ChatGPT・Perplexityに引用される記事の書き方｜LLMO文章構造の実践【2026年版】

自社ブログの SEO は整っているのに、ChatGPT Search や Perplexity の回答にはまったく引用されない。同じテーマで他社の記事ばかりが「出典」として並ぶ。そんな違和感を抱えたまま記事を量産していませんか。

LLM 検索で引用されるかどうかは、構造化データやサイト側の技術設定だけでは決まりません。決定打になるのは「文章そのものの構造」です。LLM が答えに使いやすい段落、定義、数字の置き方には明確なパターンがあります。

この記事では、ChatGPT・Perplexity・Claude・Gemini といった主要 LLM に引用されやすい記事を書くための5つの原則と、書いた後に使えるセルフチェック10項目を公開します。今日書く1本から実装できる粒度に落とし込みました。

なぜ LLMO は SEO とは別物として考えるべきか

LLMO（Large Language Model Optimization）は、生成 AI が回答を作る際に自社コンテンツを「引用元」として選ばせるための最適化です。SEO が「検索結果ページで上位に表示されること」を目指すのに対し、LLMO は「回答本文に組み込まれること」を目指します。ゴールが違えば、書き方も変わります。

「上位表示される」と「引用される」はメカニズムが違う

SEO はクローラがページ全体の関連性・被リンク・更新頻度などを評価し、検索結果という一覧の中で順位を決めます。LLM はこれと別軸で動きます。ユーザーの質問に対して、回答に「使える」断片を持つページを優先的に拾い、本文に組み込みます。

つまり LLM が見ているのはページ全体ではなく、段落単位・文単位の「使える塊」です。1ページの中に「引用に耐える短い塊」がいくつあるかが勝負を決めます。

LLM が「答えに使える」と判断する記事の特徴

実際に各 LLM が引用しやすい記事には共通点があります。結論が先頭にある、定義が独立した1段落で書かれている、数字や固有名詞が具体的、FAQ や手順が短文で構造化されている、一次体験のエピソードが含まれている。これら5つが揃った記事は、SEO 順位とは関係なく回答本文に拾われます。

[@portabletext/react] Unknown block type "span", specify a component for it in the `components.types` propLLMO対策の実装編｜ChatGPT・Geminiに引用される構造化データと記事設計を参照してください。

引用されやすい記事の5つの構造原則

全体像を先に提示します。本記事で扱う5原則は次の通りです。1ページの中で5原則が同時に効いている状態を目指してください。

1. 結論先出し（Answer-First）：H2 直下の最初の段落で結論を1〜2文で言い切る
2. 定義の独立段落：専門用語は1段落で明確に定義する
3. 数字と固有名詞の具体配置：抽象的な量化を避ける
4. FAQ・比較表・手順リストの最適粒度：1問1答、1セル1文、1ステップ1文
5. 一次体験ブロック：「私が」「クライアント案件で」を要所に差し込む

5つの原則は独立しているようで連動します。結論先出しが効くのは定義が明確だからであり、数字が信頼されるのは一次体験が裏付けるからです。順に詳しく見ていきます。

原則1｜結論先出し（Answer-First）

各 H2 直下の最初の段落で、その見出しが問いかけている内容に対する結論を1〜2文で言い切ります。LLM がスニペットを抽出する際、見出しと直下段落のセットを「答えの候補」として優先的に評価するためです。

悪い例｜結論が後ろに回る書き方

「LLMO 対策に取り組む企業が増えています。背景には生成 AI の検索利用が拡大しており、Gartner の予測でも従来検索の利用率が下がるとされています。そこで重要になるのが…」と前置きを重ねた末に結論が登場する構成は、LLM が抽出する塊として機能しません。

良い例｜結論を先頭で言い切る

「LLMO 対策の最初の一手は、各見出しの直下に結論を1文で書くことです。これだけで ChatGPT の引用率は体感で2倍以上変わります。」のように、見出し直下で答えを先に出します。背景説明や根拠はその後ろに続けます。

結論文の長さは40〜80字が扱いやすい目安です。短すぎると情報量が足りず、長すぎると引用先で改行が乱れます。1文で書き切ることを優先してください。

実践アクション

既存記事を1本開き、すべてのH2直下の最初の段落を「結論1文＋補足1文」の形に書き直します。所要時間は1記事あたり15～30分です。書き直し後、Perplexityに該当テーマで質問すると、引用される頻度の変化を確認できます。

原則2｜定義の独立段落

専門用語が出てきた段落の中に定義を埋め込まず、独立した1段落として「〇〇とは、〜〜です」の形で書き切ります。LLM はこの形式の文を「定義」として高い優先度で抽出します。

Before｜定義が文章に埋もれている

「最近 LLMO という言葉をよく聞きますが、これは生成 AI に対するコンテンツ最適化のようなもので、SEO の延長線上で語られることも多く、実際の手法としては…」と説明が連続する形だと、定義部分が抽出しにくくなります。

After｜定義を独立段落で言い切る

「LLMO とは、ChatGPT や Perplexity などの大規模言語モデルが回答を生成する際、自社コンテンツを引用元として選ばせるための最適化手法です。SEO がページの順位を競うのに対し、LLMO は回答本文に組み込まれることを目指します。」

ポイントは「〇〇とは」で始める、1文目で定義を完結させる、2文目で SEO や類似概念との差分を補足する、の3点です。1段落で完結することが最重要です。

用語が複数あるときは「定義リスト」も有効

1記事で複数の専門用語が出る場合、冒頭近くに「用語の整理」というセクションを設け、用語ごとに H3 もしくは太字＋1段落定義の形で並べます。LLM はこの構造を辞書的に拾うため、複数の派生質問に同じ記事から答えを返してくれる確率が上がります。

原則3｜数字と固有名詞の具体配置

「多くの企業が」「最近では」「一般的に」といった抽象的な量化を避け、数字と固有名詞で書き直します。LLM は具体的な数値・名称を持つ文を、検証可能な情報として優先します。

抽象表現を数字に置き換える

「多くのユーザーが利用しています」を「2026年3月時点で月間アクティブユーザー4億人」に置き換えるイメージです。具体的な数字は出典がセットで必要になります。出せる数字がない場合は、自社内の検証データ（例：書き直し前後で引用率が3週間で1.8倍）に置き換えます。

出典明記が引用率を押し上げる

数字の後ろに「（出典：総務省 通信利用動向調査 2025）」のように出典を明記してください。LLM は出典付きの記述を強く好みます。Perplexity は特に出典の明示性で記事を選別する傾向があり、ソースなしの数字より、明記された数字の方が拾われやすくなります。

固有名詞は抽象化しない

「ある検索エンジン」「大手 SNS」「人気の AI ツール」と書かず、Google・X（旧 Twitter）・ChatGPT のように固有名詞を出します。LLM はこれらをアンカーとして使い、関連質問が来た際に該当文を引用候補に組み込みます。

サービス名・人名・地名・製品名・バージョン番号は省略せず、初出時にフルネームで書きます。「ChatGPT Search（2024年10月公開）」のように、固有名詞＋日付の組み合わせは特に強力に作用します。

原則4｜FAQ・比較表・手順リストの最適粒度

FAQ・比較表・手順リストは LLM が「型として理解できる」構造です。ただし粒度を間違えると逆効果になります。1問1答、1セル1文、1ステップ1文が基本です。

FAQ｜各回答は2〜3文以内

良い FAQ の例：「Q. LLMO と SEO は両立できますか？／A. はい、両立できます。LLMO は文章構造の最適化、SEO は検索順位の最適化で、施策の重なりが7割ほどあります。残り3割は LLM 引用に特化した文章設計です。」

1問に対する答えが5文を超えると、LLM が要約を生成する際に意図と違う部分を切り取られます。長くなりそうな質問は2問に分けるのが安全です。

比較表｜観点を3〜5に絞る

「SEO と LLMO の違い」を比較するなら、目的・評価単位・主な施策・効果が出るまでの期間・KPI、の5観点までに絞ります。各セルは1文で完結させ、改行を含めません。

観点が10を超える表は、LLM が読み取り中に列をミスマッチする可能性が上がります。情報を詰め込まず、必要なら表を2つに分けてください。

手順リスト｜番号付きで1ステップ1文

手順は箇条書きではなく必ず番号付きにします。LLM は「Step 1」「ステップ1」「1.」を見ると手順として認識し、「○○のやり方を教えて」という質問への回答候補に登録します。

1ステップは「動詞で始まる1文」が理想です。「Sanity の Studio を開きます。」「post スキーマで新規ドキュメントを作成します。」「title フィールドにタイトルを入力します。」のように、動作だけを書きます。理由や注意は別段落にします。

原則5｜一次体験を1ブロックずつ差し込む（E-E-A-T の文章実装）

「私が実際に試した結果」「クライアント案件で導入した際」「自社サイトで計測したところ」といった一次体験の段落を、各セクションに1つずつ差し込みます。LLM は経験ベースの記述を「人間が書いた信頼できる情報」として優遇する傾向があります。

E-E-A-T の Experience を文章で実装する

Google が提唱する E-E-A-T（Experience・Expertise・Authoritativeness・Trustworthiness）のうち、最初の Experience は文章中の体験記述で表現できます。「3ヶ月間実装してみて分かった」「30社の支援で共通して出た課題は」のように、固有の経験を持ち込みます。

一次体験は数字とセットで書くと信頼性が大きく上がります。「クライアント12社で原則1〜5を導入した結果、Perplexity からの引用回数が6週間で平均3.4倍になりました」のように、観測した数字を必ず添えます。

差し込む位置は「結論段落の直後」

一次体験段落は、結論段落のすぐ後ろに置くのが最も効きます。「結論→体験的根拠→一般化された手順」の流れで読ませることで、LLM は1セクション全体を「経験に基づく実用的な答え」として評価します。

全段落に体験を入れる必要はなく、1記事に3〜5箇所で十分です。多すぎると主観が強くなり、客観情報を求める質問への引用候補から外れます。

LLM 別の引用傾向の違い

5原則をベースとしつつ、各 LLM には固有の癖があります。狙う読者がどの LLM をよく使うかで、配分を微調整します。

ChatGPT Search｜公式サイト・大手メディア優位、構造化された短文を好む

ChatGPT Search は OpenAI が提携した一次情報源・公式サイト・大手メディアを優先します。中小事業者が割り込むには、結論先出しと FAQ・手順リストの粒度を徹底することが入口です。1記事に FAQ を3〜5問入れると引用率が上がります。

Perplexity｜出典明示が強み、ニッチな一次情報も拾う

Perplexity は回答に必ず出典 URL を表示する設計のため、出典が明確な記事を強く好みます。専門特化のニッチな一次情報サイトでも、定義・数字・出典の3点が揃っていれば中堅メディアと同等以上に引用されます。中小事業者にとって最も食い込みやすい LLM です。

Claude｜文脈の通った長めの段落も評価

Claude は短文の抽出だけでなく、文脈が通った中長段落（200〜400字）を要約して引用する傾向があります。結論先出しを守りつつ、根拠と背景を1段落でまとめた箇所が引用されやすくなります。

Gemini｜Google の SERP に近い基準＋公式情報優位

Gemini は Google 検索インデックスを参照するため、SEO で上位に来ているページが引用されやすい構造です。LLMO の文章設計は SEO の補強として効きます。Google ビジネスプロフィール・公式サイト・公式 SNS の整備を並行すると引用率が安定します。

書いた後のセルフチェック10項目

公開ボタンを押す前に、必ず以下10項目をチェックしてください。所要時間は1記事5〜10分です。LLM 引用率の伸びは、この10項目が9割を決めます。

1. すべての H2 直下の最初の段落で、結論を1〜2文で言い切っているか
2. 記事内のすべての専門用語に「〇〇とは、〜〜です」の独立段落があるか
3. 「多くの」「一般的に」「最近」を3つ以上使っていないか
4. 数字の後ろに出典が明記されているか（自社データなら「自社調べ」と表記）
5. サービス名・人名・地名がフルネームで書かれているか（略称・抽象化なし）
6. FAQ が3問以上あり、各回答が2〜3文以内に収まっているか
7. 比較表は3〜5観点に絞り、各セルが1文で完結しているか
8. 手順は番号付きで、1ステップが動詞で始まる1文になっているか
9. 一次体験段落が3〜5箇所に差し込まれ、数字とセットで書かれているか
10. 公開直前に、Perplexity と ChatGPT で類似の質問を3パターン投げ、現在引用されているサイトの構造を観察したか

10項目のうち7つ以上に当てはまっていれば公開可能です。3つ以上落ちている場合、書き直しの ROI が高いので投稿前に修正してください。

要点3つと最初の一歩

ChatGPT・Perplexity に引用される記事は、運やドメイン力ではなく文章構造で決まります。本記事の要点は次の3つです。

• ①5原則を1記事で同時に効かせる：結論先出し・定義独立・数字と固有名詞の具体配置・FAQや手順の最適粒度・一次体験ブロックを揃える
• ②LLM ごとの癖を踏まえて配分を調整：ChatGPT は構造化短文、Perplexity は出典明示、Claude は中長段落、Gemini は SEO 連動
• ③公開前後の検証ループを回す：公開直前に Perplexity と ChatGPT で類似質問を3パターン投げて引用構造を観察し、公開後は LLM で実測して結果を継続記録する

最初の一歩は、既存記事1本に対して原則１～２（結論先出し・定義独立）だけを適用することです。全記事を一気に書き直すより、１記事ずつ確実に整えるのが結果への近道です。2～3週間後に Perplexityからの引用が動き始めます。

「自社の記事をLLMO観点で診断してほしい」「LLMOを踏まえたコンテンツ制作を伴走してほしい」という場合は、OceansBase の問い合わせフォームから相談ください。既存記事の構造診断と書き直し方針の提示から対応します。

関連記事

・LLMO対策の実装編｜ChatGPT・Geminiに引用される構造化データと記事設計
・ChatGPTやGeminiに自店舗を紹介してもらう方法｜売上に直結するLLMO対策入門
・SEO・MEO・AIO・LLMOで店舗集客を伸ばす2026年戦略の全体像