AEO（Answer Engine Optimization）とは何ですか？

ChatGPT・Claude・Perplexity・Gemini など、ユーザーの質問に直接答えるAI（Answer Engine）に対して自分のサイトを情報源として理解・引用されやすくするための追加レイヤーです。SEOを置き換えるものではなく、SEOの基本である有用性、信頼性、一次情報、構造化データ、表示速度の上に、AIクローラ、llms.txt、SSR、要約可能性を整える施策として扱います。

AEO・AO・GEO・LLMOは何が違いますか？

指している実務はほぼ同じで、業界・文脈による呼び方の違いです。AEO（Answer Engine Optimization）はSEO業界で広く使われる用語、GEO（Generative Engine Optimization）は生成AI寄り、LLMOはLLM特化の呼び方、AO（Agent Optimization）はAIエージェント時代を見据えた包括的な呼称。技術スタック（robots.txt、llms.txt、JSON-LD、SSR）はどれもほぼ共通です。

AEO対策で最初にやるべきことは？

影響度が高い順に、(1) robots.txtでGPTBot・ClaudeBot・PerplexityBotなど主要AIクローラを明示Allow、(2) /llms.txtを設置してサイトのキュレーションマップを公開、(3) 全ページSSR/SSGに切り替えてJS実行なしでも本文が読める状態にする、(4) 記事ページにArticle JSON-LDを追加してauthor / datePublished / dateModifiedを出す、の4つです。これにより、多くのサイトでAIクローラが情報を読み取りやすい状態に近づきます。

AEOはSEOの代わりに完全移行すべきですか？

移行ではなく拡張が現実解です。SEOで効くSSR・構造化データ・セマンティックHTMLはAEOにも効くため、AEO投資はSEO資産の上に積む形になります。検索流入とAI引用の両方を取りに行くのが正解で、二者択一ではありません。

AEOの効果はどう測定しますか？

短期的にはサーバーログでGPTBot・ClaudeBot・PerplexityBotなどのUser-Agentアクセス頻度、/llms.txtのリクエスト数、Referer に AI 検索エンジンが入る訪問数を追います。中期的にはPerplexityやChatGPT searchで自サイト名や記事タイトルを検索して引用されるかを定性評価します。Google AnalyticsやCloudflare Web AnalyticsだけではAI経由トラフィックを過小評価する点に注意が必要です。

中小サイトでもAEOで成果は出せますか？

可能性はあります。大手サイトでなくても、特定トピックの専門性、一次情報、明確な更新日、機械可読な構造がそろっていれば、AI回答の引用源候補になりやすくなります。逆にコンテンツ品質が低い量産サイトは、AIがソースとして避ける可能性があります。

AEO完全ガイド2026: AI検索に引用されるサイトの作り方

結論

AEO (Answer Engine Optimization) は、ChatGPT / Claude / Perplexity / Gemini など「AIが回答を直接返す検索体験」に対して、自分のサイトを理解・引用されやすい情報源として整えるための追加レイヤーです。

AEOはSEOを置き換えるものではありません。SEOの基本である有用性、信頼性、一次情報、構造化データ、表示速度に加えて、AIクローラへの開放 / /llms.txt 配信 / 構造化データ / 基本メタ整備 / SSRによる即読性 を整える施策です。本記事ではこの 5 本柱と 30 日プランを 2026 年最新版で整理します。

実装後の自己診断は AEOチェッカーに URL を入れるだけで100点満点で評価できます。

1. AEO とは何か — 1 行で理解する

AEO = AI が「答え」を生成する時代に、SEOへ重ねる機械可読性・引用最適化のレイヤー。検索結果でクリックされる導線に加えて、AI が返す回答の中で情報源として理解・引用されやすくするための最適化。

ユーザー行動が変わりました。これまでは「Google で検索 → 10 個の青いリンクから良さそうなサイトを開く → 自分で読んで判断」だったのが、ここ 2 年で「ChatGPT / Perplexity に質問 → AI が複数サイトを裏で読んで → 結論だけを返す」に置き換わりつつあります。

サイト運営者にとっての影響はシンプルです。人間が踏むリンクは減り、AI が訪れる頻度は急増する。AI が読みやすく、引用しやすい構造になっていないサイトは、検索可能だったとしても「AI 経由の発見」からは漏れていきます。

2. 用語整理 — AEO / AO / GEO / LLMO / AAO の違い

ここ数年で乱立した用語を一枚に整理します。指している実務はほぼ同じで、文脈ごとの呼び方の違いです。

用語	意味	よく使う界隈	強調点
AEO (Answer Engine Optimization)	回答エンジン向け最適化	SEO業界・マーケ層	引用される情報源になる
GEO (Generative Engine Optimization)	生成AI向け最適化	コンテンツ業界	生成テキスト内での言及
LLMO	LLM 向け最適化	エンジニア界隈	LLM が処理しやすい形
AO (Agent Optimization)	AIエージェント最適化	AIエージェント時代の包括用語	自律エージェントから選ばれる
AAO (Assistive Agent Optimization)	補助エージェント最適化	学術寄り	三位一体（LLM × 検索 × KG）

codeagent.jp 編集ライン上は AO を使っていますが、SEO 業界・マーケ層に最も通じる呼び名は AEO なので、本記事ではこちらを主用語として扱います。

従来のSEO

AEO

主な対象クローラ

Googlebot / Bingbot

GPTBot / ClaudeBot / PerplexityBot / Google-Extended ほか多数

ゴール

検索結果に上位表示・クリックされる

AI回答に組み込まれ・出典として表示される

主要なシグナル

キーワード密度、被リンク、E-E-A-T

構造化データ、llms.txt、SSR、author/date明記

評価サイクル

数週間〜数ヶ月で結果が変動

AI 学習サイクルとリアルタイム検索の二重構造

中小サイトの有利度

被リンク量で大手に劣勢

専門性で互角〜有利になりうる

計測のしやすさ

Search Console で十分

AI経由はAnalyticsで過小評価されがち

SEOとAEOの主要な違い

3. なぜ今 AEO に投資すべきか — 数字で見る

+1300%

エージェント型トラフィック

2025年1-8月 (HUMAN Security)

−50%

オーガニック流入予測

2028年までの業界予測

8億+

ChatGPT週次アクティブ

2025年公表値ベース

主要AIクローラ数

GPTBot / ClaudeBot / PerplexityBot ほか

~3秒

Perplexity のクロールタイムアウト

SSR/SSGが堅い理由

0円

AEO 基礎施策の追加コスト

既存サイトへの追記のみ

AI 検索 / 回答エンジンの普及スピード（2025-2026 各社開示・業界調査）

特に重要なのは最後の 2 つ — 3 秒タイムアウト（初期HTMLに本文がないと AI クローラが取得しにくい場合がある）と、追加コスト 0 円（基礎施策は robots.txt と数十行のテキストファイル設置で済む）。実装難易度に対して、AI が取得・要約しやすい技術状態へ近づけやすいのが AEO の特徴です。

4. AEO の 5 本柱

AIクローラへの開放 25点

LLM向け配信ファイル 25点

構造化データ / メタ 20点

基本メタ情報 15点

クロール可能性 (SSR等) 15点

AEO 100点満点における配点（codeagent.jp AEOチェッカーのルブリック）

4-1. AIクローラへの開放 (25 点)

robots.txt に主要 AI クローラの 明示 Allow を書きます。何も書かなければ「全許可」と解釈されますが、ブロック側の運用ミス（ステージング設定の流出など）を防ぐためにも明示推奨です。

# robots.txt — 2026年4月時点の主要AIクローラ
User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: anthropic-ai
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Perplexity-User
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: Applebot-Extended
Allow: /

注意点: Disallow: / を書いてしまうと「学習に使わせない」「AI回答にも引用させない」の両方が起きます。学習だけ拒否したい場合は User-agent: GPTBot を Disallow: /、User-agent: OAI-SearchBot を Allow: / のように 分けて指定します。OpenAI の場合 GPTBot＝学習、OAI-SearchBot＝検索／引用、ChatGPT-User＝ユーザーがChatGPTから直接アクセスするとき、と役割が分かれています。

4-2. LLM向け配信ファイル (25 点)

/llms.txt と /llms-full.txt をルートに置きます。これは llmstxt.org が 2024 年から提唱している事実上の標準で、LLM が コンテキストウィンドウを節約しながらサイト全体を把握するためのキュレーションマップです。

# サイト名

> サイトの 1 行説明

## カテゴリ 1

- [記事タイトル 1](https://example.com/posts/foo/): 概要文
- [記事タイトル 2](https://example.com/posts/bar/): 概要文

## カテゴリ 2

- [記事タイトル 3](https://example.com/posts/baz/): 概要文

llms-full.txt は全記事の Markdown 本文を連結したもので、LLM に one-shot でサイト全体を投入できる形にしておきます。Astro / Next.js なら build 時にコレクションを巡回して生成できます。codeagent.jp でも同様に、記事コレクションから build 時に /llms.txt と /llms-full.txt を生成しています。

4-3. 構造化データ / メタ (20 点)

JSON-LD で記事の主題・著者・公開日を機械可読にします。AI や検索エンジンが「いつの情報か」「誰が書いたか」を取り出しやすくなります。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "記事タイトル",
  "author": { "@type": "Organization", "name": "発行元" },
  "datePublished": "2026-04-29",
  "dateModified": "2026-04-29",
  "image": "https://example.com/og.png"
}
</script>

加えて：

BreadcrumbList（パンくず）: AI に階層を伝える
Organization（運営元）: 信頼度の素材
FAQPage（FAQ）: AI が Q&A 形式で直接抜き出せる
OGP (og:title / og:description / og:image): SNS と AI 共通のサムネイル素材
<link rel="canonical">: 正規 URL を伝える

FAQPage JSON-LD は中身が薄いと逆効果（Google の構造化データ品質ガイドライン違反）なので、記事の本質的な疑問に絞って書くのが鉄則です。

4-4. 基本メタ情報 (15 点)

地味ですが効きます — <title> 10〜70 字、<meta name="description"> 50〜200 字、<h1> は 1 ページに 1 つだけ、<html lang="ja"> 設定。AI の要約は最初にここを読みます。

4-5. クロール可能性 / SSR (15 点)

AEO で 最も致命的な落とし穴がここです。

クライアントサイドレンダリング（CSR：空の <div id="root"></div> に JS で後から描画）のサイトは、AI クローラが本文を取得しにくい場合があります。Googlebot は JavaScript を実行できますが、すべての AI クローラが同じ条件で JS を処理するとは限りません。Perplexity のように短いタイムアウトを前提にするクローラもあります。

その他、応答時間 3 秒以内、Content-Type: text/html、<meta name="robots" content="noindex"> の付け忘れチェック（ステージングからのコピペ事故が多発）が含まれます。

5. 実装ロードマップ

優先度順に並べると、初期投資は半日〜数日で完了します。

Day 1

robots.txt に AI クローラ Allow を明示

上記テンプレを貼り付けるだけ。所要 5 分。
Day 1

sitemap.xml と canonical の確認

存在しないなら CMS / フレームワーク標準で生成。canonical は全ページに必須。
Day 2

/llms.txt を作成して配信

サイト概要 + 主要記事のリンクを Markdown で 30〜100 行。手書きでも build 時生成でも可。
Day 3-4

/llms-full.txt の自動生成を追加

コレクション全件を Markdown 連結。Astro なら API ルートで 30 行程度のスクリプト。
Day 5-7

JSON-LD (Article / BreadcrumbList / Organization)

BaseLayout / 共通テンプレに組み込み、author / datePublished / dateModified を必ず出す。
Day 7

AEO チェッカーで自己診断

/tools/ao-checker/ で URL を入れて 80+ を確認。低い項目を週次で潰す。
Day 14

CSR を採用していれば SSR / SSG 化を検討

これが最も重い作業。フレームワーク移行が必要なら別案件として計画。
Day 30

OGP・meta description・h1 の見直し

量産記事は description の要点が薄くなりやすい。AI が主題と結論を取り出しやすい説明文に推敲する。

ゼロベースのサイトを AEO 80 点（A グレード）に持っていく標準ロードマップ

6. AEO で起きやすい誤解 5 選

7. 効果測定 — AEO の KPI

AEO は SEO に比べて計測がしづらい点に注意してください。Google Analytics や Cloudflare Web Analytics は AI 経由の流入を Direct や Other に分類することが多く、過小評価されます。

指標	取り方	頻度
AIクローラのアクセス頻度	サーバーログで User-Agent を集計（GPTBot / ClaudeBot / PerplexityBot 等）	週次
`/llms.txt` のリクエスト数	アクセスログ	週次
AI検索エンジンからの Referer	`chat.openai.com` / `perplexity.ai` / `claude.ai` 等を Analytics で除外しない設定にする	週次
引用テスト	Perplexity / ChatGPT search で自社名・記事タイトルを検索して結果を記録	月次
AEO スコア	AEOチェッカーで 100 点満点採点	月次

短期的にはサーバーログとリクエスト数、中期的には引用テスト（定性）、長期的にはオーガニック流入の質的変化（AI 経由のリピーター比率など）を見る形になります。

8. AEOチェッカーで自己診断する

ここまでの 5 本柱を一気に採点する無料ツールを公開しています。URL を入れるだけで 100 点満点 + グレード S〜F + 影響度順の改善アクション が返ります。

無料ツール

AEOチェッカー

あなたのサイトの AEO スコアを 100 点満点で診断します。robots.txt、/llms.txt、/llms-full.txt、JSON-LD、SSR、応答時間など 28 項目をワンショットでチェック。

AEOチェッカーを開く →

スコアが出たら、Action Items（影響度順の改善リスト）の上から 3 つを 1 週間で潰すだけでも、AEOチェッカー上の技術項目は大きく改善しやすくなります。

9. 30 日着手プラン (要約)

最後にこの記事の実装ステップを表形式でまとめます。これを GitHub Issue や Notion に貼って 30 日でこなせば、AEOチェッカー上の主要な技術項目をかなり埋められます。

期間	やること	期待スコア増
Day 1	robots.txt に主要 AI クローラ Allow を明示	+20
Day 1	sitemap.xml / canonical を確認	+5
Day 2	/llms.txt を Markdown で書いて配信	+15
Day 3-4	/llms-full.txt を build 時生成	+5
Day 5-7	Article / BreadcrumbList / Organization JSON-LD を共通テンプレに	+15
Day 7	AEOチェッカーで 80+ を確認	(中間チェック)
Day 14	CSR の場合は SSR / SSG 化	+15
Day 30	OGP / description / h1 / lang の最終整備	+10

合計 +85 点＝ A〜S グレード相当。

10. まとめ

AEO は「AI が回答を直接返す検索体験」に対するサイト最適化で、業界によって AO / GEO / LLMO とも呼ばれる
5 本柱は AIクローラへの開放 / /llms.txt 配信 / 構造化データ / 基本メタ整備 / SSR。いずれも 1 日〜 1 週間で着手可能
追加コストは低く抑えやすい一方で、既存サイトのCMS、レンダリング方式、運用体制によって到達点は変わる
最も見落としやすい落とし穴は CSR。SSR / SSG が最も堅い
効果測定はサーバーログとAI検索エンジンでの引用テストの組み合わせ
自己診断は AEOチェッカーでワンショット

SEO の延長として捉えれば導入障壁は比較的低く、効果測定はサーバーログとAI検索上の定性確認を組み合わせて見る必要があります。それが 2026 年現在の AEO の現実的な扱い方です。