LLMO（大規模言語モデル最適化）

このページは英語版でもご覧いただけます。

LLMO（大規模言語モデル最適化）とは、ChatGPT や Gemini を支える大規模言語モデルがブランドをどう説明し、どう推奨するかを改善する取り組みです。モデルが学習するデータと、回答時にモデルが取得するページの両方で、正確で一貫した情報を公開することで進めます。

LLMO とは

LLMO は、言語モデルそのものを最適化の対象として扱います。モデルがブランドに関する質問に答えるときの情報源は 2 つあります。学習時に取り込んだ情報（数か月前、場合によっては数年前のものです）と、回答する時点でライブのウェブから取得する情報です。LLMO はこの両方に働きかけます。学習側の取り組みは時間がかかり、効果も間接的です。自社のページ、ディレクトリの掲載情報、レビューサイトのプロフィール、報道記事のすべてで同じ最新の事実を示し、次のモデルバージョンが正確な姿を学習できるようにします。取得側の取り組みは、より早く効果が表れます。ウェブを検索するエンジンに向けて、購買担当者が尋ねる質問ごとに、明快で引用しやすいページを用意します。

実際の作業は、キーワード対策というよりエンティティ情報の整備に近いものです。会社と各製品の名称と説明を一つに統一し、事実をほのめかすのではなく明確に記述し、モデルが信頼しそうな第三者の情報源でも同じ事実が裏付けられている状態をつくります。個々の情報源がモデルにどれだけ影響するかは、外部からはほとんど見えません。そのため LLMO は、エンジンが実際にあなたについて何と言っているかという成果で評価されます。

例

ある企業が、AI アシスタントが 2 年前に廃止した製品名で自社を説明していることに気づいたとします。そこで自社サイトに製品の明確で最新の説明を掲載し、自社を掲載しているディレクトリやレビューサイトに情報の更新を依頼します。ライブのページを取得するエンジンは、それらのページを再クロールした時点で新しい名称を反映します。一方、学習データから回答するエンジンが追いつくのは、モデルが更新されたときです。

LLMO、GEO、AEO の違い

この 3 つの呼び方は同じ取り組みを異なる角度から表したもので、多くのチームは区別せずに使っています。違いは、それぞれが何を前面に出しているかにあります。

使い分けの目安を一つ挙げるなら、成果を指すときは AEO、システムを指すときは GEO、モデル自体がブランドをどう理解しているかが論点のときは LLMO です。詳しい比較は「GEO vs AEO vs LLMO」をご覧ください。

なぜ重要か

回答の中には、主にモデルが学習時に得た情報に基づくものがあり、その情報は現在の製品やポジショニングより古いことがあります。一方で、ライブで取得した情報に基づく回答もあります。自社サイトと、自社に言及する第三者の情報源の全体で一貫した正確な情報を保つことは、どちらの場合にも役立ちます。そしてそれは、モデルが持つ自社のイメージのうち、自分でコントロールできる唯一の部分です。

Stellarcast での対応

Stellarcast は、LLMO が目指す成果を測定します。追跡している各 AI エンジンが、購買担当者の質問に対してあなたのブランドの名前を挙げ、引用しているかを市場ごとに P25-P75 範囲付きで示し、あなたの名前が挙がらなかったときにどの競合の名前が挙がったかも明らかにします。これにより、LLMO の取り組みの前後を比較できます。

関連用語

• 生成エンジン最適化（GEO）
• アンサーエンジン最適化（AEO）
• リンクなしのブランド言及
• llms.txt
• GEO vs AEO vs LLMO：紛らわしい AI 検索の略語を整理する