投稿者 global-ai-media 
米国の金融マッチング大手Lending TreeやNerdWalletが、大規模言語モデル（LLM）を経由して訪れるユーザーは「非常に購買意欲が高い（High-Intent）」というデータを相次いで公表しました。検索エンジン最適化（SEO）の時代から、AIとの対話を通じた情報獲得へとユーザー行動が変化する中、企業はこの新たな流入経路をどのように捉え、日本市場においてどう活用すべきかを解説します。
「検索」ではなく「相談」から来るユーザーたち
米国のオンライン金融マーケットプレイスであるLending TreeのCEO、スコット・ペイリー氏は2025年第4四半期の決算説明会において、ChatGPTやGemini、PerplexityといったLLM（大規模言語モデル）プラットフォームからの紹介（リファラル）で流入する消費者は、従来の検索流入に比べて「非常に成約意欲が高い」と述べました。この傾向は競合のNerdWalletも同様に報告しており、金融サービス分野における一つのトレンドとして確立しつつあります。
なぜLLM経由のユーザーは「質」が高いのでしょうか。従来の検索エンジンでは、ユーザーはキーワードを入力し、自分で複数のリンクを精査する必要がありました。一方、対話型AIを利用するユーザーは、「年収〇〇万円で、〇〇の目的でローンを借りたいが、最適なプランは？」といった具体的なコンテキスト（文脈）を入力します。AIはこの条件に基づいて情報をフィルタリングし、推奨サービスを提示します。つまり、ユーザーが自社サイトに到達した時点で、すでにAIによる一種の「一次ヒアリング」と「選別」が完了している状態に近いと言えます。
GEO（生成AI検索最適化）という新たな競争軸
この事実は、企業のマーケティング戦略に「GEO（Generative Engine Optimization）」や「AIO（AI Optimization）」と呼ばれる新たな視点が必要であることを示唆しています。これまではGoogleなどの検索エンジンのアルゴリズムに合わせてコンテンツを最適化（SEO）してきましたが、今後は「LLMにいかに自社製品・サービスを正確かつ魅力的に引用してもらうか」が重要になります。
日本国内においても、若年層やテック層を中心に、調べ物をする際に検索エンジンではなく生成AIを利用する動きが広まっています。特に金融商品、SaaS選定、高額家電の購入など、比較検討に専門知識や多くの情報を要する分野ほど、AIによる要約と推奨の価値が高まります。企業は、自社の公式サイトやプレスリリースの情報を、LLMが学習・参照しやすい構造化データとして整備し、客観的な評価やスペック情報を明確に発信する必要があります。
ハルシネーションとブランド毀損のリスク
一方で、LLMをマーケティングチャネルとして依存することにはリスクも伴います。最大の問題は「ハルシネーション（もっともらしい嘘）」です。AIが自社のサービスについて誤った金利や価格、存在しない機能をユーザーに説明してしまう可能性があります。また、AIの回答生成プロセスはブラックボックスであり、SEOのように明確な対策手法が確立されているわけではありません。
さらに、日本では「AIの回答＝客観的な正解」と誤認するユーザーも少なくありません。もしAIが競合他社を不当に推奨したり、自社に否定的なバイアスのかかった回答をしたりした場合、ブランドイメージへの影響は甚大です。企業は、自社に関する情報が主要なLLMでどのように扱われているかを定期的にモニタリング（監査）する体制を整える必要があります。
日本企業のAI活用への示唆
Lending Treeの事例は、AIが単なる業務効率化ツールではなく、強力な「顧客獲得チャネル」になり得ることを示しています。日本の実務家は以下の点に留意すべきです。
- 流入経路としてのAIを再評価する：Web解析において「参照元なし（Direct）」や特定のAIプラットフォームからの流入が増えていないか確認し、LLM経由のコンバージョン率（CVR）を計測する仕組みを検討してください。
- コンテンツの質と信頼性の強化：LLMは権威性のある情報源を優先する傾向があります。小手先のキーワード対策ではなく、一次情報の充実や、信頼できる第三者メディアでの露出（サイテーション）を増やすことが、結果としてAIからの推奨につながります。
- レピュテーション管理の対象拡大：SNSや検索結果の監視に加え、「主要な生成AIに自社製品について尋ねたとき、どう回答されるか」を広報・マーケティングのチェック項目に加えるべきです。誤った情報が出力される場合は、公式サイトの情報を修正・強調するなどの間接的な対策が求められます。