Reference Implementation №1 · est. 2026

AI Native MEO

LLMO Framework をローカルビジネス領域に実装する最初のリファレンス実装。 お客様が「検索」ではなく「AI に相談」して店を選ぶ時代の最適化を扱います。

AI 検索最適化の領域では AEO や GEO といった用語も使われますが、 LLMO (Large Language Model Optimization) が最も精密なフレームワークとして急速に標準化が進んでいます。 AI Native MEO はその LLMO のローカルビジネス領域への特化実装です。

§   §   §

定義

AI Native MEO とは

従来の MEO (Map Engine Optimization) は Google マップ順位を狙うものでした。 AI Native MEO はその次のレイヤー — 顧客が ChatGPT / Gemini / Claude / Perplexity 等の生成 AI に自然言語で 「近くで○○なお店ある?」と聞いたときに、 AI が引用・推薦する側の店舗になるための運用を扱います。

本サイトは MEO 代理店の視点ではなく、LLMO Framework 標準に準拠した エンジニア視点での体系化です。

最新の収録記事

記事一覧 →
  1. 01
    エンジニアリング

    メニューを構造化データにする — AI が「何を出す店か・いくらか」を答えるための hasMenu/Menu/MenuItem 設計

    メニューは品目・価格・提供可否が頻繁に変わる典型的な状態フィールドである。hasMenu / Menu / MenuSection / MenuItem / Offer を JSON-LD で正しく入れ子にしても、更新時刻が古ければ AI は価格や在庫の引用を避ける。掲載 (画像/PDF) と構造化 (Menu schema) と鮮度維持を別問題として切り分け、AI Native MEO の Confidence 軸に接続する。
  2. 02
    フレームワーク

    状態フィールドの鮮度問題 — AI が営業時間や在庫を「事実」として引くとき、信頼度を決めるのは構造ではなく更新時刻

    営業時間・在庫・メニューのような時間変化する状態フィールドは、JSON-LD の構造が正しくても更新時刻が古ければ AI は信頼度を下げて引用を避ける。構造 ≠ 信頼度の非対称を、AI Native MEO の Confidence 軸に接続する鮮度依存レイヤーとして framework 化する。
  3. 03
    エンジニアリング

    ビジネスを Knowledge Graph に配線する: sameAs・@id で AI 引用の同定を確かにする

    「店名と住所を統一しましょう」は文字列レベルの症状対処だ。その上にある決定層、すなわち @id と sameAs による URI 明示宣言で店舗エンティティを Knowledge Graph に配線する層を、コードと依存関係の表でエンジニア視点から読み解く。