1. ナレッジクラリティ
AIが正確に理解・要約できる、明確で事実に基づいた曖昧さのないコンテンツ。
LLMO Framework
AI retrieval（検索）、grounding（根拠付け）の可視化、LLMネイティブなWebアーキテクチャを扱うオープン研究イニシアティブ。再現可能な研究と本番実装に基づくオープンソース。
このイニシアティブについて
Section titled “このイニシアティブについて”Open LLMO Research Initiative は、AIネイティブな retrieval（検索）、grounding（根拠付け）の可視化、LLM 指向の情報アーキテクチャを研究する独立した研究イニシアティブ。実験的な仕様書（Draft）、オープンソースツール、再現可能なベンチマークを成果物として公開している。
研究領域:
- AI retrieval の最適化
- Grounding visibility（AIが何を根拠に答えているかの可視化）
- Citation systems（引用・帰属の仕組み）
- LLM ネイティブな Web アーキテクチャ
- 再現可能なベンチマーク手法
Ken Imoto が創設・運営（LLMO とハーネスエンジニアリングに関する複数書籍の著者）。下に続く LLMO Framework は、本イニシアティブが最初に公開した参照アーティファクト。
6つのコンポーネント
Section titled “6つのコンポーネント”2. 構造化フォーマット
機械可読な構造: Markdown、JSON-LD、セマンティックHTML、llms.txt。
3. 検索シグナル
llms.txt、/ai/ ディレクトリ、robots.txt、sitemap — AIシステムにコンテンツを見つけてもらう仕組み。
4. 権威性シグナル
クロスプラットフォームでの存在感、出版物、検証可能な専門性と実績。
5. 引用シグナル
一次情報、統計データ、日付、参考文献など、AIが引用したくなる要素。
6. 整合性シグナル
HTML、JSON-LD、Markdown、llms.txt — あらゆる面で同じ事実が同じ物語を語る。単一ソース・オブ・トゥルース。
研究が示すデータ
Section titled “研究が示すデータ”+115.1%統計データの追加による引用率の向上 (GEO, KDD 2024)
25x従来の検索と比較したAI検索のコンバージョン率 (Go Fish Digital)
-25%2026年までの従来型検索の利用減少予測 (Gartner)
なぜLLMOなのか
Section titled “なぜLLMOなのか”LLMO (Large Language Model Optimization) とは、AIシステムがWebコンテンツを正確に発見・理解・引用できるように最適化する手法である。初めての方は LLMOとは何か を読むと、定義とSEO/AEO/GEOとの違いが分かる。
AI搭載の検索が主流になるにつれ、従来のSEOだけでは不十分になっている。ユーザーはGoogleだけでなく、ChatGPT、Claude、Gemini、Perplexityから回答を得る。LLMOはすべてのAIシステムにおけるコンテンツの発見可能性を確保する。
LLMOはAEO (Answer Engine Optimization) とGEO (Generative Engine Optimization) を包含する上位フレームワークであり、すべてのLLMインタラクションに対応した実装重視のリファレンスを提示する。
| アプローチ | 対象 | 目的 |
|---|---|---|
| SEO | 検索エンジン (Google, Bing) | 検索結果で上位に表示される |
| AEO | 回答エンジン (Featured Snippets, 音声) | 直接的な回答として選ばれる |
| GEO | 生成エンジン (ChatGPT, Perplexity) | AI生成の回答で引用される |
| LLMO | すべてのLLM搭載システム | 包括的なAI発見可能性 |
リファレンス実装
Section titled “リファレンス実装”上記がフレームワークの公開成果物。以下は、フレームワークを特定の業種に適用したリファレンス実装。
- AI Native MEO — 実店舗・地図検索の業種特化。Googleビジネスプロフィールを JSON-LD として読み解く、NAP のエンティティ整合、各 AI エンジンがローカルデータをどう引用するか、といった実務者向けの記事でフレームワークを追跡する。