LLMO対策でやらなくていいこと5つ｜llms.txtはGoogle検索に効かないと公式が明記【AI引用38回の実測】

公開日: 2026年8月3日更新日: 2026年8月4日

LLMO対策・GEO対策として広まっている手法のうち、5つはGoogleの公式ドキュメントが「する必要のないこと」として名指しで挙げています。llms.txtの設置も、コンテンツの分割も、AI向けの書き換えも、そこに入っています。みやっち🧑‍💻自身が運営するこのサイトはllms.txtもJSON-LDも入れてしまっている側なので、これは他人事の話ではありませんでした。

LLMO対策でやらなくていいこと: Google検索セントラルの公式ガイドは、生成AI検索向けの「する必要のないこと」として、①llms.txtなど特別なファイルの作成 ②コンテンツのチャンク化 ③AI向けの書き換え ④不正確な言及を探すこと ⑤構造化データへの過度な注力、の5つを挙げています。基本のSEOがそのまま有効というのが公式の立場です。

そもそもLLMOとは何か、AI経由の問い合わせが本当に届くのかは、問い合わせの流入経路を分析した実録記事にまとめてあります。この記事はその先の「で、具体的に何をやって何をやらないのか」の話です。

Google公式が名指しした「する必要のないこと」5つ

一次ソースはGoogle検索の生成AI機能向けに最適化するためのガイドです。「生成 AI 検索の誤解を解く: する必要のないこと」という節がまるごと用意されていて、名指しされているのは次の5つです（2026年8月時点）。

llms.txtなど特別なファイル・マークアップの作成。「新たにコンピュータが解読可能なファイルや AI テキストファイル、マークアップ、マークダウンを作成する必要はありません」
コンテンツのチャンク化（AIのために本文を細切れに分割すること）。「AI がコンテンツをより深く理解できるようするために、コンテンツを細かく分割する必要はありません」
AIシステム向けのコンテンツの書き換え。「生成 AI 検索向けの書き方をする必要はありません」
不正確な「言及」を探すこと。「ウェブ全体で不正確な『言及』を探すことは、一見すると役立ちそうですが、実際にはそれほど役に立ちません」
構造化データへの過度な注力。「生成 AI 検索に構造化データは必須ではありません。また、特別な schema.org のマークアップを追加する必要もありません」

5つのうち3つ（llms.txt・チャンク化・AI向けリライト）は、「LLMO対策」の施策メニューとして名前を見かけるものです。同じドキュメントの冒頭は、生成AI検索でもSEOは有効かという問いにこう答えています。「手短に言えば、有効です。Google 検索の生成 AI 機能は、コアとなる検索ランキングと品質システムに根差しているため、SEO のベストプラクティスは引き続き有効です」。

llms.txtは削除すべきか

結論から言うと、すでに置いてあるなら消さなくていいです。同じ公式ドキュメントに、こう書かれています。

LLMS.txt ファイル（または同様のファイル）を作成して、これらのファイルを使用するほかのサービスやシステムのために維持することにしても、まったく問題ありません

Google検索のランキングには使われない。公式も「まったく問題ありません」としている。それだけの話です。ただし同じ項に、Googleはウェブサイト上のHTML以外のファイルも検出・クロール・インデックス登録することがある、という注意書きが添えられています。置いたファイルそのものが検索の対象になりうる点だけは頭に入れておきます。

このサイトのllms.txtは、記事データからビルドのたびに自動生成される仕組みにしてあります。記事を1本書けば中身も自動で更新されるので、維持のために人が手を動かす場面がありません。維持コストがゼロなら、Google以外のサービスが将来使うかもしれない分の保険として残しておけばいい——というのが、公式の記述を読んだ上でのみやっち🧑‍💻の判断です。

逆に言えば、手作業でllms.txtを書き、更新のたびに手で直しているなら、その時間はコンテンツに回した方がいい。効果が保証されていない作業を人手でやり続ける理由はありません。

llms.txtもJSON-LDも入れた状態で、AIに38回聞いてみた

このサイトは、llms.txtの自動生成に加えて、JSON-LD（Organization・Article・Person・FAQPage・Courseなど）も一通り実装済みです。教科書どおりの「LLMO対策」は入っている状態と言っていいと思います。

では実際にAIは引用してくれるのか。2026年7月17日・22日・27日と8月3日の4回、ChatGPTとGeminiに同じ5つの質問を投げて、回答の中でこのサイトが引用されたかを記録しました（取得のやり方は後述します）。5問×2サービス×4回で40回の予定でしたが、7月22日のChatGPT分が2件取得できていないため、記録の残った38回が集計対象です。結果は38回のうち、引用されたのは8回でした。

質問した内容	引用された回数 / 観測回数
「AI Crewとはどんな講座？」（社名・サービス名で聞く）	6 / 8
「株式会社AI Orchestraとはどんな会社？」（社名で聞く）	1 / 7
「Claude CodeやCodexを学べる講座はある？」（一般的な聞き方）	1 / 8
「非エンジニアの経営者がClaude Codeを学ぶ方法は？」（一般的な聞き方）	0 / 8
「AI業務自動化を学べるスクールを教えて」（一般的な聞き方）	0 / 7

名前を出して聞けば15回中7回引用される。名前を出さずに聞くと23回中1回です。llms.txtもJSON-LDも入っている状態で、この差でした。

さらに厄介なのが、同じ質問でも日によって結果が変わることです。「Claude CodeやCodexを学べる講座はある？」は、7月17日のChatGPTでは引用されたのに、7月22日・27日・8月3日は3回続けて引用されませんでした。観測ログに残っているモデル名は、4回とも同じ gpt-5-5 でした。

ChatGPTとGeminiでも結果は揃いません。ただしGemini側は観測期間中にモデルが切り替わっている（3.5 Flash→3.6 Flash→3.5 Flash-Lite）ので、この揺れにはAI側の条件変化も混ざっています。こちらが揃えられない条件で結果が動くということ自体が、ここでの学びでした。

サイト側の変更履歴も確認しました。この4回の観測期間中、構造化データ（JSON-LD）には一度も手を入れていません。一方でllms.txtは中身が変わっています。記事が増えるたびに自動で更新されるのに加えて、7月17日に講座の説明と実績の行を書き足し、7月20日にはサイトの説明文もリライトしました。llms.txtの中身を厚くしたあとの3回の観測でも、名前を出さない聞き方での引用はゼロのままです。

ファイルを1つ置いたから引用される、という因果関係はここには見当たりませんでした。 そして1回や2回試して「出た」「出なかった」と判断するのは、この揺れ幅を見る限り無理があります。

「不要」なのはGoogle検索の話。ChatGPTまで保証してはいない

ここは慎重に線を引いておきます。上のドキュメントはGoogle検索の生成AI機能（AIによる概要・AIモード）についての説明であり、ChatGPT・Claude・Perplexityが同じ扱いをするとは書かれていません。「公式が不要と言った」を全AIに広げるのは、拡大解釈です。

みやっち🧑‍💻の実務上の落としどころはこうです。Googleについては公式の言うとおりにする。それ以外のAIについては、施策を信じるのではなく、実際に聞いて記録する。 上の38回の観測は、まさにその「記録する」の部分です。

では何をやるのか

同じ公式ドキュメントは、まず基本のSEOとして3つを挙げています。①読者にとって価値のある独自のコンテンツを作る ②明確な技術構造を作って維持する ③ローカルビジネス・ECの詳細情報を最適化する。その上で別の節として、Search Consoleで生成AI機能での表示回数を測ること、AIエージェントからの見え方を試すことを勧めています。

そのSearch Consoleには「生成AIパフォーマンスレポート」が用意されていますが、2026年8月時点では段階的なリリース中で全プロパティでは使えず、公式が説明している指標も表示回数だけです。クリック数やクエリの記載はありません。公式の計測手段だけを待っていると、当面は何も分からないままになります。

だから、自分で観測するしかありません。上のデータの取り方は、実はそんなに大げさなものではないです。

質問リストを決める。自社の見込み客が打ちそうな聞き方を5問ほど。指名の質問と、名前を出さない一般的な質問を混ぜます
実際のAIに聞いて、回答と引用元を取得する。ここで開発者向けのAPIに聞くと、アプリの画面に出る回答とはずれます。このサイトでは、アプリと同じ回答を取得できる外部の有料サービスを呼ぶスクリプトを使っています。観測ログに記録されている費用は1観測（1問×1サービス）あたり0.004ドルなので、5問×2サービスなら1回の実行で0.04ドルです
結果を1行ずつ、日付つきでファイルに貯める。追記はスクリプトが自動でやります。上の表は、そうやって溜まった38行を集計しただけのものです

つまり取得そのものは道具の仕事で、これ自体はAIエージェントでなくてもできます。続かなくなるのは、取得ではなく「毎週それを回して、前の週と見比べて、記録を残す」ほうです。 ここを引き受けてもらう相手として、Claude Code・Codexのような、手順書を渡しておけばそのとおりに実行してくれるAIエージェントが効いてきます。このサイトでは2026年7月17日に観測を始めて、いまは週1回の定点観測の手順書に1行として組み込んであります（導入直後は不定期に回していたので、上の4回は等間隔ではありません）。実行と、前週との比較と、記録のコミットまでが、その手順の中で回っています。

質問リストも記録の形式も設定ファイルに自分で書いてあり、貯まったデータは自分のリポジトリに残ります。提案書に「llms.txtを設置します」と書かれていたときに、根拠を持ってイエスかノーかを言える。この状態に立つために必要なのは、対策メニューを増やすことではなく、公式の一次情報と自社の観測データという2つの物差しを持つことでした。

よくある質問

llms.txtを設置すると順位が下がりますか？

下がりません。Google公式は「これらのファイルを使用するほかのサービスやシステムのために維持することにしても、まったく問題ありません」と明記しています。Google検索が使わない、というだけの話です。

構造化データはもう入れなくていいのですか？

生成AI検索のためだけに入れる必要はない、というのが公式の説明です。ただし同じ項に「Google 検索のリッチリザルトの対象となる助けとなるため、SEO 戦略全体の一部として引き続き使用することをおすすめします」と続きます。リッチリザルト（検索結果での商品価格やレビューの表示など）は入れれば必ず出るものではありませんが、その目的で入れる価値は変わりません。「AIに引用されるため」という理由づけだけが否定されたと理解するのが正確です。

GEO対策とLLMO対策は違うものですか？

実務上はほぼ同義で使われています。GEOはGenerative Engine Optimization（2023年の学術論文が初出）、LLMOはLarge Language Model Optimizationの略で、どちらも「AIの回答の中で自社が紹介されるようにする取り組み」を指します。ただしGoogleなどの公式ドキュメントに定まった定義があるわけではなく、業界で使われている呼び名です。用語の整理は用語集にもまとめてあります。