テクニカルLLMOの15項目を、自社661ページで採点しました

結論：15項目のうち、うちは○8・△4でした

テクニカルLLMOという言葉自体は新しいものですが、やっていることは特別ではありません。AIがサイトを見つけられて、取得できて、読めるか——その土台側を確認する、というだけの話です。手を動かす手順そのものは親記事のテクニカルSEOは自分でできるにまとめてあるので、この記事は採点と判断に絞ります。

そして正直に言うと、採点する前は「うちはだいたいできているはずだ」と思っていました。実際に661ページを数えてみたら、思っていたのと違いました。できていなかったのではなく、できているつもりの中に誤りが混じっていたのです。

チェックリストは配られている。でも、採点した記事が見つからない

「AIに選ばれるためのチェックリスト」は、いま検索すると何種類も出てきます。項目数は34、38、40、50。資料をダウンロードしてもらう形のものが多く、URLを入れるだけで自動採点してくれるツールもあります。項目は年々増えています。

ただ、私が実際にページを開いて読んだ範囲では、そのチェックリストで自分のサイトを採点して結果を出している記事は見つかりませんでした。読んだのは3本です。3本とも、自社サイトの実測値は本文に1つも載っていませんでした。

⚠ここは慎重に書きます。「競合は採点していない」とは言えません。私が今回読んだのは3本だけで、市場全体を調べたわけではないからです。言えるのは「今回読んだ範囲では見つからなかった」までです。

それでも、この差は小さくないと思っています。項目を説明することと、その項目で自分を採点することは、必要な準備がまったく違うからです。前者は調べれば書けますが、後者は自分のサイトを全部数える必要があります。

Googleが「しなくていい」と書いていること5つ

チェックリストの項目を足す前に、まず公式が「要らない」と言っているものを外したほうが早い、と考えました。Googleは2026年5月15日に「Google 検索の生成 AI 機能向けにウェブサイトを最適化する」というガイドを公開し、その中で「する必要のないこと」を明示しています。

出典：Google 検索セントラル「Google 検索の生成 AI 機能向けにウェブサイトを最適化する」（developers.google.com／2026年5月15日公開・2026年7月14日更新・2026年9月8日確認）

llms.txt について、ガイドにはこう書かれています。

構造化データについても、同じガイドにはっきり書いてあります。

⚠ここで行き過ぎた読み方をしないことが大事です。Googleは「構造化データをやめろ」とは書いていません。同じ文の直後に「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。「必須ではない」と「やめたほうがいい」は違います。

そしてSEOそのものについては、こう書かれています。

つまり、AI検索のための特別な作業が別にあるわけではありません。これまでのSEOの土台が、そのままAIにも効く。だから当社は15項目に絞りました。

採点は「どこを測るか」で変わります

ここがこの記事でいちばんお伝えしたいところです。661ページを1本ずつ数えたら、新しい記事と古い記事で、まるで別のサイトのような差がありました。

出典：当社サイトの公開661ページをWordPress REST API経由で全件取得し、本文HTMLを正規表現で機械カウント（未ログイン・2026年9月8日実測）。新旧の分け方は公開日2026年8月1日を境にしています。⚠この表の「200本」「437本」は投稿だけの内訳で、固定ページ24本は含みません（表3の総数661には含みます）。⚠「383本」も投稿だけの数で、固定ページ1本を足したサイト全体では384本です。

⚠ここで「古い記事は壊れている」とは書きません。古い記事は、当時の基準で作ったものです。2021年に書いた記事に、2026年のAI検索の作法が入っていないのは当たり前です。問題なのは壊れていることではなく、採点表を1枚埋めたときに、どちらの姿が出てくるのかが決まっていないことのほうです。

もしチェックリストを新しい記事10本で埋めれば、当社は「ほぼ○」になります。661ページ全部で埋めれば、いくつかは×になります。どちらも嘘ではありません。だからこそ、採点する前に「何ページを、いつ測ったか」を決めて、それを書き添える必要があります。この記事の数字に日付が全部付いているのは、そのためです。

15項目、1つずつの結果

出典：①⑨⑩⑭は当社サイトの実測（2026年9月8日・9月10日）。②は6種類のクローラー名で3ページを取得した21回の実測（2026年9月4日）。⑦⑧⑨⑪⑫は661ページの全数カウント（2026年9月8日）。

① robots.txtでAIクローラーを止めていないか

当社のrobots.txtには、AIクローラーの名前を指定した記述が1件もありません（2026年9月8日実測）。つまり止めていません。なお、止める側の判断とその根拠は自社サイトをAIに読まれたくないという別記事に、70社を調べた結果とあわせてまとめてあります。この記事は「読まれる側」に立ちます。

② サーバーやWAFが、名前で弾いていないか

ここは当社が実際につまずいたところです。robots.txtで許可していても、サーバー会社側の設定がクローラーを弾いていることがあります。当社では6種類のクローラー名で3ページを取得する実測を行い、21回すべてが200で返ることを確認しました（2026年9月4日実測）。経緯は上のリンク先が専門に扱っています。

③ Bingへの登録とIndexNow

Bingウェブマスターツールへの登録は済んでいました（認証コードがサイトに入っていることを2026年9月8日に確認）。IndexNowは使っていません。使っているSEOプラグインでは有料版の機能で、キー欄は空でした。

ただ、IndexNowを入れていないこと自体は×ではないと考えています。公式にこう書かれているからです。

出典：Bing Webmaster Tools「How to add IndexNow to your website」（2026年9月8日確認）。参加している検索エンジンとして挙げられているのは Microsoft Bing・Naver・Seznam.cz・Yandex・Yep です。⚠Googleは参加社として挙げられていません（「非対応」と書かれているわけではありません）。

⇒ 確かめるべきは「送れたか」ではなく「索引に載ったか」です。

④ llms.txt

当社のサイトには llms.txt があります。SEOプラグインが自動で生成しているもので、各ページのタイトルと説明文が並んでいます。前の章のとおりGoogleは「不要」と書いていますが、あること自体が悪いわけではありません。

問題は中身でした。本文の説明文をそのまま写しているので、説明文が古いと、そのまま古い数字がAIの読む場所に置かれます。実際、2026年9月8日に測ったところ「1,170本」という数字が16か所残っていました。これは累計で作った本数で、間違いではありません。ただし現在の公開は661ページです。定義を添えずに置いておくと、読み違えられます。

⑤ 著者と会社の構造化データ

Person（著者）とOrganization（会社）の構造化データは全ページに出ています。ここで見つかった誤りは、次の章で扱います。

⑥ 本文の構造化データ（Q&A・動画）

本文に構造化データを入れているのは661ページ中262ページ（39.6%）。ただし新しい200本に限れば100%です。ここも「どこを測るか」で数字が変わる項目です。

⑦ 結論ファーストと、章ごとの要約

661ページ中241ページ（36.5%）に、結論を先に置く型がありました。新しい200本では198本（99.0%）です。AIは記事を最初から最後まで読んでくれるとは限りません。先に結論を置いておくと、引用される単位ができます。

やってあるものに、誤りが3つ混じっていました

1つ目は、著者情報の説明文です。支援先の成果を書いていたのですが、「どの取り組みの成果か」を貼り間違えていました。数字そのものは実在するもので、間違っていたのは組み合わせのほうです。しかもこれはサイト共通の設定なので、661ページ全部に同じ文が出ていました。

2つ目が llms.txt です。ここで1つ予測を立てました。「本文の説明文から自動生成されているなら、本文の説明文を直せば llms.txt も直るはずだ」——2026年9月4日にそう書き、9月8日に測り直しました。

予測どおりでした。直した1件は llms.txt からも消え、直していない数字は残っていました。当たり前に聞こえるかもしれませんが、これが分かると打ち手がはっきりします。AIが読むファイルを直接いじる必要はなく、本文の説明文を直せばいいということです。

3つ目は著者ボックスの書名でした。著書のタイトルが旧い表記のまま、26ページ・55か所に残っていました。しかも入っていた場所が、リンクの文言・画像の代替テキスト・キャプション・注記の4か所です。画面を見ているだけでは気づきにくい場所ほど、直し漏れていました。これは2026年9月10日に是正しています。

▶ 構造化データの誤りが複製されていく話は ノウハウを公開すると、競合に真似されませんか で詳しく扱っています。

許可していたのに、読まれていなかった

チェックリストの項目1は、たいてい「robots.txtでAIクローラーを許可しているか」です。当社も○でした。ですが、それだけでは足りません。各社の公式ページを実際に開いて読むと、こう書かれています。

出典：OpenAI「Overview of OpenAI Crawlers」／Perplexity「Perplexity Crawlers」／Anthropicサポート（2026年4月7日更新）／Google「Google の一般的なクローラーの一覧」。すべて2026年9月8日確認。

もう1つ、名前の一覧そのものが変わります。OpenAIの公式ページを開いたら、当社の15項目にも載せていなかった名前が1つ増えていました。広告の掲載先を検証するためのクローラーです。「一覧を写して埋める」というやり方だと、写した時点で古くなります。

結論は1つです。チェックリストの正しい使い方は、項目を読むことではなく、実際に取得して確かめることです。

数字を引き写す前に、原典に当たった話

llms.txt が実際にどれくらいアクセスされているのか——それを示す調査が3件、ある解説記事に載っていました。数字も具体的で、そのまま引用すれば説得力が出そうでした。ですが当社には「孫引きをしない、原典の本文で文字列が一致するまで確かめる」という決め事があります。それで3件とも原典に当たりました。

⚠ どこの記事か、どこの調査かは書きません。他社を名指しで否定するために書いているのではないからです。書きたいのは「自分が危うくやりかけたこと」のほうです。

3件目がいちばんこわいと思いました。数字を1つ引き写しただけで、元の調査が言っていたことと反対の主張の根拠にしてしまうところでした。しかも数字は本物なので、検算しても気づけません。気づける方法は1つだけで、原典を開いて読むことです。

結果として、この3件は使いませんでした。記事は少し薄くなりますが、そのほうがいいと判断しました。前の章で書いた「項目を読むのではなく、実際に取得して確かめる」は、他社の数字にもそのまま当てはまります。

あなたの会社でやるなら（0円・30分）

統計を1つだけ紹介させてください。総務省の『令和8年版 情報通信白書』に、生成AIの活用に向けて社内で何を整えているかを国別に聞いた図表があります。そこで日本だけが目立つ行があります。

出典：総務省『令和8年版 情報通信白書』（概要）p.9「生成AIによる業務変革に関する環境整備の状況（国別）」（2026年7月24日公表／この図表の回答数は日本326・米国276・ドイツ270・中国293）。⚠同じ白書の別の設問とは回答数が異なるため、他の数字と並べて引き算はできません。

「特に実施している施策はない・把握していない」と答えた会社が、日本では約5社に1社ありました。ここで大事なのは、把握することそのものにはお金がかからないという点です。当社が今回やったのも、公式ドキュメントを読んで、自分のサイトを数えただけです。

この3つで、15項目のうち①・⑤・⑥・⑮のあたりが確かめられます。残りの項目は、記事数が多いサイトほど「全部数える」作業になるので、そこは親記事の手順を見ながら生成AIに任せるのが早いです。当社も661ページを手で数えたわけではありません。

▶ AIに引用されやすい書き方そのものは AIに引用されるコンテンツの作り方、外注すべきかどうかの判断は GEO・AEO対策を外注すべきか にまとめてあります。

よくある質問（FAQ）

まとめ