シュワット式 LLMOのプロンプト選定方法「4-Intent フレームワーク」

ChatGPTやPerplexityで、おすすめの商品を聞いてから買う。

そんな行動が、もう特別ではなくなりました。

総務省の令和7年版情報通信白書によると、日本で生成AIを使った経験がある個人の割合は、2024年度に26.7%へ達しました。前年の9.1%から、わずか1年で約3倍の伸びです。

さらにいま、変化はもう一歩進んでいます。「ではそれを予約しておいて」とAIに伝えれば、エージェントがブラウザを操作し、予約や購入まで完結させる。

情報を「聞く」だけでなく、「行動を任せる」という、エージェンティック・コマースの時代が始まっています。

この変化は、マーケティングの勝負どころを根本から変えます。これまでの主戦場は「検索結果で何位に表示されるか」でした。これからの主戦場は「AIがどのブランドを推奨し、そして実行するか」です。

ところが、多くのLLMO対策はいまだに「AIにどう引用されるか」までしか見ていません。その先の「AIにどう推奨され、実行させるか」が、すっぽり抜け落ちています。

本記事では、シュワットが提唱する「4-Intent フレームワーク」を使ったプロンプト選定の方法を解説します。

ここでいうプロンプトとは、ユーザーがAIに投げる問い・発話のことです。

シュワットでは、プロンプトの意図（Intent）を4段階に整理し、どれを狙い、どれを捨てるかを選ぶ——このプロンプト選定こそが、限られたリソースで成果を出すための起点になります。

判断は、投資配分の数字とともに示していきます。読み終える頃には、以下が明確になっているはずです。

• プロンプト選定で「どの問い（プロンプト）を捨て、何に集中すべきか」の判断軸
• エージェント時代に競合へ差をつける「実行」段階の対策
• 経営層にそのまま説明できる投資配分とKPIの設計

なお、自社での設計が難しい場合に伴走する支援サービスもご用意しています。

LLMO対策の起点は「キーワード」ではなく「プロンプト」

LLMO対策では、SEOでのキーワード選びだけでなく、
ユーザーがAIに投げる問い——すなわちプロンプトの選定が必要です。

この章では、プロンプト選定の基本概念について、以下の3つのポイントから解説していきます。

• SEOは「キーワード」、LLMOは「プロンプト＝意図（Intent）」を起点にする
• 意図には「問い（Ask）」と「実行（Act）」の2種類がある
• 両者の構造の違いを押さえれば、対策の設計図が描ける

SEOとLLMOは、対策の「起点」が違う

SEOが起点とするのは、断片的なキーワードです。「化粧水 おすすめ」「CRM 費用」といった、文脈の削ぎ落とされた数語の塊。検索エンジンはこの塊にページを対応させてきました。

一方、LLMOが起点とするのは、文脈を含んだプロンプト＝意図（Intent）です。

たとえば「30代で在宅勤務中心の私に合う運動の習慣を教えて」。
ここには年代も生活スタイルも目的も含まれていて、ユーザーが本当に解決したいことがそのまま現れています。

ここで強調したいのは、SEOで培ってきた知見が無駄になるわけではない点です。

そもそもGoogleのAI Overviewsは通常の検索結果に表示されるものなのでキーワード起点ですし、キーワードを深く読む力は、プロンプトの意図（Intent）を読む力へと拡張できます。

起点が「断片」から「文脈」へ広がっただけで、ユーザーの疑問や課題、欲求を捉えるという本質は変わりません。

SEO担当者がこれまで積み上げてきたものは、むしろLLMO時代の土台になります。

プロンプトには「問い（Ask）」と「実行（Act）」がある

ここが本記事の出発点です。ユーザーがAIに向けるプロンプトは、ひとつの種類ではありません。

大きく2つに分かれます。

ひとつは、情報を引き出す問い（Ask）です。「教えて」「どれがいい？」「違いは？」。AIから答えを得るための意図で、これは段階的に深まっていきます。

もうひとつは、行動を委ねる実行（Act）です。「では予約して」「これを決済して」。AIに情報を求めるのではなく、行動そのものを任せる意図です。

「問いと実行は、語尾が違うだけでは？」と感じるかもしれません。半分は当たっています。

Askの中の各段階は連続的で、確かに地続きです。しかし「では予約して」は、情報を引き出す行為ではありません。エージェントにブラウザ操作や決済を委ねる、別種の行為です。AIが「答える」のか「動く」のか。この差は、実際の対策をするうえ違うものとしてとらえる必要があります。

だからこそシュワットの「4-Intentフレームワーク」は、AskとActを分けて扱います。そのうえで、両者を「意図（Intent）」という上位概念で束ねます。

問いも実行も、ユーザーがAIに向ける意図であることに変わりはないからです。

SEOとLLMOの構造の違い

ここまでの違いを整理すると、次のようになります。

観点	SEO	LLMO（4-Intent）
起点	キーワード	プロンプト＝問い＋実行
情報の粒度	断片的	文脈が豊富
需要の把握	検索ボリュームで明確	推定が必要
対策の単位	1キーワード＝1ページ	1意図＝ブランド全体の情報・実行設計
メインの成果指標	検索順位、クリック数、CV数	AI推奨率、トラフィック量、CV数

この表のいちばん下、成果指標に注目してください。SEOの成果は「検索順位」や「クリック率」、「CV数」などでした。LLMOでは「AIにどれだけ推奨されるか」やAI経由の「トラフィック量」「CV数」が成果指標になります。

LLMOの効果測定の全体像については、以下の記事で詳しく解説しています。

シュワット式 4-Intent フレームワークとは｜プロンプト選定の全体像

4-Intentフレームワークとは、シュワットが提唱する、ユーザーがAIに向けるプロンプトを購買フェーズに沿って4段階に整理し、どのプロンプト（問い）に注力するかを決めるプロンプト選定の手法です。

限られたリソースをどこに配分すべきか。その判断軸を、4つの段階と投資配分の数字で示します。

本章で扱うのは次の4段階です。

段階	意図の種類	行為	ひとことで言うと
第1段階	Open Ask	問い	広い問い。一般論で返るため対策優先度は低い
第2段階	Brand Ask	問い	候補比較の問い。LLMOの主戦場
第3段階	Final Ask	問い	名指し確認の問い。CVへの最終確認
第4段階	Act	実行	実行の委任。AIが予約・購入を完結。CV直結度は最大

それぞれ詳しく見ていきます。

「問い（Ask）」と「実行（Act）」の入れ子構造

4-Intentの土台にあるのは、前章で触れた入れ子の構造です。

意図（Intent）という大きな器の中に、3つの問い（Ask）と1つの実行（Act）がある。

これが4-Intentの設計思想です。

3つのAsk（Open / Brand / Final）は、情報を引き出す行為です。

ユーザーがAIに答えを求める段階で、広い問いから具体的な問いへと連続的に深まっていきます。

対してActは、行動を委ねる行為です。「では予約して」とAIに実行を任せる段階で、Askとは行為の種類が異なります。情報を「得る」のではなく、行動を「任せる」。この違いがあるからこそ、AskとActを分けて扱う必要があります。

しかし両者は無関係ではありません。問いも実行も、ユーザーがAIに向ける意図であることに変わりはない。

だから「意図（Intent）」という上位概念で束ね、4-Intentと名づけています。

4段階を具体例で理解する

抽象論だけではイメージしにくいので、具体的な例で4段階を見てみましょう。

ここでは、ダイエットを始めたいユーザーが関連サービスを選ぶまでを例にとります。

第1段階のOpen Askは、「ダイエットの基本を教えて」。まだ何のサービスも探していない、広い問いです。
後ほど解説しますが、Open Askに対策するのは、投資対効果が低く、おのずと優先度が下がります。

第2段階のBrand Askは、「自宅で続けやすいおすすめのオンラインフィットネスを教えて」。具体的な候補（サービス名）を求める問いに変わります。Brand Askで自社ブランドが推奨されるかどうかが最重要です。

第3段階のFinal Askは、「A社とB社のオンラインフィットネス、何が違う？」。候補をひとつに絞り込むための、名指しの確認です。

そして第4段階のActは、「ではA社の月額プランに申し込んでおいて」。ここでユーザーは、もう情報を求めていません。AIに申込という行動を委ねています。エージェントがフォーム入力と決済を代行し、契約を完結させる段階です。

会食のお店探しでも、出張の航空券手配でも、構造はまったく同じです。

条件を伝えて候補を出させ、評判や違いを確認し、最後に「ではここを予約して」と実行を任せる。最後のひと言だけが、問いではなく実行の委任になっています。

なぜ「4段階」に整理するのか

ユーザーの意図を4段階に分ける狙いは、対策の優先順位——つまりプロンプト選定の判断軸を明確にすることにあります。

4つの段階は、CVへの近さがそれぞれ違います。Open Askはまだ商品を探す前で、CVは遠い。段階が進むほどCVに近づき、Actはまさに取引が成立する瞬間です。

近さが違えば、かけるべきリソースも変わります。すべての段階に等しく投資するのは現実的ではありません。

どこを捨て、どこに集中するか。このプロンプト選定の判断軸を与えるために、意図を4段階へ分解しています。

各段階の特性と対策方針は、次章以降でひとつずつ掘り下げます。まずは最も対策優先度の低い、Open Askから見ていきましょう。

Open Ask（広い問い）の特性と戦略

最初の段階、Open Askから見ていきます。

結論を先に言えば、ここは力を入れないのが基本です。

この章のポイントは次のとおりです。

• Open Askは検索ボリュームこそ最大だが、AIは一般論で返す
• 特定のブランドが推奨されにくく、CVから最も遠い
• だからこそ、基本的には対策しない

Open Askとは何か

Open Askは、ユーザーがまだ商品やサービスを探す前に投げる、広い問いです。「ダイエットの基本を教えて」「運動を習慣にしたい」といった、漠然とした情報収集の段階を指します。

この段階の問いに対して、AIは一般論で答えます。基本的な考え方や、よくある選択肢を並べるだけです。特定のブランドやサービス名はほとんど登場しません。ユーザー自身も、まだ「どれを選ぶか」という意識を持っていないからです。

なぜOpen Askは「捨てる」のか

Open Askは、ボリュームで見れば最大級です。

多くの人が最初に通る入り口だからです。SEOの発想なら、ここは真っ先に狙いたくなるでしょう。

しかしLLMOでは、話が変わります。理由は主に2つあります。

ひとつは、CVから最も遠いこと。一般論を求めている段階のユーザーは、まだ購入を考えていません。ここで自社が登場できたとしても、成果には結びつきにくいのです。

もうひとつは、競争が激しいわりに見返りが小さいこと。広い問いは誰もが狙う領域で、AIが一般論を返す以上、特定ブランドが食い込む余地も限られます。労力に対して、得られるものが見合いません。

なお、Open Askで自社ブランドをターゲットに届ける際、唯一の方法はAI引用を狙うことです。

AI引用とは、下図の通りAIの回答の中で自社のコンテンツがソースとして引用されることを意味します。

ただし現状、AIに引用されてもほとんどの人が実際の回答を見て満足してしまうため、ソースをわざわざみることはありません。そのため、Open Askは対策の重要度が現状まだ低いのです。

だから、判断はシンプルです。

Open Ask は、捨てます。

捨てると言っても、完全に無視するわけではありません。後述するBrand Askの面取りが進めば、その副産物としてOpen Askでも自社が触れられる機会は自然に増えていきます。Open Askそのものを目標に据えて投資をすることはあまりない、という意味です。

限られたリソースは、もっとCVに近い段階へ回します。次のBrand Askが、主戦場です。

Brand Ask（候補比較）の特性と戦略

Brand Askは、4-Intentの主戦場です。ここで自社が候補に入れるかどうかが、その後のすべてを左右します。

この章のポイントは次のとおりです。

• Brand Askは、AIが具体的なブランド名を挙げる段階
• AIの推奨候補に入れるかどうかが分水嶺になる
• 「面を取る」ための施策を4つ示す

Brand Askとは何か

Brand Askは、ユーザーが具体的な候補を求めて投げる問いです。「自宅で続けやすいおすすめのオンラインフィットネスを教えて」「初心者向けの宅食サービスでいいものは？」といった、選択肢の名前を期待する段階を指します。

Open Askと違い、ここでAIは具体的なブランド名やサービス名を挙げます。

そしてユーザーは、その挙がった候補の中から検討を始めます。

つまり、AIが挙げる候補リストに入れるかどうか。これがBrand Askの分水嶺です。リストに載らなければ、ユーザーの選択肢にすら入れません。逆に載れば、そこから先の勝負の土俵に立てます。

Brand Askでどれだけ勝てているかを測定する指標

Brand Askでどれだけ勝てているかは、AIブランドメンションという指標で明確に測定可能です。

自社のサービスに関連するキーワードやプロンプトの中で、どれだけ自社ブランド名が言及されているかを可視化した指標で、ツールを使って調べられます。

自社ブランドのAIブランドメンション率が知りたい方はシュワットのLLMO無料診断をご活用ください。

LLMO無料診断について詳しく知る 

Brand Askで「面を取る」4つの施策

Brand Askの目標は、AIの推奨候補という「面」を取りに行くことです。

そのための施策を4つ挙げます。

• エンティティ強化：自社をカテゴリの代表的な存在としてAIに認識させる。何のカテゴリの会社なのかを、Web全体で一貫して発信する
• 第三者メディアでの言及獲得：自社サイトだけでなく、外部の信頼できるメディアやレビューサイトで言及される状態をつくる。AIは複数の情報源を横断して候補を選ぶため
• 構造化データ・E-E-A-Tの強化：AIが情報を正確に読み取れるよう構造化データを整備し、専門性・権威性・信頼性を担保する
• 顧客評価・レビューの蓄積：実際の利用者の評価を増やす。第三者の声は、AIが候補を選ぶ際の重要な判断材料になる

これらはどれも一朝一夕には積み上がりません。だからこそ、最も多くのリソースを配分する価値があります。

Brand Askで面を取れているかどうかが、4-Intent全体の成否を決めます。

候補に入ったら、次はそこから選ばれる段階です。Final Askに進みます。

Final Ask（名指し確認）の特性と戦略

Final Askは、ユーザーが候補をひとつに絞り込む直前の段階です。

CVのすぐ手前にある、確認のフェーズです。

この章のポイントは次のとおりです。

• Final Askは、特定ブランドを名指しで確認する段階
• 検索ボリュームは小さいが、CVに最も近い問い
• ハルシネーション（事実誤認）のリスクが最も高い

Final Askとは何か

Final Askは、候補を絞り込むための名指しの問いです。「A社とB社のオンラインフィットネス、何が違う？」「A社の評判は？」「このサービスのデメリットは？」といった、特定のブランドを名指しで確認する段階を指します。

ここまで来たユーザーは、ほぼ決めかけています。最後にもう一押し、不安を解消したいだけです。だからFinal Askは、検索ボリュームこそ小さいものの、CVに最も近い問いになります。

Final Askで「勝ち切る」4つの施策

この段階で怖いのは、AIが自社について誤った情報を語ることです。事実と違う評判や、不正確な比較を返されれば、決めかけていたユーザーが離れてしまいます。Final Askはハルシネーションのリスクが最も高い段階でもあるのです。

勝ち切るための施策を4つ挙げます。

• AI回答の定期モニタリング：自社の強みがAIの回答に正しく反映されているかを、定期的に確認する
• 比較情報の正確性チェック：競合との比較がAI上で正しく語られているかを点検する
• 誤情報・ネガティブな評判の払拭：事実と異なる情報が出回っていれば、正しい情報を発信して打ち消す
• 自社FAQページの充実：想定される確認の問いに、自社サイトで先回りして正確に答えておく

ただし、ここで注意が必要です。Final Askで情報的に勝っても、それで終わりではありません。

ユーザーが「ではA社に申し込んで」とAIに実行を委ねたとき、エージェントが本当に自社を選び、申込まで完結させるとは限らないのです。情報で勝っても、実行で別のブランドに持っていかれれば、CVは失われます。

この「情報で勝って実行で負ける」穴をふさぐのが、次のAct（実行委任）です。

Act（実行委任）の特性と戦略

これまでのLLMO対策では、Final Askまでの対策で十分でしたが、AIエージェントの普及に伴い「Act（実行委任）」への対策の必要性が高まってきました。

実際、Googleもweb.div上でエージェント フレンドリーなウェブサイトを構築するガイドラインを公開し、その重要性を説いています。

これまでの3段階は、すべて「問い」でした。ユーザーがAIに情報を求める段階です。しかしAct（実行委任）は違います。ユーザーはもう情報を求めていません。行動そのものを、AIに委ねています。

今のLLMO対策は、AIに「選ばれる」ことで終わりではありません。

AIに「実行される」ところまでが勝負です。この章のポイントは次のとおりです。

• Actは、ユーザーがAIに購買行動そのものを委ねる段階
• CVへの近さは4段階で最大。取引が成立する瞬間そのもの
• 「情報で勝って実行で負ける」穴を、ここでふさぐ

Actとは何か

Actは、ユーザーがエージェントに行動を委ねる段階です。「ではA社のプランに申し込んでおいて」「このお店を予約して」「カートに入れて決済して」「この航空券を予約して」。

AIに答えを求めるのではなく、購買という行動を任せる意図を指します。

ここで重要なのは、ActがAskとは行為の種類が異なる点です。Open・Brand・FinalのAskは、どれも情報を引き出す行為でした。一方Actは、AIエージェントがブラウザを操作し、フォームを入力するなどして、決済まで完結させる実行の行為です。

冒頭で触れた会食予約や航空券手配を思い出してください。条件を伝えて候補を出させ、評判を確認したあと、最後に「ではここを予約して」と任せる。あの最後のひと言が、Actです。エージェントが裏側で予約サイトを操作し、ユーザーは結果を受け取るだけになります。

そして、この「AIが実行まで担う」流れは、もはや実験段階の話ではありません。コンサルティング会社のBain & Companyは、AIエージェントが購買を主導する「エージェンティックコマース」の米国市場が、2030年までにEC全体の15〜25%に達すると予測しています（Bain & Company, 2025）。

同社の分析では、ChatGPT経由のショッピング流入が前年比7倍超で伸びているという観測も示されています。AIに購買を任せる行動は、急速に現実のものになりつつあります。

Actが勝負を分ける商材と、そうでない商材

Actは、4段階の中でCVに最も近い段階です。ここが取引の成立する瞬間そのものだからです。

ただし、すべての商材で Act が決定打になるわけではありません。ここは正確に切り分ける必要があります。

ポイントは「ユーザーがブランドにどれだけ固執しているか」です。

Final Askの段階で「絶対にこのブランドがいい」と決め切っているユーザーなら、仮にエージェントの実行がうまくいかなくても、自分で買い直します。この場合、Actの取りこぼしはCV損失に直結しません。人間が補完するからです。

問題になるのは、ユーザーがブランドに固執していない場合です。このとき、エージェントが「条件に合う」と判断したものが、そのまま実行され、CVになります。具体的には、次のような商材です。

• コモディティ性の高い商材：他社製品でも代替が利き、どれでも大差ないと思われているもの
• チャネルが分かれる商材：代理店やモール経由で販売され、「どの経路で買っても同じ」もの
• 想起集合が弱いカテゴリ：ユーザーが特定ブランドを思い浮かべておらず、選定をエージェントに委ねるもの
• 条件で機械的に絞られる商材：航空券・ホテル・空き枠など、価格・日時・在庫で自動的に序列がつき、ブランドより条件が優先されるもの

これらの商材では、エージェントが参照するのは会話の記憶だけではありません。その場で各サービスの情報を読み取り直し、条件に最も合うものを選んで実行します。

このとき、もし自社の情報が機械にとって読み取りにくい状態だったら、どうなるでしょうか。エージェントの目に「条件に合う選択肢」として映らず、別のブランドや別の経路が選ばれてしまう。ユーザーがブランドに固執していないぶん、そのまま購入まで進みます。これが「情報で勝って実行で負ける」穴です。

逆に、高単価・高関与で、ユーザーが人間として最終判断する商材（たとえば本格的なBtoBツールの導入や、金融・不動産など）では、Act単独でCVが決まることは少なくなります。こうした商材では、前段のBrand Ask・Final Askの比重が相対的に高いままです。

自社にとってActはどれだけ重要か

ここまでをまとめると、Actの重要度は商材の性質によってグラデーションがあります。

コモディティ性が高く、ブランドへの固執が薄く、条件で機械的に選ばれる商材ほど、Actが効きます。ECや予約サイト、求人サイトのように、エージェントが条件適合で淡々と選ぶ領域は、その典型です。一方で、指名検討が当たり前の高関与商材では、Actの優先度は下がります。

だからこそ、後述する投資配分のAct比率（25〜30%）も、固定値ではありません。自社の商材がどちらに近いかで、上下に調整すべき変数です。コモディティ寄りなら厚く、高関与寄りなら薄く。

この穴は、いずれにせよ従来のLLMO対策ではふさげません。なぜなら従来の対策は「AIにどう語られるか」までしか見ていないからです。「AIにどう実行されるか」は、別の備えが要ります。そして自社の商材において実行が効くのかどうかを見極めること自体が、4-Intentの実践の第一歩になります。

Actで「刈り取る」4つの施策

実行を確実にCVへ変えるための施策を4つ挙げます。

• 機械可読性の担保：価格・在庫・空き状況・プラン内容・解約ポリシーなどを、構造化データとしてAIが正確に読み取れる形で整備する。エージェントは人間のように売り場を眺めるのではなく、構造化された情報で比較する。ここが不備だと、エージェントから自社が「見えにくい」
• エージェント連携への対応準備：AIエージェントが申込・予約・決済を完結できるよう、購入導線をエージェント経由でも機能する形に整える。エージェンティックコマースの仕組みへの対応を見据える
• 条件適合情報の明快化：誰向けか・いくらか・何が含まれるか・解約条件は何かを、曖昧さなく提示する。エージェントは条件に照らして機械的に選ぶため、適合判定がしやすい情報が有利になる
• 実行段階のモニタリング：エージェントに購買を委ねたとき、自社が実際に選ばれ実行されているかを定期的に確認する（測定方法は後述のKPI設計で解説）

自社のサイトがAct、つまりエージェントフレンドリーとなっているか確認したい方は、43のエージェントフレンドリーチェックリストをご活用ください。

【PDF版】エージェントフレンドリーなサイトを作る43項目のチェックリストをダウンロードする 

また、弊社のLLMO無料診断にも、エージェントフレンドリー診断が含まれているのでぜひご活用ください。

LLMO無料診断に申し込む 

ここを押さえている競合は、まだほとんどいません。

戦略：どのプロンプトにどれだけ投資すればいいのか

4-Intentの4段階が見えたところで、プロンプト選定の核心——「結局、どのプロンプトにどれだけ投資すればいいのか」に答えます。

シュワット式・4-Intent 投資配分

シュワットが推奨する4-Intentへの投資配分は、次のとおりです。

段階	投資配分	方針
Open Ask	0〜10%	基本捨てる
Brand Ask	45〜50%	主戦場・面を取る
Final Ask	15〜20%	CVへの確認・勝ち切る
Act	25〜30%	実行・刈り取る

この配分を一文に凝縮すると、こうなります。

Open Ask は捨て、Brand Ask で面を取り、Final Ask で勝ち切り、Act で刈り取る。

これが4-Intentの基本フォーメーションです。

なぜこの配分なのか

配分の理由を、段階ごとに説明します。

Open Askに0〜10%しか割かないのは、前述のとおりCVから最も遠く、競争が激しいからです。ここは捨て、副産物として拾える分だけで十分とします。

Brand Askに最も厚く45〜50%を割くのは、ここがAIの推奨候補に入れるかどうかの分水嶺だからです。候補に入れなければ、その先の段階はすべて成立しません。土台に最大の投資をします。

そしてここがシュワットの配分の特徴ですが、ActをFinal Askよりも厚く張ります。Final Ask 15〜20%に対し、Act 25〜30%です。

理由は、エージェント時代において取引の成立点が「実行」に移っているからです。どれだけ情報で好印象を勝ち取っても、実行の瞬間にエージェントから選ばれなければ、CVは生まれません。情報の確認（Final Ask）より、実行の確実性（Act）のほうが、最終的な成果に直結する。だからActを厚くします。

ただし、前述の通り、ビジネスモデルによっては「実行」部分の影響が小さいものも多いなど、投資配分は細かく調整が必要です。

この配分表は、社内説明にそのまま使える

この投資配分表には、もうひとつの使い道があります。経営層や上長への説明資料です。

「LLMOに投資したい」と伝えるだけでは、決裁は通りにくいものです。

しかし「4段階のうち、ここを捨て、ここに何%を配分する」と数字で示せれば、説明の説得力は大きく変わります。

なぜその配分なのかの根拠も、本章がそのまま使えます。

4-Intent に基づくプロンプト選定の進め方（実践ステップ）

ここからは、4-Intentによるプロンプト選定を実務に落とし込む手順です。

どのプロンプトを作り、狙い、検証するか——自社で真似できるよう、6つのステップに分けて解説します。

ステップ	内容
Step 1	Who/Whatの軸を定義する
Step 2	Brand Askの対策意図を生成する
Step 3	Final Askの対策意図を生成する
Step 4	Actの実行可読性を整備する
Step 5	意図をモニタリングする
Step 6	対策施策を実行する

各ステップについて解説していきます。

Step 1：Who/Whatの軸を定義する

すべての出発点は、「誰に（Who）」「何を（What）」の定義です。

Whoは、ターゲットの属性です。ダイエット関連サービスの例なら、年代・ライフスタイル・続けたい場所（自宅か通いか）などが軸になります。Whatは、自社が提供するサービスのカテゴリです。

この2軸が定まると、ユーザーがどんな意図でAIに向き合うかを具体的に想定できるようになります。

Step 2：Brand Askの対策意図を生成する

次に、主戦場であるBrand Askの意図を洗い出します。テンプレートはシンプルです。

「[Who] におすすめの [What] を教えて」

ダイエットの例なら、「自宅で続けたい人におすすめのオンラインフィットネスを教えて」「忙しい人向けの宅食サービスでおすすめは？」といったプロンプトになります。実際にこれらのプロンプトをAIに投げてみて、自社が候補に挙がるかを確認します。これが、プロンプト選定の実作業です。

Step 3：Final Askの対策意図を生成する

続いて、絞り込み段階のFinal Askです。

「[自社名] と [競合名] の違いは？」
「[自社名] の評判は？」

これらをAIに投げ、返ってくる情報が正確か、自社の強みが正しく語られているかを点検します。

Step 4：Actの実行可読性を整備する

ここが、従来のLLMO対策にはなかったステップです。

エージェントに購買を委ねる意図を想定し、自社がその実行に乗れるかを検証します。

「[Who] 向けに [自社サービス] を申し込んでおいて」

このようにエージェントへ委任したとき、自社が選ばれ、申込まで完結するか。価格・プラン・解約条件などの情報が機械可読な形で整っているか。ここを整備しておくことが、Act段階の刈り取りに直結します。

Step 5：意図をモニタリングする

Step 2〜4で作った意図を、月次でAIやエージェントに投げ、状況を記録します。

自社が推奨されているか、正しく語られているか、実行段階で選ばれているか。

定点観測することで、施策の効果が見えるようになります（測定指標は次章で解説）。

Step 6：対策施策を実行する

モニタリングで見えた課題に対して、施策を打ちます。エンティティ強化、第三者メディアでの言及獲得、FAQの充実、そして機械可読性の整備。各段階の具体策は、Brand Ask・Final Ask・Actの各章で挙げたとおりです。

このサイクルを回し続けることで、4-Intentの対策は着実に積み上がります。

4-Intent フレームワークで成果を測る指標

対策を打ったら、効果を測ります。4-Intentでは、段階ごとに測るべき指標が異なります。

フェーズ	測る指標
Brand Ask	ブランドメンション率／シェア・オブ・モデル
Final Ask	Final 正確性スコア
Act	シュワットのエージェントフレンドリーチェックリストの対応率

Brand Askの指標：メンション率とシェア・オブ・モデル

Brand Askでは、AIの推奨候補にどれだけ入れているかを測ります。

AIブランドメンション率は、AIの回答内で自社が言及される頻度です。ツールを使えば明確に測定できます。

シェア・オブ・モデルは、業界の中でAI上どれだけの占有率を持っているか、競合と比べた相対的な存在感を示します。面を取れているかどうかが、この2つで見えます。

Final Askの指標：Final 正確性スコア

Final Askでは、自社の情報がAI上で正しく語られているかを測ります。

Final 正確性スコアは、評判や競合比較がAI回答の中で正確に表現されている度合いです。

情報的に勝ち切れているかの指標になります。

Actの指標：エージェントフレンドリーチェックリストを用いる

Act段階で本来測りたいのは、エージェントに購買を委ねた際に自社が選ばれた割合です。

しかしこの「実行された割合」は、現状の技術力だと直接観測できません。
そもそも委任が何件発生したかの母数が、自社からは見えないからです。

そこでシュワットでは、結果指標ではなく先行指標で測ります。
具体的には、「AIエージェントフレンドリーなサイトのチェックリスト43項目」への対応率です。

これは、エージェントが自社を正しく読み取り、選び、実行できる状態が整っているかを、43の観点で点検するチェックリストです。

価格・在庫・条件情報の機械可読性、構造化データの整備、購入導線のエージェント対応などを項目化しています。

対応率は自社で完全に把握できるため、結果が見えない実行段階でも、打ち手の進捗を確実に追えます。

以下よりダウンロードできますので是非ご活用ください。

AIエージェントフレンドリーなサイトのチェックリスト43項目をダウンロードする 

まとめ：プロンプト選定が、AI・エージェント時代のLLMOの標準になる

最後に、本記事の要点を振り返ります。

LLMO対策の起点は、「キーワード」だけではありません。

ユーザーがAIに投げるプロンプト、すなわち「意図（Intent）」の選定です。

そして意図には、情報を引き出す「問い（Ask）」と、行動を委ねる「実行（Act）」があります。

エージェント時代のいま、プロンプト選定の対象は実行（Act）までを含みます。

シュワットの4-Intentフレームワークは、この意図を4段階に整理し、投資配分の数字とともにプロンプト選定を体系化する手法です。基本戦略は、ひとつの標語に集約されます。

Open Ask は捨て、Brand Ask で面を取り、Final Ask で勝ち切り、Act で刈り取る。

とりわけ、競合がまだ気づいていないAct（実行委任）の段階に備えることが、これからの差別化になります。

情報で勝つだけでは足りません。AIに実行される企業が、最後に勝ちます。

AI時代のマーケティングは、意図（Intent）の戦いです。
そしてその最終局面は、AIに「実行」を委ねる瞬間に訪れます。
シュワットの4-Intentフレームワークが、その戦いの設計図になります。

自社の対策設計に4-Intentを取り入れたい方、エージェント時代のLLMOに本格的に備えたい方へ。

シュワットでは、戦略設計から実装まで伴走する支援をご用意しています。