LLMO施策の2週間で、AI検索経由の新規流入を創出
BtoB向けの受発注管理SaaSのサイトに、AIが引用しやすい情報構造（FAQの構造化・ページ単位の独立最適化・比較検討への回答）を実装しました。施策から2週間で、これまでゼロだったAI検索（ChatGPT・Copilot）経由の新規流入が発生し、全体の新規ユーザーも大きく伸びています。
CHALLENGE背景と課題
- 指名・口コミ以外の新規接点が乏しく、検索・AIからの流入がほとんど無かった。
- 「何をする製品か」をAIが読み取れる構造化情報が整っておらず、AIの回答に引用されにくかった。
- 各ページが独立した知識単位になっておらず、検索意図とページ内容が噛み合っていなかった。
APPROACH実施した施策
- FAQ専用ページとFAQPageの構造化データを整備し、AIが引用しやすいQ&A単位を提供。
- 資料・機能ページを「1ページ＝1つの知識単位」として、それぞれ独立したSEO/OGPを付与。
- 「強み・他社比較」「導入効果」のFAQを追加し、比較検討クエリへの回答として引用されやすく。
- タイトル・ディスクリプション・ファーストビュー文言を、検索意図に合わせて書き換え。
RESULT成果（施策前後の実測）
AI検索(ChatGPT・Copilot)経由の新規流入
ゼロ→発生
全体の新規ユーザー数
+247%
Google検索からの流入
+160%
AI経由訪問のエンゲージメント率
ほぼ100%
数値はGA4の実測値。施策前（2週間）と施策後（2週間）の比較。AIアプリ等リファラを送らない経路は直接流入に混ざるため、伸び率はやや過小に出る前提。
| 対象 | BtoB受発注管理SaaSのコーポレート／製品サイト |
|---|---|
| 施策の実施 | 2026年5月 |
| 比較期間 | 施策前2週間 と 施策後2週間 |
| 計測ツール | Google Analytics 4 |
| 見ている指標 | 新規ユーザー数 / 参照元別セッション / エンゲージメント率 |
| 数値に含まれないもの | リファラを送らないAIアプリからの訪問（直接流入に混ざる） |
この数値の読み方
- 施策前の新規接点が指名・口コミにほぼ限られていたため、母数が小さい状態からの比較です。伸び率は同じ施策でも母数が大きいサイトではこれより小さく出ます。
- 2週間は短期です。ここで見ているのはAI検索経由の流入がゼロから発生したという変化であって、その水準が維持されるかは別に継続計測が要ります。
- AI検索に引用されるかどうかは競合が同じ領域で何を出しているかにも左右されます。同じ実装をすれば同じ数値が出る、とは言えません。
WHYこの施策が引用に効く理由
案件固有の事情ではなく、生成AIが出典を選ぶときの一般的な仕組みです。
- FAQを構造化データで持たせる
- 生成AIは回答を作るとき、質問に直接答えている短い単位を探します。FAQPageで質問と回答の対応が機械可読になっていると、その1問1答をそのまま引用できます。
- 1ページ＝1つの知識単位にする
- 1ページに複数の話題が混ざっていると、AIはどの部分がどの質問への答えなのか判断できません。ページを問いの単位で割ると、引用先として指しやすくなります。
- 比較検討の質問に答えるページを置く
- 購買前の質問は「AとBのどちらがよいか」の形を取ります。自社サイトにその問いへの答えが無いと、AIは第三者の比較記事を出典に選びます。
- タイトルと冒頭を検索意図に合わせる
- AIも検索エンジンも、ページの冒頭を「このページが何の答えか」の判断に強く使います。ここが自己紹介文だと、何の問いにも紐づきません。
SERVICESこの案件で使ったサービス
READINGこの案件に関連する記事
-
LLMO対策の効果測定 — 「言及」ではなく「被引用」を実測する方法
この案件で見たような変化を、どう定点で測るかを書いています。被引用・言及・実流入の3層に分けて数えます。
-
AIの出典枠は誰が占めているのか — 33サンプルの実測集計
購買意図のある質問でAIがどのドメインを出典に選んでいるかを、33サンプルで集計しました。比較検討クエリの受け皿が要る理由がここにあります。
