製造業・メーカーの LLMO 対策は、何から始める？

メーカーの製品は、AI に何を間違えられやすいですか？

製品を比べる人の中には、公式サイトを開く前に AI の答えで候補を絞る人もいます。BtoB の部品や業務用の機器でも、一般向けの家電や二輪でも、AI の答えで候補から外れたり、違う仕様で説明されたりすると、取り戻すのは簡単ではありません。まず「何を間違えられているか」を知ることが出発点です。

メーカーで起きやすい誤りは、次の 7 つに分けると、直す場所を決めやすくなります。例はすべて架空です。

誤りの見つけ方と直し方の全体は、AI の誤った説明の直し方にまとめています。このページでは、メーカーに特有の点を中心に説明します。

なぜメーカーでは、型番や仕様の誤りが起きやすいのですか？

理由は大きく 3 つあります。どれも、AI の性能だけの問題ではなく、AI が読める情報の置かれ方の問題です。

• 値が PDF の中だけにある: 仕様の値がカタログや取扱説明書の PDF にだけあり、製品ページの本文には書かれていないことがよくあります。PDF も Google の検索の索引の対象です^[2]。ただ、表が画像になっていたり、何十ページもの資料の一部だったりすると、どの製品のどの値かが伝わりにくくなることがあります。
• 型番が多く、似ている: 色違い・容量違い・地域違い・年式違いで型番が分かれ、末尾の 1 文字で仕様が変わります。答えを作るときに、近い型番の値が混ざることがあります。
• 第三者のページの量が多い: 海外のレビュー・販売店の商品ページ・比較記事など、メーカーの外にある情報が大量にあります。古い価格や海外向けの仕様が、そのまま残っていることもあります。

国内の通信の業界を対象にした調査では、Gemini の答えの中で、料金や容量のような事実の情報は事業者の公式ページから、通信速度のような客観性が問われる情報は第三者のサイトから引用されていました^[3]。業界は違いますが、仕様の値のような事実は公式に正しく書くこと、評判や比べた結果は第三者のページも見ておくこと、という分け方の参考になります。

AI の答えに出てくるかどうかは、公式サイトの外での言及とも関係します。7.5 万のブランドを調べた分析では、Google の AI による概要での見え方との相関は、ウェブ上でのブランドの言及が 0.664、被リンクの数が 0.218 でした^[4]。相関であって原因とは限らないと、分析した側も断っています^[4]。

製品のカテゴリごとに、AI にどんな質問をされますか？

測る質問は、「使う人が実際に AI に聞きそうなこと」から選びます。社内でよく使う言葉ではなく、買う前の人の言葉で書くのがこつです。次は、カテゴリごとの架空の例です。

比べる質問では「自社が候補に出てくるか」、仕様の質問では「値が正しいか」を見ます。1 つの製品につき両方の質問を混ぜておくと、出てこない問題と間違えられる問題の両方が分かります。

メーカーの LLMO 対策は、どんな順で進めますか？

Google は、AI による概要や AI モードに表示されるための追加の要件や特別な最適化は要らないとしています^[1]。やることは、AI が参照する情報を正しくし、その結果を測ることです。順番は次のとおりです。

1. 1

   質問を選ぶ

   まず 1 製品に絞り、比べる質問と仕様を確かめる質問を合わせて 15 問ほど選びます。型番を含む質問・含まない質問の両方を入れます。

2. 2

   7 つの AI に 3 回ずつ聞く

   ChatGPT・Gemini・Claude・Perplexity・Grok・Google の AI による概要・Google の AI モードに、同じ質問を 3 回ずつ聞きます。同じ質問を何度も聞いても、同じ顔ぶれのブランドの一覧が返るのは 100 回に 1 回未満だったという調査があり^[5]、1 回の答えでは決めつけられません。

3. 3

   カタログ・仕様書の原文と照らす

   AI の答えの型番・数値・対応規格を、カタログや仕様書の原文と照らし合わせます。原文のどのページの何行目かまで控えておくと、社内で確かめる手間が減ります。原文にない値は、推測で正誤を決めません。

4. 4

   直す場所を決める

   誤りごとに、どの公式ページに何が足りないかを決めます。製品ページ・仕様表・よくある質問・販売終了のお知らせのどれを直すかを、1 枚の改善カードにまとめます。

5. 5

   製品ページ・仕様表・FAQ を直す

   制作担当や制作会社が、改善カードを見てそのまま直せるようにします。販売店や比較サイトに古い情報が残っていれば、訂正をお願いする先も一覧にします。

6. 6

   同じ質問で測り続ける

   直した後も、同じ質問を同じ 7 つの AI に聞き続けます。誤りが出る割合が下がったか、自社が出てくる割合が上がったかを、質問ごとに確かめます。

測り方の詳しい考え方は、LLMO・AIO の効果測定のガイドにまとめています。

公式サイトには、何をどう書けばよいですか？

Google は、AI 機能でも引き続き大切な検索向けの基本として、重要な内容をテキストで示すことと、構造化データをページに表示されている文と一致させることを挙げています^[1]。メーカーの場合は、次の 4 つが特に効きます。

更新日は、中身を変えたときにだけ新しくします。Google は、中身を実質的に変えずにページを新しく見せるために日付だけを変えることを、コンテンツの作り方を見直すべき警告の一つに挙げています^[7]。

研究の実験では、ページの書き方を工夫すると AI の答えの中での見え方が最大で 40% 高まり、効き方は分野によって違ったと報告されています^[6]。業界ごとに、自社の製品の質問で測って確かめる理由がここにあります。

使う人の声から、AI に聞く質問をつくれますか？

つくれます。メーカーの製品は、レビュー動画で詳しく語られることが多く、そこに「買う前の人が気にしていること」が集まっています。たとえば架空の例で、カメラのレビューで「このレンズは暗い場所で手ぶれしないか」という声が多ければ、それがそのまま AI に聞く質問になります。

GembaShift の KOEMAP は、世界のレビュー動画の声を、部位・機能と国で読む製品です。KOEMAP で集めた使う人の声が、そのまま ERABARE で AI に聞く質問になります。二輪・カメラ・家電・工具・楽器・自動車など、製品がレビュー動画で語られる会社に向いた組み合わせです。

1. 1

   聞く（KOEMAP）

   世界のレビュー動画の声を、部位・機能と国で読み、使う人が何を気にしているかをつかみます。

2. 2

   測る（ERABARE）

   その疑問を 7 つの AI に聞き、自社が出てくるか・正しく語られるかを測ります。

3. 3

   直す（ERABARE）

   どのページに何を書けばよいかを、改善カードで制作担当へ渡します。

どちらか一方だけのご契約もできます。会社に合わせた始め方は、3 つの型で紹介しています。

社内では、誰を巻き込めばよいですか？

AI の答えの誤りは、Web の部署だけでは直しきれません。値の正しさを確かめる人と、ページを直す人が分かれているからです。最初の報告の場に、次の 4 つの役割の人がいると進みが速くなります。

誤りの指摘に「資料のどこに書いてあるか」が添えてあると、品質や技術の担当が確かめる手間が減り、社内の合意が早くなります。

ERABARE では、メーカーの何を確かめられますか？

ERABARE は、AI が語る型番と仕様の誤りを、カタログや仕様書などの製品資料のどこに書いてあるかと一緒に示します。上の進め方の「測る・誤りを見つける・直す場所を渡す・効果を確かめる」を、次の 4 つで支えます。

• 選んだ質問を 7 つの AI に 3 回ずつ聞き、質問ごと・AI ごとに自社が出てきた割合を並べます。出てこなかったことも、結果として残します。
• AI の答えを製品資料と照らし合わせ、価格・仕様・条件の食い違いを、資料のどこに書いてあるかと一緒に示します。価格・型番・日付などの値は、製品資料の原文にあるものだけを使います。
• どのページに何を書けばよいかを、Before／After と根拠を添えた改善カードにまとめます。制作担当や制作会社へ、そのまま渡せます。
• 直した後も同じ質問で測り続け、答えが変わったかを質問ごとに確かめます。

無料診断では、1 製品・約 15 問を 7 つの AI に各 3 回聞き、結果を 30 分の報告会でご説明します。製品・サービス名と公式サイトの URL だけで始められます。

AI の答えは各社の AI の仕組みで決まるため、ERABARE も紹介や順位を保証するものではありません。