# コトム LLMO対策（AIO対策）

> 株式会社addingが提供するLLMO対策（AIO対策）サービス。ChatGPTやGoogle AI OverviewsなどのAI検索で自社情報を理解・参照しやすくするため、診断、技術実装、引用とAI経由流入の定点観測を支援します。

対応領域: LLMO / AIO / GEO / AEO / AI時代のSEO。
提供範囲: AI検索での見え方診断、構造化データ・llms.txt監査、即答文・FAQの実装、AI引用とAI referralの定点観測。
料金: LLMO診断: 10万円（税別・スポット） / 実装パッケージ: 30万円〜（税別・約1か月） / 伴走プラン: 月15万円〜（税別）。全プラン初回60分の無料相談つき、料金は税別です。
方針: AIの回答や引用順位は保証せず、引用されやすい構造・一次情報への改善と観測を責任範囲とします。

## 主要ページ

- [LLMO対策（AIO対策）サービス](https://llmo.cotomu.jp/): サービス内容、進め方、料金、FAQ、問い合わせ
- [会社情報](https://llmo.cotomu.jp/company): 運営会社、代表、事業内容
- [LLMO実装ノート](https://llmo.cotomu.jp/blog): LLMO・AIO・GEO・AEO・llms.txtの解説記事一覧

## 解説記事

- [Bing Copilot SEO対策｜AI Performanceで引用を測る](https://llmo.cotomu.jp/blog/bing-copilot-seo): Bing Copilot SEOで確認すべき発見・インデックス・引用計測を整理。Bing Webmaster ToolsのAI Performanceの指標と、Google・OpenAIとの違いを実務向けに解説します。
- [Google AI ModeとAI Overviewsの違い｜SEO・計測を比較](https://llmo.cotomu.jp/blog/google-ai-mode-seo): Google AI Mode SEOで必要な対応を、AI Overviewsとの表示・リンク・Search Console計測の違いから整理。専用施策ではなく、共通のSEO基盤と測定上の注意点を示します。
- [AI検索の引用を制御するnosnippet｜設定前に確認する影響範囲](https://llmo.cotomu.jp/blog/ai-search-snippet-controls): AI検索 nosnippetはAI Overviewsへの直接利用を防ぐ一方、通常検索のスニペットも消します。4つの制御の違い、副作用、実装前後の確認手順を解説します。
- [JavaScriptサイトのLLMO対策｜AIクローラーに本文を届ける設計](https://llmo.cotomu.jp/blog/ai-search-javascript-rendering): LLMO JavaScript対策ではSSR化を急ぐ前に、初期HTML、レンダリング後の本文、HTTP状態、リンク、robotsを順に検証し、AIクローラーが取得できる経路を整えます。
- [AI検索で重複URLを減らすcanonical設計｜LLMOの技術チェック](https://llmo.cotomu.jp/blog/ai-search-canonical-design): LLMO canonical設計では、正規URLの宣言だけでなく各シグナルを一致させることが重要です。AI検索の土台として重複、自己参照、JavaScript実装を確認する手順を解説します。
- [LLMOの内部リンク設計｜AI検索にテーマと重要ページを伝える](https://llmo.cotomu.jp/blog/llmo-internal-link-design): LLMOの内部リンクは、トピックの親子関係を整理し、重要ページへ文脈のあるアンカーでつなぐ設計が要点です。孤立ページと重複導線を見つける実務の確認手順まで解説します。
- [AIクローラーのログ分析｜OAI-SearchBotとGooglebotを見分ける](https://llmo.cotomu.jp/blog/ai-crawler-log-analysis): AIクローラー ログ 分析では、User-Agentだけで断定せず、IP検証、HTTP状態、取得先を照合します。OAI-SearchBotとGooglebotを偽装ボットから見分け、引用確認と分離する手順を解説します。
- [AI検索で更新日を正しく伝える｜dateModifiedとsitemap lastmodの設計](https://llmo.cotomu.jp/blog/ai-search-update-date-design): AI検索の更新日設計を、画面表示、datePublished・dateModified、sitemapのlastmod、RSS、検証手順から解説。日付だけを新しくする誤更新を避けます。
- [LLMO診断の結果をどう直す？優先順位を決める4段階](https://llmo.cotomu.jp/blog/llmo-diagnosis-improvement-priority): LLMO 診断 改善で迷う担当者へ。発見性、取得可能性、理解可能性、信頼性の4段階に分け、影響範囲と事業上の重要度から実装の優先順位を決める方法を具体的に解説します。
- [llms.txtに効果はある？導入前に知るべき役割と限界](https://llmo.cotomu.jp/blog/llms-txt-effectiveness): llms.txt 効果は、設置だけでAI検索の引用を増やすものではありません。提案仕様の役割、Google公式見解、検証方法、SEO基盤との優先順位を整理します。
- [LLMOとSEOを統合する方法 — 別施策にしない運用設計](https://llmo.cotomu.jp/blog/llmo-seo-integration): LLMOとSEOを別々に進めず、クロール、一次情報、構造化データ、記事改善、計測を一つの運用へ統合する方法を、制作フロー、担当、月次改善の指標まで含めて解説します。
- [AI検索が自社を誤って説明したときの対応 — 記録・訂正・再確認](https://llmo.cotomu.jp/blog/ai-search-misinformation-response): ChatGPTやGoogleのAI機能が会社・商品を誤って説明したときに、回答を記録し、引用元と公式ページを確認する方法、サービス別の報告、訂正後の観測手順を解説します。
- [AI検索に会社情報を正しく伝える方法 — エンティティを揃える実務](https://llmo.cotomu.jp/blog/company-entity-ai-search): AI検索で会社名・サービス名・所在地が混同される原因を整理し、公式ページ、Organization構造化データ、外部プロフィールを一貫させる手順と実装後の確認方法を解説します。
- [E-E-A-TはAI検索でも重要か｜公式情報から役割を整理する](https://llmo.cotomu.jp/blog/eeat-ai-search): E-E-A-TとAI検索の関係をGoogleとOpenAIの公式情報から整理。引用の単独施策と捉えず、信頼できる一次情報と技術基盤を整える判断軸として解説します。
- [AIに引用されるコンテンツの作り方｜定義・表・一次情報の置き方](https://llmo.cotomu.jp/blog/ai-citation-content-design): AIに引用されるコンテンツの作り方を、定義・比較表・一次情報の置き方から解説。読者とAIが主張を検証しやすいページへ直す手順と、引用を保証できない理由も整理します。
- [Perplexityに引用されるには｜robots.txtと情報源表示を公式情報で確認](https://llmo.cotomu.jp/blog/perplexity-seo): PerplexityのSEO対策で確認すべきrobots.txt、PerplexityBot、Perplexity-User、情報源表示の仕組みを公式情報にもとづいて整理します。引用や順位は保証せず、技術条件と情報設計を分けて考えます。
- [LLMO診断チェックリスト｜技術・情報・計測を順番に監査](https://llmo.cotomu.jp/blog/llmo-audit-checklist): LLMO診断チェックリストを、技術アクセス、企業・サービス情報、計測環境の3層に分け、引用や順位の保証を点数化せず、公式資料で確認できる監査手順として整理します。
- [LLMOの効果測定｜引用・流入・問い合わせを混ぜないKPI設計](https://llmo.cotomu.jp/blog/llmo-kpi): LLMOの効果測定で引用、Search Consoleの表示・クリック、GA4のAI Assistant流入、問い合わせを混同せず、継続判断に使えるKPIを設計する考え方を整理します。
- [AI経由の流入をGA4で測る｜ChatGPT・Perplexityの確認方法](https://llmo.cotomu.jp/blog/ai-referral-ga4): AI経由の流入をGA4で確認する方法を、ChatGPTやPerplexityの参照元、UTM、AI Assistantチャネルに分けて解説し、通常の検索流入と混同しない集計手順まで整理します。
- [ChatGPT SearchのSEO対策｜OAI-SearchBotと引用の公式要件](https://llmo.cotomu.jp/blog/chatgpt-search-seo): ChatGPT SearchのSEOでWeb担当者が確認すべきOAI-SearchBot、GPTBot、ChatGPT-Userの違いと、掲載・引用に関するOpenAI公式要件を整理します。
- [LLMOの構造化データ実装｜Organization・Article・FAQの役割](https://llmo.cotomu.jp/blog/llmo-structured-data): LLMOの構造化データでOrganization、Article、FAQが何を明示でき、AI引用・検索順位・リッチリザルトについて何を保証できないかを整理します。
- [AIクローラーのrobots.txt設定｜検索用と学習用を分ける](https://llmo.cotomu.jp/blog/ai-crawler-robots-txt): AIクローラー向けのrobots.txtを検索表示用と学習用に分けて管理する方針を、OpenAI、Google、Perplexity、RFC 9309に沿って解説します。
- [LLMO対策会社の選び方｜引用保証より先に確認する成果物](https://llmo.cotomu.jp/blog/llmo-gaisha-erabikata): LLMO対策会社の選び方で迷う担当者向けに、引用保証より優先すべき診断・実装・運用の調査範囲、納品物、責任分担を比較し、依頼前に候補会社へ確認すべき質問を整理します。
- [LLMO対策の料金｜診断・実装・運用を分けて比べる](https://llmo.cotomu.jp/blog/llmo-hiyou): LLMO対策の費用を診断・実装支援・継続運用に分け、2026年7月時点の公開料金と成果物、責任範囲、引用・順位など保証されない項目を、依頼前に比較できる形で整理します。
- [ChatGPTで自社が出てこないときに確認する7項目](https://llmo.cotomu.jp/blog/chatgpt-jisha-detekonai): ChatGPTで自社が出てこないときに、OAI-SearchBot、GPTBot、robots.txt、CDN/WAF、検索インデックス、公式情報、計測を分けて確認する手順を整理します。
- [AI Overviewsに引用されるには｜Google公式情報から対策を整理](https://llmo.cotomu.jp/blog/ai-overviews-taisaku): AI Overviewsの引用・リンク表示を目指すサイト運営者向けに、Google公式ガイドから掲載条件、コンテンツ、技術要件、避ける施策、測定方法を整理します。
- [LLMO対策（AIO対策）とは — 意味・SEOとの違い・始め方](https://llmo.cotomu.jp/blog/llmo-taisaku-toha): LLMO対策（AIO対策）とは何かを、SEOとの違いから解説。診断、一次情報・構造化データの実装、自社サイトでの検証まで、始め方と提供範囲を整理します。
- [LLMO・AIO・GEO・AEOの違い — 4つの呼び方と実務での使い分け](https://llmo.cotomu.jp/blog/llmo-aio-geo-aeo-chigai): LLMO・AIO・GEO・AEOの違いを、公式資料とGEO原論文に沿って整理します。4つの用語の対象範囲、SEOとの関係、社内外で迷わない実務上の使い分けがわかります。
- [llms.txtの書き方 — 仕様・実例・効果測定](https://llmo.cotomu.jp/blog/llms-txt-kakikata): llms.txtの書き方を、提案仕様に沿った構成、自社サイトの実例、robots.txtとの違い、公開後の効果測定まで解説。Google検索には使われないという限界も整理します。

## 運営

- [株式会社adding](https://www.adding.jp/): 運営会社