AI検索への対応は「SEOの代替」ではなく「SEOの拡張」です。従来のSEOを土台としつつ、AIが引用・要約しやすいコンテンツ構造を設計する両軸対応が、BtoBマーケティングの新たな基本になります。
- SEOとLLMOは補完関係: SEOで上位表示されているコンテンツはAIにも引用されやすく、施策の約7割は共通
- ゼロクリック検索の増加: AI Overviews表示時にオーガニックCTRが18〜22%低下。独自データや事例で差別化が必要
- AI経由リードの質は高い: AI検索経由の訪問者のCVRは従来比4.4倍という報告があり、量より質の勝負に
- 即日対応できる施策: llms.txt設置、FAQ構造化データ追加、記事冒頭200文字以内での結論先出し
- 独自データが最大の武器: 二次情報の再編集ではAIに引用される理由がなく、自社にしか持てないデータの公開が差別化要因
本コラムでは、AI検索の現状と市場動向を整理したうえで、BtoB企業が取るべき具体的な対応策を実務レベルで解説します。技術的なLLMO施策の詳細はLLMO対策の基本と実践手順を、SEOの基盤についてはBtoB SEOの基本と実践をあわせて参照してください。
AI 検索の現状と市場動向
要点: ChatGPTの月間ユーザーは3億人超、AI検索はBtoBの購買ファネル全体に影響を与え、比較検討の入り口で引用されるかどうかが新たな勝負どころです。
検索行動はどう変わっているか
AI 検索の利用率はこの 1 年で大きく伸びました。2025 年時点で ChatGPT の月間アクティブユーザーは 3 億人を超え、Perplexity の月間検索クエリ数は 2.5 億回に達しています。BtoB の購買担当者も例外ではなく、業務上の調査や比較検討に AI 検索を使う割合が増えています。
従来の検索行動は「キーワードを入力し、検索結果一覧からページを選んで訪問する」という流れでした。AI 検索では「質問を入力し、AI が複数の情報源を統合して回答を生成する」形に変わります。ユーザーが個別のページに訪問する回数は減り、AI の回答内で引用・参照されるかどうかが新たな勝負どころになっています。
Google AI Overviews と Perplexity の違い
AI 検索と一口に言っても、Google AI Overviews（AIO）と Perplexity では仕組みが異なります。
Google AI Overviews は、Google 検索結果の上部に AI が生成した要約を表示する機能です。既存の検索インデックスをベースにしており、SEO で上位表示されているページが引用されやすい傾向があります。対象クエリは情報収集系が中心で、2025 年後半の調査では検索クエリの約 30% で AIO が表示されています。
Perplexity は、独自のクローラーとリアルタイム Web 検索を組み合わせ、出典付きの回答を生成します。回答には引用元の URL が明示されるため、引用されればダイレクトなトラフィック流入につながります。Perplexity 経由のトラフィックは少量ですが、CVR が高い傾向があると複数のマーケターが報告しています。
BtoB 企業にとって重要なのは、どちらか一方への対応ではなく、両方の仕組みを理解したうえでコンテンツを設計することです。
主要AI検索サービスの比較
BtoB マーケターが把握しておくべき主要AI検索サービスの特徴を比較します。
| サービス | 月間利用者数（2025年末時点） | 情報ソース | 出典表示 | BtoB利用シーン |
|---|---|---|---|---|
| ChatGPT（ブラウジング） | 3億人以上 | Bing検索 + 学習データ | あり（回答末尾） | 市場調査、競合分析、サービス比較 |
| Perplexity | 推定5,000万人 | 独自クローラー + Web検索 | あり（インライン） | 技術調査、ツール比較、仕様確認 |
| Google AI Overviews | Google検索ユーザーの約30% | Googleインデックス | あり（カード形式） | 一般的な情報検索全般 |
| Microsoft Copilot | 推定1億人 | Bing検索 + Microsoft Graph | あり | 社内業務での調査、レポート作成 |
| Claude | 推定2,000万人 | 学習データ中心 | 限定的 | 文書作成、分析業務 |
要点: BtoBの購買担当者が最もよく使うのはChatGPTとPerplexityです。この2つのサービスで自社のコンテンツが引用されているかを定期的に確認することが、AI検索対策の第一歩になります。
AI検索がBtoBのファネルに与える影響
AI検索の普及は、BtoBの購買ファネル全体に影響を与えています。ファネルの各段階での変化を整理します。
| ファネル段階 | 従来の検索行動 | AI検索での行動変化 | マーケティングへの影響 |
|---|---|---|---|
| 認知 | Google検索で課題を調べる | AIに質問して課題の全体像を把握 | 記事のPVは減るが、引用されれば認知は広がる |
| 興味 | 複数の記事を回遊して情報収集 | AIの回答で情報整理が完結 | サイト訪問前に比較検討が進む |
| 比較検討 | 比較サイトやサービスページを巡回 | AIに「おすすめ」を聞いて候補を絞る | AI回答で言及されないと候補に入れない |
| 商談・購買 | 営業への問い合わせ、見積依頼 | AI回答で判断材料を得たうえで問い合わせ | リードの質は高いが、量は減少する傾向 |
この変化は「脅威」と捉えるよりも「フィルタリングの変化」として理解する方が建設的です。AI検索を経由して訪問するリードは、すでに情報整理が済んでいるため検討段階が進んでおり、商談化率が高い傾向があります。リードナーチャリングの設計と実践の観点では、ナーチャリングの工程が短縮されるメリットもあります。
BtoB マーケティングへの影響
要点: ゼロクリック検索の増加でPV依存のファネル設計は見直しが必要ですが、AI経由リードはCVRが高く、質で勝負する戦略に転換できます。
比較検討プロセスの変化
BtoB の購買担当者は、以前から営業に会う前に情報収集の大半を完了する傾向がありました。AI 検索の登場で、この流れがさらに加速しています。
具体的には、「MA ツール 比較」のようなクエリを AI 検索に入力すると、複数のツールの特徴・料金・導入事例が一つの回答にまとめて返ってきます。従来であれば比較サイトや各社のサービスページを 5〜10 ページ巡回して情報を整理していたプロセスが、AI の回答一つで完結してしまう。つまり「比較検討の入り口」で引用されなければ、候補にすら入れない可能性が高まっています。
ゼロクリック検索の増加
AI が検索結果の画面上で回答を完結させるため、ユーザーが個別のページを訪問しない「ゼロクリック検索」が増えています。2025 年の調査では、AI Overviews が表示されたクエリにおいて、オーガニック検索結果のクリック率が平均 18〜22% 低下したというデータがあります。
BtoB マーケティングにおいては、トップファネルの情報提供系コンテンツほどこの影響を受けやすく、「PV を稼いでリードに転換する」という従来のファネル設計を見直す必要が出てきています。
コンテンツタイプ別のゼロクリック影響度
すべてのコンテンツが同じようにゼロクリック検索の影響を受けるわけではありません。コンテンツの種類によって影響度が大きく異なります。
| コンテンツタイプ | ゼロクリック影響度 | 理由 | 対策 |
|---|---|---|---|
| 用語解説・定義系 | 非常に高い | AIが回答内で完結させやすい | 独自の定義や独自視点を追加 |
| 費用相場・料金 | 高い | AIが数字をまとめて回答 | 最新のデータを頻繁に更新 |
| ツール比較 | 高い | AIが表形式で回答を生成 | 実体験に基づく評価を追加 |
| ハウツー・手順 | 中 | 複雑な手順はサイト訪問が必要 | 具体的で詳細な手順に拡充 |
| 事例・ケーススタディ | 低い | AIは具体的な事例を生成しにくい | 独自の実績データを重点的に掲載 |
| 独自調査レポート | 低い | 一次データはAIが持っていない | 積極的に公開し被リンクも獲得 |
コンテンツマーケティングのROI算出と投資判断でも触れていますが、コンテンツの投資判断において「ゼロクリック影響度」は新たに考慮すべき変数になっています。ゼロクリック影響度の高いテーマに投資する場合は、独自データや事例を付加して差別化する戦略が必要です。
AI 検索経由のリード品質
一方で、AI 検索を経由してサイトに訪問するユーザーの質は高い傾向があります。AI との対話ですでに情報を整理し、候補を絞り込んだうえで訪問するため、検討段階が進んでいるのです。HubSpot のレポートでは、AI 検索経由の訪問者のコンバージョン率は従来の検索経由と比較して 4.4 倍高かったと報告されています。
つまり、トラフィックの量は減っても、AI 検索で引用されるコンテンツを作れれば、リードの質と CVR は向上する可能性があります。
SEO と LLMO の関係性
要点: LLMOはSEOの対立概念ではなく補完関係にあり、施策の約7割は共通。追加対応はllms.txt設置とAnswer-first構成が中心です。
LLMO とは何か
LLMO（Large Language Model Optimization）は、AI 検索エンジンに自社のコンテンツを引用・参照してもらうための最適化施策です。SEO が検索エンジンのランキングアルゴリズムに最適化するのに対し、LLMO は LLM（大規模言語モデル）が回答を生成する際の情報ソース選定に最適化します。
重要な点として、LLMO は SEO の対立概念ではありません。現時点では、AI 検索エンジンが引用する情報源の大半は、Google 検索で上位表示されているページです。SEO で成果が出ているコンテンツは LLMO でも有利であり、両者は補完関係にあります。
SEO だけでは足りない部分
ただし、SEO の評価基準と AI の引用基準には差異もあります。AI は回答を生成する際に、明確な定義・数値データ・手順の整理など「回答の構成要素として使いやすい情報」を優先的に引用します。
具体的に、AI に引用されやすいコンテンツの特徴は以下の通りです。
- 冒頭で結論を述べている（PREP 形式）
- 定義や概念を簡潔に説明している
- 独自の調査データやオリジナルの数値を含んでいる
- 手順やフレームワークが構造化されている
- FAQ 形式で質問と回答が対になっている
逆に、SEO 的には有効でも AI に引用されにくいのは、主語が曖昧なまま長文が続く記事や、他サイトの情報をリライトしただけの二次コンテンツです。
SEOとLLMOの施策対応表
SEO施策とLLMO施策を並列で整理し、共通施策と固有施策を明確にします。
| 施策カテゴリ | SEO施策 | LLMO施策 | 共通/固有 |
|---|---|---|---|
| コンテンツ構造 | 見出し階層の整理（H1〜H4） | Answer-first構成（結論先出し） | 共通（構造化は両方に効く） |
| キーワード | 検索意図に合ったKW選定 | AIクエリを想定したFAQ設計 | 一部共通 |
| 内部リンク | トピッククラスター構築 | サイト構造のAI理解促進 | 共通 |
| 構造化データ | FAQスキーマ、HowToスキーマ | JSON-LDの充実 | 共通 |
| 独自性 | オリジナルコンテンツ、E-E-A-T | 一次データ、独自調査 | 共通 |
| 技術施策 | robots.txt、サイトマップ | llms.txt設置 | 固有 |
| リンク獲得 | 被リンク獲得 | AI学習データへの掲載 | 固有 |
| コンテンツ量 | 網羅的な長文コンテンツ | 明確な回答単位のコンテンツ | 一部異なる |
この表からわかるように、SEOとLLMOの施策の約7割は共通しています。SEOライティングの基本で実践しているSEO施策の多くは、そのままLLMO施策としても機能します。追加で対応が必要なのはllms.txtの設置とAnswer-first構成の徹底が中心であり、既存のSEO運用に大幅な変更を加える必要はありません。
AI 検索に強いコンテンツ設計
要点: 冒頭200文字以内で結論を述べるAnswer-first構成と、自社にしかない独自データの掲載がAI引用の鍵です。
Answer-first の構成
AI が回答を生成する際、記事の冒頭部分を引用するケースが多いことが分かっています。冒頭で結論を述べ、その後に詳細を展開する PREP 形式の構成が、AI 検索対策として有効です。
従来の SEO ライティングでは、検索意図に合わせて段階的に情報を提示し、ページ滞在時間を伸ばすことが重視されていました。AI 検索対策では「最初の 200 文字で質問に答える」ことが優先されます。
独自データの価値
AI は学習データの中で「他のソースにはない固有の情報」を持つコンテンツを高く評価する傾向があります。自社の支援実績に基づく数値、独自に実施したアンケート調査の結果、業界の一次データなどは、AI に引用される確率が高まります。
汎用的な情報だけで構成された記事は、AI が複数のソースを統合する際に個別のページとして引用される理由がなくなります。「この情報はこのページにしかない」という独自性が、AI 検索時代の差別化要因です。
独自データの作り方と公開方法
「独自データ」と言うと大規模な調査を想像しがちですが、BtoB企業が日常業務の中で蓄積しているデータも十分な一次情報になります。
| データソース | 具体例 | 公開形式 | AI引用されやすさ |
|---|---|---|---|
| 自社の支援実績 | 「当社支援先50社の平均CVR」「セミナー参加者の商談化率」 | 記事内の数値データ | 高 |
| 顧客アンケート | 「導入企業100社への満足度調査」 | 調査レポート、記事 | 高 |
| 業務データの集計 | 「BtoB企業200社のMAツール導入率」 | プレスリリース + 記事 | 非常に高い |
| セミナー参加者データ | 「ウェビナー参加者のアンケート集計」 | 記事、ホワイトペーパー | 中 |
| 社内ナレッジ | 「当社の支援ノウハウに基づくフレームワーク」 | 記事、図解 | 中 |
ホワイトペーパーの企画と制作ガイドで解説している調査レポート型ホワイトペーパーは、独自データの公開とリード獲得を同時に実現できる有効な手段です。PR Timesでの発信と組み合わせれば、被リンク獲得とAI学習データへの掲載の両方を狙えます。
要点: AI検索時代に最も価値があるのは「他のサイトにはない情報」です。二次情報の再編集ではAIに引用される理由がありません。自社にしか持てないデータ、自社の経験に基づくノウハウを積極的に公開してください。
構造化データの活用
FAQ スキーマ、HowTo スキーマ、Article スキーマなどの構造化データは、AI がコンテンツの内容を正確に理解するための手助けになります。特に FAQ 構造化データは、AI が質問と回答のペアを抽出する際に直接利用されるため、優先度の高い施策です。
BtoB 企業の実践ロードマップ
要点: llms.txt設置・FAQ構造化データ・記事冒頭の見直しは即日対応可能。1〜3ヶ月で独自データを蓄積し、3〜6ヶ月でAI経由トラフィックの計測と戦略再設計に進みます。
即日対応できること
すぐに着手できる施策として、以下の 3 つがあります。
llms.txt の設置: サイトのルートディレクトリに llms.txt を配置し、AI クローラーに対してサイトの概要、主要コンテンツ、サービス情報を構造的に伝えます。robots.txt の AI 版と考えてください。
FAQ 構造化データの追加: 既存のサービスページやコラム記事に、JSON-LD 形式の FAQ スキーマを追加します。質問と回答を明示的にマークアップすることで、AI による引用確率が上がります。
記事冒頭の見直し: 既存のコラム記事の冒頭部分を確認し、最初の 200 文字以内で記事の結論が述べられているかをチェックします。結論が後半にある記事は、冒頭に要約を追加してください。
1〜3 ヶ月で取り組むこと
オリジナルデータの蓄積: 自社の支援実績から数値データを抽出し、記事内で引用可能な形に整理します。「当社の支援先 50 社の平均値」のような独自データは、AI に引用される強力な根拠になります。
コンテンツの構造化リライト: 既存記事を PREP 形式に再構成し、見出し階層を整理します。H2 で大テーマ、H3 で具体論という階層構造を徹底することで、AI がコンテンツの構造を把握しやすくなります。
引用元としてのブランド構築: 特定のテーマで継続的にコンテンツを発信し、そのテーマにおける第一想起のソースになることを目指します。AI は「このテーマについてはこのサイトが詳しい」という認識を持つと、繰り返し引用する傾向があります。
3〜6 ヶ月で取り組むこと
AI 検索経由のトラフィック計測: GA4 で AI 検索エンジンからの流入を識別するリファラ設定を行い、AI 経由のセッション数・CVR・CV 数を計測します。Perplexity からの流入は perplexity.ai、ChatGPT は chatgpt.com をリファラとして識別可能です。
コンテンツ戦略の再設計: AI 検索経由の流入データが蓄積されたら、どのテーマ・どの形式のコンテンツが AI に引用されやすいかを分析します。そのデータを基に、新規コンテンツのテーマ選定と構成設計を最適化します。コンテンツマーケティングの始め方と成果が出る運用で解説している運用サイクルの中に、AI検索対策の観点を組み込んでください。
AI検索時代のKPI設計
要点: 従来のSEO KPIに加えて、AI検索経由セッション数・AI回答での引用頻度・AI経由CVRを追加で計測します。
従来のSEO中心のKPI体系に、AI検索関連の指標を追加する必要があります。マーケティングKPIの設計と運用のフレームワークをベースに、AI検索時代に追加すべき指標を整理します。
従来KPIとAI検索KPIの対比
| カテゴリ | 従来のKPI | AI検索時代に追加するKPI |
|---|---|---|
| トラフィック | オーガニック検索セッション数 | AI検索経由セッション数（ChatGPT、Perplexity等） |
| 認知 | 検索順位、インプレッション数 | AI回答での引用頻度、ブランド言及率 |
| エンゲージメント | PV、滞在時間、直帰率 | AI経由訪問者の回遊率、CV到達率 |
| CV | CVR、CV数 | AI経由CVR（従来比4.4倍の報告あり） |
| 商談化 | 商談数、商談化率 | AI経由リードの商談化率 |
AI検索経由のKPIはまだ計測手法が確立されていない部分もありますが、GA4のリファラデータとCRMのリードソース情報を組み合わせることで、おおよその傾向は把握できます。
AI検索のROI計測
AI検索施策のROIを算出する際は、以下の計算式が使えます。
AI検索施策のROI = （AI検索経由の売上 − LLMO施策コスト）÷ LLMO施策コスト × 100
LLMO施策のコストは、llms.txtの設置や構造化データの実装など、追加で発生した工数のみを計上します。既存のSEO施策と共通する部分（コンテンツ制作費など）はSEOのROIに含め、二重計上を避けてください。コンテンツマーケティングのROI算出と投資判断で解説しているROI計算の基本式を応用する形になります。
AI検索時代のコンテンツ制作チェックリスト
要点: 構成面・独自性・技術面・配信面の4軸でチェックし、人間の読者にとっての読みやすさを犠牲にしないことが前提です。
既存の記事を制作・リライトする際に確認すべき項目をまとめます。
構成面
- 記事冒頭200文字以内で結論を述べているか
- H2の直下で各セクションの要点を述べているか
- FAQセクション（3〜5問）を設置しているか
- 比較表や数値データを含んでいるか
独自性
- 自社の実績データや独自の数値が含まれているか
- 他のサイトにはない視点や分析が入っているか
- 著者の経験に基づく具体的なアドバイスがあるか
技術面
- FAQ構造化データ（JSON-LD）が実装されているか
- Article構造化データが設定されているか
- 内部リンクが適切に配置されているか（5〜8本）
配信面
- メールマーケティングで記事を配信しているか
- SNSでの拡散を行っているか
- 関連するホワイトペーパーへの導線があるか
要点: AI検索対策は「特別な施策」ではなく、「良質なコンテンツの条件」をより明確にしたものです。読者にとって価値のあるコンテンツは、AIにとっても引用価値の高いコンテンツです。AI検索対策を意識するあまり、人間の読者にとっての読みやすさを犠牲にしないよう注意してください。
まとめ
AI 検索の普及は、BtoB マーケティングにおける情報流通の構造そのものを変えつつあります。ただし、これは従来の SEO が無効になるという話ではありません。SEO で評価されるコンテンツは AI にも引用されやすく、両者は補完関係にあります。
BtoB 企業がまず取り組むべきは、既存コンテンツの構造化と独自データの蓄積です。AI に「引用する価値がある情報源」として認識されることが、トラフィックの量ではなく質で勝負する AI 検索時代のマーケティング戦略の核になります。
AI検索対策は単独で進めるものではなく、コンテンツマーケティングの始め方と成果が出る運用で構築したコンテンツ基盤の上に、マーケティング自動化の基本やインサイドセールスの基本と組み合わせて全体最適を目指してください。AI検索でリーチした見込み顧客を、ナーチャリングから商談化まで一貫した導線で導くことが、AI検索時代のBtoBマーケティングの完成形です。
