アムール株式会社｜自社LLMO・AI検索対策実践事例
- 業種
- 専門サービス
- 支援期間
- 6か月
- 主要成果
- 月1〜2件の案件化を実現
- 事業立ち上げ初期で、会社・サービスともに認知がほぼなく、新規案件の大半を紹介に依存していた
- LLMO支援会社でありながら、自社自身はAI検索経由で案件を獲得できておらず、支援会社として実証性に課題があった
- 「LLMO対策会社」「AI検索対策会社」といった競争の激しいカテゴリで、どの文脈なら自社が選ばれるのかを明確にする必要があった
- 自社サイトだけでなく、SNS・事例・FAQ・外部メディアなどに情報が分散しており、AIに同じ強みを一貫して認識させる設計が必要だった
- LLMOを検討する企業担当者が生成AIへ入力する質問を起点に、アムールが想起されるべきカテゴリーエントリーポイント（CEP）を30〜40パターン整理
- 「どのページ・どのメディアを見ても同じ強みが伝わる状態」を目指し、強み・実績・事例・専門性・第三者評価を一貫した表現で整備
- 自社サイト、FAQ、事例ページ、SNS、note、外部メディア、寄稿・インタビューなど複数の情報源から同じポジショニングを確認できる状態を構築
- ChatGPT・Gemini・Perplexity・Copilotで狙ったプロンプトを定点観測し、言及状況・引用元・競合との差分を継続的に分析
- 言及が弱い文脈について、コンテンツ追加・一次情報拡充・外部露出を行い、継続的なPDCAを実施
- 紹介や広告だけに依存せず、AI検索経由から継続的に問い合わせを獲得できる状態を構築
- 「AIで検索して御社を知った」という問い合わせが継続的に発生
- AI検索経由から月1〜2件の案件化を実現
- LLMO支援会社として、自社自身でもAI検索から新規顧客を獲得できる再現性を実証
- 自社実践で得た知見を顧客支援へ還元し、机上の提案ではなく実証ベースのコンサルティング体制を構築
最後にご紹介するのは、アムール株式会社自身のLLMO実践事例です。
LLMOやAI検索対策を提供する会社に対して、
「支援会社自身は、本当にAI検索で成果を出しているのか？」
と疑問を持たれるのは当然だと考えています。
SEO会社であれば自社サイトでもSEOで成果を出しているのか。YouTube支援会社であれば、自社YouTubeでも再生・問い合わせを獲得できているのか。
支援会社自身が実証できていない施策を、顧客へ自信を持って提案することはできません。
アムールも事業立ち上げ当初は、会社としての認知がほぼなく、案件のほとんどが紹介経由でした。
LLMO支援を掲げているにもかかわらず、自社自身はLLMOで新規顧客を獲得できていないという状態です。
そこで、「まず自分たち自身で成果を出す」ことを前提に、自社のAI検索対策を徹底的に実施しました。
AI上で想起されたい文脈の設計から、強み・エビデンスの整備、自社サイト・外部メディアの情報統一、複数LLMでの継続的なモニタリングまで実施。
その結果、広告や紹介だけに頼らず、AI検索経由で継続的に問い合わせを獲得し、月1〜2件の案件化につながる状態を構築しました。
本記事では、アムールが自社で実践したLLMO対策についてご紹介します。
プロジェクト概要
| 項目 | 内容 |
|---|---|
| 企業名 | アムール株式会社 |
| 業種 | AI検索対策・LLMO・デジタルマーケティング支援 |
| ご支援内容 | 自社LLMO・AI検索対策 |
| 主な対象チャネル | ChatGPT・Gemini・Perplexity・Copilot |
| 主な目的 | AI検索経由の認知・問い合わせ・案件獲得 |
| ご支援前の状況 | ・事業立ち上げ初期で認知がほぼゼロ ・案件獲得が紹介中心 ・LLMO支援会社でありながら自社ではAI検索経由の案件獲得実績がない |
| プロジェクトのサマリ | CEP設計、強み・エビデンス整備、情報の一貫性構築、複数LLMでの定点観測を継続。AI検索経由で月1〜2件の案件化を実現 |
1. 「LLMO支援会社なのに、自社ではLLMOで取れていない」という課題
― 自社のLLMO対策に本格的に取り組んだ背景を教えてください。
アムール 沖野
事業を立ち上げた当初は、ほぼ認知がありませんでした。
案件も基本的には紹介経由で、新規のお客様から「AI検索で知りました」という問い合わせはほとんどありませんでした。
ここで一つ大きな違和感がありました。
私たちはLLMOやAI検索対策をお客様へ提供しているのに、自分たち自身はLLMO経由で新規顧客を獲得できていなかったんです。
― 支援会社として、そこは大きな課題だったのですね。
アムール 沖野
はい。
私たちのスタンスとして、自分たちで実証できていないことは、お客様に提案しないという考えがあります。
SEO支援会社なのに自社のSEOが弱い、YouTube支援会社なのに自社YouTubeで結果が出ていない。そういう状態では説得力がありません。
LLMOについても同じです。
支援会社としてLLMOを語るのであれば、まず自分たち自身がAI検索で選ばれ、問い合わせ・案件につなげられる状態を作る必要があると考えました。
そこで、自社を実験台にして徹底的にやり切ることにしました。
2. まずは「どんな質問でアムールが出るべきか」を30〜40パターン整理
― 最初に取り組んだのは何でしたか。
アムール 沖野
最初に行ったのは、カテゴリーエントリーポイント、CEPの整理です。
単に「LLMO対策会社」と検索されたときに出ることだけを考えるのではなく、どんな課題・状況でユーザーがAIへ相談するのかを整理しました。
たとえば、
・「AI検索対策は何から始めればいい？」
・「LLMO対策を外注するなら何を見ればいい？」
・「AI検索対策会社の選び方を教えて」
・「中小企業におすすめのデジタルマーケティング会社は？」
・「SEOとLLMOを一緒に支援してくれる会社は？」
・「ChatGPTで自社が出てこない場合、何を改善すればいい？」
・「LLMOを外注して失敗しないためには？」
といった質問です。
こうした文脈を30〜40パターン程度洗い出し、アムールがどの質問で優先的に登場するべきかを整理しました。
― なぜそこまで多くの質問を整理したのでしょうか。
アムール 沖野
生成AIでは、ユーザーが必ずしも「LLMO会社 おすすめ」と検索するわけではないからです。
「AI検索で自社が出ない」
「SEO以外の集客手段を探している」
「生成AIから問い合わせを増やしたい」
など、課題そのものをAIへ相談します。
そのため企業側も、商品カテゴリだけではなく、ユーザーが課題を感じる場面から逆算して、自社が想起されるべき文脈を設計する必要があります。
最初にここを整理したことで、後続のコンテンツや外部露出についても、何のために作るのかが明確になりました。
3. 強みだけでなく「その強みを証明するエビデンス」まで整備
― 次に行った施策を教えてください。
アムール 沖野
次に徹底したのが、強みとエビデンスの整理です。
多くの会社が、
「専門性が高い」
「実績が豊富」
「伴走力がある」
といった強みを掲げています。
ただ、AIからすると、それだけでは「なぜそう言えるのか」が分かりません。
そこで、強みを言葉にするだけではなく、その強みを証明する根拠までセットでWeb上に出すことを重視しました。
― 具体的にはどのような情報でしょうか。
アムール 沖野
たとえば、
・実際の支援事例
・AI回答分析による知見
・顧客からのレビュー
・外部機関・第三者からの評価
・寄稿・取材・インタビュー
・セミナー・登壇実績
・独自調査・一次情報
・具体的な成果数値
などです。
重要なのは、アムールが自社サイトで「LLMOに強い」と書くだけではありません。
第三者の情報や実際の事例からも、同じ強みを確認できる状態を作ることです。
AIに対してもユーザーに対しても、「そう言っている会社」ではなく、「そう判断できる根拠がある会社」になることを意識しました。
4. 自社サイト・SNS・外部メディアで情報を一貫させる
― 情報の一貫性も重視されたのですね。
アムール 沖野
はい。
特に意識したのが、
「どのページを読んでも、どのメディアで見ても、同じ強みが同じ言葉で語られている状態」
を作ることです。
自社サイトでは「LLMO専門」と言っているのに、外部メディアでは一般的なWebマーケティング会社として紹介されている。
SNSでは別の強みを押し出している。
このような状態では、AIから見ても「結局この会社は何に強いのか」が曖昧になります。
そこで、
・自社TOPページ
・サービスページ
・FAQ
・事例ページ
・note
・SNS
・プレスリリース
・比較記事
・寄稿記事
・インタビュー
・セミナー・登壇情報
などで、ポジショニングや強みを一貫させました。
― 同じ内容を何度も発信するということでしょうか。
アムール 沖野
単純なコピーではありません。
媒体ごとに表現は変えますが、「アムールは何に強い会社なのか」という中心的な意味を変えないということです。
たとえば、自社サイトではサービスとして詳しく説明し、事例記事では成果として証明する。
SNSでは知見として発信し、外部メディアでは第三者の視点から紹介される。
複数の情報源から同じ特徴を確認できることで、ブランドとしての一貫性が生まれます。
5. 4つのLLMでプロンプトを定点観測し、PDCAを継続
― 情報を整備した後は、どのように効果測定しましたか。
アムール 沖野
CEPごとに具体的なプロンプトを設計して、定点観測しました。
主に、
・ChatGPT
・Gemini
・Perplexity
・Copilot
を使っています。
たとえば「LLMO対策会社を比較して」という質問だけを見るのではなく、最初に整理した30〜40の文脈に対応する質問を継続的に確認しました。
― 具体的に何を確認するのでしょうか。
アムール 沖野
主に、
・自社が言及されているか
・何番目に推薦されるか
・どのような理由で推薦されているか
・競合と何が違うか
・どの情報源が引用されているか
・自社についてどんな説明が不足しているか
を確認します。
ここで重要なのは、言及されなかったからといって、単純に記事を増やすわけではないことです。
なぜ出ていないのかを分析します。
競合に比べて実績が弱いのか。第三者情報が不足しているのか。そもそもAIが自社をそのカテゴリとして理解していないのか。
原因に応じて、コンテンツ・一次情報・外部露出など、改善する場所を変えました。
― 継続的に改善したのですね。
アムール 沖野
はい。
LLMOは一度施策を実施して終わるものではありません。
AIの回答や参照情報は変わりますし、競合も情報発信を続けています。
そのため、
プロンプト設計
↓
モニタリング
↓
競合・引用元分析
↓
不足情報の特定
↓
コンテンツ・外部露出改善
↓
再計測
というPDCAを継続的に回しています。
6. AI検索経由から月1〜2件の案件化を実現
― 結果として、どのような成果につながりましたか。
アムール 沖野
AI検索経由で自社を知っていただき、問い合わせにつながるケースが継続的に発生するようになりました。
実際に、
「ChatGPTで調べて御社を知りました」
「AI検索でおすすめされていたので問い合わせました」
といった形でご相談いただくケースがあります。
そこから、現在は月1〜2件程度の案件化につながっています。
― 月1〜2件という数字をどう捉えていますか。
アムール 沖野
数字だけを見ると、大きく感じないかもしれません。
ただ、私たちは業務委託を含めても少人数の会社です。
事業立ち上げ当初は認知がほぼなく、新規案件は紹介中心でした。
その状態から、広告費をかけず、紹介にも依存せず、「AIで検索して知った」という新しい顧客獲得経路を作れたことに大きな意味があります。
さらに、AI経由の方は問い合わせ前にアムールについてある程度調べているため、サービス内容や強みを理解した状態で相談いただくケースも多いです。
― この自社事例を、顧客支援にどう活かしていますか。
アムール 沖野
自分たち自身で実践することで、
「この施策は実際に反映されるまでどの程度かかるのか」
「どの情報がAIに拾われやすいのか」
「どんな施策は効果が薄いのか」
「どのような順番で実施すべきか」
といったことが分かります。
机上の理論ではなく、自社を実験台にして得た知見を、そのまま顧客支援へ還元できることが強みだと考えています。
今回実施した施策
| 施策 | 課題 | 実施内容 | 結果 |
|---|---|---|---|
| CEP・AI検索文脈設計 | 「LLMO対策会社」という大きなカテゴリだけでは競合が多く、狙うべき文脈が曖昧だった | AI検索を利用する担当者の質問を30〜40パターン洗い出し、アムールが想起されるべきCEPを整理 | コンテンツ・外部露出の優先順位が明確化 |
| 強み・エビデンス設計 | 「LLMOに強い」という抽象表現だけではAIやユーザーに差別化が伝わらなかった | 実績、事例、専門性、レビュー、第三者評価、調査等を強みとセットで整理 | AIが推薦理由として利用できる情報を拡充 |
| オウンドメディア／情報統一 | サイト内外で強み・ポジショニングの表現が分散する懸念 | TOP、サービス、FAQ、事例、note、SNS等で中心となるメッセージを統一 | 複数情報源から同じ特徴を確認できる状態を構築 |
| アーンドメディア／第三者情報強化 | 自社発信だけでは客観的な信頼材料が不足 | 寄稿、比較記事、インタビュー、登壇、プレスリリース等を強化 | AIが参照できる第三者情報・評価が増加 |
| AIモニタリング・PDCA | どの文脈で自社が出るか、なぜ競合が優位なのかを把握できていなかった | ChatGPT・Gemini・Perplexity・Copilotでプロンプトを定点観測し、引用元・競合との差分を分析 | 不足情報を特定しながら継続改善できる運用体制を構築 |
今回の施策のポイント
今回の自社LLMOで重視したのは、テクニックとして「AI向けの記事を書くこと」ではなく、「AIに自社をどう理解してほしいか」を先に設計したことです。
具体的には、
- AIユーザーが入力する質問・CEPを30〜40パターン整理
- アムールが優先的に想起されたい文脈を決定
- 各文脈で選ばれるために必要な強みを言語化
- 強みを裏付ける実績・事例・専門性・第三者評価を整備
- 自社サイト・FAQ・事例・SNS・外部メディアで情報を一貫化
- ChatGPT・Gemini・Perplexity・Copilotで継続計測
- 競合との差分・引用元・不足エビデンスを分析
- コンテンツ・一次情報・外部露出を追加
- 再びAI回答を計測して改善
というサイクルを継続しています。
特別な裏技を行ったわけではありません。
「AIに何の会社として認識されたいのか」を決め、その判断に必要な情報を一貫してWeb上に蓄積する。
この基本を徹底したことが、AI検索経由の問い合わせ・案件化につながりました。
成果まとめ
| 事業立ち上げ当初（Before） | 自社LLMO実践後（After） |
|---|---|
| 認知ほぼゼロ 新規案件はほぼ紹介経由 AI検索経由の案件化なし | AI検索経由の問い合わせを継続的に獲得（月1〜2件の案件化を実現） |
さらに、
- 「AIで検索して知った」という問い合わせ経路を新たに構築
- 紹介・広告に依存しない新規顧客獲得チャネルを確立
- AI上で想起されるべき文脈を30〜40パターンまで整理
- 自社サイト・SNS・外部メディアのポジショニングを統一
- 複数LLMでのモニタリング・改善体制を構築
- 自社実践から得た知見を顧客のLLMO支援へ還元
という成果につながっています。
この事例からお伝えしたいこと
今回、アムールが実施したことに特別な裏技はありません。
AIにどう理解されるべきかを決め、そのために必要な情報を、一貫して整え続けた。
それだけです。
しかし現時点では、ここまでAI上のポジショニング、一次情報、第三者評価、複数LLMでの効果測定を一体で設計している企業はまだ多くありません。
そのため、今から取り組む企業には十分に差をつける余地があります。
そして、アムール自身が広告や紹介だけに頼らずAI検索経由で案件を獲得できるようになったことで、LLMOは単なる「AIに名前を出す施策」ではなく、新しい顧客獲得チャネルになり得ると実感しています。
LLMOを「机上の施策」ではなく、自社でも実証している支援会社へ。
アムール株式会社では、自社自身でもChatGPT・Gemini・Perplexity・Copilotを対象にLLMOを継続実践し、AI検索経由から月1〜2件の案件化を実現しています。
その実践データと知見をもとに、AI上の現状診断、CEP設計、強み・エビデンス設計、コンテンツ改善、外部PR、モニタリングまで一気通貫で支援しています。
「AI検索から問い合わせを獲得したい」「競合ではなく自社が推薦される理由を作りたい」「実際に自社でもLLMOを実践している会社へ相談したい」といった企業様は、アムールのLLMOコンサルティングについてご相談ください。