株式会社トドオナダのLLMO施策調査、日本語圏と英語圏の違いを徹底分析

株式会社トドオナダによるLLMO施策調査

株式会社トドオナダは、PR効果測定サービス「Qlipper」と被リーチ度を把握する「ディギディギ」を運営しています。この会社は、日本語と英語のLLMO（大規模言語モデル最適化）に関連する施策の違いを分析するために、213本の解説記事を調査しました。これにより、両言語圏が推奨する施策の有効性を比較しました。

調査の概要

トドオナダは、調査対象として、検索クエリ「LLMOとは」と「AI検索対策とは」（日本語）、および「what is generative engine optimization」／「what is answer engine optimization」（英語）から238件の候補を選び、213件の記事を分析しました。この調査では、全ての施策を抽出・分類し、各施策の有効性をさまざまな文献と照合しました。その結果を「LLMOチェックシート」として公開しました。

施策の大枠は一致

調査の結果、日英の施策構成比はほぼ一致しています。推奨施策の約6割が「配信面×コンテンツ/PR」となっており、「学習データ×技術実装」は1〜2%に過ぎません。この点では、大きな差は見受けられません。

施策の詳細に見る差異

一方、個々の施策に目を向けると、大きな違いが見えてきます。日本語圏では、llms.txtに言及する記事が51.7%存在し、専門家の監修コメントの明記を推奨している記事も38.8%に上りますが、英語圏ではこの施策には対応するものがありません。また、英語圏では、実際に聞かれている質問に基づく設計が39.2%で推奨されている一方、日本語圏ではこの観点が欠けています。

有効性を支持する文献は乏しい

調査された282セルのうち、64%については、効果を支持する文献が確認できませんでした。特に構造化データの実装は78.4%が推奨されているにもかかわらず、有効性を示す文献は見つかりませんでした。このように、支持される施策が必ずしも科学的な裏付けを持たないことが明らかになりました。

効果測定手段の不足

日本語圏の記事の21.6%は「AIに選ばれる度合いを直接測定する手段が整っていない」と述べており、なおかつ具体的な測定手段は確認できない状態です。このように、記事で提案される施策の妥当性を評価するための手段が存在しないことは大きな問題であると言えるでしょう。

今後の展望

トドオナダの調査結果は、特定の施策の否定を意図するものではありません。我々は、どの施策が実際に効果を持っているのかを見極めるための情報が必要であると考えています。本調査の結果を基に、両言語圏の施策の違いをより詳細に理解し、必要な情報を得るための手段を整備していくことが重要です。

設立以来、トドオナダはこの分野でのリーダーシップを取ることを目指しています。施策の有効性を確認し、効果的な対策を導入するために、サポートを続けていきます。

「LLMOチェックシート」は、79の施策に対する判定を一覧化したもので、日本語範囲で流通する施策のみならず、英語圏でのみ確認できる施策も含まれています。今後、この情報を通じて多くの企業が効果的な施策を選択できるようになることを願っています。