AIO対策とは何ですか？

AIO対策とは、Google AI OverviewやPerplexityなどのAI検索に自社コンテンツが引用されるよう最適化する施策です。

AIO記事 – 株式会社エースディレクション

LLMs.txt とは？AI時代の新しいクローラー規格【書き方サンプル付き】

友輔藤崎 — Tue, 21 Apr 2026 03:24:51 +0000

llms.txt とは何か？

llms.txt（エルエルエムズ・テキスト）は、大規模言語モデル（LLM）向けにWebサイトの情報を整理して伝えるためのテキストファイルです。

AIクローラー（ChatGPTのGPTBot、AnthropicのClaudeBot、Google-Extendedなど）がサイトにアクセスした際、「どのコンテンツを優先的に読むべきか」「どのページは避けるべきか」「サイト全体の構造はどうなっているか」を明示することを目的としています。

2024年9月にAnswer.AIの共同創業者Jeremy Howard氏が提案した比較的新しい規格で、2025年から2026年にかけて海外の先進企業で導入が広がっています（出典: DigitalCube LabWorks、https://labworks.digitalcube.jp/technology/llms-txt-ai-crawler-optimization/）。

なぜllms.txtが生まれたのか？

AIクローラーが従来のWebページを「読むのに苦労」している

通常のWebページには、ナビゲーション・広告・JavaScript・フッターなど、コンテンツ本体以外の要素が大量に含まれています。AIにとっては**「膨大なHTMLノイズから本質的な情報を取り出す」のが容易ではない**状況です（出典: Zenn「Web時代のLLM対応」、https://zenn.dev/toitoy8/articles/llms-txt-standard）。

特に技術ドキュメント・APIリファレンスのような情報密度の高いページでは、この問題が顕著でした。llms.txtは、AIに「この順番で、このコンテンツを読めば理解できる」という案内図を渡すことで、この課題を解決しようとしています。

AIクローラーの急増によるサーバー負荷

もう一つの背景は、AIクローラーによる過剰アクセスです。クラスメソッドの事例報告では、AIクローラーが短時間に大量のリクエストを送ることでサーバーに大きな負荷をかけるケースが実際に発生していました（出典: DevelopersIO、https://dev.classmethod.jp/articles/llms-txt-for-ai-crawlers/）。llms.txtで「レート制限」「並列数制限」「優先ページ指定」を伝えることで、効率的なクロールを促すことができます。

robots.txt・sitemap.xml との違い

llms.txtは既存のWeb標準と並列・補完する位置づけです。

ファイル	対象	目的	書式
robots.txt	検索エンジンクローラー	アクセス許可・拒否の制御	テキスト形式、ディレクティブ
sitemap.xml	検索エンジンクローラー	全インデックス対象URLの一覧	XML形式
llms.txt	AIクローラー・LLM	サイト理解の補助・コンテンツ利用制御	Markdown またはディレクティブ形式

sitemap.xmlには「LLM向けのページバージョンがリストされない」「膨大な情報がLLMのコンテキストウィンドウに収まらない」という制約があり、llms.txtはこの弱点を補います（出典: Zenn「Web時代のLLM対応」、https://zenn.dev/toitoy8/articles/llms-txt-standard）。

llms.txtの2つのアプローチ

実はllms.txtには、目的の異なる2種類のアプローチが存在します。

情報提供型（Jeremy Howard氏提案）

AIに対して「読むべきコンテンツ」と「サイト構造」を案内するアプローチです。Markdownで記述され、ルートディレクトリに/llms.txtとして配置します。

書式サンプル:

# My Website

> サイトの簡単な説明（1-2文）

## Docs

- [Getting Started](https://example.com/docs/getting-started.md): 初心者向けガイド
- [API Reference](https://example.com/docs/api.md): APIリファレンス

## Optional

- [Changelog](https://example.com/changelog.md): 更新履歴

加えて、各ページのMarkdown版をURL + .mdで提供することが推奨されています（例: https://example.com/about → https://example.com/about.md）。これによりAIはHTMLのノイズを飛ばして、純粋な構造化コンテンツにアクセスできるようになります（出典: Zenn、https://zenn.dev/toitoy8/articles/llms-txt-standard）。

アクセス制御型

robots.txtに似た構文で、AIクローラーのアクセス許可・拒否を制御するアプローチです。

書式サンプル:

User-agent: GPTBot
Disallow: /private/
Allow: /blog/

User-agent: ClaudeBot
Disallow: /*.pdf$

User-agent: *
Crawl-delay: 1

自社コンテンツの学習利用を拒否したい場合や、特定ディレクトリだけ許可したい場合に使います（出典: 合同会社リトルブルー、https://littleblue.jp/2025/06/17/llms-txt/）。

両者は目的が正反対

情報提供型は「AIにコンテンツを積極的に理解してほしい」、アクセス制御型は「AIにコンテンツを勝手に使ってほしくない」と、方向性が真逆です。自社の方針に応じて選択する必要があります。AIO/GEO対策として取り組む場合は情報提供型が基本となります。

llms.txtの導入メリット

1. AI引用の精度が向上する

AIに「読むべき情報」と「読まなくていい情報」を明示することで、古いページやタグページが誤って引用されるリスクを減らせます。「古いページが読まれていた」「ブログのタグページがなぜか引用された」といった事例も報告されており、llms.txtで防ぐことが可能です（出典: センタード、https://www.centered.co.jp/blog/llms-ai-optimization/）。

2. サーバー負荷の軽減

AIクローラーが必要なコンテンツだけを効率的に取得できるため、不要なリクエストが減ります。PHPやデータベースへの負荷も軽減されます（出典: DigitalCube LabWorks、https://labworks.digitalcube.jp/technology/llms-txt-ai-crawler-optimization/）。

3. コンテンツ利用方針の明示

学習利用の可否、引用の扱い、ライセンス条件などをAI側に明示できます。著作権保護やブランド保護の観点で重要です。

4. 先行者優位の獲得

まだ導入企業が少ないため、早期に設置することで**「AI対応が進んだサイト」としてエンティティ評価が高まる**可能性があります。

llms.txtの書き方（情報提供型の実践例）

中小企業のコーポレートサイト向けに、実践的なサンプルを紹介します。

# 株式会社ACE direction

> 中小企業向けAIO/GEOコンサルティング「Ace AI」を提供する、東京を拠点としたWeb制作・Webマーケティング会社。

## Services

- [Ace AI（AIO/GEOコンサル）](https://acedirection.co.jp/aio.md): 生成AI検索時代の集客戦略を設計・実行
- [Webサイト制作](https://acedirection.co.jp/web.md): AI時代に対応したWebサイト構築

## Articles

- [AI Overviewsとは？初心者向け完全ガイド](https://acedirection.co.jp/aio-articles/what-is-aio.md)
- [SEOとAIO/GEOの違いを5分で理解する](https://acedirection.co.jp/aio-articles/seo-vs-aio.md)
- [構造化データ（JSON-LD）入門](https://acedirection.co.jp/aio-articles/json-ld-basics.md)

## About

- [会社概要](https://acedirection.co.jp/company.md)
- [お問い合わせ](https://acedirection.co.jp/contact.md)

## Optional

- [過去のブログ記事アーカイブ](https://acedirection.co.jp/archive.md)

ポイント

先頭にH1でサイト名を記載
Blockquote（>）で簡潔なサイト説明（1〜2文、150字以内）
H2で主要カテゴリを分類（Services, Articles, About など）
リンクは.md拡張子付きで、AIがMarkdown版を取得できるように
「Optional」セクションに、読まなくてもサイト理解に支障がないコンテンツを配置

設置手順

ステップ1：ファイル作成

テキストエディタで内容を記述し、ファイル名をllms.txt、文字コードをUTF-8で保存します。

ステップ2：サーバーへアップロード

Webサーバーのルートディレクトリに配置します。URLはhttps://yourdomain.com/llms.txtの形になります。

ステップ3：アクセス確認

ブラウザでhttps://yourdomain.com/llms.txtにアクセスし、正しく表示されることを確認します。

ステップ4：各ページのMarkdown版を用意（推奨）

主要ページについて、.md拡張子でMarkdown版を提供します。WordPressなら、プラグインで自動生成するか、重要ページだけ手動で用意する方法があります。

ステップ5：定期的な更新

AI技術は急速に進化しています。四半期ごとに内容を見直し、新規コンテンツや更新情報を反映することが推奨されます（出典: 株式会社アクセス・リンク、https://access-link.co.jp/llms/）。

llms.txtの現状と今後の見通し

2026年現在の課題

主要なLLMやAI検索エンジンがllms.txtをまだ積極的に参照していないという指摘があり、設置しても効果が不明確であるという課題があります（出典: Webコンサルティング会社MPH、https://m-p-h.jp/column/seo/8021/）。

ただし、Anthropic・Stripe・Vercelといった先進企業が積極的に採用しており、標準化が進めば主要プレイヤーが追随する可能性が高い領域です。StripeではLLMに対して「llms.txtを読んでください」と案内するリンクをページに追加する実装もしています（出典: DigitalCube LabWorks、https://labworks.digitalcube.jp/technology/llms-txt-ai-crawler-optimization/）。

短期・長期の予測

2026年内: WordPressなど主要CMSでの標準サポート拡大、日本国内での認知度向上
2027年以降: Web標準としての確立、主要検索エンジン・AI企業による正式サポート

先行導入はリスクよりもメリットが大きい段階にあります。

よくある質問

llms.txtとrobots.txtは両方設置する必要がありますか？

構造化データ（JSON-LD）入門：なぜAIに必要か【実装例付き】

友輔藤崎 — Tue, 21 Apr 2026 03:20:25 +0000

構造化データとは何か？

構造化データは、Webページの内容を検索エンジンやAIが「機械的に理解できる形式」で記述するコードです。

人間はページを見れば「これは会社概要だ」「これはFAQだ」と直感的に理解します。しかし検索エンジンやAIはHTMLのテキストを読むだけで、意味を正確に把握することはできません。構造化データは、「このブロックは質問です」「この数字は価格です」「この人物は著者です」とラベル付けすることで、AIにページの意味を正確に伝える仕組みです。

Google・Microsoft・Yahoo・Yandexが共同で策定した「schema.org」の語彙（vocabulary）を使うのが標準で、Google検索公式でも推奨されています（出典: Google Search Central、https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data?hl=ja）。

なぜAIに構造化データが必要なのか？

AI Overviewsは「構造を認識できる情報」を優先して引用する

Googleは、AI Overviewsが構造化データを「コンテンツの意味を補完する情報」として参照すると示しています。たとえばFAQPageスキーマが実装されていれば、AIは「このページには質問と回答のペアがある」と機械的に把握できます（出典: 株式会社ディーボ、https://devo.jp/ai-seo/aiseo_aiostructureddata/）。

実証されたAI引用率の向上

構造化データの効果は、複数の調査で確認されています。

株式会社仁頼の支援実績: 構造化データを実装するだけで（コンテンツ変更なしで）AI検索での引用数が平均20〜30%増加（出典: https://jinrai.co.jp/blog/2026/04/14/structured-data-for-ai/）
AIVO社 2026年3月調査: FAQPageスキーマを実装したページはAI回答の抽出率が3.1倍に向上（出典: 課題解決プラットフォーム、https://0120.co.jp/blog/aio-15/）
株式会社課題解決プラットフォーム: FAQPage実装でAI Overview引用率が1.4倍（SEOClarityデータ引用、https://0120.co.jp/blog/aio-40/）

構造化データだけでは不十分、ただし不可欠

重要なのは、**構造化データは「コンテンツ品質の代替にはならない」**という点です。AI Overviewsに引用されるページの中には構造化データを実装していないものもありますが、高品質なコンテンツと構造化データの組み合わせで引用率が明確に向上します（出典: ディーボ、https://devo.jp/ai-seo/aiseo_aiostructureddata/）。

「コンテンツ品質 → ページ構造 → E-E-A-T → 構造化データ」の順で重要度があり、構造化データはその判断を補助する要素と理解してください。

JSON-LD・Microdata・RDFaの違い

構造化データの記述形式は3つありますが、Googleが推奨するのはJSON-LD形式です。

形式記述場所特徴推奨度

JSON-LD

形式	記述場所	特徴	推奨度
JSON-LD	2. Articleスキーマブログ記事やニュース記事で使用。著者・公開日・カテゴリなどのメタ情報を機械可読化します。E-E-A-T評価にも寄与します。実装例: 3. Organizationスキーマサイト全体に実装。運営会社の情報（名称・URL・住所・電話番号など）を明示し、AIに「このサイトは株式会社◯◯のもの」と伝えます。エンティティとしてのブランド確立に重要です。 4. HowToスキーマ「〇〇のやり方」系の記事で効果的。AI Overviewsが手順系クエリに回答する際に引用されやすくなります。実装の5ステップ以下の手順で実装を進めます。ステップ1：対象ページの洗い出し記事・LP・会社概要・サービスページなど、構造化データを実装する候補ページをリスト化します。ステップ2：スキーマの選定各ページの内容に応じて適切なスキーマを選びます。FAQあり記事 → FAQPage、ブログ記事 → Article、など。ステップ3：JSON-LDコードの生成 Schema.orgの公式ドキュメントかGoogle Search Centralのサンプルを元に、JSONコードを記述します。WordPressならRank MathやYoast SEOなどのプラグインで自動生成も可能です。ステップ4：HTMLへの埋め込み生成したJSON-LDを、各ページの内または末尾に

2. Articleスキーマ

ブログ記事やニュース記事で使用。著者・公開日・カテゴリなどのメタ情報を機械可読化します。E-E-A-T評価にも寄与します。

実装例:

3. Organizationスキーマ

サイト全体に実装。運営会社の情報（名称・URL・住所・電話番号など）を明示し、AIに「このサイトは株式会社◯◯のもの」と伝えます。エンティティとしてのブランド確立に重要です。

4. HowToスキーマ

「〇〇のやり方」系の記事で効果的。AI Overviewsが手順系クエリに回答する際に引用されやすくなります。

実装の5ステップ

以下の手順で実装を進めます。

ステップ1：対象ページの洗い出し

記事・LP・会社概要・サービスページなど、構造化データを実装する候補ページをリスト化します。

ステップ2：スキーマの選定

各ページの内容に応じて適切なスキーマを選びます。FAQあり記事 → FAQPage、ブログ記事 → Article、など。

ステップ3：JSON-LDコードの生成

Schema.orgの公式ドキュメントかGoogle Search Centralのサンプルを元に、JSONコードを記述します。WordPressならRank MathやYoast SEOなどのプラグインで自動生成も可能です。

ステップ4：HTMLへの埋め込み

生成したJSON-LDを、各ページの内または末尾に