LMO（LLM最適化）対応コンテンツ設計プロンプト
AI検索エンジン（Perplexity、Google AI Overview等）で引用されやすいコンテンツを設計するためのプロンプト。
GitHub Stars
423
Fork
112
週間
2,100 ユーザー
PAAANの概要
Google AI OverviewやPerplexityなどのAI検索エンジンが急速に普及する中、従来のSEOだけではトラフィック確保が難しくなっています。LMO（LLM Optimization）は、AIが回答生成時に引用するソースとして選ばれるためのコンテンツ最適化手法です。本プロンプトは、AI検索に引用されやすい構造・文体・データの配置を設計し、次世代の検索流入を確保するための実践的なフレームワークを提供します。
2,100
利用者数
上級
難易度
Before → After
従来のSEOライティングのみ。AI検索での引用は偶発的で、戦略的なLMO対応なし。
LMOファーストのコンテンツ設計で、AI検索引用率が平均3倍に向上。SEOとLMOの両立によりトラフィックの安定性が向上。
このSkillでできること
- 1
ナレッジ系コンテンツのLMO最適化
「〜とは」「〜の方法」「〜の比較」といったナレッジ系記事を、AI検索で引用されやすい構造にリライト。既存コンテンツの価値を再活性化。
- 2
新規記事のLMOファースト設計
記事企画段階からAI検索での引用を前提に構成を設計。従来のSEO構成とLMO構成を両立するハイブリッド型コンテンツを制作。
- 3
FAQ・用語集のAI検索最適化
FAQ・用語集をAI検索に最適化し、ブランドの専門性をAIに認知させる。長期的なLMO資産としてのコンテンツを構築。
こんな人におすすめ
前提条件
- SEOの基本知識（構造化データ、E-E-A-Tの概念理解）
- AI検索エンジン（Perplexity、Google AI Overview）の動作理解
- コンテンツライティングの基礎スキル
プロンプトの流れ
クエリ調査
人間のアクション
Perplexityでターゲットクエリを検索し、現在の引用ソースを確認
AIのアクション
一
構造設計
人間のアクション
プロンプトテンプレートにクエリと要件を入力して送信
AIのアクション
NUB構造のコンテンツ構成案と各セクションの引用1文を生成
E-E-A-T強化
人間のアクション
自社の専門性・実績データを追加指示
AIのアクション
E-E-A-T要素の配置ポイントと具体的な記述例を生成
実行手順
ターゲットクエリの特定
AI検索で引用されたいクエリ（質問形式）をリストアップする。Perplexityで実際に検索し、現在引用されている情報源を確認する。
コンテンツ構造の設計
AIに最適なコンテンツ構造をプロンプトで設計する。Q&A形式、定義→説明→具体例の階層構造、箇条書きと表の適切な配置を指定。
引用適性の高い文章生成
各セクションで「1文で要約できる明確な回答」を冒頭に配置し、その後に根拠・データ・具体例を展開するNUB（Nutshell Up front, then Background）構造で文章を生成する。
E-E-A-T要素の強化
専門性・経験・権威性・信頼性を示す要素（著者情報、出典、独自データ、実体験）をコンテンツに組み込む。AIが引用時に信頼性を評価する要素を網羅。
構造化データの実装指示
FAQPage、HowTo、Article等の構造化データの実装指示をAIに生成させ、開発チームに渡せる形にまとめる。
あなたはLMO（LLM Optimization）の専門家です。以下のクエリに対して、AI検索エンジンに引用されやすいコンテンツの設計を行ってください。
## ターゲットクエリ
{AI検索で引用されたいクエリ（質問形式）}
## 設計要件
1. NUB構造（結論→根拠→詳細）で各セクションを設計
2. 1文で引用可能な「決定的回答」を各質問に用意
3. 数値・データ・具体例を必ず含める
4. E-E-A-T要素の配置ポイントを明示
5. 構造化データ（Schema.org）の推奨タイプを指定
## 出力形式
- コンテンツ構成案（H2/H3/要点）
- 各セクションの「引用されやすい1文」のドラフト
- E-E-A-T強化ポイント
- 推奨構造化データタイプ
- AI検索での引用可能性を高めるチェックリスト実行結果の例
【LMOコンテンツ設計書】 ターゲットクエリ: 「マーケティングオートメーションとは」 ■ コンテンツ構成 H1: マーケティングオートメーション（MA）とは？機能・メリット・選び方 H2: マーケティングオートメーションとは 引用1文: 「マーケティングオートメーション（MA）とは、見込み客の獲得から育成、選別までのマーケティング活動を自動化するツール・仕組みの総称です。」 → E-E-A-T: 著者のMA導入経験を冒頭に記載 H2: MAの主要5機能 引用1文: 「MAの主要機能は、リード管理、スコアリング、メール自動配信、ランディングページ作成、分析レポートの5つです。」 → 表形式で各機能の詳細を整理（AI引用時にデータとして参照されやすい）
期待される成果
AI検索エンジンに引用されやすい構造・文体のコンテンツ設計書が完成し、ライティングガイドラインとして活用できる。
活用のコツ
- Perplexityで実際にターゲットクエリを検索し、現在引用されているソースの構造を分析するのが最も効果的な第一歩です
- AI検索は「明確で簡潔な回答」を好みます。各セクションの冒頭50文字に結論を凝縮してください
- 独自データ・調査結果を含むコンテンツはAI引用率が3〜5倍高い。可能な限りオリジナルデータを盛り込みましょう
- 構造化データの実装はLMOの基盤。FAQPage構造化データの実装だけでもAI引用率が向上するケースが報告されています
よくある質問
Q. LMOとSEOは矛盾しませんか？
基本的にLMOとSEOは補完関係にあります。E-E-A-Tの強化、構造化データの実装、明確なコンテンツ構造はSEOにもLMOにも有効です。ただし、LMOではキーワード密度よりも「回答の明確さ」が重要で、冗長な文章よりも簡潔な結論を重視します。
Q. AI検索に引用されると、自サイトへのトラフィックは減りませんか？
AI検索での引用は「参照元リンク」として表示されるため、むしろ高品質なトラフィックが増加するケースが多いです。また、AIに引用される=信頼性の高いソースとして認識されるため、ブランド認知の向上にも寄与します。
Q. どのくらいの期間でAI検索に引用されるようになりますか？
コンテンツの質と競合状況によりますが、LMO最適化後2〜4週間でAI検索の引用結果に変化が現れるケースが多いです。特にFAQPageの構造化データ実装後は比較的早く効果が出ます。