トップ / ブログ / LLMO事例
事例 出典つき 毎週更新

LLMO成功事例・失敗事例集【2026年最新】出典つきで見るGEO/AEO対策の実際

うまくいった話は広まりやすく、うまくいかなかった話は公開されにくい領域です。公開出典があり、数値を出典ページで照合できた事例だけを、成功・失敗・誤解の三つに分けて載せています。

更新日:2026-10-13 執筆:LLM Insight編集部 監修:gens合同会社 三宅晋太郎 対象:マーケティング責任者/SEO担当者/AI検索対策を検討中のWeb担当者

今回の更新:2026-10-13:八代目儀兵衛の事例タイトルを出典の確認範囲(PV減・露出上昇)に合わせて変更

この記事でわかること

出典を確認できたLLMO/GEO/AEO事例の施策・結果・学び

効果が出なかった検証と、数字が独り歩きしている誤解の正体

事例から読み取れる着手順と計測の前提

01

要点

TL;DR:国内で公開されたLLMO/GEO/AEOの検証を出典つきで集めると、成功した施策は「構造化リライト」「FAQと事実の整備」「一次情報の公開」の組み合わせに集中し、期間を開示している事例では6か月前後の継続で成果が出ています。一方、llms.txtや構造化データを単体で加えた検証では引用は動かず、獲得した引用が2か月で消えた例もあります。引用は資産ではなく変動値であり、測定条件を固定した定点観測が、すべての事例の前提になっています。

02

収載基準

  • 公開出典(企業ブログ、調査リリース、公開ホワイトペーパー、論文)があるもののみ収載します。
  • ベンダーの販促ページにしかない数値(測定条件非公開の「AI引用+320%」など)は不採用です。
  • 相関データと因果(施策の効果実証)を区別して表記します。証拠グレードA〜Cを各事例に付けています。
  • 新規事例は公開前に出典ページで数値を照合し、掲載済みの事例は90日ごとに再取得して確認しています。フォーム・有料記事の向こうにある出典は人手で確認し、確認日を併記します。確認できなくなった事例には注記を付けます。
  • (※)印の数値は一次ソースのURLを確認できていないものです。
03

成功事例(数値つき)

既存50記事の構造化リライトで32%が新規引用(LANY)

支援会社の自社検証/SEO支援/証拠グレード A(対照・前後比較を開示)/施策: C-1・C-2・C-3・C-4

施策
AI Overviewsが表示されるのに自社が引用されていない50記事を、結論ファースト、Q&A見出し、箇条書きと表、平易化の4点でリライト
結果
16記事(32%)が新規にAI Overviewsへ引用。70%(35記事)で検索順位も改善し、平均6.6位上昇、最大63位→11位
学び
構造化リライトはAIにも検索にも効く。ただし流入増の主因は引用そのものではなく、副産物のSEO順位改善だった
指標前後
新規引用率—32%(16/50記事)
検索順位改善—70%(35記事)・平均6.6位上昇

出典:

  • LANY(2026-10-09 確認)

FAQ各100問の追加で指名系の引用率が10ポイント上昇(LANY採用サイト)

支援会社の自社検証/採用サイト/証拠グレード A(対照・前後比較を開示)/施策: D-1・D-6・E-2

施策
新卒と中途の採用ページに給与、評価、働き方などのFAQを各100問追加し、外部採用媒体のプロフィールも更新。240問のプロンプトで前後比較
結果
指名系(BOFU)の公式サイト引用率が65.7%→75.9%(+10.2ポイント)。追加FAQは240回答中78回(32.5%)で参照。外部プロフィール更新後は狙った訴求の採用率も改善(文化72%→78%、裁量33%→44%)
学び
指名系の語られ方はオウンドの事実整備で動かせる。非指名系にはほぼ波及しなかった(失敗事例「FAQを200問増やしても非指名の質問には波及しなかった」を参照)
指標前後
指名系の公式サイト引用率65.7%75.9%
追加FAQの参照率—32.5%(78/240回答)

出典:

  • LANY(2026-10-09 確認)

PVが約10%減る中でAI上の露出とギフト系の検索順位が上昇(八代目儀兵衛、お米ギフトEC)

当事者/EC(ギフト)/証拠グレード B(当事者の公表)/施策: D-2・D-4・D-3・A-1

施策
ブランド定義の明示(トップに「内祝いの贈り物が送れるサイト」)、自社アンケートを調査レポート化してPR配信、レビューを用途別ページに分割して内部リンク整備。200超のプロンプトで定点観測
結果
AI上のブランド露出とギフト系キーワードの検索順位が上昇し、購入後アンケートに「AI検索で知った」が出現。コンテンツ系PVは約10%減の一方、売上は前年比120%程度のペースで成長
学び
エンティティ整備、一次情報PR、サイト構造の3点セット。KPIをPVからAI上の露出と指名に置き直す必要を示す例
指標前後
売上—前年比120%程度
コンテンツ系PV—約10%減

売上前年比120%はWeb担当者Forum記事の記述。同社の施策解説(ミエルカ)では売上・問い合わせは変わらないとされ、売上増には需要増などの外部要因が含まれる。

出典:

士業事務所でAI経由問い合わせが月3件→8件(バズ部支援)

支援会社発表/士業/証拠グレード C(支援会社の発表(複合施策))/施策: D-5・D-3・D-6・F-1

施策
6時間の取材から事務所の強みを4,000字超で言語化したページを作成。実績を領域別に細分化して掲載し、外部プロフィールも整備
結果
AI経由の問い合わせが月3件→8件(2.6倍)。AI経由227訪問で8件のCV(CVR3.5%)。狙ったプロンプト複数で圏外→1位。別の専門事務所では問い合わせ月平均6件→13件
学び
支援会社の発表で、サイト改善や商談改善も同時に実施した複合施策。数値は出典記事で照合済み
指標前後
AI経由の問い合わせ月3件月8件
AI経由CVR—3.5%(8/227訪問)

出典:

AI流入1.6倍、ただしAI比率は低下(IMAKONO、6か月の実測公開)

当事者/Web制作/証拠グレード B(当事者の公表)/施策: C-9・A-4

施策
ユーザーがAIに投げそうな質問を洗い出し、それに答えるコンテンツを追加・最適化
結果
AI経由流入が6か月で354→567セッション(約1.6倍)。同時にオーガニック検索も約2.4倍に増え、AI流入の構成比は1.05%→0.78%に低下
学び
分母まで開示している貴重な事例。「AI流入が1.6倍」という見出しだけでは実態を見誤る
指標前後
AI経由セッション354567
AI流入構成比1.05%0.78%

出典:

業務課題系の質問で圏外→推奨1位(BtoB SaaS、LLMO白書のR&D事例)

支援会社発表/BtoB SaaS/証拠グレード B(当事者の公表)/施策: C-9・D-3・F-1

施策
「〔業務課題〕なら、このツールで解決できる」という課題→原因→解決策の構造の記事を作成し、その課題を解決した社名公開の導入事例を根拠として接続
結果
「社内リソース管理」などの業務課題系の質問で圏外から推奨1位に。広い比較系の質問でも推奨が改善
学び
AIは機能は知っていても使い道を知らない。業務課題と自社を結ぶ文脈を作ると、課題起点の質問で推奨される
指標前後
業務課題系の質問での推奨順位圏外1位

出典:株式会社LANY「LLMO白書」(https://www.lany.co.jp/useful-materials/llmo-handbook)

出典:

数値と症例写真の追記で「信頼できる」系の推奨を獲得(美容クリニック、LLMO白書のR&D事例)

支援会社発表/美容医療/証拠グレード B(当事者の公表)/施策: C-5・D-4

施策
AIが参照しやすいページに、治療効果の定量データ(改善率、満足度を定義と条件つきで明記)と治療経過の写真解説を追記
結果
「信頼できる〜」系の質問で推奨候補外から推奨を獲得。「失敗しない〜」「評判の良い〜」など近い意図の質問でも改善
学び
「信頼できる」と自称しても採用されない。AIが「信頼できる」と言い切るための客観的材料を置くと動く
指標前後
「信頼できる〜」系の質問での推奨候補外推奨獲得

出典:株式会社LANY「LLMO白書」(https://www.lany.co.jp/useful-materials/llmo-handbook)

出典:

プロダクトそのものをAIに選ばれる形にする動き(レイク、星野リゾート)

当事者/金融/宿泊/証拠グレード B(当事者の公表)/施策: D-2・F-1

施策
レイクは「365日間無利息」というAIが比較軸にしやすい明快なファクトを商品に実装。星野リゾートは18億円を投じ、予約変更をオンライン完結できる予約システムを「AI予約時代」の基盤と位置づけ
結果
AI推奨面での効果数値は未公開。「プロダクトレベルのLLMO」の先行例として参照される
学び
コンテンツ施策の先にある、商品設計そのものの最適化

出典:

参照済み記事にKBF・RTBを明文化し参照時推奨率が最大55pt改善(LANY)

支援会社の自社検証/横断(匿名化された支援先)/証拠グレード B(当事者の公表)/施策: C-8・D-6・F-1

施策
AIから参照されているのに自社サービスが推奨されていない記事を特定し、サービス名・KBF(比較時に重視される点)・RTB(その根拠)を一つのパッセージとして明文化し、冒頭部・結論部や記事末尾に配置
結果
参照数はほぼ変わらないまま、参照時推奨率が記事Aで約23%→約79%(+55pt)、記事Bで約59%→約95%(+35pt)。別企業の解説記事では参照数15回→15回のまま53%→90%
学び
参照される量を増やさなくても、参照された箇所に推奨理由があれば推奨結果は動く。ただし支援先は匿名化され数値も丸められており、対照群は無い
指標前後
参照時推奨率(記事A)約23%約79%
参照時推奨率(記事B)約59%約95%
参照時推奨率(別企業の解説記事)53%90%

出典:

  • LANY(2026-10-13 確認)

タレントパレットの生成AI推奨率が3か月で59%→85%(LANY支援)

支援会社発表/HR SaaS/証拠グレード C(支援会社の発表(複合施策))/施策: D-6・E-3・F-1

施策
AIが参照する自社サイトと外部メディアに、ペルソナの購買決定要因に合わせた情報を整備し、「おすすめのタレントマネジメントシステム」である根拠をAIが読み取れる形で設計・配置
結果
タレントマネジメントカテゴリのプロンプトで生成AIからの推奨率が59%→85%。AI経由の問い合わせも増加(問い合わせ経路に「生成AI」の選択肢を設けて計測)
学び
支援会社の発表で、自社サイトと外部メディアの両面を整備した複合施策。2026年3月以降は対象プロンプトを拡大しており前後で母数が異なる。問い合わせ増加は件数非開示
指標前後
推奨率(タレントマネジメントカテゴリ)59%85%

出典:

04

失敗事例・効果が出なかった検証

急増した引用が2か月でゼロに戻った(Willgate)

当事者/SEO支援/証拠グレード A(対照・前後比較を開示)/施策: C-3・C-2・D-4

施策
10記事を比較表、Q&A、独自事例の補強でリライト
結果
AI Overviewsの引用ボリュームが「リライトとは」で0→7,509、「403 forbidden」で0→12,112と急増。約2か月後の2026年3月にはいずれも0に戻った(SEO順位の改善は29位→6位など維持)
学び
AIの引用は一度取れば終わりの資産ではなく、変動する。単発の成功報告を信じず、継続観測を前提にする
指標前後
AIO引用ボリューム(「リライトとは」)07,509 → 2か月後0

出典:

リライトしても68%は引用されなかった(LANY 50記事検証の裏面)

支援会社の自社検証/SEO支援/証拠グレード A(対照・前後比較を開示)/施策: C-1・A-5

施策
成功事例「既存50記事の構造化リライトで32%が新規引用」と同じ検証
結果
34記事(68%、50記事−引用16記事から算出)は引用を獲得できず、9記事(18%)は検索順位が下落した。引用による直接的な流入増は限定的だった
学び
もっとも実証された施策でも成功率は3割。引用の見込みが高い記事(AI Overviews表示ありで未引用)から優先する
指標前後
引用を獲得できなかった記事—68%(34/50)
順位が下落した記事—18%(9/50)

出典:

  • LANY(2026-10-09 確認)

FAQを200問増やしても非指名の質問には波及しなかった(LANY採用サイト)

支援会社の自社検証/採用サイト/証拠グレード A(対照・前後比較を開示)/施策: D-1・E-1

施策
成功事例「FAQ各100問の追加で指名系の引用率が10ポイント上昇」と同じ検証
結果
指名系は+10.2ポイント改善した一方、社名を含まない非指名の質問(132問)では自社コンテンツの参照が0件。一部の職種カテゴリでは推奨も0%のまま
学び
オウンド整備が効くのは指名系まで。非指名の「おすすめは?」で選ばれるには第三者面(比較記事、レビュー)への露出が必要
指標前後
非指名質問での自社コンテンツ参照—0件(132問)

出典:

  • LANY(2026-10-09 確認)

llms.txtは置いてもほぼ読まれていない

調査・研究/横断/証拠グレード B(当事者の公表)/施策: B-5

施策
llms.txt の設置
結果
GoogleはGoogle検索でllms.txtを使わないと公式に明言。Ahrefsの13.7万ドメイン分析で有効なllms.txtの97%はリクエストゼロ(※URL未確認)
学び
害はないが、優先着手する施策ではない。「llms.txt設置」を目玉にした提案は根拠を確認する
指標前後
有効なllms.txtのうちリクエストゼロ—97%(※)

(※)印の数値は一次ソースのURLを確認できていません:Ahrefs 13.7万ドメイン分析で有効なllms.txtの97%はリクエストゼロ/CDNログ実測で主要AIボットのllms.txt参照はゼロ

出典:

構造化データの追加だけではAI引用は動かなかった

調査・研究/横断/証拠グレード B(当事者の公表)/施策: B-4

施策
JSON-LDの追加(1,885ページ)と対照群約4,000ページの比較
結果
AI Overviews引用は-4.6%、AIモードとChatGPTは統計的にゼロと区別できない差(※URL未確認の一次ソース)。「FAQスキーマで引用3.2倍」の数値は一次ソースが追跡できない
学び
構造化データはリッチリザルト用途では有効だが、AI引用を増やす主役ではない。本文の中身が先
指標前後
AIO引用の差(処置群−対照群)—-4.6%(※)

(※)印の数値は一次ソースのURLを確認できていません:Ahrefs差分検証の一次ソースURL

出典:

キーワード詰め込みは逆効果(プリンストン大学のGEO研究)

調査・研究/横断/証拠グレード A(対照・前後比較を開示)/施策: C-5・C-6

施策
約1万クエリでGEO手法を比較
結果
キーワード詰め込みは可視性をベースライン比約10%悪化。統計データの追加(最大約+40%)、引用の明示(約+30〜40%)と対照的
学び
旧来型SEOの詰め込みテクニックはAI検索ではマイナスに働く
指標前後
キーワード詰め込みの可視性—約-10%
統計データ追加—最大約+40%

出典:

表面的な文言調整はモデル更新で脱落する

支援会社発表/横断/証拠グレード C(支援会社の発表(複合施策))/施策: D-6・C-7

施策
サイト構造や情報の信頼性を放置したまま文末表現やキーワードの微調整だけを実施
結果
AIのモデル更新後に推奨から脱落する事例が報告されている
学び
AIの現在の挙動への最適化ではなく、事実と構造の整備に投資する。前者はモデルが変わると消える

出典:

  • Speee(2026-10-09 確認)

JavaScript依存のページは読まれない

支援会社発表/横断/証拠グレード C(支援会社の発表(複合施策))/施策: B-3・B-2

施策
クライアントサイドJSで生成されるコンテンツのままAI対策を実施
結果
LLMクローラーはJavaScriptレンダリングに弱いという側面があり、クライアントサイドJSで生成されるコンテンツはAI対策上のリスクになる(アユダンテのdoda向け社内SEO勉強会で、LLMクローラー対策の観点として共有された)
学び
SPAや動的レンダリングのサイトは、リライトの前にSSR化やプリレンダリングという土台の工事が必要

出典:

05

よくある誤解と実際

誤解実際根拠
検索1位ならAIに引用される1位のページでも約半数は引用されていないLANY
引用されればブランドが推奨される引用と推奨は別の現象。美容医療領域では引用率52.6%に対しブランド推奨率は1.35%LANY
引用が増えれば流入も増える国内検証では流入増の主因は引用ではなくSEO順位改善だった。AI Overviewsの引用リンクのクリック率は約1%という実測がある(※)

(※)印の数値は一次ソースのURLを確認できていません:Pew Research Center(2025年): AI Overviewsの引用リンクのクリック率は約1%

LANY
AI経由の流入はもう大きい多くのサイトで総流入の1%未満。前年比12倍と急増しても、数十サイトの集計(2025年6月時点)ではAI経由は自然検索の約0.1%にとどまるWeb担当者Forum
Web担当者Forum(Internet Archive 保存版)
ミエルカGEO(Faber Company)
AI経由のユーザーはCVRが必ず高いCVRが従来検索より高かったサイトは35.1%にとどまるという調査がある。商材と質問の性質に依存するPLAN-B
llms.txtや特別なスキーマ、AI専用の書き換えが必要GoogleはいずれもGoogle検索のAI機能に不要と公式に明言Google 検索セントラル
1回検索して出たら成功、出なければ失敗回答は揺らぐ。同一クエリ10回で引用元が会社概要4回、トップページ4回、引用なし2回と割れた実測があるインスピニティ(Internet Archive 保存版)
「AI引用+320%」などの数値を目標にできる測定条件(母数、プロンプト、対照の有無)が非公開の販促数値はベンチマークにできない

LLM Insight編集部の収載基準(測定条件が非公開の数値は不採用)

—
06

事例に共通するパターン

1. 順序を守った企業が成果を出している。SEOの土台→コンテンツの構造化→事実の整備→第三者面への展開という依存関係を無視して、途中から始めた施策の成功例は見当たりません。

2. 単発施策の成功譚はない。成功事例はいずれも複数施策の組み合わせで、期間を開示している事例では6か月前後です。「これだけやれば」という一手で成功した例は見当たりません。参照済み記事にKBF・RTBを書き足して推奨率が動いた事例はありますが、すでにAIから参照されている記事が前提で、参照を得るまでの施策は含みません。

3. 指名系と非指名系は別の戦場。オウンドの整備で動くのは指名系までです。非指名の「おすすめ」で選ばれるには第三者面の蓄積が必要で、時間もかかります。

4. 引用は資産ではなく変動値。獲得した引用が2か月で消えた検証がある以上、単発の測定で成否を語れません。測定条件を固定した定点観測が、すべての事例の前提になっています。

5. 分母と測定条件を開示している情報を信頼する。「AI流入1.6倍」と「AI比率は低下」が同居する事例が示すとおり、率と実数、分子と分母をセットで見る癖が、この領域では特に重要です。

この記事のテーマ、自社のデータで確かめませんか?

ChatGPT・Gemini・Perplexity・Google AI Overviews・Microsoft Copilotでの自社と競合の露出を、無料で診断します。

07

よくある質問

Q事例はどのように選んでいますか?

公開出典(企業ブログ・調査リリース・公開白書・論文)があり、本文の数値を出典ページで照合できたものだけを載せています。測定条件が非公開の販促数値は採用していません。

Q事例の数値は最新ですか?

新規事例は公開前に出典ページで数値を照合し、掲載済みの事例は90日ごとに再取得して確認しています。フォーム・有料記事の向こうにある出典は人手で確認し、確認日を併記します。確認できなくなった事例には注記を付けます。AIの引用は変動するため、事例の数値はその時点の観測値として読んでください。

Q成功事例と同じことをすれば効果が出ますか?

保証はありません。成功事例はいずれも複数施策の組み合わせで、期間を開示している事例では6か月前後です。単発の施策だけで成功した例は見当たりません。参照済み記事へのKBF・RTB追記で推奨率が動いた事例も、すでにAIから参照されている記事が前提です。

Q自社サイトで何から始めるべきですか?

SEOの土台→コンテンツの構造化→事実の整備→第三者面への展開、の順です。事例に共通するパターンの節と、GEO対策の実践ガイドを参照してください。

Q証拠グレードとは何ですか?

A:対照群や前後比較を自ら開示した検証、B:当事者の公表、C:支援会社の発表(サイト改善など複合施策を含む)、D:測定条件非公開(本記事では掲載しません)。

Q新しい事例を知っている場合、どこに連絡すればよいですか?

[email protected] へ出典URLを添えてご連絡ください。収載基準を満たすものは次回更新で追加します。

AI時代のブランド戦略を始めませんか?

LLM Insightで、AIに選ばれるブランドへ

料金・プラン
デモを予約する 無料診断する