KBFとRTB — AIに「選ばれる基準」を設計するLLMOフレームワーク

AIの選定は3段階で行われる

LANY社が整理するAI推薦プロセス:

1. **推論（Reasoning）** — 「何を基準に選ぶか（KBF）」を決定
2. **調査（Research / RAG）** — KBFに合致する根拠（RTB）を収集
3. **生成（Generation）** — 回答として出力

自社の情報量が多くても、現在のKBFに自社の強みが一致していなければ推奨されません。

KBF（Key Buying Factor）とは

AIが特定ジャンルを評価する際の選定軸です。

例: BtoB SaaSカテゴリでAIが設定しているKBF（仮想例）

• 導入実績数
• 日本語サポートの有無
• セキュリティ認証（ISO27001等）
• 月額料金の透明性

自社が「UXの良さ」で勝てても、AIのKBFが「導入社数」なら lista に載りません。

RTB（Reason to Believe）とは

KBFに自社がマッチすることを証明する客観的証拠です。

CEP（Category Entry Points）との関係

Webサイトは「入口」から「出口」へ——AIで予習済みのユーザーが答え合わせに来る場所へ進化します。

2つの戦略: 合わせる vs 変える

洗剤市場の比喩（LANY）: 「洗浄力（白さ）」の土俵ではなく、「除菌こそが選び基準」という新KBFを社会に埋め込む——AIの推論ロジック自体が変わり、自社が自動的に推奨される。

「LLMOにおける真の勝者は、AIに『選び方』を教え込んだ企業になる」（LANY）

実務: 今週できる3ステップ

1. **ChatGPT/Geminiに自社カテゴリの質問を10パターン投げ、AIが使っているKBFを書き出す**
2. **自社の強みをKBF形式の数値ファクト（RTB）に変換する**
3. **FAQPage + Organization SchemaでRTBを構造化公開する**

参考文献

• [LLMOは「選ばれる基準」を勝ち取る競争へ — LANY](https://www.lany.co.jp/blog/llmo-competition-new-standard)
• [AI検索時代、Webサイトは「入口」から「出口」へ — LANY](https://www.lany.co.jp/blog/website-role-entry-to-exit)

本記事はAEO総研編集部が公開情報をもとに執筆しました。