Google検索の結果画面が変わった。2025年後半からAI Overview（旧SGE）が本格展開され、検索1位のクリック率（CTR）が従来比で約38%低下したとする調査データが出ている（Semrush, 2025年調査）。ユーザーが検索結果をクリックせずにAI生成の要約で満足してしまう、いわゆる「ゼロクリック検索」がアフィリエイターの収益を直撃している。

筆者自身、X運用で月間インプレッション2,000万超を維持しながらブログへの送客を組み合わせてきたが、2025年秋ごろからGoogle経由のアクセスが目に見えて減った。検索流入に依存するアフィリエイト記事は、従来のSEOだけでは立ち行かなくなっている。

そこで注目されているのがLLMO（Large Language Model Optimization）——ChatGPT・Gemini・PerplexityなどのAI検索エンジンに自サイトのコンテンツを引用・推薦してもらうための最適化手法だ。本記事では、アフィリエイト記事をLLMO対応させる5つの設計原則と、具体的な実装手順を解説する。

AI Overviewでアフィリエイトの何が変わったのか

まず現状を数字で整理する。

2026年5月時点で、Google AI Overviewは日本語検索の約45%のクエリに表示されている（Search Engine Landの定点観測による推計）。特に「〇〇 おすすめ」「〇〇 比較」といったアフィリエイターが狙いやすい商標・比較系クエリでの表示率が高い。

結論から言うと、影響は3つに集約される。

1. CTRの低下: AI Overviewが表示されるクエリでは、オーガニック1位のCTRが平均38〜42%低下する。「答えが1行で済む」タイプの記事が最もダメージを受ける。

2. 引用元の寡占: AI Overviewの引用元として選ばれるサイトは上位3〜5ドメインに集中する。大手メディアや公式サイトが優先され、個人ブログは引用されにくい。

3. 一方で「AI引用枠」という新しい流入経路: AI Overviewの引用リンクからの流入は、クリック単価（収益性）が高い傾向がある。引用元に選ばれさえすれば、従来のSEO1位より少ないPVで同等以上の収益を出せるケースも報告されている。

つまり、これからのアフィリエイトは「検索順位1位を取る」から「AIに引用される情報源になる」へ設計思想を切り替える必要がある。

原則1：E-E-A-Tを「証拠」で実装する

LLMが情報源として信頼するサイトの特徴は、Googleの品質評価ガイドライン（Google検索セントラル）が定めるE-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）と重なる。

ただし「E-E-A-Tを高めましょう」という抽象論では動けない。アフィリエイト記事で実装可能な施策を具体的に挙げる。

著者情報の構造化: 記事に著者プロフィールを設置し、Personスキーマで構造化マークアップする。筆者の場合は「X運用歴6年・フォロワー8万・運用代行実績あり」という経歴を構造化データに含めている。LLMは著者の専門性をJSON-LDから読み取れる。

一次情報の明示: 「実際に使ってみた」「筆者が検証した」だけでは弱い。スクリーンショット・管理画面キャプチャ・収益レポートのデータなど、一次情報であることを証明する素材を本文に組み込む。

出典リンクの徹底: 数値を書くたびに出典をリンクする。LLMはファクトチェック用に出典リンクを参照しており、出典のない数値は引用対象から除外されやすい。

原則2：構造化データ（JSON-LD）でAIに読ませる

LLMやAI Overviewは、HTMLの構造化データを情報の信頼性判定に活用している。アフィリエイト記事で最低限実装すべきスキーマは以下の3つだ。

① Article スキーマ

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "記事タイトル",
  "author": {
    "@type": "Person",
    "name": "著者名",
    "url": "著者プロフィールURL"
  },
  "datePublished": "2026-06-03",
  "dateModified": "2026-06-03",
  "publisher": {
    "@type": "Organization",
    "name": "メディア名"
  }
}

② FAQPage スキーマ: FAQ セクションには FAQPage 構造化データを追加する。AI Overviewは FAQ 構造化データのある記事を引用しやすい傾向がある。実装方法は後述する。

③ HowTo スキーマ（手順記事の場合）: 「〇〇のやり方」「〇〇の始め方」系の記事では HowTo スキーマを追加する。ステップごとの手順がAIに正確に理解される。

構造化データのテスト: 実装後は Googleリッチリザルトテスト で必ず検証する。エラーがある状態ではAI Overviewの引用候補にならない。

原則3：FAQ形式で「AIが答えやすい」構造にする

ChatGPTやGeminiが外部ソースを引用するとき、最も拾いやすいのは「質問と回答が明確に対応している」コンテンツだ。

実装のポイントは3つある。

質問はユーザーの検索クエリそのままにする: 「メリットは？」のような抽象的な見出しではなく、「アフィリエイトでLLMO対策をしないとどうなる？」のように、実際に検索されるフレーズを使う。Googleの「他の人はこちらも質問」（PAA: People Also Ask）に表示される質問が参考になる。

回答の冒頭30文字で結論を言い切る: LLMは回答の冒頭部分を引用する傾向が強い。「結論から言うと、〇〇です。」で始め、補足説明はその後に続ける。

FAQPageスキーマを併用する: HTML上の <h3> + <p> に加えて、JSON-LD で FAQPage マークアップを実装する。これにより、Google検索のリッチリザルトとAI Overviewの両方で引用される確率が上がる。

原則4：比較・条件分岐テーブルで差別化する

AIが最も引用しにくいコンテンツ形式のひとつが、条件ごとに整理された比較表だ。逆に言えば、比較表を正しく構造化すれば、AIが「この表を引用したい」と判断する確率が上がる。

アフィリエイト記事で効果が高い比較テーブルの設計パターンを紹介する。

条件分岐型: 「月5万円以下の副業収入なら → A」「月5〜20万円なら → B」のように、読者の状況に応じて結論が変わるテーブル。LLMは「〇〇の場合はどうすればいい？」という質問に対し、条件分岐テーブルのあるページを引用しやすい。

スペック比較型: サービス名・料金・手数料・特徴を横並びで比較する表。<table> タグで正しくマークアップし、<thead>・<tbody> を使い分ける。CSSで見た目だけ表にしている記事（<div> の羅列）はAIに構造が伝わらない。

判定フロー型: 「あなたに合うのはどれ？」をYes/Noで分岐させるフローチャート。HTML上は番号付きリスト（<ol>）で実装し、各分岐にアンカーリンクを張る。

原則5：更新性と鮮度を担保する

LLMが引用元を選ぶ際、情報の鮮度は重要な判定基準だ。2026年6月時点の調査では、AI Overviewが引用するページの約70%が直近12ヶ月以内に更新されたコンテンツだったとする分析がある（Ahrefs Blog の分析記事）。

鮮度を担保する具体的な運用ルールを挙げる。

更新日を明示する: dateModified を構造化データに含め、記事上部にも「最終更新: 2026年6月」と表示する。「いつの情報か分からない」記事はLLMに無視されやすい。

定期的なファクトチェック: 料金・手数料・制度は変わる。四半期に1回、記事内の数値が最新かを確認し、変更があれば本文と dateModified を更新する。

「〇〇年〇月時点」の注記: 本文中の料金・税率・制度には必ず時点を明記する。LLMは時点の明記されたデータを優先的に引用する傾向がある。

自分がInstagramの運用代行をやっていた頃、クライアントの「プロフィールを1年放置していた」ブログがAI検索からほぼゼロ流入だったケースを見た。プロフィール欄と記事の更新日を直しただけで3ヶ月後に流入が月200PVまで回復した。更新性は地味だが効果が実証されている。

実装チェックリスト：今日から始める5ステップ

ここまでの5原則を、実際の作業順にまとめる。

ステップ1: 著者プロフィールを整備する（所要時間: 30分）

著者ページを作成し、経歴・実績・資格を記載する。Person スキーマでJSON-LDマークアップを追加する。

ステップ2: 既存記事にFAQセクションを追加する（所要時間: 1記事あたり20分）

アクセス上位10記事から着手する。Googleの「他の人はこちらも質問」からQ&Aを3〜5問抽出し、記事末尾にFAQセクションと FAQPage スキーマを追加する。

ステップ3: 比較表をHTMLテーブルに置き換える（所要時間: 1記事あたり15分）

画像やCSSだけで作った比較表を <table> タグに置き換える。<thead>・<th> で見出し行を明示する。

ステップ4: 出典リンクと更新日を追加する（所要時間: 1記事あたり10分）

数値のある箇所に出典リンクを補足し、記事の dateModified と画面表示の更新日を設定する。

ステップ5: 構造化データをテストする（所要時間: 1記事あたり5分）

リッチリザルトテストにURLを入力し、エラーがゼロになるまで修正する。

FAQ

LLMOとSEOは何が違う？

SEOはGoogleの検索アルゴリズムに最適化する手法で、LLMOはChatGPT・Gemini・PerplexityなどのLLM（大規模言語モデル）に自サイトを引用させる手法です。SEOが「検索順位」を上げるのに対し、LLMOは「AIの回答に引用される」ことを目指します。両者は対立するものではなく、E-E-A-Tや構造化データなど共通する施策も多いです。

個人ブログでもAI Overviewに引用される？

結論から言うと、可能です。ただし大手メディアと比べて不利なのは事実です。個人ブログが引用されやすい領域は「体験レビュー」「ニッチな条件分岐」「最新サービスの速報」など、大手がカバーしきれないロングテール情報です。著者の専門性が構造化データで明示されていることが前提条件になります。

構造化データを入れればすぐに効果が出る？

即効性はありません。構造化データの追加からGoogleがリッチリザルトに反映するまで通常2〜4週間、AI Overviewの引用元として認識されるまではさらに数週間かかるケースが多いです。まずはアクセス上位の記事から優先的に実装し、3ヶ月単位で効果を測定してください。

LLMO対策にお金はかかる？

本記事で紹介した5原則はすべて無料で実施できます。構造化データの生成はSchema Markup Generatorなどの無料ツールで対応可能です。WordPressであればRank MathやYoast SEOの無料版でFAQスキーマを自動出力できます。

AI Overviewが表示されないジャンルもある？

2026年6月時点で、YMYL（Your Money or Your Life）領域の一部、特に医療・法律の専門的なクエリではAI Overviewの表示率が低い傾向があります。一方、副業・投資・節約などの「お金」系クエリでは表示率が高く、アフィリエイターへの影響は大きいです。

参考文献