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

    予約可能性を JSON-LD で構造化する — AI に「今夜 8 時空いてる?」と答えさせる

    acceptsReservations (静的フラグ) と Reservation / OfferSchedule (動的枠) を分離して JSON-LD に配線し、AI アシスタントに予約可能性を答えさせるためのエンジニア視点の実装ガイド。4 エンジンの読み取り挙動と LLMO の Structure + Confidence 両軸への接続を整理する。
  2. 02
    フレームワーク

    AI 引用の安定性とは何か — 同じクエリへの引用がぶれない店舗は構造のどこで決まっているか

    同じユーザークエリを 5 回、10 回と繰り返したとき、AI アシスタントが引く店舗がぶれない (stable) ケースと、毎回変わってしまう (volatile) ケースがある。この安定性を Entity / Field / Surface の三層に分解し、LLMO Framework の三軸 (Structure / Confidence / Provenance) に対応させて、引用の時間方向の分散を framework として読む。
  3. 03
    比較

    Google レビュー vs 食べログ vs 第三者レビューサイト — AI アシスタントは同じ店舗の評判をどの面から引いてくるか

    同じ店舗について Google レビュー、食べログ、ホットペッパー、Caloo は別の星の数を持つ。ChatGPT・Claude・Perplexity・Gemini はその不一致をどう仲裁し、どの source を一次採用するか。Yelp 神話を一度しぼませ、業種別 (飲食 / 美容 / 医療) に provenance 経路の重み付けを比較し、`sameAs` による entity reconciliation がその重み付けにどう効くかを LLMO Framework の citation-graph 観点から整理する。