什麼是LLMO/AIO策略？

透過結構化與優化網站內容，確保企業服務在生成式AI回應中被引用並認定為可靠來源的實踐。

為何B2B企業需要LLMO策略？

由於B2B購買者在聯繫業務人員前，越來越依賴AI進行搜尋與比較，因此企業在AI眼中的認知度已直接影響業務機會。

除了基本公司介紹外，AI偏好有助於決策的內容，例如選定基準、費用說明、與競爭對手的差異分析，以及導入前的常見風險等。

發布 2026年5月27日 02:37 ・ 最後更新 2026年6月14日 16:42 ・閱讀約 2 分鐘・來源：PR TIMES

ipe Inc. 通過分析 300 個提示詞，總結了生成式 AI 在 B2B 領域的回應傾向，並發表了關於如何進行資訊設計（LLMO 策略）以在 AI 搜尋中脫穎而出的重點報告。

ipe Inc. 近期分析了生成式 AI 與 AI 搜尋引擎在 B2B 領域的回應傾向，揭示了 AI 較容易參考的資訊特徵，並就 B2B 企業應採取的 LLMO（大語言模型優化）與 AIO（AI 優化）策略提出了專業見解。

本項研究使用 LLMO 分析工具「AKARUMI」，針對與 B2B 支援公司及服務相關的 300 個提示詞，分析了生成式 AI 的回應內容及引用來源數據。詳細的分析結果、圖表及觀點已於 AKARUMI 官方網站公開。

隨著生成式 AI 與 AI 搜尋引擎的普及，B2B 領域的資訊收集行為正在發生變化。特別是在 B2B 採購過程中，客戶往往在聯繫業務人員前，就已經完成了比較分析與內部共用。因此，僅僅出現在搜尋結果中已不足夠，企業必須確保 AI 正確理解「這是一家什麼樣的公司/服務」，並將其納入適當的比較脈絡中。

調查方法：運用「AKARUMI」分析工具，評估生成式 AI 對 300 個提示詞的回應。調查重點：引用來源趨勢、AI 偏好的頁面結構、比較與報價文章的引用傾向，以及品牌與服務名稱的表述方式。

1. 除了官網之外，優化第三方媒體與比較平台上的資訊同樣重要。 2. AI 不僅參考「推薦」清單，更傾向於引用對導入決策至關重要的資訊，如「選定基準」、「費用說明」及「失敗案例」。 3. 有效的 B2B LLMO 策略需要精確的資訊設計，確保在比較與選定階段中，企業能被正確地理解。

「AKARUMI」是一款旨在可視化品牌在主要大型語言模型（LLM）中被提及情況的工具。它能將過去被視為黑箱的 AI 內部評價進行量化，協助企業執行有據可依的 LLMO 優化策略。