15分で終わるLLMO最小実装: llms.txt + JSON-LDで「AIに見つけられる土台」を作る

「LLMOで90日8,337%増」を読んで奮い立った私が、まず90分間ボーッとした話を聞いてください。実装は15分で済むのに、私は「何から始めるべきか」を考え続けていました。

結論から書きます。土台に必要なのは2つだけです。 llms.txt と JSON-LD。どちらもファイルを置くだけで終わります。難しい設計判断はゼロ、デプロイパイプラインも変えません。早ければ15分、遅くても1時間です。

この記事は、すでに Microsoftの3原則(原理)と TRMの8,337%事例(事例)を読んだ方の「で、明日から何書けばいいの」に答える3記事目です。

結論: 土台は「2つのファイル」で組める

先に全体像を見てください。

llms.txtとJSON-LDの2本柱

ファイル	役割	配置先	所要時間
`llms.txt`	AIへの「コンシェルジュ」(サイト案内)	サイトルート	5分
JSON-LD `<script>`	AIへの「メタデータ」(意味の伝達)	各ページの`<head>`	10分

この2つだけで、AI検索クローラーが「あなたのサイトは何者で」「この記事は何の記事で」を理解する土台ができます。残りの「コンテンツの質」「権威性」「鮮度」は別の話。土台がないと、いくら良い記事を書いてもAIは見つけられません。

llms.txt: AIに「ここを読んで」と渡す案内状

llms.txtとは

llms.txtは、サイトのルートパス(yoursite.com/llms.txt)に置くMarkdownファイルです。Answer.AIのJeremy Howard氏が2024年に提案した規格で、2026年5月時点で 約10.13% の普及率 に達しています(SE Rankingの約30万ドメイン分析)。

robots.txtとの関係はこうなります。

観点	robots.txt	llms.txt
役割	「ここに入るな」	「ここを読んで」
性格	ゲートキーパー	コンシェルジュ
対象	全クローラー	主にAI
形式	独自テキスト	Markdown

llms.txtは「AIへのコンシェルジュ」、robots.txtは「AIへのゲートキーパー」。違いを覚えるより、両方置けばいい話です。

llms.txtのディレクトリを見にいくと、Anthropic、Cloudflare、Vercel、Stripe、Supabase、Cursor、Mintlifyといった、AI周辺で意思決定している企業が軒並み採用しています。採用率は中・低トラフィックのサイトの方が高い、というのが面白いところです。

5分で書くllms.txt

最小構成は、 H1のサイト名と、ブロッククオートのサマリー だけです。残りは任意。

# サイト名

> サイトの目的と主要コンテンツの説明(1〜2文)

## 人気記事

- [記事タイトル](URL): 簡潔な説明
- [記事タイトル](URL): 簡潔な説明

## ドキュメント

- [ページタイトル](URL): 簡潔な説明

## Optional

- [補足リソース](URL): 余裕があれば

ポイントは2つだけです。

1. すべてのページを書かない。 sitemap.xmlがその役割です。llms.txtは「特に読んでほしいページを10〜20件」厳選します。アクセス数の多い記事、独自データを含む記事、FAQ、自己紹介ページ。

2. ## Optionalセクションを使う。 「コンテキストウィンドウに余裕があれば読んでほしい」というメタな指示が出せます。AIに自己申告で優先順位を渡すという、ちょっとSF味のある仕組みです。

コピペで動く例

技術ブログの場合の例です。public/llms.txt に置けば動きます(Astro/Next.jsの場合)。

# 田中太郎 / エンジニアリングブログ

> フルスタックエンジニアの技術ブログ。Next.js、TypeScript、AIに関する
> 実践的な記事を週1回公開しています。

## 人気記事

- [Next.js App Router完全ガイド](https://example.com/blog/nextjs-app-router): App Routerの設計パターン
- [Docker ComposeからKubernetesへの移行](https://example.com/blog/docker-to-k8s): 段階的移行手順

## チュートリアル

- [JSON-LD実装ガイド](https://example.com/blog/jsonld-guide): AI検索最適化のための構造化データ実装

配置時の注意点: UTF-8、MIMEタイプ text/plain、HTTPS必須、推奨10KB以下。

「llms.txtは効くのか」問題への答え

正直に書きます。llms.txtの効果については まだ議論があります。Googleのジョン・ミュラー氏は「どのAIサービスもllms.txtを使用しているとは言っていない」と発言していますし、9サイトを比較した研究で8サイトが効果を測定できなかった、という結果もあります。

それでも私は置きます。実装コスト15分、デメリットはゼロ(既存SEOに影響しない)、早期採用者のアドバンテージはある可能性。火事が起きてから火災保険には入れません。15分で済む保険なら、入っておいて損はない話です。

JSON-LD: AIに「この記事は何か」を伝える

構造化データとは

JSON-LDは、HTMLにメタデータを埋め込んで、機械がコンテンツの意味を理解できるようにする仕組みです。schema.orgというボキャブラリーに基づきます。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "LLMOの完全ガイド",
  "author": {
    "@type": "Person",
    "name": "田中太郎"
  },
  "datePublished": "2026-02-01",
  "dateModified": "2026-02-20"
}
</script>

このコードを各記事ページの<head>に配置するだけです。

なぜJSON-LDがAI検索に効くのか

SEOの世界では「構造化データを入れてもランキングに直接影響しない」と長年言われてきました。AI検索では話が変わります。

決定的な根拠が一つあります。 Brave LLM Context API がページからデータを抽出する際、JSON-LDを最優先で読み取ることが公式に明文化されています。Brave Searchは1日2,200万件以上のAI回答を生成しており、Tavily、Exa、Perplexityと並ぶ主要LLM検索APIの一つです。

抽出時の優先順位は次の通りです。

構造化データ(JSON-LD) ← 最優先
テーブルデータ
クエリ最適化スニペット
コードブロック
フォーラム議論

JSON-LDを実装しているページは、AIの回答生成に使われるデータとして優先的に選ばれます。SurferSEOの分析では、適切なスキーマ実装でPerplexityでの可視性が 最大10%向上 という数値も報告されています。

入れるべき3つのスキーマ

schema.orgには800以上のタイプがありますが、現実的に効くのは3つです。

1. Article / TechArticle (ブログ記事に必須)

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "TechArticle",
  "headline": "Next.jsでJSON-LDを実装する方法",
  "author": {
    "@type": "Person",
    "name": "田中太郎",
    "url": "https://example.com/about",
    "jobTitle": "シニアフロントエンドエンジニア"
  },
  "datePublished": "2026-01-15T09:00:00+09:00",
  "dateModified": "2026-02-20T14:30:00+09:00",
  "description": "AI検索での可視性を高めるJSON-LD実装方法を解説",
  "keywords": ["Next.js", "JSON-LD", "LLMO"]
}
</script>

ここで一番重要なのは dateModified です。LLMは新鮮なコンテンツを優先します。Perplexityでは新鮮さが約40%のランキング要因という分析もあります。記事を更新したら必ず dateModified も更新する。これだけで他サイトと差がつきます。

author にURLとjobTitleを書くのも忘れずに。E-E-A-Tの「専門性」シグナルとして機能します。

2. FAQPage (Q&Aコンテンツ)

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "LLMOとSEOの違いは何ですか?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEOは検索エンジンでのランキング向上を目的としますが、LLMOはAI生成回答での引用・可視性向上を目的とします。"
      }
    }
  ]
}
</script>

回答は2〜3文で完結させてください。AIが「抜き出してそのまま使える」自己完結的な文にする必要があります。LLMOにおける引用は、ページ単位ではなく 段落単位 で発生するからです。

注意点として、FAQスキーマは 実際にFAQコンテンツがあるページにのみ 使ってください。空のFAQスキーマを置くとペナルティ対象になります。

3. HowTo (チュートリアル記事)

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "llms.txtの設置方法",
  "totalTime": "PT15M",
  "step": [
    {
      "@type": "HowToStep",
      "name": "llms.txtファイルを作成",
      "text": "Markdown形式でllms.txtファイルを作成します。"
    },
    {
      "@type": "HowToStep",
      "name": "サイトルートに配置",
      "text": "yoursite.com/llms.txt として配置します。"
    }
  ]
}
</script>

「〜のやり方」「〜の手順」というクエリでAI回答に出やすくなります。totalTime はISO 8601形式(PT15M = 15分)で書きます。

一番ハマるポイント: SSR必須

これは一度ハマると半日溶けます。

AIクローラーの多くはJavaScriptを実行しません。クライアントサイドJSでJSON-LDを動的挿入する方式は、AIには「ない」と扱われます。

// NG: クライアントサイドで注入される
useEffect(() => {
  const script = document.createElement('script')
  script.type = 'application/ld+json'
  script.text = JSON.stringify(jsonLd)
  document.head.appendChild(script)
}, [])

// OK: サーバーコンポーネントで直接出力
export default function Page() {
  return (
    <script
      type="application/ld+json"
      dangerouslySetInnerHTML={{ __html: JSON.stringify(jsonLd) }}
    />
  )
}

私はこのミスでJSON-LDを2週間「実装したつもり」になっていました。Google Rich Results Testで赤いバツが出たのを見て、ようやく気づきました。

robots.txtの確認も忘れずに

llms.txtとJSON-LDを完璧に実装しても、 robots.txtでAIクローラーをブロックしていたら すべて無駄になります。これも意外と見落とされがちな話です。

AIクローラーのリクエスト数は、すでにGooglebotの約20%に相当する規模になっています。最低限、次の設定を確認してください。

# AI検索最適化重視

User-agent: GPTBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: Google-Extended
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Applebot-Extended
Allow: /

# 管理画面は除外
User-agent: *
Disallow: /admin/
Disallow: /api/

Sitemap: https://example.com/sitemap.xml

「うちはAIに学習されたくない」という考え方も尊重します。ただ、 AI回答に出てこなくなる という意味でもあります。両方は両立しません。

15分実装タイムライン

整理します。新しい知識ゼロからでも、次の順番で進めれば15分で終わります。

15分実装タイムライン

経過時間	やること
0-5分	`llms.txt` を書いてサイトルートに配置
5-10分	トップ記事1本にArticle/TechArticleのJSON-LDを追加
10-13分	robots.txtでAIクローラー(GPTBot、ClaudeBotなど)が許可されているか確認
13-15分	Google Rich Results Test でJSON-LDをバリデーション

これで最小実装は完成です。残りの記事への展開、FAQページへのFAQPageスキーマ追加、HowTo記事への追加は、暇な日に少しずつやれば十分です。

ここから先のステップ

llms.txt + JSON-LDは「LLMOの土台」であって、LLMO全体ではありません。本格的にやるなら、次の3軸を並行して動かすことになります。

コンテンツ設計(原理): Microsoftの3原則。構造・明確さ・スニッパビリティ。
配信戦略(事例): TRMの90日8,337%増。4戦略柱の分解。
効果測定: ChatGPT流入、Perplexity経由のリファラ追跡、引用カウント。

この全体像のフレームワークは llmoframework.com に体系化されています。「土台ができたら次は何を最適化すべきか」を考えるときの地図として使ってください。

締め

15分で土台ができたら、次の14日と23時間45分で何書くか考えましょう。土台がない状態でいい記事を書いても、AIには「存在しないサイト」のままです。逆に、土台さえあれば、書いた記事は確実にAIの目に入る場所には届きます。

LLMOの一番つまらない真実は、こういうことです。 派手な施策の前に、地味な土台を15分で作るのが一番効く。 私はそれに気づくのに90分かかりました。あなたはこの記事を読み終えた瞬間から始められます。

参考

Brave LLM Context API ドキュメント: JSON-LD優先抽出の公式仕様
llms.txt directory: 採用済みサイトの一覧
llms.txt 規格(Answer.AI): Jeremy Howard氏のオリジナル提案
llmoframework.com: LLMO全体フレームワーク
Google Rich Results Test: JSON-LDのバリデーション

さらに深掘りしたい方へ

LLMO を30分で始めたい方は、核心を8章で凝縮したコピペで使えるテンプレ集 LLMOクイックスタート — エンジニアのためのAI検索最適化入門 が最短ルートです。