AIO、LLMOって何をしたらいいの？生成AI3社（ChatGPT・Gemini・Claude）に聞いてみた！

WWebサイト制作

2026.04.23

AIO、LLMOって何をしたらいいの？生成AI3社（ChatGPT・Gemini・Claude）に聞いてみた！

みなさんは、なにかを調べるときにまず何を使いますか？
以前なら「Google検索」という方が多かったと思いますが、ここ1〜2年で「ChatGPTに聞く」「Geminiに聞く」「GoogleのAIモードで調べる」という方が急激に増えてきましたね。

かくいう私自身も、複数の生成AIを日常的に使い分けています。

つまり、情報との出会い方そのものが、検索エンジンから生成AIへ大きくシフトしつつあるのです。

この変化によって、私たちWeb制作・Webマーケティング会社が目指すべきゴールも変わってきました。
これまでは「Googleで上位表示されること」が重要でしたが、これからはそれに加えて、

「生成AIに引用される・おすすめされる情報源になること」

が重要になります。

これを表す言葉が、最近よく聞くようになった「AIO（AI Optimization）」や「LLMO（Large Language Model Optimization）」、「GEO（Generative Engine Optimization）」です。

呼び方は各社まちまちですが、意味するところはほぼ同じで、生成AIに正しく見つけてもらい・正しく理解してもらい・引用してもらうためのWeb最適化のことを指します。

とはいえ、「AIのためのWeb最適化」と言われても、ピンとこない方も多いはずです。そこで今回、私たちクロスウィッシュはちょっとした実験をしてみました。

CONTENTS

3つの生成AIに、同じ質問を投げてみた

Web業界のど真ん中にいる私たちとしても、AIO/LLMOはまだ発展途上の分野です。「正解」がどこにあるのかを一社の意見だけで断言するのはむずかしい。ならば、代表的な生成AI3社（ChatGPT・Gemini・Claude）に、同じ質問をぶつけて比較してみようと考えました。

投げかけた質問はこちらです。

「LLMO/AIO時代のコンテンツ戦略として具体的にやるべき、
・Webサイト側の対策
・Webサイト以外での対策
を、それぞれ提示して」

以下、3つのAIから返ってきた回答を、編集を一切加えずにそのまま引用します。少し長いですが、「AIたちが今なにを“正解”と考えているのか」を見比べていただけると、この先の打ち手がぐっとクリアになるはずです。

【AI回答1】ChatGPT の回答

LLMO / AIO時代のコンテンツ戦略

AIに“拾われる・引用される”ための設計

1. Webサイト側の対策（＝AIに理解・引用される土台づくり）

結論ファースト設計（TL;DRの設置）：各ページ冒頭に「3行要約」を配置 → AIは要約部分を優先的に抽出・引用しやすい

FAQ・HowToコンテンツの強化：ユーザーの疑問をそのままQ&A化 → AI検索は“質問形式”との相性が非常に高い

構造化データの実装（FAQ / HowTo / Article）：検索エンジンだけでなくAIにも意味を伝える → “何の情報か”を機械的に理解させる

専門性・一次情報の明示：監修者・実績・事例・数値データを掲載 → AIは信頼性の高い情報を優先的に参照

ページ構造の整理（見出し・論理構造）：H2/H3で論点を明確に分割 → AIが「意味のまとまり」として抽出しやすくなる

内部リンクの最適化：関連ページを論理的に接続 → サイト全体を“知識構造”として認識させる

オリジナルコンテンツの強化：事例・ノウハウ・独自視点を増やす → AIは“他と違う情報”を優先的に引用

2. Webサイト以外での対策（＝AIの参照元を増やす）

指名検索・ブランド露出の強化：SNS・広告・PRでブランド名の検索を増やす → AIは「よく言及される情報源」を優先

外部メディア・記事掲載（被引用の獲得）：業界メディア・プレスリリース・コラム寄稿 → AIの学習・引用対象になる可能性が高まる

SNSでの情報発信と拡散：Instagram / X / note などで継続発信 → AIはWeb全体の文脈から情報を評価

Googleビジネスプロフィール（MEO）強化：口コミ・投稿・写真の充実 → ローカル検索＋AI回答で引用されやすい

Q&A・コミュニティでの露出：Yahoo知恵袋・Quora・掲示板など → AIが「質問への回答」として拾いやすい

動画・YouTubeコンテンツ：テキスト化されることでAIの情報源になる → マルチチャネルでの露出が重要

一貫した情報発信（表記・内容の統一）：サイト・SNS・外部媒体で情報を揃える → AIが“正しい情報”として認識しやすい

まとめ

従来のSEO対策に加え、「AIに理解される構造」と「AIに参照される露出」の両立が重要。
サイト内（構造・内容）× サイト外（認知・引用）の両輪で設計することが、LLMO / AIO時代の基本戦略。

【AI回答2】Gemini の回答

LLM/AI時代に求められるコンテンツ戦略の全体像

従来のSEOが「キーワードの網羅」と「リンクの獲得」を目指していたのに対し、AI時代は「いかにAIにとって信頼できる一次情報（Entity）として認識されるか」が重要です。

1. Webサイト側の対策（AIへの「理解」と「引用」の促進）

Webサイト内のコンテンツは、AIモデルが学習・参照しやすい「構造」と「明確な答え」を持つ必要があります。

「結論先行」型のライティングへの転換
・冗長な導入を避け、AIが要約しやすいように「問いに対する答え」を冒頭に配置します。
・AIは検索意図に対して「ズバリ回答」する部分を引用する傾向があるため、FAQ形式や明確な定義付けが有効です。

構造化データ（Schema Markup）の徹底
・単なるテキストではなく、HTMLタグレベルで情報を構造化し、AIに「これは何についての情報か」を明確に伝えます。
・特にFAQPage、Person、Organization、Productなどのスキーママークアップを正しく実装し、情報の解像度を高めます。

「オリジナルデータ」の付加価値化
・生成AIがWeb上の既存情報を要約するだけでは到達できない「独自の調査データ」「自社アンケート」「専門家の一次見解」を盛り込みます。
・AIモデルにとって「学習元として価値がある（＝他では手に入らない）」と判断されるコンテンツが優先的に引用されます。

低品質コンテンツの整理・統合
・古い情報や重複するコンテンツは、AIの判断を混乱させたり、サイト全体の信頼度を下げたりする要因になります。不要な記事は削除またはリライトして統合し、情報密度の高いサイトを目指します。

2. Webサイト以外での対策（ブランドの「権威性」と「信頼」の構築）

AIはWebサイトだけでなく、SNS、動画、プレスリリース、口コミなど、Web全体の情報を横断的に解析して「権威性（Authority）」を判定しています。

マルチプラットフォームでのエンティティ形成
・「ブランド名＋カテゴリー」の指名検索を増やすことが不可欠です。
・YouTube動画（動画内の音声を文字起こしし、AIに学習させる）、Podcast、SNSなど、Web外のチャネルで一貫したメッセージを発信し、AIが「この分野といえば〇〇社」と関連付けられる状態を作ります。

パブリックリレーションズ（PR）と外部サイテーション
・信頼できるニュースサイトやメディア、業界ブログからの言及（サイテーション）を増やします。
・AIモデルは、自社サイト以外の第三者機関からの評価を「客観的な事実」として重要視するため、Web外での露出は強力なAI対策になります。

コミュニティ・UGCの活性化
・レビューサイト、SNS、掲示板などで「ユーザーがどのように言及しているか」は、AIの回答の「感情的・実体験的な文脈」として採用されます。
・ポジティブな口コミや実体験に基づくレビューを醸成するマーケティング施策が、間接的にAIによる推奨度を高めます。

まとめ：戦略の要諦

項目／従来のSEO／LLMO・AIO時代
目標：検索結果1位（クリック）／AIの回答ソース（引用・参照）
評価軸：キーワード出現数・被リンク数／情報の正確性・独自性・信頼度
対応範囲：自社サイト内が中心／Web全体を通じたブランド露出

この戦略において、クライアント様の事業内容やターゲット業界によって「特に優先すべきチャネル（Webサイトの構造強化なのか、外部露出なのか）」が異なります。

【AI回答3】Claude の回答

Webサイト側の対策

1. コンテンツ構造の最適化（AIが「引用しやすい」形に整える）

結論ファースト（逆ピラミッド構造）：冒頭で問いに対する答えを明示し、その後に根拠・詳細を続ける

Q&A形式・FAQセクションの設置：自然言語クエリ（「〜とは」「〜の違いは」「〜のおすすめは」）にそのまま回答

見出し階層の明確化：H2/H3で「質問」、本文で「答え」という構成

短い段落・箇条書き・表：AIがチャンク単位で抽出しやすい形式に

1ページ1テーマの徹底：意図を絞り、AIが「このページは何の答えか」を判断しやすくする

2. 構造化データ（Schema.org）の実装

Organization、Product、Service、FAQPage、HowTo、Article、Review、BreadcrumbList などをJSON-LDで実装

著者情報（Person）、運営会社情報（Organization）の明示

AIが情報の「主語・属性・関係性」を理解できる状態にする

3. E-E-A-T（経験・専門性・権威性・信頼性）の強化

著者プロフィールページ：経歴、資格、SNSリンク、実績を明記

監修者情報の明記

一次情報・独自データ・独自調査の掲載（AIに引用される最大の差別化要素）

出典・引用元の明示

更新日・公開日の明確な記載

4. エンティティ最適化

自社ブランド・サービス・人物・専門用語を「固有エンティティ」として一貫した表記で言及

関連語・同義語・周辺概念を網羅

Wikipediaやナレッジグラフとの整合性確保

5. AIクローラビリティの確保

llms.txt の設置（AI向けのサイト案内ファイル）

robots.txtでのAIクローラー（GPTBot、ClaudeBot、PerplexityBot、Google-Extended等）の許可設定

ページ表示速度・モバイル最適化

動的レンダリングではなくサーバーサイドでHTMLを返す

サイトマップの整備

6. 比較・選定情報の充実

「他社比較」「料金比較」「機能比較表」など、AIが推薦理由として引用しやすいコンテンツ

導入事例・ユースケースを具体的な数値とともに掲載

メリット/デメリットの両論併記（信頼性向上）

Webサイト以外での対策

1. デジタルPR・サイテーション（言及）獲得

プレスリリース配信（PR TIMES、@Press 等）

業界メディア・専門メディアへの寄稿、取材記事の獲得

第三者によるブランド名・サービス名の言及を増やす（被リンクではなく「言及」が重要）

2. レビュー・口コミプラットフォーム対策

業界比較・レビューサイト：ITreview、BOXIL、kakaku.com、Capterra、G2 等への登録と評価獲得

Google ビジネスプロフィールの整備とレビュー収集

顧客の声・導入事例を第三者媒体で発信

3. Wikipedia / Wikidata 対策

ブランド・サービス・代表者のエンティティ登録（要件を満たす場合）

LLMの学習ソースとして極めて影響力が大きい

4. SNS・コミュニティでの専門性発信

X（Twitter）、LinkedIn：業界知見の継続発信

note、Zenn、Qiita、はてなブログ：専門記事の二次展開

Reddit、Quora、Yahoo!知恵袋：自然言語の質問が集まる場での回答実績

「〇〇といえば◆◆社」という共起関係をネット上に蓄積

5. YouTube・動画コンテンツ

字幕（クローズドキャプション）・概要欄の充実

AIは動画のトランスクリプトを学習対象とする

ポッドキャストも文字起こしを公開

6. 業界ディレクトリ・データベース掲載

業種別の検索ポータル、ディレクトリサイト

アワード受賞、認証取得の対外発信

業界団体への加盟と掲載

7. 引用されやすい一次情報の発信

独自調査レポート、ホワイトペーパーの公開

統計データ・市場調査の発信

「〇〇調べ」として引用されることでAIにも引用される

8. 共起・サイテーションの設計

業界カテゴリ名と自社名がセットで語られる文脈をネット上に増やす

例：「SEO支援会社」と聞かれたときに、AIが自社を候補に挙げられる状態を作る

9. 高権威メディアでの露出

LLMの学習データに含まれやすい大手ニュースメディア、業界誌、書籍出版

専門家としてのインタビュー、コメント露出

施策への落とし込みの観点

以下の対比軸を意識するとわかりやすいです。

SEO＝「検索結果の上位を取る」ための最適化

AIO/LLMO＝「AIに引用される・推薦される情報源になる」ための最適化

鍵は「自社サイトを整える」だけでは不十分で、「ネット全体に自社の文脈を分散配置する」こと

Webサイト側＝守りの最適化
Webサイト以外＝攻めの露出設計
という二軸構成で検討する必要があります。

3つのAIの回答から見えてきた「共通点」と「違い」

さて、ここからが本題です。3つのAIの回答を並べてみると、驚くほど多くの共通点がありました。と同時に、各AIが少しずつ違う観点を出しているのも面白いポイントです。順番に整理します。

共通して語られた「AIO、LLMOで成果を出すためにやるべきこと」

ChatGPT・Gemini・Claudeの3者がほぼそろって挙げたのは、以下の8項目でした。ここが、いわば「まず外せない基本セット」です。

結論ファーストで書く：記事の冒頭に答えを置く。ChatGPTの「TL;DR（3行要約）」、Claudeの「逆ピラミッド構造」、Geminiの「結論先行」はすべて同じことを言っています。
FAQ（よくある質問）を設ける：人がAIに投げる質問は「〜とは？」「〜のやり方は？」といった自然文。サイトにもその形式で答えがあると、引用されやすくなります。
構造化データ（Schema.org）を実装する：FAQPage、Article、Organization、Person などのスキーマをJSON-LDで正しく入れる。これはAIに「このページは何者か」を機械的に伝える作業です。
一次情報（独自データ・独自見解）を出す：AIが一番引用したがるのは、他では見つからない情報。自社調査、導入事例、独自の数値が武器になります。
見出し（H2/H3）の階層を整える：AIは「意味のまとまり」単位で情報を読み取るため、見出しがぐちゃぐちゃだと正しく要約してもらえません。
サイト外での言及（サイテーション）を増やす：プレスリリース、業界メディア、SNS、レビューサイトなど、自社サイト以外での「語られ方」がそのままAIの学習材料になります。
指名検索・ブランド名の露出を増やす：「クロスウィッシュ」のような固有名詞が、どのくらいWeb上で自然に登場しているか。これがAIの信頼判定に直結します。
動画・SNS・ポッドキャストなどマルチチャネルで発信する：動画の文字起こし、SNS投稿、Podcastの概要、これらすべてが最終的にAIの参照元になります。

各AIならではの視点

共通項を押さえたうえで、それぞれのAIが特徴的に推していたポイントも紹介しておきます。自社に合いそうな視点があれば、積極的に取り入れてください。

ChatGPTが特に強調：
・TL;DR（3行要約）を全ページ冒頭に置くという具体的テクニック
・Googleビジネスプロフィール（MEO）の強化（ローカル + AI回答の両方で効く）
・Instagramなどのビジュアル系SNSも含めた多チャネル発信
Geminiが特に強調：
・低品質コンテンツの整理・統合（古い記事を放置しないことの重要性）
・「エンティティ」としてブランドを認識させる戦略全体
・UGC（ユーザー生成コンテンツ・口コミ）の「感情的・実体験的な文脈」をAIが拾うという指摘
Claudeが特に強調：
・llms.txt の設置（AI向けの案内ファイル）
・robots.txtでAIクローラー（GPTBot / ClaudeBot / PerplexityBot / Google-Extended 等）を許可するかの判断
・Wikipedia / Wikidataへのエンティティ登録（学習ソースとして影響が大きい）
・動的レンダリングではなくSSRでHTMLを返す（AIが中身を読み取りやすい）

中小企業がまず取り組むべき「AIO 10の施策」

3つのAIの回答を踏まえたうえで、私たちクロスウィッシュとして、中小企業・店舗・BtoB事業者の皆さまがまず手を付けるべき施策を10個にまとめました。

「全部は無理」という方も、できるところから徐々に取り組んでいただければOKです。

今日からできる「Webサイト側」の5つ

各ページの冒頭に「結論」を置く：記事・サービスページ問わず、最初の3行で「このページは何の答えなのか」を書ききる。読者にもAIにもやさしい改善です。
FAQセクションを設ける：よくある質問を5〜10個、サービスページ下部や記事末尾に追加。質問文は自然な話し言葉で書くのがコツです。
構造化データ（JSON-LD）を実装する：まずは「Organization」「Article」「FAQPage」の3つから。WordPress運用であれば、プラグイン（Yoast SEO、Rank Math等）でも対応できます。
公開日・更新日・著者名を明記する：情報の鮮度と出どころを明確にする。AIは「いつ誰が書いたか」を信頼性の材料にします。
一次情報を1本でも持つ：自社アンケート、施工事例の数値、導入後の効果など、「自社にしかないデータ」を記事化する。これが最強の引用獲得装置になります。

合わせて進めたい「Webサイト以外」の5つ

Googleビジネスプロフィール（GBP）の整備：店舗型はもちろん、BtoBでも本社所在地の情報を整える。口コミ収集の導線も合わせて設計します。
プレスリリース配信を年に数本：新サービス、周年、アワード受賞など、理由があるときに PR TIMES / @Press などを活用。第三者メディアへの転載が発生すると、AI露出も一気に増えます。
SNS（X／LinkedIn／Instagramなど）で継続発信：「業種×自社名」の共起を狙う。投稿のたびに同じキーワードと自社名が並ぶよう意識します。
note / YouTube などの外部メディアに二次展開：自社サイトの記事を要約して外部に転載することで、「同じテーマで自社が何度も登場する」状態を作ります。
レビュー・事例コンテンツを第三者媒体にも掲載：業界比較サイトなど、自社が関わる業界の「比較される場所」に必ず自社情報が載っている状態を目指します。

全施策を「AI対策の3レイヤー」で捉えると、順番が見えます

ここまで並べてきた打ち手は、ひとつひとつは大切ですが、リストにすると「で、結局どこから？」となりがちです。

そこでクロスウィッシュでは、すべての施策を3つのレイヤーに整理しています。
①理解 → ②引用 → ③認知の順で積み上げていくのが、もっとも効率的です。

レイヤー	代表的な施策	AIへの効果
①AIに理解される（構造）	TL;DR（結論ファースト）／H2・H3の階層／構造化データ（FAQPage・Article・Organization等）／内部リンク／llms.txt／SSR	AIが意味を正しく分解し、回答本文として抽出しやすくする。
②AIに引用される（信頼性）	一次情報・独自調査／導入事例の数値化／著者・監修者情報／公開日・更新日／出典の明示／両論併記	AIが「信頼できる情報源」と判断し、優先的に引用・採用する。
③AIに認知される（外部）	プレスリリース／業界メディア寄稿／SNS発信／レビュー・口コミ／YouTube・ポッドキャスト／GBP／指名検索強化	Web全体での言及量が増え、AIに「よく語られる存在」として認知される。

どれかひとつだけやっても効きません。①で土台を整え、②で信頼を積み、③で世の中での露出を広げる。このレイヤーを行き来しながら、少しずつ厚みを増していくイメージです。

AIO施策リスト【無料ダウンロード】

いよいよ全体像の一覧です。先ほどの3レイヤー（①理解／②引用／③認知）に加え、「AIへの効果」（そのとき、AIがどう反応するか）を並べました。

ポイントは右端の「AIへの効果」列です。
単に「やるべきこと」ではなく、「AIに何をさせたいのか」まで意識して読むと、自社での優先順位づけがしやすくなります。

NO	施策名	内容・ねらい	AIへの効果
①AIに理解される（構造）
1	結論ファースト（冒頭3行要約）	各ページ冒頭で「問いに対する答え」を明示する。	AIが回答本文としてそのまま引用しやすくなる。
2	H2／H3の階層整理	見出しを論理順に配置し、意味の塊として伝える。	AIが意味ブロックを正確に切り出して採用しやすくなる。
3	FAQ／Q&Aセクションの設置	自然文の質問と回答をセットで配置する。	AIに質問応答形式でそのまま採用されやすい。
4	構造化データ：FAQPage	FAQをJSON-LDでマークアップ。	AIにFAQとして機械的に引用・採用される。
5	構造化データ：Article／HowTo	記事・手順ページを構造化する。	記事・手順をAIが構造的に参照・引用しやすくなる。
6	構造化データ：Organization／Person	運営会社・著者情報を明示する。	発信者エンティティとしてAIに認識・紐付けされる。
7	内部リンクの論理最適化	関連ページを論理的につなぐ。	サイト全体を知識構造としてAIが理解する。
8	1ページ1テーマの徹底	1ページに1つの意図だけを扱う。	ページ単位の意図が明確になり、AI回答に採用されやすい。
9	短い段落・箇条書き・表の活用	視覚的に読みやすいチャンク構造にする。	AIがチャンク単位で抽出・引用しやすい。
10	表記揺れの統一（エンティティ表記）	ブランド名・サービス名を全チャネルで統一。	ブランドがエンティティとして一貫認識される。
11	llms.txt の設置	AI向けのサイト案内ファイルを設置。	AIクローラーに案内を提示し学習・参照を促進する。
12	robots.txtでAIクローラー方針を明示	GPTBot／ClaudeBot／PerplexityBot／Google-Extended 等を許可／拒否。	AIクローラーに方針を伝え、狙い通りに学習・回答ソースにさせる。
13	SSR／静的HTMLでの提供	JSレンダリング前提にせずHTMLで本文を返す。	AIクローラーが本文を確実に取得し、引用対象になる。
14	モバイル最適化・ページ速度改善	Core Web Vitalsを整える。	インデックス性能が上がり、AIの参照対象になりやすい。
15	サイトマップ整備	XMLサイトマップを整備・送信する。	クローラーの網羅性が上がり、AIの参照対象が増える。
②AIに引用される（信頼性）
16	著者プロフィールページ整備	経歴・資格・実績・SNSリンクを掲載する。	専門家発信としてAIの採用優先度が上がる。
17	監修者情報の明記	専門性の裏付けとして監修者を表示する。	専門性の裏付けとしてAIに引用されやすくなる。
18	公開日・更新日の明示	情報の鮮度を明らかにする。	最新情報としてAIに優先参照される。
19	独自調査・一次情報の発信	自社データ・独自事例・オリジナル見解を出す。	「他にないデータ」としてAIの引用優先度が最も高い。
20	出典・引用元の明示	根拠を必ず引用元つきで示す。	根拠が明確になりAIの採用ハードルが下がる。
21	比較コンテンツの充実	他社比較・料金比較・機能比較表を用意する。	AIが推薦・比較回答のソースとして引用しやすい。
22	導入事例の数値化	成果を具体的な数字で示す。	数値つき事例としてAIに採用されやすい。
23	低品質・重複コンテンツの整理	古い記事・重複記事を削除・統合・リライト。	サイト全体の信頼度が上がり、AIの引用候補に入りやすい。
24	メリット／デメリットの両論併記	公平に長所・短所を示す。	中立的情報としてAIに採用されやすくなる。
③AIに認知される（外部）
25	プレスリリース配信	PR TIMES／@Press 等でサイテーションを獲得。	第三者言及としてAIの信頼判定と学習に効く。
26	業界メディアへの寄稿・取材獲得	業界メディアでの寄稿・取材を増やす。	権威ある媒体での言及がAIの採用判断に直結する。
27	レビューサイト登録（ITreview等）	比較サイトに登録しレビューを集める。	比較・推薦回答の参照ソースになる。
28	Googleビジネスプロフィール整備	所在地・営業情報・写真・投稿を充実。	ローカル系AI回答で自社情報が引用される。
29	口コミ収集の仕組み化	GBPやレビューサイトで口コミを継続獲得。	実体験文脈としてAIに採用される。
30	Wikipedia／Wikidata登録	要件を満たす場合のみ、ブランド・人物を登録。	LLMの学習データに直接反映されやすい。
31	SNS発信（X／LinkedIn）	業界知見とブランドを継続発信。	ブランド×業界の共起をAIが認識する。
32	note／Zenn／Qiitaでの二次展開	自社記事を要約して外部に再掲載。	同一テーマでの複数露出によりAIの認知が強化される。
33	YouTube動画＋字幕・概要欄	字幕と概要欄を充実させた動画を出す。	文字起こしがAIの学習・引用対象になる。
34	ポッドキャスト＋文字起こし公開	音声コンテンツを文字起こしつきで公開。	文字起こしがAIの学習対象になる。
35	Yahoo!知恵袋・Quoraでの回答	自然文の質問に自社として回答を残す。	自然文QAページをAIが直接参照する。
36	業界ディレクトリへの登録	業種別ポータルに登録する。	被言及を増やしAIの権威性評価を上げる。
37	アワード応募・認証取得	受賞・認証情報を発信する。	客観的評価としてAIの採用優先度を上げる。
38	業界団体への加盟・掲載	業界団体の公式ページに掲載される。	公式団体からの言及でAIの信頼判定にプラス。
39	独自調査レポートの公開	「◯◯調べ」として発信できる調査を実施。	外部に引用され、AIの参照源になる。
40	ホワイトペーパーの公開	専門性の高い一次資料を配布する。	専門性の高い一次資料としてAIに引用される。
41	専門家インタビュー／コメント露出	外部媒体での識者露出を狙う。	識者発言としてAIに権威性評価される。
42	指名検索を増やす施策全般	広告・PR・SNSでブランド名検索を増やす。	よく言及される情報源としてAIの採用優先度が上がる。
43	大手ニュースメディアでの露出	大手ニュース媒体での露出を狙う。	LLMの学習データとの相性が良く、採用されやすい。