llms.txt

仕組みはシンプルです。モデルにナビゲーション、スクリプト、定型コードを読み解かせる代わりに、重要なコンテンツへのリンクと短い説明を整理した案内図を直接渡すというものです。フォーマットは意図的にシンプルで、見出しにサイト名、サイトの概要を記した数文、そして読む価値のあるページをリンクとワンライン説明でグループ化した一覧から構成されます。robots.txtやsitemap.xmlの発想に近いですが、コミュニティによる提案であり、合意された標準ではありません。主要なAIプロバイダーのいずれも、このファイルがクロール、ランキング、引用のあり方を変えると公式に確認していません。

正直に見ると、llms.txtは実装コストが低い一方で、現時点では測定可能な効果はほぼありません。大規模なAI回答エンジンは、すでに取得しているページの内容と、ウェブ全体の情報との照合によってコンテンツを理解します。どのサイトでも好きな内容を記述できる自己申告ファイルを頼りにしているわけではありません。これをランキングの手段として位置づけるのは誤りです。ツールや慣行が整ったのちに効果が現れる可能性のある、低コストの整備と捉えるのが適切な見方です。

例として、自然派コスメを販売するストア運営者を考えます。ストアのルートにllms.txtを設置し、成分説明ページ、使い方ガイド、上位3商品ページをリストアップし、それぞれに「無添加の保湿クリーム、乾燥肌・混合肌向け 30ml・50ml」のような短い説明を加えます。整理されていて、維持コストもかかりません。しかしこれだけでは、顧客が「敏感肌向けの保湿クリーム」と検索した際にChatGPTやPerplexityがそのブランドを推薦するようにはなりません。これらのシステムは、商品ページの内容、そこに掲載されたレビュー、そして独立したサイトやフォーラムの情報を総合的に評価しており、ブランドが自ら用意した概要説明だけを頼りにしているわけではないからです。

AI検索やAI回答エンジンにとって、このファイルが持つ意味は主に「意図のシグナル」にとどまります。モデルはブランドの自己説明を読むことはできますが、ブランドが自身について主張する内容を割り引いて評価し、他のソースで裏付けできる情報を優先する十分な理由があります。Google AI Overviews、Perplexity、そして同様のツールが何を引用するかを決める仕組みの核心はここにあります。複数のソースにわたって成立する事実が評価されており、特定のパスに置かれた自己申告の情報はその対象外です。

AIでの引用につながる要因は、より地道なものです。クロールしやすいきれいなページ、各ページの冒頭近くに置かれた明確で具体的な回答、適切な構造化データ、そして独立したソースによる同じ事実の裏付けです。レビューはその裏付けの中でも特に強力な形のひとつです。商品について顧客自身の言葉で書かれた内容が、商品ページに、多くの購入者の投稿として蓄積されているからです。既存のレビューを検索エンジンやAIが読み込みやすい状態にし、引用されやすくすること、これがBeyondReviewsの解決する課題であり、サイトのルートに置く1つのテキストファイルよりもはるかに大きな可視性をもたらします。llms.txtの整備が有益と感じるなら設置して構いません。その後は、モデルが実際に検証できるページと証拠に本当の力を注いでください。