くるみAIバディ for LLMO
For 法人マーケ責任者・事業責任者・経営層

LLM の中で、最初に
思い出される企業を作る。

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。

SoM を毎月数字で報告 オウンド × アーンド × 測定の3層統合 半年で SoM 2-5x
LLMO パッケージ
01 / 20
01
02WHY NOW

「Google で検索される企業」から、「LLM に思い出される企業」へ

LLM でリサーチ開始
42%
業務情報の探索を LLM から始めるユーザー(Yoast)
AI 経由訪問者の CVR
4.4
従来検索経由の訪問者と比べた CVR(SearchEngineLand)
Google の AI 回答占有
15%+
検索結果に占める AI 回答の割合(業界推計)
AI 検索の事業価値
2027
従来検索と並ぶと予測される時期(業界推計)

「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。

02 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
03THE REALITY

いま、10 社のうち 7 社は
AI 回答で「いないこと」になっている。68%

FACT
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。
—— 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?
03 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
04COUNTER-TALK

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

SOURCE
John Mueller (Google Search) — Reddit, 2025-04-17 / Search Engine Journal。業界では「LLMO は効かない」議論が広がった。
04 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
05HALF TRUE, HALF MISLEADING

Google の主張は半分正しく、半分ミスリードです

GOOGLE — Mueller の主張

llms.txt は使われていない

  • AI services が使ってると言っていない(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
REALITY — Mueller の発言は Google Search の立場の話

主要企業は本番運用、IDE エージェントが積極消費

  • Anthropic / Vercel / Stripe / Cloudflare / Supabase は llms.txt + llms-full.txt を本番運用
  • Claude Code・Cursor・Windsurf は llms.txt を読んで API surface を理解
  • BuiltWith 集計: 2025 年末時点 84 万サイト実装済み
  • LangChain ベンチマーク: llms.txt 使用エージェントが他手法を上回る成績

ただし、llms.txt 単独で SoM を動かす効果は限定的というのは私たちも同意します。

05 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
06OUR POSITIONING

だから当社は、LLMO 単独で売りません
横断戦略

WHY
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 露出は本物のオーガニック流入・メディア露出・PR・広告で生まれる権威の関数で、LLM はそれを観測しているだけ。だから動かす対象は 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、コアは SoM 計測で動かす施策の効果を観測するセンサーとして使う。
06 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
07MARKET PROBLEM

なぜ既存の LLMO サービスは、3 ヶ月で「効果ない」と言われるのか

CONVENTIONAL — 既存事業者の動き

測れていないから、効いていないように見える

  • 「LLMO パワー」「内部リンクペナルティ」など新用語で煙幕 — 何を測っているか不明
  • 月次レポートに伸びを示せず 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」に見え、成果が SEO に紛れる
  • 「AI に読ませる」止まり — LLM が引用する外部ソース側を放置
  • 寄生サイト / DMCA 申請などブラックハット化 — 短期で効くがブランド毀損リスク
CURUMI — くるみAIバディ for LLMO

SoM の数字(結果)から逆算する

  • 主力 2 モデルの公式 API で SoM を毎月計測 — 何を測っているかが明確
  • raw response / citation / モデルID を 24 ヶ月保存 — 施策と結果が紐づく
  • オウンド × アーンド × 測定を 同じチームで同時に回す
  • Wikipedia 編集ガイドライン厳守、ブラックハット施策はやらない

「測れていないから、効いていないように見える」。当社はここを正面から解決します。

07 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
08CORE VALUE

結果起点の LLMO。SoM の数字だけで語ります

VALUE 01

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

PROOF
施策と結果が数字で紐づく
VALUE 02

SEO × 広告 × PR の横断戦略に組み込む

LLMO 単独施策は売らない。SoM の数字で動いた施策を特定し、SEO・広告・PR・アーンドの横断戦略にリソース配分の根拠として組み込む。LLM はそれを観測しているだけで、LLMO 専用コンテンツを優先評価するわけではない。

PROOF
SoM = 施策効果を観測するセンサー
VALUE 03

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。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。

PROOF
毎月の数字で施策の良し悪しを判断
08 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
09SCORING MODEL

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

MAIN 01 — 重み 40%

SoM (Share of Model)

言及あり回数 / 総クエリ × 100。業種別 cap で正規化し、業種を跨いで比較可能にする。

MAIN 02 — 重み 25%

Citation Position

引用順位の平均スコア(1 位=100 / 2 位=80 / 3 位=60 …)。「何位に出てくるか」を測る。

MAIN 03 — 重み 15%

Brand Co-occurrence Rank

並列言及されたブランド群での自社順位。業界カテゴリ内の相対位置を測る。

Sub 5 指標(競合 SoM 差分 10% / 引用ソース多様性 5% / Sentiment 補正 5% / Citation Stability 参考 / 指名検索・声 参考)を加え、LLMO Score = M1×0.40 + M2×0.25 + M3×0.15 + S1×0.10 + S2×0.05 + S3×0.05 → 0-100 で月次報告。重みは契約期間中不変。

09 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
103-LAYER STRUCTURE

オウンド × アーンド × 測定 を、同じチームで、同時に回す

LAYER 01 — オウンド最適化

AI に読まれる構造を作る

llms.txt / 構造化データ / 見出し+第1文 / SAGE 3 法則 / E-E-A-T 強化 / NotebookLM 検証。自社サイト側を整える。

GOAL
AI が読みやすい
LAYER 02 — アーンド施策

引用される外部ソースを取る

Wikipedia 加筆 / 業界メディア寄稿 / 比較サイト掲載 / note・Qiita 専門記事 / 高 DA サイト投稿。LLM が引用する外部ソース側のシェアを取る。

GOAL
AI が引用しやすい
LAYER 03 — 測定・レポーティング

数字で結果を示す

主力 2 モデル × 30-100 クエリ × 月次計測。競合 N 社並列 / 引用ソース分析 / sentiment 分類 / 月次 PDF レポート。数字で結果を示す。

GOAL
LLMO Score が伸びる
10 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
11LAYER 1 — OWNED

層1 オウンド最適化 — AI に読まれる構造を、貴社サイトに侵襲少なく組み込む

O1
当社ホスト llms.txt + 貴社サイトの head に link タグ 1 行月次更新は当社内で完結。llms.txt は 84 万サイトが実装(Anthropic / Cloudflare / Stripe 等)。WordPress プラグイン依存なし。
O2-O3
robots.txt で AI クローラー許可 + Schema.org 構造化GPTBot / PerplexityBot / Claude / Google-Extended の許可。Article / FAQPage / HowTo / Organization で引用率 +30-40%。
O4-O6
「見出し + 第1文」リライト / 比較表・FAQ / 数値・出典埋め込み引用率 約 3 倍。ChatGPT 引用記事の 80% がリスト形式。検証可能な情報は引用率 +30-40%。
O8
SAGE 3 法則(共配置 / マルチクエリ集約 / 決定的事実)Google 研究論文発。AI エージェントは調査の手間を減らすサイトを優先評価、Top3 を死守する。
O7・O9・O10
著者プロフィール E-E-A-T 強化 / llms-full.txt 二段構成 / NotebookLM 自己検証専門性シグナルの強化、LLM 別の取得形式に対応、デプロイ前の読み取り精度確認サイクル。
11 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
12LAYER 2 — EARNED

層2 アーンド施策 — LLM が引用する外部ソース側のシェアを取る

E1 ★★★
Wikipedia 加筆(会社・サービス・業界用語)当社による直接編集は利益相反のため、第三者執筆者または貴社関係者経由で対応。
E2 ★★★
業界メディア寄稿(マーケジン / Web担 / HRzine / Forbes / BUSINESS INSIDER)月 1-2 本。コーポレート広報経由で業界メディア掲載 → LLM 引用の流れを作る。
E3-E4 ★★
比較サイト掲載 / note・Qiita・Zenn の専門記事ITreview / BOXIL / Capterra / G2。著者は実名・所属明記。引用ソースとして使われる。
E6-E8 ★★
PR 配信 / 高 DA サイト投稿PR TIMES / @Press。Crunchbase / GitHub / Hackernoon ほか 18 社。AI が引用する DA の高いプラットフォーム経由で露出。
E9 ★★★
Perplexity Enterprise API(自社情報を AI 検索に直接反映)大規模ご利用時のオプション。Salesforce 等が導入し表示率 +18%(公表値)。「対策した企業だけが推薦される環境」への先行投資。
12 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
13LAYER 3 — MEASUREMENT

層3 測定・レポーティング — LLMO Score の数字で、毎月報告する

1 P 目
LLMO Score 0-100 + ステータス + 先月比 + 業界目標との残 pt が一目で見える月次 SoM レポート PDF(貴社ロゴ入り)。Score ゲージ、ステータス帯(🔴 無視 → 🟣 業界 1 位)、Main 3 × Sub 5 のサマリ。
2 P 目〜
Main 3 × Sub 5 のブレイクダウン / 推移グラフ / 競合比 / 引用ソース分布直近 6 ヶ月の推移、競合 N 社との Score / SoM 比較、引用ソースの分布(オウンド / Wikipedia / 業界メディア / レビュー / SNS)。
施策ログ
先月実行した施策 + 翌月のアクション提案(数字に基づく優先順位)「何をやって、Score がどう動いたか」と「次に何をやるか」を毎月数字で共有。月次レビュー MTG 30-60 分。
透明性
raw response サンプル + 補足(モデル ID / プロンプトハッシュ / 計測日時 / Score 算出ログ)crawl telemetry と citation source は別系統で記録(取得事実 ≠ 引用事実)。数字の出どころを契約レベルで透明化。
13 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
14EXPECTED OUTCOME

半年で、SoM を 2-5 倍に

BtoB SaaS

5% → 15-25%

半年で 3-5x。比較サイト + 業界メディア寄稿が効きやすい。

高単価 D2C

2% → 8-12%

半年で 4-6x。Wikipedia + UGC + note 専門記事。

中規模 EC

8% → 18-25%

半年で 2-3x。オウンド比較表 + FAQ 強化。

業界 2-5 位ブランド

12% → 22-30%

半年で 2x 前後。E-E-A-T + Wikipedia 防衛。

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)。0% 近辺の完全無名は土台がなく現状監査から。業界の季節性は 3 ヶ月移動平均でも併記します。

14 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
15PRICING

料金 — 月 20 万円プラン と 要相談プラン

PLAN 01 — 月 20 万円プラン

最低限をきっちり

層1 オウンド最適化 + 層3 測定
1 サイト 月 20 万円
継続。「最低限やること」を毎月確実に回す
  • llms.txt / 構造化データ / 見出し+第1文 等の月次サイクル
  • 主力 2 モデル × 30-100 クエリ × 月次計測
  • 月次 SoM レポート + 月次レビュー MTG
  • 初回 SoM 監査は初月オンボーディングに含む
記事資産がある場合に効きやすい
※ 課金単位は「サイト(ブランドサイト 1 つ)」。月 20 万円プランで始め、途中から要相談プランへ拡張可能。
※ 要相談プランの制作実費(記事 / 寄稿 / PR)は貴社ご負担でパススルー。当社フィーは月額側で取り、見積書で実費と分けて明示します。
※ 現時点(2026-05)は自社 SoM 実証中。初回 SoM 監査からの提案を進め、自社 3 ヶ月実データ蓄積後に本格的な営業を開始する。
15 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
16SALES FLOW

現状 SoM 監査 → 継続契約 → 要相談プラン拡張へ

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?
問 2
LLM での言及率を測ったことがありますか?
問 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?
問 4
業界の 68%(無視されている側)に居続けるリスクをどう評価されていますか?
問 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?

いずれかで「測ったことがない」「インパクトある」「68% 側にいたら困る」が出れば 現状 SoM 監査からの継続契約を即提示。監査(初月オンボーディング)→ 継続契約(月 20 万円プラン or 要相談プラン)→ NPS が高ければ要相談プランでアーンド・PR / マルチサイト / くるみAIバディ全社契約へ。

16 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
17SELF-PROOF

まず、自分たちで証明します

2026-05
自社クエリ確定 / 競合 10 社リスト確定公開できる数字: クエリ設計手法
2026-06
自社 SoM 計測開始公開できる数字: 初月値
2026-07
1-2 ヶ月実データ公開できる数字: 推移グラフ
2026-08
3 ヶ月実データ蓄積完了 → 本格的な営業開始公開できる数字: 3 ヶ月の SoM 推移 + 競合比
2026-11
初期導入企業の半年結果公開できる数字: 業種別ケース

本格的な営業開始は自社 3 ヶ月実データ蓄積後を目安に。それまでは「自社で実証中」を正直に打ち出し、現状 SoM 監査からの提案を進めます。営業資料に「現在の提供範囲」を毎回明示します。

17 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
18MEASUREMENT PROTOCOL

数字の確からしさを担保する、計測の固定条件

主力モデル
Perplexity API + Gemini API(公式)ChatGPT Search / Claude Web Search / Copilot は取得可能な範囲で参考計測。主指標は主力 2 モデルで構成。
プロンプト
クエリ単位で完全固定半角・改行・末尾の記号も含めて固定。変更は貴社合意の上で四半期に 1 回まで。
試行条件
temperature 0 / クエリ × モデル毎に 3 回計測 → 多数決LLM のばらつきを吸収し、再現性を担保する。差分 ±2pt 以内はノイズとして扱う。
計測日時
毎月第 1 営業日 09:00-12:00 JST に固定新規セッション毎クエリ(履歴汚染を防ぐ)。再計測時も同時刻帯で実行。
証跡保存
raw response 全文 / citation / モデル ID / プロンプトハッシュ を 24 ヶ月保存「その時 bot が何を返したか」を後から再現可能に。crawl telemetry と citation source は別系統で記録。

計測条件を契約時点で固定するから、月次の数字の変動がモデルの揺らぎか施策の効果かを切り分けられます。これが「測れる LLMO」の土台です。

18 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
19FAQ

よくいただくご質問

Q1
SEO 業者の LLMO サービスとの違いは?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。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?ChatGPT Search / Claude / 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・再現性の観点で主指標に向きません。Perplexity + Gemini を主力に、他は「参考計測」と契約に明記。
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。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?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(当社による直接編集は利益相反のため不可、第三者執筆者経由)。
Q5
貴社側のリソースはどれくらい必要?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?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?月次計測は複数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。
19 / 20 くるみAIバディ for LLMO / SoM 起点の LLMO 最適化
20NEXT ACTION

まずは、いまの SoM を
測ってみませんか

現状 SoM 監査からスタート。月 20 万円プラン(最低限)か 要相談プラン(アーンド・PR まで)の 2 本立てで、現状 SoM + 競合 SoM + 引用ソース分析 + コンテンツ監査 + 半年ロードマップ + 報告会 60 分(初月オンボーディングに含む)。御社が「業界 32% 側」か「無視されている 68% 側」か、数字で確かめます。

STEP 01
現状 SoM 監査
現状 SoM 測定 + 競合比較 + 半年ロードマップ(初月オンボーディング)
STEP 02
継続契約(月 20 万円プラン or 要相談プラン)
最低限で始める or アーンド・PR まで組む
STEP 03
半年で SoM を 2-5x に
毎月の SoM レポートで推移を共有、要相談プランで拡張
担当
崎前 裕人(株式会社パーフス CEO)
連絡先
sakimae@curumi.co.jp
サイト
https://curumi.co.jp/
17