LLMO成功事例の見方｜国内外10事例を15項目で証拠監査

結論：大きな改善率より再現条件を先に見る

「引用が226%増」「参照流入が370%増」のような数字だけでは、自社へ再現できるか判断できません。何問を、どのAI・地域・言語で、いつからいつまで測り、施策前の値がいくつで、同時に何を変更したかまで確認します。

公開CSVのyesは監査対象ページに明示、partialは一部だけ明示、not_foundはそのページでは確認できなかったことを表します。not_foundは、企業が別資料を保有していないという意味ではありません。

• 対象名と、発信者が自社・顧客・ベンダーのどの立場か
• 対象AI、質問数、質問文、地域、言語、モデル
• 施策前の基準線と、同じ条件での施策後
• 測定期間、変更した内容、競合または比較対照
• 回答ログや集計表などの生データ
• 可視性、引用、参照流入、問い合わせ、商談、売上のどこまで確認したか
• 因果を断定できない理由と次の検証

導入事例・成果事例・実験を分ける

事例は少なくとも四つに分けます。導入事例は契約や初期診断を確認する資料、成果事例は施策前後を比較する資料、自社実験は発信者自身を対象にした検証、架空ブランド実験は条件を制御した観測です。目的が違うため、同じ成果ランキングにはしません。

AI検索パートナーズのヤマダホームズとtriplaのページは、初期診断や今後の方針を伝える導入事例です。施策後の成果がないから失敗なのではなく、成果を検証する目的のページではないと読みます。

• 導入・提供開始：誰が何を使い始めたかを確認する
• 顧客成果：顧客名、基準線、施策後、期間、事業成果を確認する
• 自社実践：当事者が詳細を公開しやすい一方、独立評価ではない
• 架空ブランド実験：条件を作りやすい一方、顧客・売上の成果ではない
• 不確定実験：仮説に反する結果や代替説明も公開する

公開10事例を15項目で確認

国内はSpeeeの自社実践とAI検索パートナーズの2導入事例、海外はScrunchの5事例、OtterlyAIの架空ブランド実験、Seer Interactiveの顧客実験を確認しました。対象URLと確認日はCSVにも固定しています。

Speeeは100パターン近い質問と施策プロセスを公開していますが、監査ページだけでは測定期間、分母・分子を含む前後数値、回答ログ、売上結果を再現できません。Scrunchの事例は可視性、引用、参照流入の変化を具体的に示す一方、掲載ページだけでは質問全文や生データまで確認できない例があります。

OtterlyAIは架空ブランドと9質問を14日間追った実験で、顧客成果とは別の方法検証です。Seer Interactiveは3ページのQ&A化後に、ChatGPT botの減少とOAI-SearchBotの増加を併記し、季節性の可能性から結論を不確定としています。期待と逆の結果や限界を残すことも、事例の再利用価値になります。

改善率には分母・分子・絶対値が要る

増加率は元の値が小さいほど大きくなります。226%増が、1件から3.26件なのか、100件から326件なのかで判断は変わります。「3倍」「5倍」も、対象指標と計測方法、期間、サンプル数がなければ比較できません。

相対変化だけが公開されている場合は、絶対値と集計式を確認します。表示名が同じ「visibility」でも、ブランド言及、回答内順位、シェア・オブ・ボイスを異なる重みで合成するツールがあります。

• 割合：対象になった回答数÷有効に取得できた回答数
• 引用率：公式URLの引用回数÷有効回答数
• 可視性：ツール固有定義と集計対象を併記する
• 参照流入：AIサービスからの直接クリックと推定流入を分ける
• リード：問い合わせ、資料請求、無料登録、商談を分ける
• 売上：件数、金額、計測窓、既存顧客を含むかを示す

AI可視性・bot訪問・検索流入・事業成果は別指標

AIクローラーのアクセス増は、AI回答で自社が候補になった証拠ではありません。AI回答での言及増も、公式リンクのクリックや問い合わせ増を自動的に意味しません。工程を分けて測ると、どこで変化が止まったか判断できます。

Seer Interactiveの公開実験はbotヒットとGoogleの表示機能を観測し、AI回答の引用所有まで検証済みとは扱っていません。異なる段階を一つの「LLMO順位」へ合算しない読み方が必要です。

• 取得：botがページを取得できた
• 理解：回答中の説明が公式事実と一致した
• 言及：対象質問で会社・商品名が表示された
• 引用：公式または関連URLが表示された
• 訪問：AIサービスからサイトへ遷移した
• 行動：問い合わせ、登録、商談、購入が発生した

ベンダー公開事例は当事者の一次主張として読む

サービス提供会社や計測ツール会社が公開する顧客事例は、対象、施策、運用を知る一次資料です。一方で販売者と発信者が同じ場合、独立した第三者検証ではありません。これは虚偽を意味せず、証拠の種類を表します。

掲載ページ、顧客の公式発表、計測データ、独立調査が一致するほど判断材料は増えます。公開事例だけで因果を確定せず、自社の小規模な基準線を先に取ります。

• 顧客担当者の氏名・役職・直接発言があるか
• 計測ツールの提供者が記事の発行者か
• 成果指標を発行者の独自スコアだけで測っていないか
• GA4、CRM、Search Consoleなど別系統の指標と照合したか
• 全回答ログや集計条件を読者が再計算できるか
• 成功した対象だけを選んだ可能性と除外基準を説明しているか

施策と成果の因果は比較対照で確かめる

LLMO施策と同時に、SEO更新、広報、広告、外部寄稿、商品改定、季節需要、モデル更新が起きます。前後差だけではどの変更が寄与したか分かりません。

完全な実験が難しくても、変更日と再測定日、同時施策、代替説明を残せば過度な因果断定を避けられます。

• 変更ページと未変更ページを分ける
• 対象質問と対象外質問を分ける
• 競合の同期間変化を記録する
• サイト内更新と第三者掲載の日付を分ける
• AI製品、モデル、検索バックエンドの変更を記録する
• 改善、悪化、変化なし、取得不能をすべて残す

顧客成果がない段階で書けるのは基準線と方法

日本LLMOセンターには、公開できる顧客成果事例がまだありません。そのため顧客名、改善率、売上成果を作らず、自サイトの公開診断、公式仕様比較、構造化データ監査、今回の公開事例監査を掲載しています。

これらは顧客成果の代用ではありません。現在の能力、方法、透明性を検証できる材料として公開し、顧客成果が確認できた時だけ別種の事例として追加します。

• 自サイトを対象に、成功と失敗を同じ質問で公開する
• 公開情報だけを同じ軸で比較し、確認日を固定する
• 入力済みのテンプレートと判断基準を公開する
• 期待と違う結果、取得不能、情報不足も残す
• 施策前の基準線を公開し、後から同一条件で更新する

自社事例は15項目を一行ずつ埋める

配布チェックリストは、対象名、利害関係、日付、対象AI、質問数、質問文、地域・言語・モデル、基準線、施策後、期間、施策、比較対照、生データ、事業成果、限界の15項目です。

質問は営業記録、顧客の検索語、Search Console、サジェストから選び、指名・非指名、認知・比較・発注前を分けます。同じ質問文と条件で複数回観測し、回答全文、表示URL、取得時刻、エラーを保存します。施策後も質問を都合よく差し替えません。

支援会社へ確認する質問

成果率だけでなく、監査可能な成果物を確認します。回答できない項目がある場合は、非公開の理由と代替確認方法を聞きます。

日本LLMOセンターへ相談する場合は、公式サイトURL、候補になりたい質問を三つ、比較したい競合があればその名称を共有してください。15項目で基準線を作り、確認できる事実と未確認項目、改善後の再測定条件を分けます。検索順位、AI回答への掲載、引用、問い合わせ増加は保証しません。

• 質問一覧と観測条件を契約前に確認できますか
• 取得失敗やゼロ結果を分母から除外していませんか
• 可視性スコアの集計式と絶対値を説明できますか
• 施策前のログと同一条件の再計測ログを受け取れますか
• AI回答、引用、参照流入、問い合わせを分けますか
• 競合・未変更群・季節性・モデル変更を記録しますか
• 自社で再計算できるCSVまたはAPI出力がありますか
• 保証できないことと、調査の限界を契約前に示しますか