「情報探索型で CTR が下がっている記事」を影響推定の代替指標として使う運用が現時点の実務主流です。
「対応コスト × 効果」2軸マトリクスの読み方
抽出した記事を、以下の 4 象限に配置します。
象限 | 対応コスト | LLMO 効果 | 着手方針 |
|---|---|---|---|
第 1 象限 | 低 | 高 | 最優先で着手（今週〜今月） |
第 2 象限 | 高 | 高 | 中長期計画（四半期以内） |
第 3 象限 | 低 | 低 | 余力があれば実施 |
第 4 象限 | 高 | 低 | 現状維持または削除検討 |
まずは第 1 象限（低コスト・高効果）の記事を 5〜10 本特定し、そこから着手します。全社的な工数計画を組む前に「1 週間で 3 本リライトして CTR 変化を観測する」といったパイロット運用を挟むのが安全です。
最優先3項目：見出し書き換え・リード先出し・FAQ Schema 追加
第 1 象限の記事に対して、最初に着手すべき修正は次の 3 項目です。
- H2 / H3 の書き換え：名詞句を「問い / 回答予告」形式に置き換える（1 記事あたり 30 分〜1 時間）
- リード段落の結論先出し：各セクション冒頭に結論 1〜2 文を追加する（1 記事あたり 30 分〜1 時間）
- FAQ Schema の追加：記事末尾に FAQ セクションを設け、Schema マークアップを実装する（サイト側の実装が整っていれば 1 記事あたり 30 分程度）
この 3 項目は、いずれもコンテンツの主張を変えずに構造だけを整える施策のため、社内レビューの負荷も低くなります。
中長期対応：一次情報の追記・E-E-A-T 情報の構造化
第 2 象限（高コスト・高効果）に該当するのは、以下のような施策です。
- 独自調査・アンケートデータの追加取得と追記
- 事例インタビュー・ケーススタディの追加
- 著者・監修者ページの整備と各記事への Person Schema 実装
- 参考文献リストの追加と外部リンクの整備
これらは 1 記事あたり数日〜数週間の工数がかかりますが、コンテンツの信頼性を根本から底上げできるため、四半期単位の計画に組み込む価値があります。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
既存記事の LLMO 適合度チェックリスト（10項目）
第 1 象限の記事をリライトする際に、実際に手を動かしながら使えるチェックリストを用意しました。各項目について「YES/NO」で判定し、NO が多い順に修正優先度を上げてください。
# | チェック項目 | 判定基準 | 修正例 |
|---|---|---|---|
1 | H2 / H3 が「問い」または「回答予告」形式か | 名詞句のみでない / 疑問形または「〜の方法」形式 | 「概要」→「〜とは？」 |
2 | リード段落に結論が含まれているか | 冒頭 1〜2 段落で結論が示されている | 「後述しますが」を減らす |
3 | 一次情報の出典が明示されているか | 自社データ・独自調査・具体事例が最低 1 か所ある | 独自数値の追記 |
4 | FAQ / HowTo Schema が実装されているか | JSON-LD が該当形式で出力されている | FAQ セクション + Schema 追加 |
5 | 著者・監修者情報が明示されているか | 著者名・所属・専門領域が記載されている | 著者ボックス追加 |
6 | 更新日が最新か | 公開日と別に「最終更新日」が明示されている | 日付更新 + 更新履歴追記 |
7 | 見出し配下が 1 段落で完結しているか | H3 配下が 3〜6 文で 1 つの問いに答え切っている | 長すぎる段落を分割 |
8 | 内部リンクが関連トピックに張られているか | 関連する自社記事へのアンカーテキストが自然 | 関連記事へのリンク追加 |
9 | 参照元 URL がテキストで書かれているか | 出典が本文中で明示され、リンクとして機能する | 出典表記の統一 |
10 | 数値・データが具体的か | 「多くの」「一部の」等の曖昧語を具体数値に置換 | 「多くの」→「約 70%」 |
10 項目のうち 6 項目以下 YES の記事は、原則 3 項目（見出し・リード・Schema）から着手します。7〜9 項目 YES の記事は、残った項目に絞って個別対応します。
なお、AI 生成コンテンツを一部含む記事の E-E-A-T 対応についてはAI チェッカーの活用ガイドも参考にしてください。
効果測定の実践的な観測手段（2026年時点で実際に取得できる指標）
「対策の効果はどう測るのか」——上司や経営層から必ず問われるポイントです。ここでは、2026 年時点で実際に取得できる指標に厳密に絞って、4 つの経路を紹介します。
GSC「Search Generative AI performance reports」で取得できる指標と現行制限
利用可能なプロパティであれば、Search Console のサイドバーから「Performance（Search / Discover の生成 AI）」を選択して開けます。取得できるのは表示回数・ページ・国・デバイス・日付の 5 次元です。クリック数・CTR・順位・クエリは含まれないため、「AI Overview に自社ページが表示された頻度」までは分かっても、「そこから何クリック得られたか」は判別できません。この制限は必ず社内共有のスライドにも明記してください。
初回ロールアウトは英国拠点サイト中心のため、自社プロパティで表示されるかは Search Console の左サイドバーから確認します。表示されない場合は次項以降の代替手段を主として運用します。
GSC 標準 Performance レポートでの CTR トレンド比較による代替観測
AI Overview 表示可否を直接フィルタする手段が現時点で存在しないため、以下の代替観測を推奨します。
- 対象クエリ群の CTR トレンドを、AI Overview 展開前後（日本市場では 2024 年 8 月頃以降を境界に設定）で比較する
- 情報探索型・ハウツー型クエリと、指名検索型クエリの CTR トレンド差分を観察する
- 掲載順位が横ばい（±1 位以内）にもかかわらず CTR が明確に低下しているクエリを抽出する
3 つを組み合わせることで、「AI Overview の影響を受けている蓋然性が高いクエリ群」を推定できます。この推定リストが、前述したリライト対象記事の絞り込み条件と直結します。
Perplexity / ChatGPT Search での引用有無を手動確認する
自社ブランド名・記事タイトル・対象クエリを Perplexity や ChatGPT Search に投入し、回答内の「Sources」欄に自社ドメインが含まれるかを目視確認します。定量化は難しい方法ですが、月次で 10〜20 クエリをサンプリングして記録するだけでも、傾向の変化は掴めます。表計算ソフトで「日付・クエリ・自社引用有無・引用位置」を記録し、四半期ごとに集計する運用がシンプルです。
Bing Webmaster Tools の Copilot 引用データを活用する
Bing Copilot に関しては、Bing Webmaster Tools 側で Copilot の引用に関する指標が提供されています。Google 一辺倒だった従来 SEO と異なり、LLMO では Bing 経由の観測データが相対的に価値を持ちます。Search Performance レポートで「AI generated results」に関連する指標を確認してください（表示項目は継続的にアップデートされているため、Bing 側の最新公式ドキュメントを都度参照するのが確実です）。
誤情報への注意：「Search Appearance『AI Overviews』フィルタ」は存在しない
前述のとおり、2025 年 9 月に「Search Console の Search Appearance に AI Overviews フィルタが追加された」という情報が SNS で拡散しましたが、これは Google が公式に否定した誤情報です。執筆時点（2026 年 8 月）でも同フィルタは存在しません。「機能があるはず」という前提で社内提案を進めると、後から実装できないと判明したときに信用を落とすリスクがあります。効果測定手段の説明時には、必ず一次情報のリンクを添えてください。
2026 年の LLMO 動向と、注意すべき「LLMO が効かない領域」
LLMO は 2026 年時点で急速に進化しているため、四半期単位で動向を追い続ける必要があります。同時に、LLMO が効きにくい領域も明確に存在します。
2026 年の LLMO 動向トピック3点
- Google AI Overview のクエリ拡大：初期は英語圏の情報探索型クエリが中心でしたが、日本語クエリ・トランザクション型クエリへの拡大が段階的に進んでいます
- Perplexity・ChatGPT Search の一般浸透：B2B 領域では意思決定者層の利用が広がっており、指名検索前段階での接触チャネルとして重要性が増しています
- GSC Generative AI performance reports の拡張予定：クエリ・CTR データ追加は明言されていないものの、Google 側は「フィードバックに基づき機能を追加していく」と表明しています
LLMO が効きにくい領域と、そこでの従来 SEO の重要性
以下の領域では、AI Overview の表示自体が抑制されるか、表示されても最終的なクリックが必要になります。従来 SEO 施策の継続が引き続き重要です。
- YMYL（Your Money or Your Life）：医療・金融・法律等、誤情報が深刻な影響を及ぼす領域
- ローカル SEO：地域限定サービスは Google マップ・ローカルパック経由の集客が主流
- トランザクション型：購入・予約・申込に直結するクエリはランディングページの CVR 設計が優先
- 短命なトレンド情報：LLM の学習データ更新頻度を上回るスピードで変化する情報
「LLMO 一辺倒」ではなく、記事群を「LLMO 適用」「従来 SEO 継続」「両立」の 3 分類で管理する視点を持ってください。
まとめ——明日から着手する 3 つのアクション
ここまでの内容を、明日から着手できる 3 アクションに集約します。
- 対象記事の特定：GSC 標準 Performance レポートで「情報探索型・ハウツー型クエリ × 直近 3〜6 ヶ月で CTR 低下 × 掲載順位 1〜10 位」の 3 条件を満たす既存記事を 5〜10 本ピックアップします。Search Generative AI performance reports が利用可能な環境では、Pages タブの引用回数も掛け合わせます
- 自己診断：対象記事に対して、本記事のチェックリスト 10 項目で YES/NO を判定します。NO が多い順に修正優先度を並べます
- 最優先 3 項目の実施：マトリクスの第 1 象限（低コスト・高効果）に該当する記事から、見出し書き換え・リード先出し・FAQ Schema 追加の 3 項目に着手します。1 週間で 3 本を目安に、CTR 変化を GSC で追跡します
社内会議への持ち帰りは、「AI Overview の影響を受けている蓋然性が高い記事群に対して、上記 3 項目から着手する」というシンプルな結論で問題ありません。網羅型の 9 施策を並べるより、意思決定が進みます。
関連情報
本記事のチェックリストを、社内で共有可能なフォーマットに落とし込みたい方向けに、SEO / LLMO 対応の実務チェックリストとしてお役立ち資料を用意しています。既存記事の棚卸しから、リライト着手までの手順書としてご活用いただけます。
関連記事
- AI チェッカーの活用ガイド：AI 生成コンテンツと E-E-A-T の両立
- おすすめの SEO コンサルティング会社：自社リソースだけでは着手が難しい場合の外部支援選択肢
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
よくある質問
- 既存記事は全部書き直す必要がありますか？
全記事の書き直しは不要です。GSCで「情報探索型・ハウツー型クエリ」「直近3〜6ヶ月でCTR低下」「掲載順位1〜10位」の3条件を満たす記事を5〜10本に絞り、その中でも対応コストが低く効果が高い記事から優先着手してください。
- リソースが限られている場合、最初に何から着手すべきですか？
見出しの問い形式化・リード段落の結論先出し・FAQ Schemaの追加の3項目から着手してください。いずれも1記事あたり30分〜1時間程度で対応でき、主張を変えずに構造だけ整えるためレビュー負荷も低く抑えられます。
- FAQ SchemaやHowTo Schemaを実装すれば、必ずAI Overviewに引用されますか？
実装だけで引用が保証されるわけではありません。構造化データはLLMがコンテンツを把握しやすくする補助要素であり、明確性・権威性・一次情報性など複数要素が揃って初めて引用候補として選ばれやすくなります。
- LLMO対策の効果はどのくらいの期間で確認できますか？
明確な保証期間はありませんが、まず1週間で3本をリライトし、GSC標準Performanceレポートで情報探索型・ハウツー型クエリのCTR変化を2〜4週間追跡するパイロット運用を挟むと、工数対効果を見極めた上で全社展開の計画に反映できます。
- AI Overview対策よりも従来のSEO施策を優先すべき記事はありますか？
YMYL領域、ローカルSEO、購入・予約直結のトランザクション型クエリ、短命なトレンド情報を扱う記事は、AI Overviewの表示自体が抑制されやすいため、引き続き従来SEO施策を優先してください。
