業種別LLMO対策 — 士業・医療・店舗の具体例

ChatGPT、Perplexity、Gemini。生成AIの利用は急速に広がっています。総務省の調査では、日本の個人の生成AI利用率（過去利用も含む）は2024年度に26.7%へと上昇し、前年度の9.1%から1年で約3倍に拡大しました。

※ 出典: 総務省 令和7年版 情報通信白書（取得 2026-06）

注目すべきは、AI検索の引用元が必ずしも従来のSEO上位と一致しない点です。Ahrefsの分析では、ChatGPT・Gemini・Copilotが引用するURLのうち、同じ検索語でGoogleの上位10位にランクインしているのはわずか12%でした（Perplexityは例外的に約29%）。つまり、SEOで上位を取っていても、AI検索ではまったく別の評価軸で引用先が選ばれるということです。

※ 出典: Ahrefs「Only 12% of AI Cited URLs Rank in Google's Top 10」（取得 2026-06）

LLMO（Large Language Model Optimization）はこの問題を解決する手法ですが、業種によって最適なアプローチが異なります。士業、医療機関、実店舗の3業種について、具体的な対策と実例を紹介します。

LLMO対策の核心は「AIが引用したくなる情報」を提供することです。ただし、その「情報」の種類は業種で大きく変わります。

• 士業 — 専門性と実績の証明が最重要。資格・受賞歴・解決事例の数が引用の判断材料になる
• 医療機関 — YMYL領域のため、エビデンスとE-E-A-Tが不可欠。医師監修・学会ガイドラインへの参照が必要
• 実店舗 — ローカル情報の正確性が鍵。営業時間・口コミ・アクセス情報の構造化が効く

弁護士、税理士、社労士。士業のLLMO対策で核になるのは、専門領域の情報を構造化し、外部にも実在が確認できる形で示すことです。具体的には、次の3点を組み合わせるのが一般的な手順です。

1. FAQ構造化データの実装 — 「離婚 慰謝料 相場」「相続 弁護士 費用」など、主要クエリのFAQをJSON-LDで構造化。ただし構造化はあくまで土台で、これだけで引用が決まるわけではありません。SE Rankingが129,000ドメインを分析した調査では、FAQ schemaを持つページの平均引用数はむしろやや低く（3.6回 対 非実装4.2回）、被リンクや権威性・第三者からの言及の方が引用への寄与が大きいと報告されています
2. 解決事例のデータベース化 — 解決事例を案件種別・金額・期間の軸で整理し、各事例に構造化データを適用。一次情報としての具体性を持たせる
3. 弁護士プロフィールの充実 — 資格、専門分野、執筆実績、メディア出演歴をPerson schemaで記述し、外部メディアや業界団体ページからも実在を裏付ける

※ 出典: Search Engine Journal「New Data Reveals The Top 20 Factors Influencing ChatGPT Citations」（SE Ranking 129,000ドメイン調査）（取得 2026-06）

こうした施策は、AIが「誰が言っているか」を判断する材料を増やすことを狙うものです。なお、AI検索での表示は仕組み上、対策後すぐに反映されるとは限らず、再クロール・再学習のタイミングに左右される点には注意が必要です。

医療機関のLLMO対策は、通常の業種よりハードルが高いです。理由はYMYL（Your Money or Your Life）領域だから。AIも医療情報の引用には慎重です。

医療機関のLLMO対策で一般的に重視されるのは、次の3点です。

1. 医師プロフィールの構造化 — 院長・勤務医の経歴、専門医資格、学会所属をPerson schemaで記述
2. 症例写真+治療データの公開 — ビフォーアフター写真と、治療期間・費用の情報を構造化して掲載
3. GBP（Googleビジネスプロフィール）の最適化 — 口コミへの返信、診療時間の正確な反映、写真の更新

なかでも口コミの蓄積は、ローカル検索とAI検索の双方で効いてくる要素です。BrightLocalのGoogleレビュー調査では、ローカル検索で上位3位に入る事業者の口コミ数は平均47件で、7〜10位の事業者（平均38件）より多いという傾向が示されています。また消費者は星評価を信頼するまでに平均40件程度の口コミを期待するとされ、件数を着実に増やすこと自体が信頼の土台になります。

※ 出典: BrightLocal「Google Reviews Study」（取得 2026-06）

さらにSE Rankingの調査では、第三者のレビュー・口コミプラットフォームに実在が確認できるドメインほどAIに引用されやすい（複数掲載で平均4.6〜6.3回 対 未掲載1.8回）傾向が報告されており、口コミの整備はAI検索での可視性にもつながると考えられます。

※ 出典: Search Engine Journal「Top 20 Factors Influencing ChatGPT Citations」（SE Ranking調査）（取得 2026-06）

飲食店、美容院、小売店。実店舗のLLMO対策はローカル情報の正確性と網羅性がすべてです。

AIが店舗情報を引用する際に参照するデータソースは主に3つ。Googleビジネスプロフィール、自社サイト、口コミサイト。この3つの情報が一致していることが大前提です。

実店舗のLLMO対策で一般的に取り組まれるのは、次の3点です。

1. メニューの構造化 — メニュー項目をMenu schemaで記述。価格・アレルギー情報を含む
2. 口コミの集約と返信 — Google口コミ、食べログ、各SNSの口コミを把握し、返信で運用する
3. 店舗ごとのランディングページ — 各店舗の住所・営業時間・特徴を個別ページで作成し、LocalBusiness schemaを適用

こうした取り組みが効くのは、口コミが消費者・AIの双方にとって判断材料になっているからです。BrightLocalの消費者調査では、ローカル事業者を選ぶ際に97%の消費者が口コミを読み、85%が好意的な口コミによって利用意向が高まると回答しています。店舗情報と口コミを正確かつ一貫して整えることが、ローカル検索とAI検索の両方での可視性につながると考えられます。

※ 出典: BrightLocal「Local Consumer Review Survey 2026」（取得 2026-06）

3業種の事例から、業種を問わず効果があるLLMO対策の共通要素を4つ抽出しました。

要素1 — 情報の構造化。 Q&A形式や事業者情報をJSON-LDで構造化し、AIが内容を抽出しやすい形で示す。ただし構造化は土台であり、それ自体が引用を保証するものではありません。SE Rankingの129,000ドメイン調査では、引用への寄与が最も大きいのは被リンク・ドメインの権威性・第三者からの言及であり、FAQ schema単体ではむしろ平均引用数がやや低い結果も出ています。

※ 出典: Search Engine Journal「Top 20 Factors Influencing ChatGPT Citations」（SE Ranking調査）（取得 2026-06）

要素2 — E-E-A-Tの可視化。 資格、実績、受賞歴をPerson/Organization schemaで記述し、外部からも裏付けられる状態にする。AIは「誰が言っているか」を重視する傾向があります。

要素3 — ローカル情報の統一。 GBP・自社サイト・口コミサイトの情報を一致させる。不一致は信頼性の低下につながります。

要素4 — 第三者からの言及と一次情報。 口コミプラットフォームや業界メディアでの実在の裏付けは、AI引用と強く相関します。前述のSE Ranking調査では、複数のレビュープラットフォームに掲載されたドメインの平均引用数は4.6〜6.3回で、未掲載（1.8回）を大きく上回りました。自社統計や事例数値など他サイトにない一次情報も、引用されやすい材料になります。

業種別LLMO対策を始める前に、以下を確認してください。まずは自業種のAI検索結果を把握することが出発点です。

LLMO対策に汎用的な正解はありません。士業は専門性、医療は信頼性、店舗は地域性。業種の特性に合わせた設計が必要です。

共通するのは「構造化された一次情報」と「第三者から裏付けられる実在性」がAI引用の鍵になるという点です。AI検索での可視性は被リンクや権威性、口コミプラットフォームでの言及など複数の要素に左右され、一つの施策で一律に何倍になると言い切れるものではありません。だからこそ、自業種でどのクエリ・どのプラットフォームが効いているかを実際に測りながら、地道に積み上げていくことが現実的なアプローチです。