2026.03.16 公開 プレスリリース / サービス発表

LLMO Insightのプレスリリースを公開

〜AI検索における“自社の見え方”を可視化する新サービスを、ツナググで発表〜

LLMO Insightのプレスリリースキービジュアル
事例概要

プレスリリース掲載報告

2026年3月16日、MIRAINAはAI検索レポーティングサービス「LLMO Insight」の提供開始を伝えるプレスリリースを、プレスリリース無料配信サービス「ツナググ」にて公開しました。

今回の発表では、ChatGPT・PerplexityなどのAI検索で自社がどのように推薦・引用されているかを可視化する仕組みと、LITEプラン / コミットプランの提供内容を整理しています。

OVERVIEW

公開したプレスリリースの概要

発表名
LLMO数値の「見える化」を実現する「LLMO Insight」、MIRAINA が提供開始
公開媒体
ツナググ(プレスリリース無料配信サービス)
公開日
2026年3月16日
関連サービス
LLMO Insight / AI検索レポーティング

発表内容の中心は、AI検索時代における「自社がどのようにAIから推薦されているか」を定量的に把握できるようにすることです。表示シェア、競合比較、引用文脈、GA4連携までを含め、感覚に頼りがちだったLLMO施策をデータドリブンに切り替える考え方を打ち出しました。

BACKGROUND

AI検索が広がる一方、成果は見えにくかった

AI検索では、利用者が「おすすめのサービスを教えて」「〇〇に強い会社は?」と自然文で質問し、AIが企業や情報を推薦する形で回答します。つまり、検索順位だけでなく、AIに名指しで推薦されるかどうかが重要な競争軸になっています。

一方で、Google検索のような順位・クリック・表示回数の標準指標はAI検索には存在しません。ChatGPTなどの会話ログは外部公開されないため、どの質問で自社や競合が表示されているのかを把握しづらく、施策の評価が感覚頼みになりやすいという課題がありました。

従来のAI検索対策
  • 推薦されたか分からない
  • 競合との比較が難しい
  • 施策評価が感覚頼み
LLMO Insight導入後
  • 表示シェアを定点観測
  • 競合との並びを比較
  • 改善優先度を判断

図解:AI検索対策を「感覚」から「計測」へ移行するイメージ

FEATURES

行動再現技術でAI検索の実態をデータ化

LLMO Insightでは、ターゲット顧客像を設定し、その人物が実際にAI検索で行いそうな質問をAIで生成します。その質問をChatGPTなどに入力し、どの企業が推薦されたか、どの文脈で引用されたかをログとして収集・分析することで、AI検索上のプレゼンスを可視化します。

  • Step 01 顧客像の
    設定
  • Step 02 質問パターンの
    生成
  • Step 03 AI検索を
    再現
  • Step 04 推薦・引用ログを
    収集
  • Step 05 月次レポートで
    可視化

図解:LLMO Insightの基本フロー

可視化項目 見える内容 活用イメージ
表示シェア 自社がどの程度AI回答に登場しているか 月次で露出変化を確認
競合比較 同じ質問でどの競合が推薦されるか 競争状況と差分を把握
引用文脈 どんな質問やシーンで自社が引用されるか 訴求軸やコンテンツを改善
GA4連携 AI検索経由の問い合わせ・CVとの接続 施策効果を事業KPIに接続

特に、法律、医療、会計、不動産、EC、飲食、教育など、専門性が高くAI検索との親和性が高い業種では、AIに推薦されるポジションの重要性が今後さらに高まる想定です。

PLANS

LITEプランとコミットプランを発表

プレスリリースでは、サービス詳細ページとあわせて基本料金も公開しました。AI検索の現状把握を主目的とするLITEプランと、施策提案まで伴走するコミットプランの2種類を用意しています。

項目 LITEプラン コミットプラン
初期費用 ¥50,000〜
(税込¥55,000〜)
¥50,000〜
(税込¥55,000〜)
月額費用 ¥50,000〜
(税込¥55,000〜)
¥300,000〜
(税込¥330,000〜)
契約期間 6ヶ月〜 6ヶ月〜
主な内容 ChatGPT検索レポート / GA4等の計測環境整備 LITEの内容に加え、施策提案 / 戦略立案 / 月次ミーティング
この記事を監修した人
本記事の監修者 芝優作(MIRAINA)
芝 優作 MIRAINA代表 / AIコンサルタント

中小企業向けに、業務効率化・AI導入支援・研修・RAGチャットボット開発を提供。 九州大学大学院でLLMに関する研究にも従事。

AI検索での見え方を、感覚ではなくデータで把握する

LLMO Insightでは、自社の表示シェアや競合比較、引用文脈をもとに
AI検索対策の改善サイクルを設計できます。

LLMO Insightを見る