📝 エピソード概要
本エピソードでは、株式会社unnameが取り組む「LLMO（大規模言語モデル最適化）」プロジェクトの4ヶ月間の検証結果と、そこから得られた学びを本音で語ります。検証結果は「AIからの言及率ゼロ」という厳しい現実だったものの、そこからAI検索の仕組みやハックの不可能性が浮き彫りになりました。バズワードに惑わされない、実戦的かつ本質的なLLMO（AIに自社を見つけてもらうための施策）のあり方を学べる内容です。
🎯 主要なトピック
- LLMOプロジェクトの検証結果と現状把握: 180通りのプロンプトを用いた検証結果は前回同様に「ゼロ」であり、自社発信のみでAIのおすすめに載ることの難しさが明らかになりました。
- 「読ませるLLMO」と「選ばれるLLMO」: 指名検索時に自社の正確な情報を「読ませる」対策は成功したものの、非指名でおすすめとして「選ばれる」ための対策は全く異なるゲームであるという発見を解説。
- 今後の3つの新アプローチ: 今後は、短期的なSEO（他社比較記事への掲載など）、検索結果のAI回答機能である「AIオーバービュー」対策、そして長期的な外部評価（PR）獲得の3軸で進める方針を示しました。
💡 キーポイント
- LLMの推薦はウェブ上の「多数決」: AIはデータを圧縮して回答するため、自社が1票（自社コンテンツ）を投じるだけでは不十分であり、第三者メディア等での圧倒的な露出量（票数）が必要です。
- 「読ませるLLMO」の再現性は高い: AI専用のテキストファイル（LLMs.txt）や実績情報を整理することで、AIが自社について「嘘（ハルシネーション）」をつかずに正確な情報を出力する確率は大幅に向上します。
- 最後は泥臭いPR活動（信頼の蓄積）が勝負を分ける: LLMOをテクニカルにハックすることは難しく、長期的には書籍出版やメディア寄稿などを通じて、客観的な「外部評価」を地道に積み重ねることが最大の対策になります。
