製造業のLLMO対策とは？AIに「仕入先候補」として挙がるための施策と進め方【2026年最新】

「加工の外注先を探すとき、最近は検索より先にChatGPTに聞いている」。

製造業の現場から、こうした声が聞こえるようになりました。図面を前にした設計者が加工方法の当たりをつけるためにAIへ相談したり、購買担当者が新しい外注先の候補を洗い出すためにAIに質問を投げたり。そんな場面は、もう珍しいものではなくなりつつあります。

技術者や購買担当者が生成AIで情報を集め始めると、困るのは発注先として選ばれる側です。AIの回答に自社の名前が挙がらなければ、比較の土俵に乗る前に候補から外れてしまうかもしれません。とはいえ、「LLMO対策」と検索して出てくる情報の多くは業種を問わない一般論で、製造業の自社サイトで具体的に何を直せばよいのかまでは見えてこないのではないでしょうか。

本記事では、製造業に絞ってLLMO対策を整理します。製造業従事者を対象にした一次調査のデータをもとに、AIがどう使われているかを確認したうえで、製造業のサイトに求められる条件、具体的な施策7つ、業態別の優先順位、効果測定と進め方までを解説します。

まずは自社のAI検索対策状況を無料で診断しませんか？

バクリ株式会社の「無料AIOアセスメント」では、ChatGPT・Gemini・Perplexityにおける自社の引用状況と改善ポイントを10分で可視化します。

【お知らせ】4月17日（金）に弊社代表荒川が書籍を発売しました！
AI時代を勝ち抜く最先端のノウハウをまとめた書籍『海外の先行事例に学ぶ AI検索最適化（AIO/AISEO/LLMO）実践ガイド』（著者：弊社代表取締役 荒川 大史）が、4月17日（金）よりKindleストアにて配信開始しました。

これからのビジネス戦略にぜひお役立てください！

1. 製造業のLLMO対策とは？SEOとの違いと前提

1-1. LLMO対策の定義

LLMO（Large Language Model Optimization）対策とは、ChatGPTやGemini、Perplexityといった生成AIの回答のなかで、自社や自社の製品・技術が紹介されるように情報を整える取り組みです。日本語にすると「大規模言語モデルへの最適化」となりますが、言葉の響きほど特殊なことをするわけではありません。

AIが回答をつくるときに手がかりにする情報を、正確で読み取りやすい形にしておく作業だと考えるとわかりやすいでしょう。

製造業に置き換えると、「〇〇の精密加工に対応できる会社は？」「△△の代替部材を扱っているメーカーは？」とAIに聞かれたとき、自社が候補として挙がり、その理由が正しく説明される状態を目指すことになります。

見落とされやすいのが、後半の「理由が正しく説明される」という部分です。たとえば、本当は樹脂の精密成形が強みの会社なのに、AIが古い情報をもとに金属加工の会社として紹介してしまえば、名前が挙がっても問い合わせにはつながりません。むしろ条件の合わない相談が届き、営業担当がその対応に追われることも起こり得ます。名前が出るかどうかだけでなく、どう紹介されているかまで含めて整える。そこが製造業のLLMO対策の出発点になります。

1-2. SEO・AIO・GEOとの関係

LLMOと似た言葉に、AIOやGEOがあります。GEOは生成エンジンの回答に引用されるための最適化を指し、実務上はLLMOとほぼ同じ意味で使われます。これらを包含する総称がAIOです。社内で企画を通すとき、人によって用語の使い方がばらばらだと話がかみ合わないため、最初に整理しておくと後が楽になります。バクリでは、AIOを以下のように定義しています。

AIOの定義
主な対象：AI Overview＋各種生成AI（AI検索全般）
目的：AI Overview対策とLLM対策（その他AI対策）を合わせた総称。AI検索全体で引用・紹介される状態をつくること

社内の会議で「SEOはもう古い、これからはLLMOだ」という意見が出て、Web担当者が戸惑うという話はよく耳にします。けれども押さえておきたいのは、これらはSEOと対立するものではないという点です。Googleは2026年に公開した生成AI向けの公式ガイドで、AI Overviewなどの生成AI機能はコアの検索ランキングの仕組みの上に成り立っており、SEOの基本はそのまま有効だと説明しています。

裏を返せば、製造業サイトで長年積み上げてきた製品ページや技術情報は、LLMO対策でもそのまま土台になるということです。サイトを一から作り直す必要はなく、いま持っているページのどこが足りないかを見つけて補っていけばよいわけです。LLMO対策は、そうした地道な見直しの延長線上にあると言えます。

1-3. 製造業ならではの3つの前提

一般的なLLMO対策の記事をそのまま当てはめにくいのは、製造業に次の前提があるためです。

前提	内容	LLMO対策への影響
調べるのが技術者	材質・精度・規格など、具体的な条件で探す	抽象的なPR文より、仕様と対応範囲が問われる
情報がPDFに偏りがち	カタログや仕様書がPDFのみで公開されている	中身が検索やAIから読み取りにくい場合がある
事例を出しにくい	取引先との守秘義務で社名を出せない	「実績」を示す別の書き方が必要になる

1つ目の「調べるのが技術者」という前提は、情報の書き方そのものに関わってきます。設計担当者が新しい加工先を探すとき、知りたいのは「高品質」「高精度」といった形容詞より、どの材質をどこまでの公差で仕上げられるのかという具体的な条件でしょう。キャッチコピー中心の会社案内ページは、こうした読み手にとって判断材料になりにくいのです。

2つ目のPDFの問題は、多くの製造業サイトに共通するつまずきです。紙のカタログをそのままPDFにして載せている場合、人がダウンロードして開けば読めても、検索エンジンやAIからは中身を読み取りにくいことがあります。3つ目の守秘義務は、営業担当者が「実績はたくさんあるのに、サイトには書けない」ともどかしく感じている部分かもしれません。

この3つが、以降の施策を選ぶときの軸になります。後の章で紹介する施策は、どれもいずれかの前提への答えとして位置づけているので、読み進めながら照らし合わせてみてください。

2. なぜ今、製造業にLLMO対策が必要なのか｜技術者・購買担当の情報収集が変わった

2-1. 製造業従事者は生成AIを何に使っているか

製造業向けのWebマーケティング支援を行うテクノポート株式会社が、製造業従事者317名を対象に行った調査（2026年1〜2月実施、インターネット調査）では、購買活動における生成AIの用途は次のとおりでした（複数回答）。

用途	割合
技術課題の整理・原因仮説の洗い出し	53.9%
課題解決策の検討	50.2%
基礎理解	47.3%
事例・ベストプラクティスの調査	42.3%
サプライヤー・外注先・代替部材の探索	27.1%
導入候補の比較検討	26.5%
導入事例の調査	15.8%

注目したいのは、上位が「課題の整理」や「解決策の検討」といった上流の工程だという点です。発注先を直接探す使い方（27.1%）はまだ3割弱ですが、その前の「何が原因で、どう解決すればよいか」を考える段階で、すでに半数がAIを使っています。

具体的な場面に置き換えてみます。たとえば、ある部品の表面に微細な傷が出る不具合を抱えた生産技術の担当者が、AIに「この不具合の原因として考えられるものは？」と聞いたとしましょう。AIが原因の候補とあわせて、工程の見直しや表面処理の変更といった解決の方向性を示せば、担当者はその方向で外注先や設備を探し始めるはずです。

この段階でAIが示す解決策の方向性に、自社の技術や工法が含まれていなければ、その後の発注先探しで名前が挙がる可能性も下がります。製造業のLLMO対策は、発注先として探される前の「課題の整理」の段階から始まっていると考えるべきでしょう。

同調査のインタビューでは、以前は検索エンジンを使っていたが、最初からAIで情報を集めるようになったという声も多く挙がっています。検索窓にキーワードを打ち込む前に、まずAIに状況を説明して相談する。そうした順番の入れ替わりが、現場ではすでに起きているわけです。

2-2. BtoB購買全体でも、AIが「候補リスト」をつくり始めている

製造業に限らないBtoB購買全体の動きも確認しておきます。HubSpot Japanが従業員50名以上の企業で購買に関わった1,573名を対象に行った調査（2026年6月実施、マクロミルによるインターネット調査）では、購買での生成AIの使い方として最も多かったのが候補リストの作成（50.3%）でした。

これは製造業の購買部門にもそのまま当てはまる話です。新しい部材や外注先を探すとき、購買担当者はまず候補をいくつか挙げるところから始めます。以前なら検索結果や展示会で受け取った名刺、取引先からの紹介をもとにつくっていたリストを、AIに下書きさせるようになってきたということでしょう。

また、AIが出した情報を社内説明や稟議に使うとき、4人に1人（24.9%）がほぼそのまま使っていることもわかっています。購買担当者が上司から「ほかに候補はないのか」と聞かれ、AIが挙げた会社を比較表にまとめて稟議に添付する、という流れを想像してみてください。AIの回答に載らなかった会社は、社内の検討資料にすら名前が出てこない可能性があるわけです。

BtoB購買全体でのLLMO対策の考え方は、[BtoB企業のLLMO対策に関する記事｜内部リンク先URL]で詳しく解説しています。

2-3. AIは候補を挙げ、人が仕様を確かめる

ただし、ここで結論を急ぐのは早計です。同じHubSpot Japanの調査では、10種類の情報源のなかで、AIがまとめた情報の信頼度は37.8%で最も低い結果でした。信頼度が高かったのは、価格・契約条件の明示（60.6%）、営業担当からの説明（59.8%）、導入事例（57.0%）です。

候補リストづくりには使うのに、信頼はしていない。一見すると矛盾しているようですが、購買の実務を思い浮かべると納得がいきます。AIは手早く候補を集めるには便利でも、誤りが混じることがあると、使っている本人がいちばんよく知っているからです。

つまりAIは「候補を挙げる道具」であって、「発注先を決める根拠」ではありません。製造業でいえば、AIの回答で名前を知った技術者は、自社サイトに来て、仕様・精度・対応ロット・認証を自分の目で確かめようとします。そこで欲しい情報が見つからなければ、せっかく挙がった候補から静かに外されてしまうでしょう。問い合わせすら来ないので、外された側はその事実に気づくこともできません。

製造業のLLMO対策は、AIの回答に載ることと、載ったあと人の検証に耐えることの2段構えで設計する必要があります。この考え方が、次の章で紹介する5つの条件の前提になっています。

3. LLMO対策で製造業サイトに求められる5つの条件

AIに候補として挙げられ、そのあとの検証でも選ばれるサイトには、共通する条件があります。前の章で見た「AIが候補を挙げ、人が確かめる」という流れに沿って考えると、求められるのは目新しいテクニックというより、技術者や購買担当者が判断に使う基本情報がきちんと載っていることだとわかります。ここでは、その条件を5つに整理しました。

3-1. 仕様が読める

製品の寸法、材質、精度、性能値などが、ページ上のテキストとして読める状態で公開されていることです。仕様書がPDFや画像のみだと、人もAIも中身を確かめにくくなります。

製品ページには写真と短い紹介文だけがあり、詳しい仕様は「カタログダウンロード」のボタンの先にしかないという作りは、製造業のサイトでよく見かけます。

技術者からすれば、確認したいのは寸法や材質のいくつかの項目だけなのに、毎回ファイルを開いて該当ページを探さなければなりません。出張先でスマートフォンから確認しようとしている場面なら、なおさら手間に感じるでしょう。

AIにとっても事情は似ています。ページ本文に仕様が書かれていれば、質問の条件と照らし合わせて「この製品は条件に合う」と判断する材料になります。一方で、画像として埋め込まれた表や、スキャンしたカタログの数値は、読み取れないか、読み取れても正確さに欠ける可能性があります。

判断に迷うのが、仕様を公開すると競合に手の内を見せることにならないか、という懸念です。現場でもよく相談されるテーマですが、すでにカタログとして配布している範囲の情報であれば、ページ本文に載せても公開範囲は変わりません。迷ったときは「すでに外に出している情報かどうか」を基準に線を引くとよいでしょう。

3-2. 規格・認証が明示されている

ISO 9001などのマネジメントシステム認証や、業界ごとの規格への対応状況です。技術者や購買担当者にとっては、候補に残すかどうかを決める最初の確認項目になります。

なぜ最初なのかというと、認証や規格への対応は、満たしていなければその時点で検討が終わる「足切り」の条件になりやすいからです。たとえば医療機器や自動車の部品を扱う購買担当者であれば、価格や納期を比べる前に、まず取引先に求める認証を持っているかどうかを確かめるでしょう。ここで情報が見つからないと、「おそらく持っていないのだろう」と判断されてしまうこともあります。

よくあるのが、認証はきちんと取得しているのに、会社概要の片隅に小さく書かれているだけ、あるいは登録証の画像が貼られているだけというケースです。社内の人にとって当たり前の情報ほど、サイト上では目立たない場所に置かれがちなのかもしれません。

AIが「〇〇の認証を持つ加工会社」といった条件で候補を探すときも、テキストで明記されている情報のほうが手がかりにしやすいと考えられます。取得している認証と、それがどの拠点・どの製品群に適用されるのかを、はっきり書いておきたいところです。

3-3. 対応範囲が具体的である

「多品種小ロットに対応」「短納期に対応」といった表現だけでは、何ができるのかが伝わりません。対応できる材質・サイズ・ロット・納期を具体的に書くことで、条件に合うかどうかを相手が判断できるようになります。

この種の表現が伝わりにくいのは、言葉の受け取り方が人によって違うからです。ある購買担当者にとっての「小ロット」と、別の担当者にとっての「小ロット」が同じ数量とは限りません。「短納期」も、業界や製品によって想定している日数がまったく異なります。結局は問い合わせて確かめるしかなく、そのひと手間を嫌って別の候補に移る人も出てきます。

AIの側から見ても、抽象的な表現は扱いにくい情報です。「〇〇の材質で、このくらいのサイズの部品を試作できる会社」という質問に対して、「多品種小ロット対応」という一文だけでは、条件に合うかどうかを判断する手がかりになりません。

もちろん、すべての条件を事前に書き切るのは難しいでしょう。図面を見なければ判断できない案件もあるはずです。その場合は、標準的に対応できる範囲を示したうえで「範囲外の条件もご相談ください」と添えておけば、相手にとっての目安になります。完璧な一覧がなくても、判断の手がかりがあれば読み手は次の行動に移れるのです。

3-4. 事例がある

どんな業界の、どんな課題を、どう解決したか。HubSpot Japanの調査でも、導入事例は信頼度の高い情報源の上位に入っていました。社名を出せない場合の書き方は、4章で解説します。

事例が信頼されるのは、仕様表だけではわからない「実際に何ができたのか」を示してくれるからでしょう。ある装置の導入を検討している生産技術の担当者を思い浮かべてみてください。カタログの性能値を見たうえで、その人が次に知りたくなるのは「自社と似た条件の現場で本当に使えたのか」という点です。仕様は可能性を示し、事例はその裏づけになる、という関係だと言えます。

製造業のサイトでは、事例のページがあっても、写真と数行の説明だけで終わっているケースがよく見られます。どの業界の、どんな困りごとに対して、どう工夫したのかが書かれていなければ、読み手は自社の状況に置き換えられません。AIにとっても、課題と解決策が文章で結びついている事例のほうが、「この会社は〇〇の課題に対応できる」と説明する材料になりやすいはずです。

とはいえ、事例を一度に大量に用意する必要はありません。まずは営業担当者がよく話題にしている代表的な案件をいくつか選び、課題と解決の流れが伝わる形に書き起こしてみる。そこから始めれば、無理なく続けられます。

3-5. 会社の実体が確かめられる

所在地、工場・拠点、設備、従業員規模、沿革といった会社の基本情報です。初めて取引する相手かどうかを判断する材料であり、AIが「どんな会社か」を説明するときの材料にもなります。

購買担当者が新規の取引先を検討するとき、気にしているのは技術力だけではありません。継続して部品を供給してもらえるのか、トラブルがあったときに対応できる体制があるのか、といった点も見ています。工場の所在地や設備の一覧、どのくらいの人数で生産しているのかといった情報は、そうした不安を和らげる手がかりになります。

意外に多いのが、会社概要ページの情報が古いまま放置されているケースです。移転前の住所が残っていたり、すでに入れ替えた設備が載っていたりすると、人が見たときに不信感を持たれるだけでなく、AIが古い情報をもとに会社を説明してしまうおそれもあります。

設備一覧は、受託加工の会社にとってとくに重要な情報でしょう。保有している機械の種類がわかれば、技術者は「この加工ならできそうだ」と見当をつけられるからです。決算期や設備の入れ替えのタイミングなど、見直す時期をあらかじめ決めておくと、情報が古くなるのを防ぎやすくなります。

4. 製造業のLLMO対策でやるべき施策7つ

3章の5条件を、具体的な施策に落とし込みます。番号の若いものほど優先度が高い順に並べています。ただ、すべてを一度に進める必要はありません。業態によって効きやすい施策は変わるため、5章の業態別の優先順位とあわせて読み、自社で手をつける順番を決めてください。

4-1. 施策① 仕様をPDFだけでなくHTMLでも公開する

最優先はこれです。カタログや仕様書のPDFは残したまま、主要な仕様を製品ページ本文にテキストや表で掲載します。

GoogleはPDFもインデックスの対象にしていますが、スキャンした画像のPDFには文字情報が含まれず、中身を読み取ることができません。また、ページ本文に仕様があれば、技術者はダウンロードせずに条件を確認できます。AIのためというより、訪れた技術者の確認作業を減らす改善として取り組むのが正しい捉え方です。

実際の作業としては、まず自社のPDFカタログを開き、文字を範囲選択できるかどうかを確かめてみてください。選択できなければ、スキャン画像のPDFである可能性が高いでしょう。次に、主力製品から順に、技術者が比較に使う寸法や材質、精度、性能値といった項目を、製品ページに表として書き起こしていきます。

つまずきやすいのは、全製品を一度に終わらせようとして手が止まってしまうパターンです。製品点数の多いメーカーほど、この罠にはまりがちです。問い合わせの多い製品や、これから伸ばしたい製品に絞って始めれば、担当者の負担も抑えられます。

もう一つ気をつけたいのが、PDFとページ本文の数値がずれることです。改訂のたびに片方だけが更新されると、どちらが正しいのか読み手が迷ってしまいます。カタログ改訂の手順に「製品ページも更新する」を組み込んでおくと安心です。

4-2. 施策② 型番・製品名・社名の表記を統一する

同じ製品なのに、ページによって型番の表記（ハイフンの有無、旧型番の併記など）や製品名の呼び方が違うケースは、製造業サイトでよく見られます。製品ページでは正式な型番、ニュースリリースでは略した呼び方、技術資料では社内の通称、といった具合です。社内の人は同じものだとわかっていても、外から見ると別の製品に見えてしまうことがあります。

社名も同様です。正式社名、略称、英語表記、旧社名が混在していると、AIが同じ会社だと判断しにくくなる場合があります。合併や社名変更を経た会社では、古い社名のままの資料がサイトのどこかに残っていることも珍しくありません。

基本は、正式表記を決め、サイト内・カタログ・展示会資料で揃えることです。進め方としては、まず型番と社名の表記ルールを一覧にまとめて、営業・技術・広報で共有します。そのうえでサイト内を型番で検索し、ルールと違う表記を洗い出していくと効率よく進められます。

ここでよくある誤解が、「旧型番や旧社名は消してしまったほうがすっきりする」というものです。実際には、古い型番を手がかりに探している技術者もいます。旧型番や旧社名は消さずに、「旧型番：〇〇」と対応関係がわかる形で残しておいてください。そうすれば、古い情報からたどってきた人もAIも、現在の製品にたどり着けるようになります。

4-3. 施策③ 規格・認証の一覧ページをつくる

取得している認証と対応している規格を、1ページにまとめて掲載します。認証の名称、対象範囲（どの拠点・どの製品群か）、取得年を記載しておけば、確認したい人がすぐにたどり着けます。

1ページにまとめるのは、認証の情報が会社概要、品質方針、各製品ページなどに散らばりやすいからです。購買担当者が取引先の審査資料をつくるとき、あちこちのページを行き来して情報を集めるのは手間がかかります。一覧ページがあれば、そのURLを社内の資料に貼るだけで済むかもしれません。

対象範囲の記載は、複数の拠点を持つ会社でとくに重要になります。本社工場は認証を取得しているものの別の拠点は対象外、ということもあるでしょう。範囲を書かずに「認証取得」とだけ載せていると、相手が誤解したまま話が進み、あとで確認に手間取る原因になります。

認証の登録証の画像だけを載せている場合は、名称と範囲をテキストでも併記してください。画像は証拠として役立ちますが、そのなかの文字は検索エンジンやAIから読み取りにくいことがあります。更新や範囲の変更があったときにこのページを直す担当者を決めておけば、情報が古くなるのも防げます。

4-4. 施策④ 対応範囲表を掲載する

受託加工や部品製造であれば、対応できる条件を表にまとめます。

項目	記載例
対応材質	アルミ、ステンレス、樹脂など
加工サイズ	最大寸法・最小寸法
精度	対応できる公差の目安
ロット	試作1個から量産まで、など
納期	標準納期と、特急対応の有無
対応業界	自動車、半導体、医療機器など

この表は、AIが「〇〇の条件に合う加工会社」という質問に答えるときの材料になり、同時に技術者が問い合わせ前に条件を確かめる材料にもなります。

表をつくるときに意識したいのは、営業担当者が問い合わせ対応で毎回聞かれていることを先回りして書く、という視点です。「この材質は扱えますか」「どのくらいの大きさまで加工できますか」「試作だけでもお願いできますか」。こうした質問が電話やメールで繰り返されているなら、それはサイトに書かれていない情報だということになります。

精度の欄は、書き方に迷う会社が多い項目です。形状や材質によって出せる精度が変わるため、一つの数字で言い切れないことも多いでしょう。その場合は、記載例にあるように「目安」として示し、条件によって変わる旨を添えておけば十分です。何も書かないより、技術者にとってはずっと判断しやすくなります。

ロットや納期の欄も同様で、標準的なケースを示したうえで、特急対応や試作の可否を書き添えると親切です。逆に、実際には対応が難しい条件まで「対応可」と書いてしまうと、問い合わせの段階で行き違いが起きます。正直に書くことが、結果的に話の早い取引につながるのではないでしょうか。

4-5. 施策⑤ 守秘義務を守った事例の書き方を決める

製造業では、取引先の社名を出せないことが珍しくありません。その場合は、業界・課題・解決策・結果の4点で事例を書きます。

たとえば「自動車部品メーカーから、従来工法では歩留まりが安定しない部品の量産化について相談を受け、工程を見直して安定生産を実現した」という書き方です。社名がなくても、どんな課題に対応できる会社なのかは十分に伝わります。数値を出す場合は、取引先の了承を得たうえで掲載してください。

社名を伏せた事例について、営業担当者から「それでは説得力がないのでは」と心配する声を聞くことがあります。けれども、読み手である技術者が知りたいのは、取引先の名前よりも「自社と似た課題を解決できたのか」という点です。業界と課題が具体的に書かれていれば、自分の状況に重ねて読むことができます。

書き起こすときは、営業や技術の担当者に「どんな相談で始まったのか」「何が難しかったのか」「どう工夫したのか」「その後どうなったのか」を順に聞いていくと、4点が自然に埋まります。注意したいのは、業界を絞り込みすぎて、読む人が読めば取引先が特定できてしまうケースです。製品の特殊さによっては表現を一段ぼかすなど、品質保証や法務の担当者と相談しながら公開範囲を決めておくと安心でしょう。

4-6. 施策⑥ 技術課題に答えるコラムを公開する

2章で見たとおり、製造業で最も多い生成AIの使い方は「技術課題の整理」でした。AIが解決策を説明するときに参照されるのは、課題の原因と対策を具体的に解説したページです。

「〇〇加工でバリが出る原因と対策」「△△材の選び方」のように、自社が日々対応している技術相談をコラムにまとめます。現場の知見は社内にしかない一次情報であり、他社には書けません。Googleも公式ガイドで、独自で有用なコンテンツが生成AI機能での露出に最も長期的な影響を与えると述べています。

ネタ探しに困ったときは、営業担当者や技術者が受けている問い合わせの記録を見返してみてください。たとえば技術営業が客先で「この材質だと加工後に反りが出るのだけど、どうすればいいか」と相談される場面は、そのままコラムのテーマになります。社内では当たり前になっている対処法でも、困っている技術者にとっては知りたい情報です。

よくあるつまずきは、自社製品の宣伝に寄りすぎてしまうことです。原因の説明もそこそこに「当社の製品なら解決できます」と結論づけるコラムは、読み手にもAIにも参考にされにくいでしょう。原因と対策を中立的に解説し、そのうえで自社が対応できる範囲に触れる。この順番を守ると、読み物としての信頼が保たれます。技術者が自分で書く時間を取れない場合は、編集担当が話を聞いてまとめる形でも構いません。

4-7. 施策⑦ クロール・インデックスの状態を確認する

どれだけ良いページをつくっても、検索エンジンやAIのクローラー（Webページを巡回して情報を集めるプログラム）が読めなければ意味がありません。次の3点を確認してください。

• 製品ページや技術資料が、Search Consoleでインデックスされているか
• 重要な情報が、ログインや会員登録の後ろに隠れていないか
• サーバーやCDN・WAFの設定で、AIサービスのクローラーを意図せずブロックしていないか

1つ目は、Googleが提供している管理ツールのSearch Consoleで、製品ページのURLを調べれば確認できます。主力製品のページや、技術資料をまとめたページから順に見ていくとよいでしょう。

2つ目は、製造業のサイトで判断に迷いやすいポイントです。営業リストを集める目的で、技術資料のダウンロードに会員登録を求めている会社は多いはずです。その方針自体を否定するつもりはありませんが、登録の後ろにしか仕様がない状態だと、検索エンジンやAIからは中身が見えません。概要や主要な仕様はページ上で公開し、詳細資料だけを登録制にする、といった切り分けが現実的です。

3つ目は見落とされがちです。セキュリティ設定の変更で、気づかないうちにブロックしていたというケースもあるため、情報システム部門やサイトの管理会社と一度確認しておくと安心です。

5. 業態別に見る製造業のLLMO対策の優先順位

7つの施策のどれから手をつけるべきかは、業態によって変わります。同じ製造業でも、発注側が何を手がかりに探すのかは、受託加工と装置メーカーとでまったく違うからです。自社がどこに当てはまるかを確かめながら読んでみてください。複数の業態にまたがる場合は、問い合わせの中心になっている業態を基準にするとよいでしょう。

5-1. 受託加工（切削・板金・成形・表面処理など）

最優先は対応範囲表（施策④）です。発注側は「この材質、このサイズ、このロットに対応できるか」で外注先を探します。条件が具体的に書かれていれば、候補に挙がりやすく、問い合わせ前の絞り込みも進みます。

試作部品の加工先を急いで探している設計者を想像してみてください。図面を手元に置いたまま、AIに「この材質で、このくらいのサイズの部品を少量だけ加工してくれる会社は？」と尋ねる。そこで候補に挙がり、サイトで対応範囲表を見て条件が合うとわかれば、そのまま問い合わせに進むでしょう。受託加工は、こうした条件の一致で選ばれる場面が多い業態です。

次に、加工上の課題を解説する技術コラム（施策⑥）が効きます。切削や板金、成形、表面処理には、それぞれ現場ならではの悩みがあります。そうした悩みに答えるコラムがあれば、課題を整理している段階の技術者にも名前を知ってもらえます。

迷いやすいのは、手がける加工の種類が多い会社です。すべての加工について細かい表をつくろうとすると時間がかかるため、まずは得意な加工や、これから受注を増やしたい加工から表を整えるのが現実的でしょう。

5-2. 部品・素材メーカー

仕様のHTML化（施策①）と型番の表記統一（施策②）が先です。型番や品名で直接探されることが多いため、仕様がテキストで読めること、型番が揃っていることが前提になります。代替品を探されるケースも多いので、「〇〇の代替として使える」といった用途の説明もあると有効です。

部品・素材の購買では、すでに使っている製品の型番を手がかりに情報を探す場面がよくあります。たとえば、長年使ってきた部品が生産終了になると聞いた購買担当者が、型番をそのままAIに入力して「これと同等の仕様の部品は？」と聞くケースです。このとき、自社の製品ページに仕様がテキストで書かれていなければ、比較の対象にすら入れないかもしれません。

代替品の説明を書くときに注意したいのは、根拠のない「完全互換」のような書き方を避けることです。寸法や材質、性能値のどこが同じで、どこが違うのかを示しておけば、技術者は自分で判断できますし、あとで行き違いが起きることも防げます。他社の型番に触れる場合の扱いは、社内の法務担当とも相談しておくと安心です。

5-3. 装置・機械メーカー

事例（施策⑤）と技術コラム（施策⑥）を厚くします。装置は課題解決の手段として選ばれるため、「どんな課題を、どう解決したか」が判断材料になります。2章で見た「技術課題の整理」の段階で名前が挙がるかどうかが勝負どころです。

装置の導入は、多くの場合「生産性を上げたい」「品質のばらつきを抑えたい」といった課題から始まります。たとえば、検査工程の負担に悩む工場の担当者が、AIに「目視検査の負担を減らす方法は？」と相談する場面を考えてみてください。この段階では、まだ特定の装置を探しているわけではありません。AIが示す解決の方向性に、自社の装置が対応する方法が含まれているかどうかで、その後の流れが変わってきます。

だからこそ、装置メーカーは仕様の説明より先に、課題と解決の道筋を語るコンテンツを用意しておきたいところです。技術コラムで課題の原因と対策を解説し、事例で実際の解決の流れを示す。この2つがそろうと、課題の整理から導入の検討まで、一貫して自社の名前が出てくる状態に近づけます。仕様のHTML化は、その次の段階で比較検討に耐えるために進めていけばよいでしょう。

5-4. OEM・ODM

規格・認証（施策③）と会社の実体情報を優先します。製造を委託する側は、品質管理体制や生産能力を重視します。工場・設備の情報や、対応できる工程の範囲を具体的に示してください。

OEM・ODMでは、委託先の工場が自社製品の品質をそのまま左右します。そのため、技術力のアピールよりも「安心して任せられるか」が先に問われるわけです。新商品の製造委託先を探している企画担当者であれば、どんな認証を持ち、どの工程を自社工場で担えるのか、どのくらいの量まで対応できるのかを確かめたうえで、ようやく見積もりの相談に進むでしょう。

工程の範囲は、とくに具体的に書いておきたい情報です。企画から関われるのか、製造だけを受けるのか、検査や包装まで含めて対応できるのか。この線引きが曖昧だと、相談を受けてから「その工程は対応していません」となり、双方の時間が無駄になってしまいます。

次に取り組むのは事例（施策⑤）です。OEM・ODMは守秘義務がとくに厳しい分野ですが、4章で紹介した業界・課題・解決策・結果の書き方なら、取引先の名前を出さずに対応力を伝えられます。ここまでの業態別の優先順位を表にまとめると、次のようになります。

業態	最優先	次に取り組む
受託加工	④対応範囲表	⑥技術コラム
部品・素材メーカー	①仕様のHTML化、②表記統一	⑥技術コラム
装置・機械メーカー	⑤事例、⑥技術コラム	①仕様のHTML化
OEM・ODM	③規格・認証	⑤事例

施策⑦（クロール・インデックスの確認）は、業態を問わず最初に一度実施してください。

6. 製造業のLLMO対策で注意すべきこと

6-1. llms.txtの設置を最優先にしない

llms.txtは、AI向けにサイトの概要を伝えるテキストファイルです。ただしGoogleは公式ガイドで、Google検索（生成AI機能を含む）はllms.txtを使っておらず、作成は不要だと明記しています。設置しても害はありませんが、製品ページの仕様整備より優先するものではありません。詳しくは[llms.txtに関する記事｜内部リンク先URL]をご覧ください。

LLMO対策について調べ始めると、早い段階でllms.txtという言葉に出会うはずです。ファイルを一つ置くだけという手軽さもあって、「まずはこれを設置すればよいのでは」と考える担当者は少なくありません。社内でLLMO対策の話が持ち上がったとき、最初に挙がった施策がllms.txtだった、という声もよく聞きます。

ただ、ここまで読んできた方なら、製造業のサイトで本当に足りていないものが何かは見えているのではないでしょうか。仕様がPDFの中にしかない、対応範囲が抽象的、認証の情報が見つからない。こうした状態のままllms.txtだけを用意しても、AIや人が確かめたい中身は増えません。

限られた時間と予算をどこに使うかを考えると、優先すべきは製品ページの整備です。llms.txtは、主要なページの整備が一段落してから、余力があれば検討する程度の位置づけで十分でしょう。

6-2. 構造化データだけで解決しようとしない

構造化データも同様です。Googleは、生成AI機能のために特別なマークアップは必要ないとしています。リッチリザルトの対象になるなど、SEO全体では引き続き役立つため実装する価値はありますが、ページ本文に仕様や対応範囲が書かれていることが先です。

構造化データとは、ページの内容を検索エンジンが理解しやすいよう、決められた形式で書き添えるコードのことです。製品名や会社情報などを機械向けに整理できるため、AIに正しく伝えるための切り札のように紹介されることもあります。

とはいえ、構造化データはあくまでページに書かれている内容を補足するためのものです。本文に仕様が載っていない製品ページに構造化データだけを追加しても、伝えられる中身が増えるわけではありません。製造業のサイトでありがちなのが、構造化データの実装に予算を割いた一方で、肝心の製品ページは写真と短い説明文のまま、というケースです。

順番としては、まず本文の情報を整え、そのうえで余裕があれば構造化データで補強する、という流れが無理のない進め方でしょう。すでに実装済みであれば、本文の内容と食い違いがないかを一度確認しておくと安心です。

6-3. 作為的な言及集めをしない

ポータルサイトへの大量登録や、内容の薄いサイトでの自社紹介など、AIに名前を覚えさせる目的で言及を増やす施策も見られます。Googleは、こうした作為的な言及の獲得は見た目ほど有効でないとしています。

こうした施策が提案される背景には、「Web上で多く言及されている会社ほどAIに推薦されやすいのでは」という期待があります。けれども、言及の数だけを機械的に増やしても、中身のない紹介が並ぶだけです。製造業の購買担当者が、AIの回答をきっかけにそうしたページを見たとしても、判断材料にはならないでしょう。

ここで区別しておきたいのは、自然に生まれる言及と、作為的に集める言及の違いです。業界団体の会員名簿に載る、展示会の出展者情報として紹介される、取引先が導入事例として取り上げてくれる。こうした実際の活動にともなう言及は会社の実体を示すものであり、無理に避ける必要はありません。

判断に迷ったら、「その言及を見た技術者や購買担当者が、自社について正しい情報を得られるか」を基準にしてみてください。人の役に立たない言及は、AIにとっても価値が低いと考えるのが自然です。

6-4. 根拠のない「No.1」「業界トップクラス」を書かない

AIに推薦されやすくしようと、根拠のない最上級表現を並べるのは逆効果です。消費者庁は、客観的な調査にもとづかないNo.1表示について実態調査を行い、景品表示法上の問題を指摘しています。BtoB取引であっても、表示の根拠を示せない表現は避けるのが安全です。具体的な数値や事実で書くほうが、AIにも人にも伝わります。

製造業のサイトでも、「業界トップクラスの精度」「国内屈指の技術力」といった言い回しは珍しくありません。長年使ってきたキャッチコピーで、社内では誰も疑問に思っていないということも多いでしょう。けれども、根拠を聞かれて答えられない表現は、技術者の目にはかえって中身がないように映ります。

では、どう書き換えればよいのか。たとえば「業界トップクラスの精度」とあるなら、対応できる公差の目安や、使っている測定機器、検査の手順を具体的に書いてみる。そのほうが、技術者は自分の求める条件と照らし合わせることができます。AIにとっても、比較に使える具体的な情報のほうが扱いやすいはずです。

既存のページを見直すときは、サイト内を「No.1」「トップクラス」「最高」といった言葉で検索し、根拠を示せるかどうかを一つずつ確かめていくと漏れを防げます。

7. 製造業のLLMO対策の効果測定

7-1. 追う指標

製造業のLLMO対策では、次の指標を組み合わせて見ます。

指標	内容	確認方法
言及率	決めた質問に対し、自社が回答に登場した割合	生成AIへの定点質問
引用率	自社のページが出典として示された割合	同上
AI経由の流入	生成AIのサービスから自社サイトへの訪問	GA4
指名検索	社名・製品名・型番での検索数	Search Console
技術問い合わせ	問い合わせのうち、AIで知ったと回答した件数	問い合わせフォームの項目

1つの指標だけで判断しないのには理由があります。言及率や引用率はAIの回答のなかでの存在感を示しますが、それが実際の訪問や商談につながっているかまではわかりません。反対に、問い合わせ数だけを見ていると、AIで名前を知った人がどのくらいいるのかが見えてきません。上流から下流まで、いくつかの指標を並べて見ることで、どこで止まっているのかを推測できるようになります。

最後の項目は、すぐに始められる割に効果的です。問い合わせフォームの「当社を知ったきっかけ」の選択肢に「生成AI（ChatGPTなど）」を加えるだけで、数字が取れるようになります。営業担当者が商談の場で「何で弊社を知りましたか」と聞くようにしておけば、フォームでは拾いきれない声も集められるでしょう。

AI経由の流入をGA4で確認するときは、参照元の一覧に生成AIのサービスが含まれているかを定期的に見るのが基本です。ただ、AIの回答を見たあとで社名を検索し直して訪れる人もいるため、指名検索の推移とあわせて見ると実態をつかみやすくなります。

指標の設計や計測環境の作り方は、[LLMO対策の効果測定に関する記事｜内部リンク先URL]で詳しく解説しています。

7-2. 製造業向けの質問セットの作り方

言及率を測るには、AIに投げる質問を決めて固定します。製造業では、次の3種類を用意すると漏れが少なくなります。

1. 課題型：「〇〇加工で寸法が安定しない原因は？」
2. 探索型：「〇〇の試作に対応できる加工会社は？」「△△の代替になる部材は？」
3. 比較型：「〇〇装置を選ぶときのポイントは？」

質問を考えるときは、Web担当者だけで決めずに、営業担当者や技術者に「お客さまから最初にどんな相談が来るか」を聞いてみるのがおすすめです。たとえば技術営業が客先でよく受ける相談が「この部品の寸法がばらつく」というものなら、それを課題型の質問に置き換えます。現場の言葉で質問をつくると、実際の技術者がAIに投げる質問に近づいていきます。

2章で見たように、製造業では課題型の使い方が最も多いため、探索型だけでなく課題型の質問も忘れずに入れてください。探索型だけで測っていると、発注先探しの段階での露出しか見えず、その手前で名前が出ているかどうかを見落としてしまいます。

AIの回答は毎回変わり得るため、1回の結果で判断せず、同じ質問を定期的に投げて推移を見ます。質問の文言を途中で変えると比較ができなくなるので、質問セットは一覧にして保存し、記録の様式も揃えておくとよいでしょう。そうしておけば、担当者が替わっても観測を続けやすくなります。

7-3. 効果が出るまでの期間の考え方

効果が出るまでの期間は、サイトの状態や業界によって大きく異なり、一律の目安は示せません。ただ、製造業のBtoB取引は検討期間が長いため、AIで認知されてから問い合わせに至るまでには時間差があることを前提にしてください。問い合わせ数だけで判断せず、言及率や指名検索などの手前の指標で変化を追うのが現実的です。

「どのくらいで成果が出ますか」という質問は、ご相談の場でよく聞かれます。上司から成果の見通しを求められて困っている担当者の方も多いでしょう。ただ、ここで無理に期間を約束してしまうと、あとで施策そのものが評価されなくなるおそれがあります。

製造業の場合、時間差が生まれる理由ははっきりしています。ある技術者がAIの回答で自社の名前を知ったとしても、その時点ではまだ課題の整理をしている段階かもしれません。社内で予算が確保され、仕様が固まり、正式に外注先を探す段階になって初めて問い合わせが来る。こうした流れを考えれば、施策の直後に問い合わせが増えなくても不思議ではないわけです。

社内に報告するときは、言及率がどう変わったか、AIの説明が正しくなったか、指名検索が増えているか、といった手前の変化を示すと理解を得やすくなります。

8. 製造業のLLMO対策の進め方｜段階的ロードマップ

8-1. 最初の1か月｜現状把握と土台の確認

最初の1か月は、新しいページをつくるよりも、いまの状態を正しく知ることに時間を使います。取り組むのは次の4つです。

• 自社に関する質問セットを決め、生成AIでの現状（言及されるか、正しく説明されるか）を記録する
• クロール・インデックスの状態を確認する（施策⑦）
• 社名・型番・製品名の正式表記を決める（施策②）
• 問い合わせフォームに「生成AI」の選択肢を加える

なかでも最初の項目は、後の効果測定の基準になるため丁寧に行いたいところです。7章で紹介した課題型・探索型・比較型の質問を用意し、ChatGPTやGeminiなどに投げて、自社が挙がるかどうか、挙がった場合にどう説明されているかを記録しておきます。この記録があるかないかで、のちに「何が変わったのか」を示せるかどうかが決まってきます。

クロール・インデックスの確認や表記ルールの決定は、地味ですが、後の施策すべての前提になる作業です。表記ルールが決まらないまま製品ページを直し始めると、整備したあとで表記を揃え直すことになりかねません。問い合わせフォームの変更は作業自体が短時間で済むことも多いので、この時期に済ませておけばデータが早くから貯まり始めます。

8-2. 1〜3か月｜主要ページの整備

土台が確認できたら、主要なページの整備に入ります。この時期の取り組みは次のとおりです。

• 業態に合わせた最優先の施策から着手する（5章参照）
• 主力製品のページに仕様をテキストで掲載する（施策①）
• 規格・認証の一覧ページ、対応範囲表を公開する（施策③④）

ここで意識したいのは、5章で整理した業態別の優先順位に沿って進めることです。受託加工なら対応範囲表、部品・素材メーカーなら仕様の掲載というように、効きやすい施策から手をつけたほうが、限られた工数でも成果につながりやすくなります。

この段階で多くの担当者がぶつかるのが、社内からの情報集めです。仕様の確認は技術部門、認証の範囲は品質保証部門といったように、必要な情報が部署ごとに分かれているからです。たとえば「今月はこの製品群の仕様をそろえる」と範囲を区切り、各部署に確認をお願いする日程をあらかじめ決めておくと、作業が止まりにくくなります。整備したページは、公開後にSearch Consoleでインデックスされているかを確かめておきましょう。

8-3. 3か月以降｜一次情報の継続発信

主要なページが整ったら、ここからは一次情報を発信し続ける段階に入ります。

• 守秘義務を守った事例を増やしていく（施策⑤）
• 技術相談の内容を、技術コラムとして定期的に公開する（施策⑥）
• 質問セットでの定点観測を続け、言及率の変化を見る

続けるコツは、担当者の頑張りに頼らない仕組みをつくることです。たとえば、技術営業が客先で受けた相談を定期的に共有する場を設け、そのなかからコラムのテーマを選ぶ流れを決めておけば、ネタ切れを防げます。事例も、案件が一段落したタイミングで営業担当者に簡単なメモを残してもらうだけで、あとから書き起こす負担がずいぶん変わってきます。

定点観測は、整備した施策が実際に効いているかを確かめる手段でもあります。言及率の変化と、どの施策をいつ実施したかを並べて記録しておけば、次に何を優先すべきかの判断材料になるでしょう。

整備系の施策は一度やれば積み上がりますが、事例とコラムは継続して初めて効果が出ます。最初の3か月で土台を整え、その後は発信を習慣化するという流れで進めてください。

9. 製造業のLLMO対策は内製か外注か｜費用の考え方

9-1. 社内でしかできない工程

製造業のLLMO対策の多くは、社内にしかない情報に依存しています。具体的には、仕様・対応範囲・認証情報の正確な整理、守秘義務の範囲を踏まえた事例の選定、そして技術コラムのネタ出しと技術的な監修です。

これらは外部に丸投げできません。たとえば対応範囲表をつくるとき、外部の制作会社が既存のカタログから数値を書き写すことはできても、「この材質はカタログに載っていないが実は対応できる」「この公差は形状次第」といった現場の事情までは把握できないからです。事例の選定も同じで、どこまでなら公開してよいかは、取引先との関係を知っている社内の人にしか判断できません。

よくある失敗が、外注すれば社内の手間はかからないと考えてしまうことです。実際には、外部のパートナーがどれだけ経験豊富でも、社内から正確な情報が出てこなければ作業は進みません。

営業・技術・品質保証の担当者が情報を出す体制をつくることが、外注するかどうか以前の前提になります。最初から大がかりな体制を組む必要はなく、各部署に窓口となる担当者を決めておくだけでも、確認のやり取りはずいぶん早くなるはずです。

9-2. 外部に任せやすい工程

社内でしかできない工程がある一方で、外部の力を借りたほうが進めやすい工程もあります。代表的なのは次の4つです。

• 生成AIでの現状診断と、質問セットの設計
• 技術者が書いた原稿の編集・構成
• 言及率などの定点観測と、レポート作成
• クロール・インデックスなど技術面の確認

共通しているのは、社内の知見そのものより、LLMO対策や編集の専門性が問われる作業だという点です。たとえば現状診断や質問セットの設計では、どんな質問を選べば実態に近い結果が得られるかが肝心になります。社内だけで始めると、無意識のうちに自社が挙がりやすい質問ばかりを選び、実際より良い結果に見えてしまうこともあるため、外の視点が役立ちます。

原稿の編集も、外部に任せる効果が出やすい工程でしょう。技術者の原稿は内容が正確な反面、専門用語が多く、初めて読む人には伝わりにくいことがあります。技術者がまとめたメモをもとに編集担当が読みやすい構成に整え、最後に技術者が内容を確認する。この分担なら、技術者の負担を抑えながら発信を続けられます。定点観測や技術面の確認のように手順が決まっていて継続が必要な作業も、外部に任せることで、社内の担当者が本来の業務に集中しやすくなります。

9-3. 費用の考え方

費用は、現状診断のみのスポット対応か、施策の実行や定点観測まで含む継続支援かによって大きく変わります。依頼先を比較するときは、金額だけでなく、何が含まれていて何が含まれていないかを確認してください。とくに、技術コラムの執筆を外注する場合、技術的な監修を誰が担うのかは事前に決めておく必要があります。

見積もりを比べるときにつまずきやすいのが、同じ「LLMO対策」という名前でも範囲がまったく違うという点です。ある見積もりには定点観測のレポートが含まれ、別の見積もりには含まれていない、ということは珍しくありません。購買担当者が装置の見積もりを比べるときに据え付けや保守の範囲を確認するのと同じ感覚で、作業の範囲を一つずつ照らし合わせるとよいでしょう。

技術監修の扱いも、事前に決めておかないとあとで困るポイントです。外部のライターが書いた原稿を誰がチェックするのかが決まっていないと、公開直前に技術部門の確認待ちで止まったり、誤った内容が公開されたりするおそれがあります。まずはスポットの現状診断で自社の状態を把握し、その結果を見て継続支援が必要かを判断する、という段階的な依頼の仕方も選択肢の一つです。

相場の考え方は、[LLMO対策の費用に関する記事｜内部リンク先URL]で詳しく解説しています。

バクリでは、生成AIでの現状診断から、施策設計、社内で回せる体制づくりまでを一貫して支援しています。

10. 製造業のLLMO対策に関するよくある質問

Q1. 中小規模の製造業でも、LLMO対策は効果がありますか？

効果が見込めます。AIは企業規模よりも、質問に合った具体的な情報があるかどうかを手がかりに回答をつくります。特定の加工や材質に強みのある中小製造業は、対応範囲を具体的に書くことで、ニッチな質問の回答に挙がる可能性があります。大手のように多くのページを用意しなくても、得意分野に絞って仕様や対応範囲、事例を厚くしていけば、限られた人手でも十分に取り組めるでしょう。

Q2. 取引先の社名を出せない場合、事例はどう書けばよいですか？

業界・課題・解決策・結果の4点で書きます。「自動車部品メーカー」「医療機器メーカー」のように業界で示せば、社名がなくても、どんな課題に対応できる会社かは伝わります。数値を掲載する場合は、取引先の了承を得てください。業界や製品を細かく書きすぎると取引先が推測できてしまう場合もあるため、公開前に営業担当者や品質保証の担当者と表現を確認しておくと安心です。

Q3. PDFのカタログは削除したほうがよいですか？

削除する必要はありません。ダウンロードして保管したい技術者もいるため、PDFは残したまま、主要な仕様を製品ページの本文にも掲載するのがおすすめです。スキャン画像のPDFは文字情報を持たないため、テキストを含むPDFへの差し替えも検討してください。あわせて、PDFと製品ページの数値が食い違わないよう、カタログを改訂するたびに両方を更新する手順を決めておくと、読み手が迷わずに済みます。

Q4. SEO対策をしていれば、LLMO対策は不要ですか？

土台は共通しています。Googleも、生成AI機能はコアの検索の仕組みの上に成り立っていると説明しています。そのうえで、製造業では仕様のテキスト化や対応範囲表のように、SEOでは後回しにされがちだった「人が条件を確かめるための情報」を厚くすることが、LLMO対策として効いてきます。これまでのSEOの取り組みを生かしながら、足りない情報を補っていくと考えるとよいでしょう。

Q5. 効果が出るまでにどれくらいかかりますか？

サイトの状態や業界によって異なるため、一律には言えません。BtoB取引は検討期間が長いため、問い合わせ数よりも先に、言及率や指名検索などの指標で変化を追うことをおすすめします。AIで名前を知った技術者が、実際に発注先を探す段階になってから問い合わせてくることもあるため、施策の直後に問い合わせが増えなくても、手前の指標が動いていれば前進していると判断できます。

11. まとめ｜製造業のLLMO対策は「確かめられる情報」をつくること

製造業の技術者や購買担当者は、課題の整理から発注先の探索まで、生成AIを使い始めています。ただし、AIは候補を挙げる道具であって、発注先を決めるのは人です。AIで名前を知った技術者は自社サイトに来て、仕様や対応範囲、認証を確かめようとします。製造業のLLMO対策で問われているのは、AIにも人にも確かめられる情報がサイトに揃っているかどうかです。

まずは自社の主力製品について、生成AIに課題型と探索型の質問を投げてみてください。自社が挙がるか、正しく説明されているかを確かめ、仕様がテキストで読めるかを見直すところから始めてみてはいかがでしょうか。

まずは自社のAI検索対策状況を無料で診断しませんか？

バクリ株式会社の「無料AIOアセスメント」では、ChatGPT・Gemini・Perplexityにおける自社の引用状況と改善ポイントを10分で可視化します。

【お知らせ】4月17日（金）に弊社代表荒川が書籍を発売しました！
AI時代を勝ち抜く最先端のノウハウをまとめた書籍『海外の先行事例に学ぶ AI検索最適化（AIO/AISEO/LLMO）実践ガイド』（著者：弊社代表取締役 荒川 大史）が、4月17日（金）よりKindleストアにて配信開始しました。

これからのビジネス戦略にぜひお役立てください！