プレスリリースはAI検索に効果があるのか？LLMO対策で「企業の一次情報」が重要な理由

LLMO対策について考えていると、よく議論になる施策があります。

プレスリリースはAI検索に効果があるのか？

SEOでは、プレスリリースを「被リンク獲得」や「ニュースサイトへの転載」といった視点で語ることがありました。

しかし、LLMOでは少し違った見方が必要です。

プレスリリースには、

• 企業自身が発信する
• 公開日が明確
• 商品・サービスについて具体的な事実が書かれる
• 新商品、調査、実績、提携などニュース性のある情報が含まれる
• 外部メディアへ転載・引用される可能性がある

という特徴があります。

つまりプレスリリースは、単なる宣伝記事ではなく、企業についてAIが確認できる一次情報をWeb上に追加する手段でもあります。

LLMOinsightで施策登録とAI回答の変化を継続的に観測していても、プレスリリース配信後にAIスコア、回答内容、引用元などへ変化が見られるケースがあります。

ただし、

PR TIMESへ出せばAIに引用される プレスリリースを毎月出せばLLMO対策になる

というほど単純ではありません。

重要なのは、プレスリリースという「形式」ではなく、

AIが企業について回答するときに必要となる、新しい事実を公開できているか

です。

本記事では、

• プレスリリースはなぜLLMOと相性が良いのか
• AI検索はプレスリリースを参照できるのか
• PR TIMESなどの配信サービスを使う意味
• Yahoo!ニュースの新しいプレスリリース掲載サービス
• 効果が出やすいプレスリリースと出にくいプレスリリース
• LLMOinsightではどのように効果を検証するのか

を整理します。

まず前提として、現在のAI検索はWeb上の情報を検索しながら回答を生成することがあります。

GoogleはAI OverviewsやAI Modeについて、通常のGoogle検索と同じようにWeb上のページをクロール・インデックスし、AI機能内でリンクを提示すると説明しています。AI検索向けに特別なページや専用Schemaを作る必要はありません。

ChatGPT Searchについても、Web検索結果を利用して回答を生成し、情報源へのリンクを提示します。

OpenAIは、WebサイトのコンテンツをChatGPT Searchの検索結果や要約・スニペットへ含めたい場合、OAI-SearchBotによるクロールを許可する必要があると説明しています。

つまり、

プレスリリースだから特別にAIへ登録される

わけではありません。

一方で、公開されたプレスリリースが通常のWebページとしてクロール可能であれば、AI検索が参照する情報源の候補になる可能性があります。

重要なのは、

AIがアクセスできる場所に、企業自身による具体的な情報が存在すること

です。 企業の発表がAIへ届くまで

プレスリリースの強みは、単に多くのサイトへ掲載されることではありません。

より重要なのは、

企業自身が新しい事実を明確な日付とともに発表する

という性質です。

たとえば、

当社は高い技術力を持っています。

というページがあったとします。

これは企業の主張です。

一方、

2026年7月、○○技術について第三者機関による性能試験を実施し、従来製品と比較して○％改善しました。

というプレスリリースを公開したとします。

こちらには、

• 何をしたのか
• いつ実施したのか
• どのような結果だったのか
• 何と比較したのか

という具体的な情報があります。

AIが、

この会社の強みは何ですか？ この商品にはどんな実績がありますか？

と回答するときに使える材料が増えます。

つまりLLMOの観点では、

「企業の主張」を「確認できる事実」に変える

ことが、プレスリリースの大きな役割の一つです。

ここは第1回の記事ともつながります。

SEO記事では、

○○とは ○○の選び方 ○○のメリット

といった一般的な検索ニーズへ回答することが多くなります。

しかし、その情報は競合企業やメディアでも書けます。

一方、企業のプレスリリースには、

• 新商品の発売
• 新機能の公開
• 独自調査
• 新しい導入実績
• 受賞
• 提携
• 技術検証
• 店舗・拠点開設
• 新サービス
• 新しい料金体系

など、その企業でなければ発表できない情報があります。

LLMO対策では、この差が重要です。

AIが企業について回答する際に必要なのは、一般論だけではありません。

この会社は何をしているのか 最近どんなことを発表したのか どんな実績があるのか どんな特徴があるのか

といった企業固有の情報も必要になります。

プレスリリースは、その材料を増やすことができます。

ここは非常に注意が必要です。

PR TIMESは、国内の代表的なプレスリリース配信サービスの一つです。

ここで一つ、興味深いデータがあります。

Ahrefsが2026年4月に公開した、日本語クエリにおけるAI検索の引用ドメイン調査では、ChatGPTが引用したドメインの2位にPR TIMES（prtimes.jp）が入り、累計95,655件の引用が確認されました。

1位はAmeblo、3位は英語版Wikipedia、4位は楽天市場、5位はnoteという結果で、PR TIMESがChatGPTにおける主要な情報源の一つとして実際に利用されていることが分かります。

さらに、LLMOinsight内のデータをみても、ChatGPTは「メディア・公式系」の情報源を比較的多く引用し、PR TIMESが上位に位置する傾向を確認しています。(2026年6月30日時点、累計356,926件の引用を確認)

これは、LLMOの観点から見ても無視できない事実です。

少なくとも、

「PR TIMESは単なる広報配信先であり、AI検索とは関係がない」

とは言いにくくなっています。

一方で、ここから

PR TIMESに出せばChatGPTに引用される

と結論付けるのは早計です。

AIの引用元は質問、モデル、検索結果、時期によって変化します。実際、Ahrefsの引用ランキング自体も数か月単位で大きく変動しています。

したがって、PR TIMESについては、

ChatGPTから引用される可能性が確認されている有力な公開先の一つ

と捉えるのが適切です。

重要なのは、PR TIMESに掲載することそのものではなく、そこでAIが引用する価値のある一次情報を公開できているかです。

PR TIMESによると、同サービスのコンテンツはPR TIMES本体への掲載に加え、全国紙Webサイトを含む260以上のパートナーメディアへ掲載される仕組みを持っています。

そのため、一つの発表が複数のWebサイトへ展開される可能性があります。

これは情報の発見性という意味では大きなメリットです。

しかし、

PR TIMESに掲載 ↓ AI評価アップ

という直接的な因果関係が保証されているわけではありません。

AI回答は、

• 質問内容
• 使用するAIモデル
• 検索結果
• ページの内容
• 情報の新しさ
• 他の情報源
• 競合企業の情報

など複数要素によって変化します。

したがって、

「PR TIMESを利用したこと」ではなく、「そこで何を発表したか」

を見る必要があります。

たとえば、次の2つを比較してみます。

プレスリリースA

株式会社○○は、サービスサイトをリニューアルしました。 今後もサービス向上に努めてまいります。

もちろん企業活動としては正式な発表です。

しかしAIが企業を推薦・比較するときに、新しく利用できる情報はほとんど増えていません。

一方、

プレスリリースB

株式会社○○は、主要5種類の生成AIにおける500件の質問を調査しました。 調査の結果、企業公式サイトが引用された回答では、料金・導入事例・比較情報が公開されている割合が高いことが確認されました。

さらに、

• 調査期間
• 対象AI
• 質問数
• 調査方法
• 結果
• 考察

まで公開する。

こちらはAIが回答の根拠として利用できる情報が大幅に増えています。

同じ「プレスリリース1本」でも、情報価値はまったく違います。 発表だけのPRと一次情報のあるPR

LLMOinsightでは、

• FAQ追加
• 比較表追加
• レビュー追加
• ページ訴求変更
• 一次情報公開
• プレスリリース配信

などを「施策」として登録し、その後のAI回答を継続的に計測しています。

その中で、プレスリリース配信後に、

• AIスコア
• 自社の登場率
• 推薦順位
• 引用ページ
• 自社についての説明内容

へ変化が見られるケースがあります。

特に変化が分かりやすいのが、

それまでWeb上にほとんど存在しなかった情報を新しく公開した場合

です。

たとえば、

新しい導入実績 新しい調査結果 新サービス 新機能 独自技術の検証結果

などです。

一方で、

既存の商品ページに書いてある内容を、そのままプレスリリースとして書き直しただけの場合、変化が限定的なケースもあります。

これは当然とも言えます。

AIから見れば、

新しいURLは増えたものの、新しい事実は増えていない

からです。

では、同じ内容がPR TIMESやパートナーメディアへ掲載されることには意味がないのでしょうか。

そうとも限りません。

PR TIMESは、パートナーメディアへのコンテンツ掲載やメディアへの配信機能を提供しています。

結果として、

企業公式サイトだけに存在していた情報が、

• PR TIMES
• ニュースサイト
• 業界メディア
• 地域メディア

など複数の場所から確認できる状態になる可能性があります。

LLMOの観点では、これは興味深い状態です。

たとえばAIが、

○○社は2026年に△△サービスを開始した

という事実を確認しようとしたとき、

一つの公式ページしか存在しない状態と、

企業公式サイトに加えて複数のニュースページでも同じ事実を確認できる状態では、Web上の情報環境が異なります。

ただし、

転載数が多ければAI評価が上がる

とまでは言えません。

Googleは、類似したコンテンツが複数存在する場合、代表となるcanonicalページを選ぶ仕組みを持っています。

そのためLLMO対策としても、

同じ文章を大量に転載すること

そのものより、

企業について確認可能な一次情報が増え、その情報が適切な場所へ流通すること

を価値として捉えるべきです。

2026年7月、LINEヤフーは新サービス「ニュースPR by LINEヤフー」を開始しました。

企業や団体が、Yahoo!ニュース上へプレスリリース形式の情報を掲載できるサービスです。

これは非常に興味深い変化です。

Yahoo!ニュースといえば、多くの報道機関やメディアの記事が集まる大規模なニュースプラットフォームです。

そこへ、

企業自身による公式発表を掲載できる枠

が設けられました。

なお、これは、

PR TIMESを配信すれば自動的にYahoo!ニュースへ掲載される

というサービスではありません。

LINEヤフーが提供する独立した「ニュースPR」というサービスです。

提供開始時点では、

• 1掲載3万円
• 掲載期間7日間
• AIクリエイティブPRプラン
• ダイレクトPRプラン

などが案内されています。

LLMOの観点から見ると、

企業公式サイト ↓ PR配信サービス ↓ ニュースプラットフォーム

という情報流通の選択肢がさらに増えたことになります。

ただし、このサービスを利用することでAI引用率が上がると確認されたわけではありません。

ここは今後、実測する価値があるテーマです。

LLMOinsightでも、この「ニュースPR by LINEヤフー」を実際に利用し、AI検索への影響を検証する予定です。

具体的には、掲載前後で同じベンチマーク質問を継続計測し、

• ChatGPTなどでの自社登場率
• 推薦順位
• 引用元
• 回答内容
• Yahoo!ニュース掲載ページへの引用有無

がどのように変化するかを確認します。

特に注目しているのは、

「企業公式サイトだけに存在する情報」と「Yahoo!ニュース上にも掲載された情報」で、AIの扱いに差が出るのか

という点です。

現時点では、Yahoo!ニュースへ掲載することでAI引用率が上がると確認されたわけではありません。

そのため、効果があると仮定するのではなく、実際のAI回答を計測しながら検証していきます。

結果については、今後LLMOinsightで公開予定です。 企業情報の流通経路が増えている

何でもプレスリリースにすればよいわけではありません。

LLMO対策との相性を考えるなら、特に次のような発表が有効です。

1．独自調査

非常に相性が良いテーマです。

たとえば、

• 500人を対象にしたアンケート
• 自社サービスの利用データ
• 市場調査
• AI回答の実測調査
• 業界別の傾向調査

などです。

他サイトでは作れない情報になります。

2．導入実績

単に、

導入企業100社突破

だけで終わらせず、

• どの業界で
• どんな目的で
• どんな結果が出たか

まで書くと情報価値が高まります。

3．商品・サービスの新機能

新しい機能は企業固有の事実です。

AIがサービスの特徴を説明するときの材料になります。

4．性能検証

特にメーカーや技術系企業では重要です。

• 試験方法
• 比較対象
• 測定条件
• 結果

まで公開すると、単なる「高性能」という主張を具体的な情報へ変えられます。

5．第三者との提携・共同研究

大学、研究機関、企業、自治体などとの取り組みも、新しいエンティティ関係をWeb上へ公開することになります。

6．受賞・認定・第三者評価

企業自身の主張ではなく、外部による評価を明確にできます。

7．新しい事業・ブランド方針

これは意外に重要です。

AIが古い企業情報を持っている場合、

現在何を主力としている企業なのか

を更新する材料になります。

プレスリリースを書くとき、多くの企業は、

ニュースとして面白いか

を考えます。

もちろん広報として重要です。

しかしLLMOでは、もう一つの軸を加えることをおすすめします。

それが、

AIがこの情報を回答に使えるか

です。

たとえば、

新オフィスへ移転しました。

という発表。

企業所在地についての質問には使えるでしょう。

しかし、商品比較やサービス推薦にはほとんど影響しない可能性があります。

一方、

導入企業500社の利用データから、成果の出やすい施策を調査しました。

という発表なら、

• おすすめ施策
• 業界トレンド
• サービス実績
• 導入効果

など複数の質問に利用できる可能性があります。

つまり、

その発表が何種類のAI回答に利用できるか

まで考えると、LLMO施策としてのプレスリリース設計が変わります。

これは広告とPRの違いにも近い話です。

たとえば、

業界最高クラスの○○を実現！ 圧倒的に使いやすい新サービス！

と書いてある。

しかし、

• なぜ最高クラスなのか
• 何と比較したのか
• どの条件で測定したのか
• 誰が評価したのか

がない。

これではAIが客観的な回答を作るための材料としては弱くなります。

LLMOを意識するのであれば、

形容詞を増やすのではなく、根拠を増やす

方が重要です。

「高い」

ではなく、

○％

「人気」

ではなく、

利用者○人

「評価されている」

ではなく、

○○賞を受賞

と具体化します。

もう一つ重要なのが、プレスリリースだけで情報を完結させないことです。

たとえば独自調査を発表する場合、

プレスリリースには、

• 調査概要
• 主な結果
• 注目ポイント

を掲載する。

そして企業公式サイト側には、

完全版の調査ページ

を用意します。

そこには、

• 調査方法
• 対象者
• サンプル数
• 調査期間
• 全データ
• グラフ
• 考察
• 更新情報

などを掲載します。

すると、

プレスリリース ↓ 公式一次情報

という関係ができます。

LLMOの観点でも、

ニュース性のある発表と、詳細な根拠ページを分ける

設計は非常に相性が良いと考えられます。 PRを入口、公式サイトを根拠にする

LLMOinsightでは、プレスリリースを配信したら施策として登録します。

たとえば、

2026年8月10日 独自調査のプレスリリースをPR TIMESで公開

と記録します。

その後、

• 自社登場率
• 推薦順位
• AIスコア
• 引用元
• 回答内容
• 新しい発表内容への言及

を継続計測します。

特に重要なのが、

AIが新しく公開した事実を回答へ取り込んだか

です。

たとえば、

施策前：

A社は○○サービスを提供しています。

施策後：

A社は○○サービスを提供しており、2026年には500件のAI回答を対象とした独自調査も公開しています。

このような変化があれば、

新しい一次情報がAI回答へ反映された可能性があります。

もちろん、プレスリリースと回答変化の間に厳密な因果関係があると断定することはできません。

AI回答には揺らぎがあり、検索結果や競合情報も変化します。

だからこそ、

配信したことを記録し、同じ質問を継続的に計測する

必要があります。

プレスリリースをLLMO施策として活用するなら、次の順番がおすすめです。

STEP1：AI回答の情報不足を確認する

まず自社がどう説明されているか確認します。

STEP2：追加すべき「事実」を決める

実績、調査、機能、性能など、AIが回答に使える情報を選びます。

STEP3：公式サイト側に根拠を作る

必要であれば、調査ページ、事例ページ、商品ページなどを用意します。

STEP4：プレスリリースで発表する

ニュース性を持たせながら、事実を具体的に伝えます。

STEP5：施策登録して継続計測する

AI回答が変化したか確認します。

この流れであれば、

プレスリリースを出すこと

自体が目的になりません。

AIへ伝えたい新しい事実を作り、それを流通させ、結果を検証する。

ここまでが一つのLLMO施策です。

LLMO対策を意識すると、

毎月プレスリリースを出した方がいいのでは？

と考えたくなります。

しかし、回数だけをKPIにすることはおすすめしません。

新しい情報がないのに、

• サイト更新
• 社内イベント
• 小さなキャンペーン

などを大量に発表しても、AIが企業について理解するための重要な情報が増えるとは限りません。

それより、

年に数本でも、

• 独自調査
• 実績データ
• 技術検証
• 新サービス
• 重要な提携

など、

企業について新しい説明ができる発表

を作る方が価値があります。

ここでも、

記事数ではなく情報価値。

FAQ数ではなく回答価値。

構造化データ数ではなく中身。

これまでのシリーズと同じ考え方です。

Googleは生成AI検索向けのガイドでも、サイト運営者に対して、独自性があり、ユーザーに価値を提供するコンテンツを作ることを推奨しています。

プレスリリースだから特別扱いされるわけではありません。

しかし、

独自調査・公式発表・新しい実績

は、まさに企業しか作れない情報です。

その意味で、プレスリリースはLLMOと非常に相性の良い「情報公開手段」の一つだと考えられます。

次回は、

「口コミを増やせばAI評価も上がるのか？」

を検証します。

口コミやレビューは、

• Googleマップ
• ECサイト
• 比較サイト
• SNS
• クチコミサイト

など、企業自身では完全にコントロールできない情報です。

一方、AIが商品やサービスを推薦するときには、

評判はどう？ 利用者からの評価は？ 悪い口コミはある？

といった情報も重要になります。

では、

口コミ数を増やせばAI評価も上がるのでしょうか。

次回は、レビュー数・評価点・内容・第三者性の違いを、LLMOinsightの観測と最新のAI検索環境から検証します。

LLMO対策でよく語られる施策を、公式情報とLLMOinsightの実測・検証をもとに一つずつ整理しています。

1. 【第1回】SEO記事を増やせばLLMO対策になるのか？SEO記事を増やす前に見るべきこと
2. 【第2回】構造化データを作成すればLLMO対策につながるのか？AIに伝わるサイト構造の考え方
3. 【第3回】FAQを追加すればAI引用率は上がる？LLMO対策で効果のあるFAQ・ないFAQの違い
4. 【第4回】プレスリリースはAI検索に効果があるのか？LLMO対策で「企業の一次情報」が重要な理由（本記事）
5. 【第5回】口コミを増やせばAI評価も上がるのか？LLMO対策でレビューをどう考えるべきか
6. 【第6回】LLMO対策で「これだけやればいい」は本当か？5つの検証から見えた施策の優先順位