カーディーラーのLLMO対策とは?AI検索で「推薦される販売店」になる実践ガイド

自動車・カーディーラーのLLMO(Large Language Model Optimization)とは、ChatGPT・Gemini・Perplexity・Google AI OverviewなどのAI検索が回答を生成する際に、自社店舗の在庫・納期・サービス情報を引用・推薦させるための最適化施策です。

株式会社Iteraが1,459クエリ×30ジャンルを対象に実施した調査では、Google検索におけるAI Overviewの出現率は78.2%、AI Overview表示時のCTRは推定47%減少、ゼロクリック率は60.3%でした。

自動車は検討期間が長く比較情報が多い高額商材であり、AIの回答が意思決定に与える影響が大きい領域です。ただしディーラーが対策すべきは、メーカー公式が支配する車種情報ではありません。

地域×店舗×一次情報(納期・在庫・下取り・サービス)。ディーラーにしか出せない情報こそが、AI検索での勝ち筋です。

本記事では、実測データを起点に、販売店が取るべきLLMO対策を「計測→施策→検証」の順で解説します。

カーディーラーのLLMOとは何か?SEO・MEOと何が違うのか?

LLMOは検索順位やマップ表示を上げる施策ではなく、AIの回答文の中で「引用・推薦される」ための施策です。SEO・MEOの土台の上に積み上げます。

従来、ディーラーのWeb集客は、SEO(検索での上位表示)、MEO(Googleマップでの露出)、ポータルサイトへの在庫掲載が中心でした。LLMOはその先、AIがユーザーの質問に回答するとき、回答の根拠(引用元)や推薦候補として自社店舗が選ばれることを目的とします。

AIO(AI Optimization)、GEO(Generative Engine Optimization)もほぼ同義で使われます。

自動車でこの違いが決定的なのは、顧客の検索が「単語」ではなく「相談」だからです。

従来は「〇〇市 中古車 SUV」と検索されていたものが、AI検索では「子どもが2人。予算250万円、走行5万km以内で維持費の安いSUVと、〇〇市で信頼できる販売店は?」という条件複合型の相談に変わります。

この相談に答えられる情報構造を持つ店舗だけが、AIの回答に登場します。

なおLLMOはSEOの代替ではありません。AIが引用する情報源はGoogle検索の上位ページと重なる傾向が強く、SEOで評価されないサイトはLLMOでも引用されにくいのが実態です。

またディーラーのような店舗ビジネスでは、GoogleビジネスプロフィールがAI回答のローカル情報源として機能するため、MEOはLLMOの一部と考えるべきです。「SEO・MEOの上にLLMOを積む」が正しい理解です。

なぜ今、ディーラー・自動車販売店にLLMO対策が必要なのか?

当社調査でAI Overview出現率78.2%・ゼロクリック率60.3%。比較・費用・悩み型クエリが多い自動車は、AI回答が意思決定を左右しやすいジャンルです。

株式会社Iteraが運営するLLMO計測ツール「LLMOチェキ」では、30ジャンル・1,459クエリを対象にAI検索の出現状況を継続観測しています。主要な結果は次の通りです。

• Google検索におけるAI Overview出現率：78.2%(1,459クエリ全体)

• AI Overview表示時のCTR：推定47%減少

• ゼロクリック率(検索してもどのサイトも訪問しない割合)：60.3%

• 自動車関連ジャンルのAI Overview出現率：82%

• 自動車関連クエリのゼロクリック率：58.1%

自動車の購買行動は「車種比較→費用検討→店舗選び」という長い検討プロセスをたどり、各段階で「〇〇 vs △△」「残クレとリースどっちが得」「〇〇市 ディーラー 評判」といった質問が発生します。

これらはいずれもAIが回答を生成しやすい型のクエリであり、来店前の意思決定の大部分がAIとの対話で形成されつつあります。

さらに自動車は、金額の大きさと安全性の両面でYMYL(Your Money or Your Life)に該当し、AIは情報源の信頼性を厳しく評価します。

中古車業界の不祥事以降、顧客の店舗選びは「信頼できるか」を軸に一層慎重になっており、信頼シグナルを整備した店舗に引用と推薦が集中する構造です。

当社観測では、AI回答内で引用されるドメインは少数に偏る傾向があり、「〇〇市で△△を買うならこの店」というAI内のポジションを先行者が固めた後から逆転するコストは高くなります。

顧客の情報収集はAIでどう変わったのか?そしてディーラーは何を獲るべきか?

車種情報の戦場はメーカー公式と大手メディアのもの。ディーラーが獲るべきは「地域×店舗」と「ディーラーしか知らない一次情報」の2レイヤーです。

自動車を取り巻くAI行動の変化と、販売店が取るべきポジションを整理します。

第一に、車種選びのAI化です。「ファミリー向けミニバン おすすめ」「〇〇と△△の違い」といった質問にAIは即答します。ただしこのレイヤーの引用元は、メーカー公式サイトと大手比較メディアが中心です。販売店が車種解説記事で正面から戦うのは費用対効果が合いません。メーカーと戦わない。これがディーラーLLMOの大前提です。

第二に、費用と条件の相談です。「〇〇の値引き相場」「残価設定とカーリースの比較」「下取りと買取どちらが高い」「今の納期は?」。この層の質問に、メーカー公式は答えられません。値引きの実勢、リアルタイムの納期、下取りの査定傾向は、販売の現場だけが持つ一次情報です。ここがディーラーが引用を獲れる最初の主戦場です。

第三に、店舗選びとサービス入庫です。「〇〇市 △△ディーラー 評判」「〇〇市 車検 土日対応」といった地域クエリは、購入だけでなく車検・点検・整備という継続収益の入口でもあります。新車販売の利益が薄い構造の中で、サービス入庫のAI推薦枠は収益面の重要度が高い割に、対策している店舗がほぼいない空白地帯です。

つまりディーラーのLLMOは、「車種はメーカーに任せ、費用・納期・地域・サービスの4領域で一次情報を出す」という役割分担の設計から始まります。

ディーラー・自動車販売店が取り組むべきLLMO対策7選

優先順位は「①計測 → ②構造化 → ③一次情報の言語化 → ④E-E-A-T」。施策の前に、まず現在地の把握です。

施策①:AI検索での自社露出を計測する(最優先)

すべての施策の前に、「自社名・自社エリアの主要クエリで、AIが今なにを回答しているか」を把握してください。ディーラーのクエリ設計は4層で組みます。

• 指名系:「〇〇自動車 評判」「△△店 口コミ」(ブランド保護)

• 地域×購入系:「〇〇市 △△ 販売店」「〇〇市 中古車 SUV おすすめ」(新規獲得)

• サービス系:「〇〇市 車検 安い」「△△ オイル交換 予約」(入庫獲得)

• 費用・条件系:「△△ 納期 最新」「残クレ デメリット」(初期接点)

確認項目は、自社の言及有無(引用率)、競合店・ポータルの言及状況(競合ギャップ)、誤情報の有無の3点です。主要クエリ10〜30本の月次定点観測だけでも施策の効果検証が可能になります。

手動確認は工数がかかるため、LLMOチェキのような計測ツールで自動化するのが現実的です。

施策②:店舗・在庫情報を構造化データで記述する

AIはHTMLテキストと構造化データから情報を理解します。店舗名・所在地・営業時間・取扱ブランド・サービスメニュー(新車/中古車/車検/整備/板金)を明示した上で、JSON-LD形式の構造化データを実装してください。優先スキーマは次の通りです。

• AutoDealer / AutomotiveBusiness(店舗情報)

• Vehicle / Car + Offer(中古車在庫:年式・走行距離・修復歴・支払総額)

• FAQPage(よくある質問)

• Article + author(記事と監修者情報)

中古車在庫は「画像とPDFの中にしかない情報」が典型的な失敗です。年式・走行距離・修復歴の有無・保証内容・支払総額は必ずテキストと構造化データで公開してください。

総額表示の義務化に対応した誠実な価格開示は、そのままAIへの信頼シグナルになります。

施策③:納期・値引き・下取りの一次情報を「AIが読める言葉」に変換する

ディーラー最強の武器は、現場だけが知る鮮度の高い事実です。

悪い例:「人気車種を多数取り揃えております」

良い例:「△△の当店納期目安:2026年7月時点で契約から約3か月(グレード〇〇は約5か月)/□□の下取り査定傾向:3年落ち・走行3万kmで新車価格の約〇〇%が中心/残価設定3年プランの当店実績金利は〇.〇%」

前者は誰でも書ける宣伝文ですが、後者はAIが「納期」「下取り相場」という高需要クエリへの回答素材として使える検証可能な一次情報です。

納期は月次更新の定型ページにすれば、鮮度で全国メディアに勝てます。当社観測では、固有の数値と更新日を持つページはAIへの引用獲得において明確に優位です。

施策④:FAQコンテンツで「来店前の質問」を吸収する

AIへの質問は自然文です。営業とサービスフロントが日々受けている質問(「車検は何日かかる?」「試乗に予約は必要?」「ローン審査に必要な書類は?」「EVの補助金は使える?」)をQ&A形式で記事化し、FAQPageスキーマとセットで実装します。

特にCEV補助金・エコカー減税などの制度情報は変化が速く、地域の販売店が最新情報を整備すれば引用を獲りやすい領域です。

施策⑤:E-E-A-Tを「証明できる形」で明示する

高額かつ安全に関わる自動車では、E-E-A-T(経験・専門性・権威性・信頼性)の明示が引用と来店の両方の前提条件です。

古物商許可、指定・認証工場の番号、国家資格整備士の人数と実名、メーカー研修修了、販売・整備実績数を全ページ共通ブロックで実装してください。

整備コラムには「一級整備士〇〇監修」のような実名を付け、「誰の知見か」をAIが特定できる状態にします。

施策⑥:Googleビジネスプロフィールと口コミを整備する

店舗ビジネスであるディーラーにとって、GoogleビジネスプロフィールはAIのローカル回答の主要な情報源です。サービスメニュー・写真・投稿を最新に保ち、口コミへの返信を運用してください。

店舗選びで評判の裏取りが定型行動になっている今、口コミの量と返信品質はそのままLLMO施策です。MEOで培った運用がある店舗は、その資産がAI時代にそのまま効きます。

施策⑦:在庫・価格・納期の鮮度を保つ運用体制を作る

在庫は日々動き、納期・金利・補助金も変わります。売約済み車両や旧納期をAIが引用し続けると、来店時のトラブルの元です。

売約車両の速やかな処理、納期ページの月次更新、更新日の明記をルール化し、月次で自社名と主要クエリをAIに質問して誤情報を検知してください。

LLMO対策の効果測定はどうやるのか?

見るべきはアクセス数ではなく「AI引用率」と「来店・入庫の質」。従来のGA4だけでは効果が見えません。

LLMOはAI上で情報接触が完結するため、セッション数だけでは測れません。追うべき指標は次の3つです。

1. AI引用率:主要クエリ群のうち、AI回答で自社が引用・言及された割合(購入系とサービス系を分けて観測)

2. 競合比較:同一クエリ群での競合店・ポータルサイトの引用状況との差分

3. 来店・入庫の質:AIで比較を終えた顧客は検討度が高い状態で来店するため、指名検索数、来店予約・車検予約のCVR、商談成約率を併せて観測します

効果が数字に表れる目安は、当社観測では改善傾向の確認に約3か月、投資判断に足る評価には約6か月です。

決算期・ボーナス期の季節変動があるため、前年同期比での評価設計も併用してください。開始時点のベースラインがなければ、半年後に効果を証明できません。

ディーラーLLMO対策の費用相場と内製・外注の判断基準

計測は月額数万円から。コンサル外注は月額数十万円が相場。まず計測で課題を特定してから外注範囲を決めるのが合理的です。

費用は3レイヤーに分かれます。

• 計測ツール:月額数万円台。引用状況・競合ギャップの定点観測

• コンテンツ制作・技術実装:納期情報やFAQは現場の知見を持つ社内人材が最も強く、内製向き。在庫の構造化データは在庫管理システムと連動したテンプレート実装を制作会社にスポット外注するのが現実的

• LLMOコンサルティング:月額数十万円規模が相場

よくある失敗は、現状計測をせずにコンサル契約から入り、「何が改善したのか証明できない」まま契約が終わるパターンです。順序は計測が先です。

購入系・サービス系のクエリ別に自社の引用率と競合ギャップを数字で把握すれば、外注すべき範囲と社内でやれる範囲が明確になります。

よくある質問(FAQ)

Q1. ディーラーがChatGPTやGeminiに推薦されるにはどうすればいいですか?

構造化データで店舗・在庫・サービスを明示し、納期・下取り・費用の一次情報を数値で公開し、資格と実績でE-E-A-Tを証明し、Googleビジネスプロフィールと口コミを整備することが基本です。その上で実際に推薦されているかを定点計測し、引用されたページの型を横展開するのが最短ルートです。

Q2. 顧客はAIで車の何を調べていますか?

初期は「車種の比較・選び方」、中期は「値引き相場・納期・残クレとリースの比較・下取り」、後期は「地域の販売店の評判」です。加えて保有期には「車検・整備の店選び」の質問が発生します。車種はメーカー領域ですが、費用・納期・地域・サービスの4領域は販売店が引用を獲れる主戦場です。

Q3. LLMO対策は何から始めればいいですか?

主要クエリ10〜30本での現状計測です。購入系とサービス系に分けて自社と競合のAI引用状況を把握すれば、打つべき施策と優先順位が自動的に決まります。施策から入ると効果検証ができません。

Q4. メーカー公式サイトがあるのに、販売店側の対策は必要ですか?

必要です。メーカー公式が答えられるのは車種のスペックまでで、「〇〇市での在庫」「今の実納期」「下取りの実勢」「この店の評判」には答えられません。AIの回答はメーカー情報と地域・店舗情報の組み合わせで作られるため、店舗レイヤーの情報を出せるのは販売店だけです。ここを放置すると、地域の推薦枠を競合店やポータルに獲られます。

Q5. 中古車在庫はどう書けばAIに引用されますか?

年式・走行距離・修復歴の有無・保証内容・支払総額を、画像やPDFではなくHTMLテキストと構造化データ(Vehicle+Offer)で公開してください。「予算〇〇万円・走行〇万km以内のSUV」という条件複合型の質問にAIが答える際の素材になる粒度が引用の条件です。誠実な総額表示は信頼シグナルとしても機能します。

Q6. 効果はどれくらいの期間で出ますか?

当社観測では、引用率の改善傾向の確認に約3か月、総合的な投資判断には約6か月が目安です。自動車は決算期などの季節性があるため前年同期比の設計も併用してください。効果を証明するには開始時点のベースライン計測が必須です。

まとめ：ディーラーのLLMOは「計測ファースト」で始める

AI Overview出現率78.2%、ゼロクリック率60.3%。比較と費用の質問で成り立つ自動車の検討プロセスは、AI検索の影響を強く受ける領域です。

ただしディーラーの戦い方は明確です。車種情報でメーカーと戦うのではなく、納期・値引き実勢・下取り・在庫・サービスという現場だけが持つ一次情報で、地域の推薦枠を獲る。

この役割分担を理解した店舗から、AI時代の集客構造は変わり始めます。

必要な資産、日々更新される在庫、現場の納期感、フロントに寄せられる質問、整備士の知見は、すでに店舗の中にあります。足りないのは、それをAIが読める形に変換することと、効果を証明する計測だけです。

順序を間違えないでください。施策の前に、まず現状計測。自社の主要クエリでAIが何を回答し、どの店を推薦しているか。LLMOチェキ(itera-llmo.com)では、AI検索での自社引用状況を自動で定点観測できます。まずは現在地の計測から始めてみてください。