くるみAIバディ for LLMO 提案 deck ドラフト

社内レビュー用のスライド枚別本文ドラフト。これをベースに marp-deck-generator で生成する。

• 生成時の slug: 20260513_curumi-llmo-package
• 想定枚数: 16 枚（補足 2 枚で 18 枚まで拡張可）
• 想定読み手: 法人マーケ責任者 / 事業責任者 / 経営層
• 想定読み時間: 5-7 分（営業同席 30-45 分）
• トーン: 数字で語る。煽らない。前提を示してから提案する
• ソース doc: llmo_package.md / llmo-implementation.md

レビュー観点

• タイトル / 一行コピーが刺さるか（崎前 / 田端 / 営業現場視点）
• 業界数値の引用元が古くないか（2026-05 時点で最新か）
• 競合差別化が言いすぎていないか（誇張表現の検出）
• 料金体系の整合（月 20 万円プラン + 要相談プランの 2 本立て）
• 提供範囲の明示（現状 SoM 監査から開始、自社実証中であることを正直に打ち出す）
• 数字の確からしさ: 「半年で 2-5x」「68% 無視」「CVR 4.4 倍」等の使い方
• FAQ で先回り解消すべき不安が網羅されているか

Slide 1 — 表紙

タイトル

LLM の中で、最初に思い出される企業を作る。

サブコピー

SoM（Share of Model）を毎月数字で示し続ける、結果起点の LLMO パッケージ

フッタ

• 株式会社くるみ / 株式会社パーフス
• くるみAIバディ for LLMO ご提案資料 v1.0 / 2026-05

Slide 2 — なぜ今 LLMO か

見出し

「Google で検索される企業」から、「LLM に思い出される企業」へ。

本文 + 数字

ユーザーの情報探索行動が、検索エンジンから LLM へ移っています。

注釈

「広告で刈り取る前段」が崩れつつあります。比較が始まる前に LLM 出力でブランドが出てこなければ、媒体運用 ROI の天井が下がります。

Slide 3 — 業界の現実

見出し

いま、10 社のうち 7 社は AI 回答で「いないこと」になっています。

本文

• GEO Benchmark 2025 によると、業界の 68% のブランドが自社カテゴリの AI 回答に完全に無視されている
• 海外 CMO の経営会議では、KPI に 「Share of Model」 を据えるケースが急増
• 日本は「AI に読ませよう（AEO）」止まりが大半で、SoM を月次計測している企業はほぼいない

問い

御社は、入っている 32% 側ですか？ それとも無視されている 68% 側ですか？

Slide 4a — Google も認めた「llms.txt は意味ない」（counter-talk, statement）

見出し（statement スライド、dark navy 背景）

「llms.txt は keywords meta タグと同じ」— Google が 2025 年 4 月、こう言った。

出典: John Mueller, Reddit 2025-04-17 / Search Engine Journal

Slide 4b — Mueller の主張は半分正しく、半分ミスリード（pros-cons）

見出し

Google の主張は半分正しく、半分ミスリードです。

左カラム — Google John Mueller (2025-04, Reddit) の主張

「llms.txt を使う AI サービスはない（サーバーログでも確認できる）」「サイト運営者の自己申告で操作可能、keywords meta タグと同じ」「オリジナルコンテンツが既にクロールされているなら llms.txt 経由で読む意味がない」

右カラム — 実態（Mueller 発言は Google Search の立場の話）

Anthropic / Vercel / Stripe / Cloudflare / Supabase は本番運用、Claude Code・Cursor・Windsurf は積極的に消費。BuiltWith 集計で 2025 年末時点 84 万サイト実装済み。LangChain ベンチマークで llms.txt 使用エージェントが他手法を上回る成績

Slide 4c — だから当社は LLMO 単独で売らない（big-number）

見出し

だから当社は、LLMO 単独で売りません。横断戦略。

本文

LLMO 単独施策（llms.txt / Schema / 見出し最適化）の積み上げで SoM を大きく動かそうとすると、確かに 3 ヶ月で頭打ち。本物の AI 露出は「LLMO 用に書いたコンテンツ」ではなく、本物のオーガニック流入 / 本物のメディア露出 / 本物の PR / 本物の広告で生まれる権威の関数。LLM はそれを観測しているだけ。

Slide 4d — LLMO 市場の構造的問題 / くるみAIバディの売り方（pros-cons、旧 Slide 4 を再構成）

見出し

なぜ既存の LLMO 業者は、3 ヶ月で「効果ない」と言われるのか。

左カラム — 既存 LLMO 業者の売り方

llms.txt / Schema / 見出し最適化を単独施策の積み上げで売る → Google が言う通り「単独では意味ない」。月次レポートで伸びを示せず 3 ヶ月で離脱。AI 経由ユーザーは指名検索で再訪 → GA4 上は「オーガニック流入」、LLMO 成果が SEO 成果に紛れる構造

右カラム — くるみAIバディの売り方

計測契約だけはガチで作る（プロンプト / モデル ID / temperature / 試行 24 ヶ月保存）。動かす対象は SEO × 広告 × PR の横断戦略。llms.txt はゼロコストで入れる「軽い保険」扱い。SoM の数字をどの施策が動かしたかを観測するセンサーとして使う

結論

「測れていないから、効いていないように見える」 + 「LLMO 単独施策で動かそうとして頭打ちになる」 — この 2 つを正面から解決します。

正本: llmo_counter_positioning.md

Slide 5 — 提供価値の核 3 つ

見出し

結果起点の LLMO。SoM の数字だけで語ります。

3 つの約束

1. 毎月、SoM の数字で報告する 主力 2 モデル（Perplexity + Gemini 公式 API）× 業界クエリ 30-100 本 × 月次計測。raw response / citation / モデルID / プロンプトハッシュ を 24 ヶ月保存

2. オウンド × アーンド × 測定の3層を統合運用 片方だけでは SoM は動かない。当社は3層を同じチームで回す

3. 半年で SoM を 2-5x にする 業界・現状値による幅はあるが、半年で 2-5x を目標に 3 層を運用する。毎月の SoM 推移を数字で共有し、伸びていなければ施策を組み替える

Slide 6 — LLMO Score モデル（Main 3 + Sub 5 を 0-100 に集約）

見出し

SoM だけじゃない。Main 3 + Sub 5 を LLMO Score (0-100) に集約。

詳細仕様は llmo_scoring_model.md 参照。

Main 指標（3 つ、月次レポートの主軸）

Sub 指標（5 つ、解釈と補強）

算出式

LLMO Score = M1 × 0.40 + M2 × 0.25 + M3 × 0.15
           + S1 × 0.10 + S2 × 0.05 + S3 × 0.05
           = 0-100

達成度ゲージ

Score 目標（半年で、施策範囲別）

• 月 20 万円プラン（オウンド + 測定）: +15pt 目安
• 要相談プラン（アーンド・PR まで）: +20-30pt 目安
• マルチサイト（要相談プラン）: サイト別に +20-30pt 目安

計測の固定条件（再現性を担保するため、契約で固定）

Slide 7 — 3 層構造のオーバービュー

見出し

オウンド × アーンド × 測定 を、同じチームで、同時に回す。

図解（概念）

┌──────────────────┐  ┌──────────────────┐  ┌──────────────────┐
│  層1 オウンド最適化  │  │  層2 アーンド施策    │  │  層3 測定/レポ      │
│  (自社サイト)      │  │  (外部引用ソース)   │  │  (SoM 月次)       │
├──────────────────┤  ├──────────────────┤  ├──────────────────┤
│ llms.txt          │  │ Wikipedia 加筆      │  │ 5モデル × 30-100 ク │
│ 構造化データ        │  │ 業界メディア寄稿     │  │  エリ × 月次        │
│ 見出し+第1文       │  │ 比較サイト掲載       │  │ 競合 N 社並列       │
│ SAGE 3 法則       │  │ note/Qiita 専門記事  │  │ 引用ソース分析       │
│ E-E-A-T 強化      │  │ Reddit/Quora 回答    │  │ sentiment 分類      │
│ NotebookLM 検証   │  │ 高 DA サイト投稿     │  │ 月次 PDF レポート    │
└──────────────────┘  └──────────────────┘  └──────────────────┘
        ↓                     ↓                      ↓
   AI が読みやすく        AI が引用しやすく       数字で結果を示す
        └─────────────────────┴──────────────────────┘
                             ↓
                  Share of Model が伸びる

Slide 8 — 層1 オウンド最適化

見出し

AI に読まれる構造を、CL サイトに侵襲少なく組み込む。

主要施策（10 項目）

差別化ポイント

WordPress プラグインを使わない。当社ホスト + CL の head にタグ 1 行で組み込み完了。月次更新で CL admin 介入ゼロ。

Slide 9 — 層2 アーンド施策

見出し

LLM が引用する外部ソース側のシェアを取る。

主要施策

ルール

• Wikipedia 編集は社員が直接やらない（利益相反扱い）→ 第三者執筆者 / CL 関係者経由
• 寄生サイト / DMCA 申請などのブラックハット施策はやらない

Slide 10 — 層3 測定・レポーティング（最大の差別化）

見出し

LLMO Score (0-100) の数字で、毎月報告する。

月次 SoM レポート PDF — 1 ページ目イメージ

┌─────────────────────────────────────────────────────────┐
│  LLMO Score 月次レポート  /  2026-05  /  貴社名         │
├─────────────────────────────────────────────────────────┤
│                                                          │
│       LLMO Score:  52  /  100                            │
│       ████████████████████░░░░░░░░░░░░░░░░░░░░          │
│                                                          │
│       先月比:  +6  /  契約開始時比:  +21                 │
│       業界カテゴリ目標 (BtoB SaaS):  60  ⟶ 残り 8pt    │
│       ステータス:  🟢 Top3 常連                          │
│                                                          │
├─────────────────────────────────────────────────────────┤
│  Main 指標                  │  Sub 指標                  │
│  ────────────────────────  │  ────────────────────────  │
│  M1 SoM            18%  ▲  │  S1 競合 SoM 差分  -4pt  ▲ │
│  M2 Citation Pos     72  ▲ │  S2 ソース多様性    8 dom ▲│
│  M3 Co-occurrence  #4    │  S3 Sentiment Pos 78%   ─ │
│                            │  S4 Stability      ±2pt ─ │
│                            │  S5 「LLM 経由」商談 3 件 ▲│
└─────────────────────────────────────────────────────────┘

2 ページ目以降の構成

1. Main 3 指標の推移グラフ（直近 6 ヶ月）
2. Sub 5 指標のブレイクダウン
3. 競合 N 社との Score / SoM 比較
4. 引用ソース分析（オウンド / Wikipedia / 業界メディア / レビュー / SNS の分布）
5. クエリ別パフォーマンス（伸びたクエリ / 鈍化したクエリ）
6. 施策ログ（先月実行した施策）
7. 翌月のアクション提案（数字に基づく優先順位）
8. raw response サンプル（透明性の担保、抜粋）
9. 補足（モデル ID / プロンプトハッシュ / 計測日時 / Score 算出ログ / artifact version）

配信先

Google Drive Shared Drive「curumi-ops outputs」配下 + 月次レビュー MTG 30-60 分。

Slide 11 — 想定成果ケース

見出し

半年で、SoM を 2-5 倍に。

業種別の伸びイメージ

注意書き

• 初期 SoM が 30%+ のトップブランドは伸び率が鈍化（高 SoM ブランドは Score の伸び幅が小さい）
• 初期 SoM が 0% 近辺の完全無名スタートアップは、土台がなく現状監査のみ意味あり
• 業界の季節性（決算期 / 選挙期 等）は 3 ヶ月移動平均でも併記

Slide 12 — 料金

見出し

プランは 2 つ。月 20 万円で始めるか、要相談でアーンドまで組むか。

料金表

人月単価: ¥150 万 / 人月固定（pricing_table 参照）。要相談プランの制作実費は CL 負担でパススルー、当社フィーは月額側で取る。

注: 現状 SoM 監査は初月オンボーディングに含む（スポット単体販売はしない）。当社は自社 SoM を実証中で、提案時に「現在の販売範囲」を毎回明示します。

Slide 13 — 営業フロー

見出し

現状 SoM 監査 → 継続契約 → 全社拡張へ。

フロー図

現状 SoM 監査（初月オンボーディングに含む）
   ↓ 監査レポ + 半年ロードマップ + 報告会
   ↓
継続契約 (月 20 万円プラン or 要相談プラン)
   ↓ 半年で SoM を 2-5x に
   ↓ 月次レポートで数字を共有
   ↓
成果が出れば → 要相談プランでアーンド・PR / マルチサイト拡張 / くるみAIバディ全社契約へ
                          ↘
                           P1 AIネイティブ広告運用 / P2 UGC×テレビPR / AX への展開

監査の決め手 5 問

1. ChatGPT で「〇〇業界 おすすめ」と聞かれて、御社が出てきますか？
2. LLM での言及率を測ったことがありますか？
3. 半年後、業界カテゴリで言及率トップ3 に入っていたら、どんなインパクトがありますか？
4. 68% 側に居続けるリスク をどう評価されていますか？
5. （既に LLMO 業者と契約中の場合）SoM を月次の数字で報告されていますか？

Slide 14 — 実績 / 自社事例（先行実証）

見出し

まず、自分たちで証明します。

当社の先行実証ロードマップ（2026-05〜）

透明性のコミット

• 本格的な営業は、自社 3 ヶ月実データ蓄積後から
• それまでに提示するのは現状 SoM 監査 + ロードマップまで
• 営業資料に 「現在の販売範囲」を毎回明示します

Slide 15 — SoM 計測プロトコル

見出し

結果保証はしない。代わりに、計測の再現性を担保する。

計測の固定条件（契約で明記）

1. 主力モデル: Perplexity + Gemini の 2 モデルを主指標。他モデルは参考計測として併記
2. クエリセット: 業界クエリ 30-100 本を契約時に確定し、四半期で最大 20% まで入れ替え
3. 試行回数: 同一クエリ × 月内 3 試行の多数決で「言及あり」を判定（揺らぎ率も Stability として記録）
4. 計測日時: 月次の固定日に計測。モデル側のアップデート日はレポートに併記
5. 証跡保存: raw response / citation / モデル ID / プロンプトハッシュを 24 ヶ月以上 immutable 保存

約束するのは「結果」ではなく「測り方の透明性」。誇張せず、毎月の数字を同じ条件で出し続けます。伸びていなければ施策を組み替えます。

Slide 16 — FAQ

見出し

よくいただくご質問。

Q1. SEO 業者の LLMO サービスとの違いは？ A. SEO 業者は「コンテンツを書く / 内部リンクを張る」など手段から逆算します。当社は SoM の数字（結果）から逆算し、月次で数字を出します。施策は手段にすぎません。

Q2. なぜ 5 モデル全部ではなく主力 2 モデル？ A. ChatGPT Search / Claude Web Search / Copilot は公式 API での search 取得が制限的で、ブラウザ自動化は規約・再現性の観点で商品の主指標に向きません。Perplexity + Gemini を主力に絞り、他は「参考計測」と契約に明記しています。

Q3. AI が当社サイトのコンテンツを「無断学習」しないか心配。 A. robots.txt で AI クローラーごとに Allow/Disallow を細かく制御できます。学習に使わせず、回答時の参照だけ許可する設定も可能です。

Q4. 既に Wikipedia ページがある場合は？ A. 既存ページの事実情報の正確性と出典の充実度を診断し、加筆 / 出典追加を支援します（当社社員直接編集は利益相反のため不可、第三者執筆者経由）。

Q5. CL 側のリソースはどれくらい必要？ A. キックオフ時のヒアリング 2-3 回、月次レビュー MTG 30-60 分、Wikipedia / 寄稿時の事実確認 / 素材提供（記事 1 本あたり 2-3 時間相当）。残りは当社で巻き取ります。

Q6. 何ヶ月で効果が見え始める？ A. SoM の数字は初月から測定可能。有意な伸びは 3-6 ヶ月、カテゴリ内トップ3は半年-1 年が目安です。

Q7. もし AI 検索の主役が交代したら？ A. 月次計測は 5 モデル並列で記録し続けます。主役の交代は推移グラフに自動で反映され、施策も新主役に向けて即時切り替えできる体制です。

Slide 17 — 次アクション

見出し

まずは、いまの SoM を測ってみませんか。

提案

次のステップ

• ご検討の打ち返し: 〇月〇日まで
• キックオフ可能日: 〇月〇日〜
• ご質問・社内検討用の追加資料があれば、24 時間以内にご用意します

Slide 18（補足）— 計測プロトコルの詳細

見出し

数字の確からしさを担保する、契約レベルの計測条件。

(必要に応じて。Slide 6 で要点済みなので、技術担当者商談時のみ追加)

詳細は llmo_package.md SoM 計測プロトコル 参照。

生成手順（社内レビュー完了後）

1. このドラフトを skills/marp-deck-generator/_drafts/20260513_curumi-llmo-package.md にコピー（Marp フロントマター追加）
2. curumi-rich-deck テンプレを適用
3. bash skills/marp-deck-generator/_scripts/build.sh 20260513_curumi-llmo-package
4. PDF / HTML を Google Drive にアップロード（drive-upload-sweep が自動）
5. tooling/sync-decks-to-pages.sh で Cloudflare Pages 経由配信（ops.curumi.co.jp/decks/ai-buddy-for-llmo/）

ドラフト更新ログ

• 2026-05-13 初版: 16 枚 + 補足 1 枚で構造化。社内レビュー待ち