LLMO対策事例｜AI検索からの流入が増加したBtoBサイトの施策

はじめに

本記事では、BtoB人材管理SaaS企業E社のLLMO対策のケーススタディを解説します。Perplexity・ChatGPT等のAI検索からのリファラーが3ヶ月で2.8倍に増加し、特定カテゴリクエリでのAI推薦率が著しく向上した事例です。

企業・プロジェクトの概要

企業概要

• 業種：BtoB SaaS（人材管理・HR Tech）

• 従業員数：60名

• 月間サイト訪問者：約8,000セッション

• 主要な課題：「HR 管理 ツール おすすめ」「人事管理 システム 比較」というカテゴリクエリでAIに全く推薦されていなかった

実施前の状況分析

AIでの現状確認

プロジェクト開始時に、主要AIツールで以下のクエリを入力して状況を確認しました。

確認したクエリ（例）

• 「HR管理ツールのおすすめを教えてください」

• 「人事管理システムの比較を知りたい」

• 「中小企業向けの人材管理SaaSはどれがいい？」

• 「[E社のサービス名]について教えてください」

確認結果

• カテゴリクエリ（10件確認）：自社が言及されたのは0件

• ブランド指名クエリ：ChatGPTは学習データ外で「確認できません」とのみ回答。Perplexityはサイトを参照するが基本情報のみ

競合の状況

同じカテゴリクエリで競合A社は10件中7件で言及・推薦されていました。競合A社のサイトを分析すると、FAQページが充実しており、比較記事や導入事例が詳細に記述されていました。

サイトの技術的な状況確認

• 構造化データ：まったく実装されていなかった

• FAQページ：存在しなかった

• 著者情報：記事にほとんど著者情報がなかった

• 事例ページ：概要のみで具体的な数値・成果の記述がなかった

施策の設計と実施

施策1：構造化データの全面実装（Week 1〜2）

実施内容

• Organization（会社情報）：トップページ・会社概要ページに実装

• FAQPage：新規作成したFAQページに実装（Q&A 50件）

• Article：既存のブログ記事42本すべてに実装（著者・更新日・カテゴリ）

• Service：主力3サービスのページにService構造化データを実装

• BreadcrumbList：全ページに実装

実装にかかった期間・工数：2週間（エンジニア工数15時間程度）

施策2：FAQの大幅充実（Week 2〜4）

実施内容

FAQページを新規作成し、以下のカテゴリで合計80件のQ&Aを作成しました。

• 基本的な機能に関するFAQ（20件）

• 料金・プランに関するFAQ（15件）

• 導入・移行に関するFAQ（15件）

• セキュリティ・データ管理に関するFAQ（10件）

• 競合との違いに関するFAQ（10件）

• よくある課題への解決策に関するFAQ（10件）

各回答は「質問に直接答える形式」の冒頭文から始め、具体的な説明を続けるという構成にしました。

AIを想定したFAQの設計原則

• 質問文はユーザーが実際に検索・入力するような自然な表現にします

• 回答の冒頭100文字以内に直接の答えを入れる

• 数値・具体的な例を含める

• 関連ページへの内部リンクを設置します

施策3：既存コンテンツのE-E-A-T強化（Week 3〜6）

実施内容

既存のブログ42記事について、以下の改善を行った。

著者情報の充実

全記事に著者プロフィール（写真・役職・経歴・専門領域）を追加。著者プロフィールページを新規作成。

数値・事例の具体化

「多くの企業が利用している」→「導入企業の87%が初月から効果を実感（自社調査 n=150）」のように数値化しました。また「ある製造業の企業では」という曖昧な事例を「製造業C社（従業員80名）では、導入3ヶ月で人事担当者の工数が月40時間削減」という形式に変更しました。

更新日の明示と情報の最新化

全記事に「最終更新：○年○月」を追加し、古くなった情報（法律・制度・ツールの情報）を更新しました。

冒頭の書き直し

42記事のうち優先度の高い20記事について、「質問に直接答える形式」の冒頭に書き直しました。

施策4：専門性を示す新規コンテンツの追加（Month 2〜3）

実施内容

月4本ペースで、競合分析・独自調査に基づく専門性の高い記事を追加しました。

主な追加コンテンツ

• 「中小企業の人事管理 実態調査2025（自社調査 n=300）」：オリジナルの調査データを公開し、業界メディア2社への掲載につなげた

• 「HR SaaS 主要7製品の機能比較（2025年版）」：競合を含む比較表を包括的に作成。客観的な比較が高い信頼性を生む

• 「人事管理ツール移行完全ガイド」：実際の移行プロジェクトの経験に基づく詳細なガイド

施策5：robots.txtのAIクローラー対応確認（Week 1）

既存のrobots.txtを確認したところ、AIクローラー（GPTBot・Perplexitybot等）のアクセスを意図せず制限している記述がないことを確認。問題がなかったため変更不要でしました。

実施後の成果

3ヶ月後のAI引用状況の変化

3ヶ月後のトラフィック・ビジネス変化

施策の効果分析

最も効果が高かった施策

FAQの充実（施策2）と構造化データ（施策1）の組み合わせが最も即効性が高かった。FAQPageのSchema.orgを実装してから3週間後に、Perplexityで「人事管理ツール FAQ」系のクエリへの引用が始まった。

「自社調査結果の公開（施策4）」が被リンクとAI引用の双方に貢献しました。「中小企業の人事管理 実態調査2025」は業界メディア2社への掲載と、そこからの被リンク獲得につながった。また、この調査データを引用する形でAIが回答するケースも確認されました。

想定より効果が小さかった施策

著者プロフィールの充実（施策3の一部）は、3ヶ月の観察期間内では明確な変化を確認できなかった。権威性の構築は長期的な施策であり、効果が現れるまでに6ヶ月以上かかると想定しています。

実施から学んだポイント

ポイント1：FAQの質と量が即効性の鍵

「よくある質問のページを作る」という表面的な対策ではなく、「AIが質問を受けたときに引用したくなる回答を80件以上揃える」という量と質の確保が重要でした。

ポイント2：数値と具体性がAI引用率を決める

曖昧な記述を具体的な数値・事例に変えることが、最もコストパフォーマンスの高いコンテンツ改善施策でしました。「多くの企業」という表現を数値化するだけで、AIの引用率が改善する実感がありました。

ポイント3：競合比較コンテンツの信頼性効果

競合を含む客観的な比較記事は、自社に不利な情報を含む場合でもAIに「信頼できる情報源」として高く評価される傾向があった。「自社に都合の良い情報だけ」より「客観的・中立的な情報」がLLMO的に有利です。

ポイント4：SEOとLLMOの相乗効果

これらの施策はSEOにも効果があり、オーガニック流入が全体で38%増加しました。SEO対策とLLMO対策の方向性は一致しており、統合的に取り組むことで相乗効果が生まれました。

まとめ

本ケーススタディは、「構造化データの全面実装・FAQの充実（80件）・既存コンテンツのE-E-A-T強化・専門性の高い新規コンテンツの追加」という4つの施策を組み合わせることで、3ヶ月でAI経由リファラー2.8倍・AIオーバービュー表示キーワード3倍超を達成した事例です。

本シリーズ「LLMO対策入門」の全13記事を通じて、LLMOの基本概念・AIが情報を選ぶ仕組み・具体的な施策・ツール・効果測定・事例まで体系的に学ぶことができます。AI検索が当たり前になる時代に向けて、今すぐLLMO対策を始めることが、Webマーケティングにおける競合優位を保つ第一歩です。