BtoBサービス企業様｜LLMO・AEO・AI検索戦略設計支援
- 業種
- サービス
- 支援期間
- 6か月
- 主要成果
- AI検索で狙うカテゴリを明確化→FAQ・コンテンツの優先順位を整理→営業資料とWeb施策を連携→経営・マーケ・営業で共…
- 従来はSEOを中心にコンテンツマーケティングを進めていたものの、ChatGPT・Perplexityなど生成AI検索に対して、どのような情報設計を行うべきか整理できていなかった
- 社内でもLLMO・AEOに対する理解度にばらつきがあり、経営層・マーケティング・営業それぞれで認識が揃っていなかった
- 「AI検索対策として何を実施すべきか」が曖昧で、FAQ、コンテンツ、サービスページなどのどこから着手すべきか判断できない状態だった
- BtoB商材では、Webサイト上の情報だけでなく、営業資料や商談時の説明、比較検討時の情報まで含めて一貫した情報設計が必要だった
- SEO施策を継続しながら、生成AI検索を新たな顧客接点としてどのように組み込むか整理する必要があった
- 経営層・マーケティング・営業でLLMO・AEOに関する共通認識を持てるよう、生成AI検索の仕組みと顧客行動の変化を整理
- BtoB商材特有の検討プロセスを踏まえ、「どのカテゴリ・どの質問文脈で自社がAIに想起されるべきか」を設計
- AI検索を前提に、サービスカテゴリ、FAQ、導入事例、コンテンツテーマの優先順位を整理
- SEOキーワードだけでなく、顧客がChatGPTやPerplexityへ相談する自然言語の質問からコンテンツテーマを設計
- Webサイトだけでなく、営業資料や既存のマーケティング施策とも情報を連携し、顧客接点ごとに説明が矛盾しない状態を構築
- 施策ごとの優先順位と役割を明確にし、社内で継続的に実行・判断できるロードマップを整理
- AI検索対策として取り組むべきカテゴリ設計、FAQ、コンテンツの優先順位が明確になった
- 「何からLLMOを始めるべきか」が整理され、社内での施策判断がしやすくなった
- 経営層・マーケティング・営業間で生成AI検索に対する共通認識を形成
- Webサイト、既存SEO施策、営業資料を連携させた一貫した情報設計が可能になった
- AI検索対策をマーケティング部門だけの施策ではなく、営業・事業戦略まで含めた取り組みとして社内展開できる状態を構築
- BtoB商材の検討プロセスを踏まえた、AI検索時代のマーケティング基盤を整備
今回ご紹介するのは、従来SEOを中心にコンテンツマーケティングを進めていたBtoBサービス企業様のLLMO・AEO支援事例です。
同社では、これまで検索エンジンからの流入を増やすため、SEOを軸にコンテンツを継続的に制作していました。
一方で、ChatGPTやPerplexityなど生成AIを使って情報収集・比較検討するユーザーが増える中、
「SEOとは別に、AI検索ではどのような情報を整備すればよいのか」
という新たな課題が生まれていました。
社内でもLLMOやAEOについて知識を持つ人とそうでない人がおり、「まず何から始めるべきなのか」「SEOと何が違うのか」「営業にも関係するのか」といった認識が揃っていませんでした。
特にBtoB商材では、ユーザーがWebサイトを見てすぐ問い合わせるとは限りません。
情報収集、比較、社内検討、営業との商談など複数のプロセスを経て意思決定します。
そのため、AI検索対策もWebコンテンツだけを見るのではなく、顧客がサービスを知り、理解し、比較し、営業と接点を持つまでの一連の検討プロセスから設計する必要があります。
そこでアムールでは、生成AI検索の仕組みを整理するところから始め、AI上で想起されたいカテゴリ、FAQ、優先コンテンツ、営業資料との接続まで横断的に設計。
その結果、社内で「何を、なぜ、どの順番で進めるのか」が明確になり、経営・マーケティング・営業が共通認識を持ちながらLLMO施策を進められる体制を構築しました。
本記事では、その取り組みについてご紹介します。
プロジェクト概要
| 項目 | 内容 |
|---|---|
| 業種 | BtoBサービス |
| ご支援内容 | LLMO・AEO・AI検索戦略設計 |
| 主な対象チャネル | ChatGPT・Perplexity等の生成AI検索、Google検索 |
| 既存施策 | SEO・コンテンツマーケティング・営業活動 |
| 主な目的 | AI検索時代に対応した情報設計・社内実行体制の構築 |
| ご支援前の状況 | ・SEO中心でAI検索への対応方針が未整理 ・LLMO／AEOへの社内理解にばらつき ・FAQやコンテンツの優先順位が不明確 ・営業資料とWeb施策が分断されていた |
| プロジェクトのサマリ | BtoBの検討プロセスを踏まえ、AI検索上で狙うカテゴリ、FAQ、コンテンツ優先順位を整理。営業資料・Web施策とも連携し、経営・マーケ・営業が共通認識を持って施策を進められる体制を構築 |
1. SEOは進めていたものの、AI検索への対応方法が分からなかった
― ご支援前は、どのようなマーケティング施策を行っていましたか。
ご担当者様
もともとはSEOを中心にコンテンツ運用を行っていました。
検索キーワードを調べて記事を作ったり、既存記事を改善したりと、Google検索からの流入を増やす取り組みは継続していました。
ただ、ChatGPTやPerplexityを使う人が増えてきて、「生成AIで調べる人に対しては何をすればいいのか」が分からない状態でした。
― LLMOやAEOについては、社内でどの程度理解されていましたか。
ご担当者様
かなりばらつきがありました。
新しい検索行動として重要だと考えている人もいれば、
「SEOの延長ではないのか」
「AI向けに記事を書けばいいのか」
「本当に今やる必要があるのか」
という人もいました。
そのため、具体的な施策以前に、そもそも社内で同じ前提に立てていないことが課題でした。
2. まずは経営・マーケ・営業でLLMOの共通認識をつくる
― 最初からコンテンツ改善に入ったわけではないのでしょうか。
アムール 沖野
はい。
今回最初に重要だと考えたのは、施策を始めることよりも、社内で共通認識をつくることでした。
LLMOはマーケティング担当者だけで完結する施策ではありません。
特にBtoBでは、
・経営がどの市場を狙うのか
・マーケティングがどの顧客を集めるのか
・営業が何を強みとして提案するのか
・Web上でどの情報を公開するのか
がすべてつながっています。
そのため、まず生成AI検索がどう使われているのか、従来検索と何が違うのか、自社にどのような影響があるのかを整理しました。
― なぜ営業部門まで関係するのでしょうか。
アムール 沖野
BtoBでは、営業現場に一次情報が蓄積されているからです。
営業担当者は日々、
「競合と何が違うのか」
「どんな会社に向いているのか」
「この機能は何ができるのか」
「どのケースなら導入すべきか」
といった質問を受けています。
これらは、そのままユーザーが生成AIへ質問する内容でもあります。
そのためLLMOでは、SEOチームだけでコンテンツを考えるのではなく、営業現場で実際に聞かれている質問や説明をWeb上の情報へ反映することが非常に重要です。
3. BtoB特有の検討プロセスから「AIに出るべき文脈」を設計
― BtoB商材特有の検討プロセスとは、具体的にどのようなものでしょうか。
アムール 沖野
BtoBでは、一つのキーワードを検索してその場で購入するというケースは多くありません。
たとえば、
課題を認識する
↓
解決方法を調べる
↓
サービスカテゴリを知る
↓
複数企業を比較する
↓
社内で検討する
↓
問い合わせ・商談する
↓
意思決定する
という流れがあります。
生成AIは、この複数の段階で使われます。
― たとえばどのような質問でしょうか。
アムール 沖野
最初は、
「〇〇を効率化する方法は？」
「〇〇業界でよくある課題は？」
といった課題解決型の質問かもしれません。
そこから、
「どんなサービスがある？」
「〇〇向けにおすすめのサービスは？」
「A社とB社の違いは？」
と比較検討へ進んでいきます。
つまり「自社サービス名を知っている人」だけを対象にするのではなく、顧客が課題を認識してから比較・検討するまでのどの文脈で自社が登場すべきかを考える必要があります。
今回もこの流れから、AI上で狙うカテゴリと質問文脈を整理しました。
4. カテゴリ・FAQ・コンテンツの優先順位を整理
― 具体的には、どのような施策を整理したのでしょうか。
アムール 沖野
まず、自社サービスがAIからどのようなカテゴリとして理解されるべきかを整理しました。
そのうえで、
・サービスページ
・課題解決コンテンツ
・比較・選び方コンテンツ
・導入事例
・FAQ
・専門性を示す一次情報
について優先順位をつけました。
― FAQはどのように活用しましたか。
アムール 沖野
FAQは、BtoBのLLMOでは非常に使いやすい情報形式です。
営業現場でよく聞かれる質問や、導入検討時に必ず確認される内容を整理することで、
「顧客がAIに聞く質問」と「自社サイトに存在する回答」を近づける
ことができます。
たとえば、
・どんな企業に向いているか
・どのような課題を解決できるか
・導入までどれくらいかかるか
・他社との違いは何か
・費用はどのように決まるか
・導入前に準備すべきものは何か
といった質問です。
― コンテンツの優先順位も明確になったのでしょうか。
ご担当者様
そこは非常に助かりました。
それまでは「LLMO対策で記事を増やしたほうがいいのか」「FAQからやるべきなのか」など判断できていませんでした。
何を優先して整備するかが明確になったことで、社内でも施策を決めやすくなりました。
5. Webサイトだけでなく営業資料まで情報を一貫させる
― 営業資料との連携も行ったとのことですが、なぜでしょうか。
アムール 沖野
Webサイトと営業資料で説明が違う企業は意外と多いからです。
Webでは「〇〇に強い」と書いているのに、営業資料では別の価値を訴求している。
営業担当者によっても説明が異なる。
これでは顧客にとっても分かりにくいですし、外部に蓄積される情報にも一貫性がなくなります。
― どのように整理したのでしょうか。
アムール 沖野
たとえば、
・誰を対象にするサービスなのか
・どの課題を解決するのか
・他社と何が違うのか
・どのような企業に向いているのか
・どんな実績があるのか
・どのような導入効果があるのか
といった基本メッセージをそろえました。
Webサイト、SEO記事、FAQ、営業資料が同じ情報設計のもとで作られることで、マーケティングから営業まで一貫した顧客体験をつくれます。
ご担当者様
営業資料や既存のWeb施策まで含めて整理してもらえたので、社内にも展開しやすかったです。
単に「AI向けにこうしてください」という話ではなく、今ある営業活動やSEOとどうつながるのかが分かったことで、納得感を持って進められました。
6. 「何をやるべきか」が明確になり、社内で施策判断できる状態へ
― 導入後、一番大きく変わったことは何でしょうか。
ご担当者様
施策判断がしやすくなったことです。
以前はLLMOやAEOと聞いても、
「結局、何をやればいいのか」
が分かりませんでした。
今は、カテゴリ、FAQ、コンテンツなど、それぞれ何のために整備するのかが分かっています。
― 社内の理解度についても変化はありましたか。
ご担当者様
はい。
最初は生成AI領域について経営、マーケティング、営業で理解度に差がありましたが、共通認識を持つところから進めてもらったことで、かなり話がしやすくなりました。
「LLMOだからマーケティングだけでやって」という状態ではなく、営業側も協力すべき理由が理解できました。
アムール 沖野
今回のようなケースでは、最初から大量のコンテンツ制作へ進むことが必ずしも正解ではありません。
まず、
どの顧客を狙うのか
どの文脈でAIに出たいのか
そのために何の情報が不足しているのか
誰がその情報を持っているのか
を整理することが重要です。
ここが明確になることで、社内でも施策の優先順位を判断できるようになります。
7. SEOの次の施策ではなく、顧客接点全体を変えるAI検索対策へ
― 今回の取り組みをどのように評価されていますか。
ご担当者様
単なるSEO改善ではなかった点を高く評価しています。
生成AI検索を前提とした情報設計だけでなく、BtoB特有の検討プロセスや営業導線まで踏まえて提案してもらえました。
代表の方も含めて事業理解を深めながら進めてもらえたので、意思決定も速く、安心感がありました。
アムール 沖野
LLMOを「SEOの次にやる新しい施策」と考えると、どうしてもマーケティング施策だけに閉じてしまいます。
しかし実際には、生成AIが企業やサービスを説明するための情報は、
Webサイト
＋
コンテンツ
＋
FAQ
＋
事例
＋
営業現場の知見
＋
第三者情報
など、企業活動全体から生まれます。
特にBtoBでは、検討期間が長く、複数の関係者が意思決定に参加します。
そのため、AI検索対策も「AIに出るための施策」ではなく、「顧客が自社を正しく理解し、比較し、選べる情報基盤をつくる施策」として考えることが重要です。
今回実施した施策
| 施策 | 課題 | 実施内容 | 結果 |
|---|---|---|---|
| LLMO・AEO社内理解支援 | 経営・マーケ・営業で生成AI検索への理解度にばらつき | AI検索の仕組み、顧客行動、SEOとの違いを整理 | 社内でLLMO施策について共通認識を形成 |
| カテゴリ・CEP設計 | AI上でどの文脈に自社が出るべきか不明確 | BtoBの検討プロセスを踏まえて想起されたいカテゴリ・質問を整理 | AI検索対策の方向性を明確化 |
| FAQ設計 | 生成AI上で質問される具体的な疑問への回答が不足 | 営業現場の質問や比較時の論点をFAQとして整理 | AI・顧客双方が理解しやすい情報を拡充 |
| コンテンツ優先順位設計 | 何から制作・改善すべきか判断できなかった | サービス、事例、比較、課題解決等のコンテンツを優先順位付け | 社内で施策判断しやすいロードマップを構築 |
| SEO×LLMO統合 | 既存SEOとAI検索対策をどう両立するか不明 | SEO資産を活かしながらAI検索文脈を追加 | 既存施策を無駄にせずLLMOへ対応 |
| 営業資料・Web連携 | Webと営業で伝えている情報が分断する懸念 | 対象顧客、強み、課題、事例等のメッセージを整理 | マーケティングから営業まで一貫した情報設計へ |
| 実行ロードマップ | LLMOの具体的な着手順が不明 | 優先施策・役割・進め方を整理 | 社内で継続的に施策を進められる状態を構築 |
今回の施策のポイント
今回特に重視したのは、「AI検索対策＝コンテンツを増やすこと」と捉えなかったことです。
具体的には、
- 経営・マーケ・営業で生成AI検索への共通認識を形成
- BtoB特有の顧客検討プロセスを整理
- AI上で想起されたいカテゴリ・質問文脈を決定
- サービスページ・FAQ・事例など不足情報を特定
- 施策の優先順位をロードマップ化
- 既存SEO資産をLLMOでも活用
- 営業資料とWebサイトのメッセージを統一
- 営業現場の一次情報をコンテンツへ還元
- 社内で自走できる判断基準を整備
という流れで進めました。
その結果、
「LLMOについて何をすればいいか分からない状態」から、
「自社で優先順位を判断しながらAI検索対策を進められる状態」へ
移行しました。
成果まとめ
| Before | After |
|---|---|
| SEO中心でコンテンツ運用 | AI検索で狙うカテゴリを明確化 |
| LLMO・AEOへの対応方法が不明 | FAQ・コンテンツの優先順位を整理 |
| 社内の理解度にばらつき | 営業資料とWeb施策を連携 |
| 施策の優先順位が決められない | 経営・マーケ・営業で共通認識を形成 |
| さらに、 |
- AI検索時代を踏まえた情報設計方針を明確化
- BtoB特有の検討プロセスからLLMO施策を設計
- 既存SEO資産を活かしたままAI検索へ対応
- 営業現場の知見をFAQ・コンテンツへ活用
- マーケティングと営業を分断しない情報設計を構築
- 社内で継続的に優先順位を判断できる運用基盤を整備
という変化につながりました。
「LLMOで何をやればいいか分からない」状態から、実行できるAI検索戦略へ。
アムール株式会社では、ChatGPT・Gemini・PerplexityなどへのAI検索対策を、単なるSEO施策の追加ではなく、BtoB企業の顧客検討プロセス・営業導線まで含めたマーケティング戦略として設計しています。
AI検索の現状診断、CEP・カテゴリ設計、FAQ・コンテンツ設計、既存SEOとの統合、営業資料との情報統一、社内向けのLLMO推進設計まで一気通貫で支援します。
「社内でLLMOの必要性は感じているが、何から始めるべきか分からない」「SEO資産を活かしながらAI検索へ対応したい」「マーケティングだけでなく営業も巻き込んでAI検索対策を進めたい」といった企業様は、LLMO・AEOコンサルティングについてご相談ください。