IT・通信企業様｜AIO・LLMO／AI検索最適化支援
- 業種
- IT・SaaS
- 支援期間
- 6か月
- 主要成果
- AI検索上での変化：自社サービスの露出が限定的→ChatGPT・Perplexityで「推奨されるソリューション」とし…
- 競合他社の多い主要キーワードでSEO競争が激化し、検索順位を維持・向上させるための負荷が高まっていた
- Web広告でも競争が激しくなり、CPA（顧客獲得単価）が上昇していた
- SEOで流入自体は獲得できても、情報収集段階のユーザーが多く、商談・受注に近い検討度の高い層へ十分にリーチできていなかった
- ChatGPTやPerplexityなど、生成AIを使ってサービスを比較・検討する顧客が増える中、自社がAI回答内でどのように扱われているか十分に把握できていなかった
- 従来SEOだけに依存せず、AI検索を新たな認知・比較検討チャネルとして活用する必要があった
- ChatGPT・Perplexityなどで見込み顧客が質問するテーマ・比較文脈を整理
- AIが自社サービスを「おすすめの解決策」として説明できるよう、サービス情報・課題・強み・導入メリットを再設計
- 既存コンテンツを、SEOだけでなくAI検索でも理解・引用されやすい構造へリライト
- FAQ、導入事例、比較検討時に必要となる情報を整理し、AIが推薦理由として利用できる一次情報を拡充
- 構造化データを含むテクニカル面を整理し、サイト内の情報を機械的にも理解しやすい状態へ改善
- AI回答内での自社サービスの引用・推薦状況を継続的に確認し、弱いテーマを追加改善
- PVや検索順位だけでなく、リードの質・商談・受注まで含めて施策効果を評価
- ChatGPT・PerplexityなどのAI回答で、自社サービスが「推奨されるソリューション」として引用される機会が増加
- AI検索を通じて、自社をある程度認知・理解した状態で問い合わせるリードが増加
- 情報収集層中心だった集客から、商談・受注に近い検討度の高いリード獲得へ改善
- 受注率が前年比150％を記録
- 潜在顧客へのアプローチとリード獲得プロセスを効率化
- 既存SEO資産を活かしながら、AI検索時代に対応した新しい集客チャネルを構築
- AI回答上で比較検討の前段階から自社ブランドを認知してもらえる状態を形成
今回ご紹介するのは、IT・通信企業様におけるAIO・LLMO／AI検索最適化支援の事例です。
同社では以前からSEOを中心にWeb集客へ取り組んでいました。
しかし、市場が成長するにつれて競合企業も増え、主要キーワードの検索順位争いは年々激化。
広告においても競争が進み、CPAが高騰していました。
さらに大きな課題だったのが、「アクセスは増えても、商談・受注につながる検討度の高いリードが十分に増えない」ことでした。
一方、顧客側の情報収集行動にも変化が起きていました。
従来はGoogleで複数サイトを検索し、自分自身でサービスを比較することが一般的でしたが、ChatGPTやPerplexityなどの生成AIへ、
「この課題を解決できるサービスは？」
「おすすめのサービスを比較して」
と質問し、AIが提示した候補から比較を始めるユーザーが増えています。
この環境では、Google検索で上位表示されるだけではなく、AIから“おすすめの解決策”として認識されることが重要になります。
そこでアムールでは、既存SEO資産を活かしながら、サービスページ・既存コンテンツ・FAQ・事例・構造化データなどをAI検索の観点から再設計。
その結果、ChatGPTやPerplexityの回答内で自社サービスが推奨される機会が増加し、最初から一定の理解・信頼を持った状態で問い合わせるリードが増えました。
最終的には、受注率が前年比150％を記録しています。
本記事では、その取り組みをご紹介します。
プロジェクト概要
| 項目 | 内容 |
|---|---|
| 業種 | IT・通信・インターネット |
| ご支援内容 | AIO・LLMO・AI検索最適化／コンテンツ改善／構造化データ整理 |
| 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・Webマーケティング |
| 主な目的 | AI検索での推薦獲得・高検討度リードの増加・受注率向上 |
| ご支援前の状況 | ・SEO競争激化 ・CPA高騰 ・情報収集層は増える一方で商談に近い層への接触が不足 ・AI検索上の自社露出が十分でない |
| プロジェクトのサマリ | 既存SEOコンテンツをAI検索にも対応できる構造へ改善。ChatGPT・Perplexityなどで自社サービスが「推奨されるソリューション」として引用される状態を構築し、高検討度リードの増加と受注率前年比150％を実現 |
1. SEO競争が激しくなり、アクセス増加だけでは成果につながりにくくなっていた
― ご支援前は、どのようなマーケティング課題を感じていましたか。
ご担当者様
これまではSEOを中心に集客していました。
ただ、競合が増えるにつれて主要キーワードの順位争いがかなり激しくなっていました。
広告でも同じで、CPAが徐々に高くなっていました。
― SEO経由の流入自体はあったのでしょうか。
ご担当者様
流入はありました。
ただ、情報収集目的のユーザーも多く、アクセス数が増えても、そのまま商談や受注が増えるわけではありませんでした。
「もう少し検討度の高いユーザーに接触できないか」というのが課題でした。
アムール 沖野
生成AIでは、ユーザーがかなり具体的な条件を伝えられる点が大きな違いです。
たとえばGoogleでは、「〇〇 SaaS」と検索していたユーザーが、生成AIでは、「中小企業向けで、〇〇という課題を解決できるサービスを比較して」と質問できます。
AIがその条件を踏まえて候補を絞り込むため、そこで自社が推薦されると、ユーザーはある程度、「このサービスは自分の条件に合っている」と理解した状態でWebサイトへ訪れます。
そのため、AI検索は検討度の高いリードと接触するチャネルになり得ます。
アムール 沖野
SEOではどうしても、
検索
→ 記事を読む
→ 他社サイトも見る
→ 比較する
→ 問い合わせる
というプロセスになります。
特に競争の激しい市場では、上位表示できても、ユーザーは複数の会社を比較します。
そのため、単に流入を増やすだけでなく、比較検討の前段階で「この会社が候補」と認識される仕組みを作ることが重要でした。
2. 情報収集層ではなく、検討度の高い顧客へどう接触するか
― AI検索に注目した理由は何でしょうか。
ご担当者様
ChatGPTやPerplexityを使ってサービスを探す人が増えていると感じていました。
自分たちでも使ってみると、単純に情報を出すだけでなく、「おすすめはこれ」と候補まで整理してくれます。
ここで自社が候補として出れば、かなり強いのではないかと思いました。
― 従来検索との違いはどこにありますか。
アムール 沖野
生成AIでは、ユーザーがかなり具体的な条件を伝えられる点が大きな違いです。
たとえばGoogleでは、
「〇〇 SaaS」
と検索していたユーザーが、生成AIでは、
「中小企業向けで、〇〇という課題を解決できるサービスを比較して」
と質問できます。
AIがその条件を踏まえて候補を絞り込むため、そこで自社が推薦されると、ユーザーはある程度、
「このサービスは自分の条件に合っている」
と理解した状態でWebサイトへ訪れます。
そのため、AI検索は検討度の高いリードと接触するチャネルになり得ます。
3. AI上で「おすすめの解決策」になるための情報を整理
― LLMO対策では、まず何を整理したのでしょうか。
アムール 沖野
単に「自社名をChatGPTに出す」ことを目標にはしませんでした。
重要なのは、
「どの課題・どの条件のユーザーに対して、自社が最適な解決策として推薦されたいか」
です。
そこで、
・ターゲット顧客
・顧客が抱える課題
・自社サービスが向いているケース
・他社との違い
・導入メリット
・導入実績
・顧客が比較時に確認するポイント
などを整理しました。
― なぜそこまで細かく整理する必要があるのでしょうか。
アムール 沖野
生成AIは「おすすめ企業一覧」を固定的に持っているわけではありません。
ユーザーが提示した条件に応じて回答を作ります。
そのため、
「誰におすすめなのか」
「どんな課題に強いのか」
「何を根拠におすすめできるのか」
がWeb上に存在しないと、AI側も推薦理由を説明できません。
そこでサービス情報だけでなく、FAQや事例なども含めて、推薦理由になるファクトを増やしていきました。
4. 既存コンテンツをSEO＋LLMO対応へリライト
― 新しい記事を大量に作成したのでしょうか。
アムール 沖野
今回は既存コンテンツのリライトも重要な施策でした。
すでにSEO向けの記事資産が存在していたため、それを捨ててゼロからLLMO用コンテンツを作る必要はありません。
既存記事について、
・質問への回答が明確か
・結論が分かりやすいか
・対象ユーザーが明記されているか
・比較・選定軸が整理されているか
・自社の一次情報が含まれているか
・FAQや事例へつながっているか
などを確認し、AIにも内容を理解しやすい構成へ改善しました。
― リライトには苦労されたそうですね。
ご担当者様
はい。
既存の記事数もあったので、AI検索の観点を追加しながら修正していくのは最初は大変でした。
特に、今までSEOを意識して作っていた記事をどこまで変えるべきなのか判断が難しかったです。
担当者の方に整理してもらいながら進められたので、結果的にはスムーズに移行できました。
5. 構造化データを整理し、AIが理解しやすい情報基盤へ
― 構造化データについても支援したのでしょうか。
ご担当者様
はい。
専門的で社内だけでは判断しづらかった部分だったので、丁寧に整理してもらえたのは助かりました。
アムール 沖野
構造化データは、それだけでAIから推薦される魔法の施策ではありません。
ただ、Webページ上にある情報について、
「これは企業情報」
「これはサービス情報」
「これはFAQ」
と機械側が解釈しやすい状態を整えることは、サイトの情報品質を高めるうえで有効です。
そのため、コンテンツの内容とテクニカル面を分断せずに整理しました。
― SEOとも共通する部分がありますね。
アムール 沖野
その通りです。
LLMOはSEOと全く別の施策ではありません。
良質なコンテンツ、明確なサイト構造、一次情報、専門性、分かりやすいサービス説明など、SEOと共通する土台は多くあります。
今回は、
SEOで積み上げた資産を残しながら、AI検索で理解・引用・推薦されるための観点を追加する
という進め方を取りました。
6. ChatGPT・Perplexityで自社サービスが推奨される状態へ
― 実際にAI回答には変化がありましたか。
ご担当者様
大きく変わりました。
以前はChatGPTやPerplexityで業界について調べても、自社が候補に入らないケースが多かったです。
施策を進めてからは、AI回答の中で自社サービスが「おすすめの解決策」として挙げられるケースが増えました。
― 単なる言及と「推奨」では違いがありますか。
アムール 沖野
大きく違います。
会社名が単に書かれているだけではなく、
「このような条件ならこのサービスが適している」
という文脈で紹介されることが重要です。
ユーザーからすると、AIが自分の質問条件を踏まえて候補を提示しているため、通常の広告とは違う受け止め方になります。
今回も、そこを意識して情報を整備しました。
7. 高検討度リードが増え、受注率前年比150％を記録
― AI検索での露出増加は、実際の商談にも影響しましたか。
ご担当者様
はい。
一番大きかったのは、リードの質が変わったことです。
以前はサービスをほとんど知らない状態から商談が始まることも多かったのですが、AI経由の場合は、ある程度サービスを認知・理解した状態で問い合わせていただけるケースが増えました。
その結果、商談も進めやすくなりました。
― 受注率にも変化があったのでしょうか。
ご担当者様
受注率は前年比で150％を記録しました。
単純にPVや問い合わせ件数だけではなく、商談・成約に近いリードが増えたことを実感しています。
アムール 沖野
LLMOで重要なのは、AI上の言及数だけを増やすことではありません。
最終的には、
AIから認知
↓
自社を候補として理解
↓
Webサイトで詳細確認
↓
問い合わせ
↓
商談
↓
受注
までつなげる必要があります。
今回のケースでは、AI上で推薦される状態を作ったことで、比較検討の前段階から自社への認知・信頼を形成でき、それが高検討度リードの増加につながりました。
今回実施した施策
| 施策 | 課題 | 実施内容 | 結果 |
|---|---|---|---|
| AI検索戦略設計 | SEO競争激化・CPA高騰で新たな獲得チャネルが必要 | AI上で自社が推薦されたい顧客・課題・文脈を整理 | LLMOの重点領域を明確化 |
| サービス情報設計 | AIが自社を推薦する根拠が不足 | 対象顧客・課題・強み・導入メリット等を整理 | AIがサービスの適合性を説明しやすい状態へ |
| コンテンツリライト | 既存記事がSEO中心の設計 | 質問回答・比較軸・一次情報・FAQ等を加えて改善 | SEO資産を活かしながらLLMOへ対応 |
| FAQ・事例改善 | 比較・検討時に必要な情報が不足 | 顧客の具体的な疑問・導入実績等を情報化 | AIが推薦根拠に使える情報を拡充 |
| 構造化データ整理 | 技術面の対応方法が社内で判断しづらかった | ページ内容に応じて構造化情報を整理 | 機械側が情報を解釈しやすいサイト基盤へ |
| AI回答モニタリング | AI上での変化を把握できていなかった | ChatGPT・Perplexity等で言及・推薦状況を確認 | 自社が「推奨されるソリューション」として登場 |
| リード・商談評価 | PV中心では事業成果を評価できない | リードの質・商談・受注まで含めて評価 | 高検討度リード増加、受注率前年比150％ |
今回の施策のポイント
今回特に重視したのは、「AI上の露出を増やす」ことではなく、「比較検討の前段階で自社を有力候補として認識してもらう」ことです。
具体的には、
- SEO・広告の競争状況を整理
- AI検索で接点を持ちたい顧客・課題を定義
- 推薦されたい質問・比較文脈を整理
- サービスの対象・強み・選定理由を明確化
- 既存SEOコンテンツをLLMO観点でリライト
- FAQ・事例など推薦根拠となる一次情報を拡充
- 構造化データなどテクニカル面も整理
- ChatGPT・Perplexity上の推薦状況を継続確認
- PVではなくリード・商談・受注まで効果測定
という流れで進めました。
その結果、
「SEOでアクセスを集めてから比較される状態」から、
「AIで比較される段階から有力候補として認知される状態」へ
変化しました。
成果まとめ
| 項目 | Before | After |
|---|---|---|
| AI検索上での変化 | 自社サービスの露出が限定的 | ChatGPT・Perplexityで「推奨されるソリューション」として引用 |
| リードの変化 | 情報収集層中心 | 自社を一定理解・信頼した高検討度リードが増加 |
| 受注率 | 前年比150％ |
さらに、
- AI検索を新たなリード獲得チャネルとして活用
- 比較検討前の段階から自社ブランドを認知
- 潜在顧客へのアプローチを効率化
- SEO競争だけに依存しないマーケティング体制へ
- 既存SEOコンテンツをAI検索にも活用
- 構造化データを含むサイト基盤を整理
- PVではなく商談・受注につながる指標で成果を評価
という変化につながりました。
SEOで「見つけてもらう」だけでなく、AIから「おすすめされる」企業へ。
アムール株式会社では、ChatGPT・Gemini・Perplexityなどを対象としたAIO・AEO・GEO・LLMO対策を、AI上の認知だけでなく、リード・商談・受注までを見据えたBtoBマーケティング施策として支援しています。
AI検索の現状診断、プロンプト設計、既存コンテンツのリライト、FAQ・導入事例の整備、構造化データ、モニタリング、SEOとの統合まで一気通貫で対応します。
「SEOの競争が激しくCPAが上がっている」「アクセスはあるが商談につながるリードが少ない」「ChatGPTやPerplexityで比較される段階から候補に入りたい」といった企業様は、AIO・LLMOコンサルティングについてご相談ください。