Google AIの引用元に選ばれるために、FAQPageやHowToなどのSchemaを詰め込む必要はありません。Googleは、構造化データ自体がAI Overviewsの直接的なランキングシグナルではないと繰り返し説明しています。構造化データの役割は、ページ内の情報を機械が整理、抽出、回答に利用できる最小単位へ分解することです。Schemaは順位を上げる魔法ではなく、AIエンジンが引用しやすい形でコンテンツを書くための設計ルールと考えるべきです。
AI Overviewsにおける構造化データの本当の役割
AI Overviewsの基礎には、強調スニペットやパッセージ抽出と共通する考え方があります。エンジンはQueryの意図を解釈し、インデックスから最も直接的な回答を選び、出典リンクを付けて要約します。選ばれるには、その段落が何についての事実なのか、どの質問への回答なのか、プロセスの起点はどこかを正しく理解してもらう必要があります。構造化データは情報の境界と意味を示し、解釈の余地を狭めます。段落単体で意味が通り、曖昧さが少ないほど、そのまま引用される可能性は高まります。
ここは誤解されやすい点です。Googleは2023年、FAQとHowToのリッチリザルト表示を縮小しました。FAQは一部の政府系・医療系サイトに限られ、HowToの画像付き手順も検索結果から姿を消しました。そのため、検索結果に展開メニューを表示させることだけを目的にFAQPageを付けても、ほとんど意味はありません。一方、AI Overviewsを含む各種AIエンジンは、元のHTMLとマークアップを読み取ります。Schemaは今も解析の手掛かりになります。重要なのはコンテンツそのものの構造であり、Schemaはその構造を機械が読める形で明示するものです。
FAQPage：質問と回答を、単独で使える最小単位にする
AIエンジンが扱いやすいのは、「質問と、それだけで意味が通る回答」の組み合わせです。FAQPageの価値はマークアップを付けること自体ではなく、コンテンツをこの形に整えられる点にあります。各回答は単独で引用でき、前後の文脈がなくても理解できなければなりません。長い文章をひとまとめにしたままでは、Schemaを増やしても解決しません。
- 質問は「可視性の年次評価とは？」ではなく、「GEO監査にはどのくらいの期間がかかりますか？」のように、具体的に書きます。
- 回答は40〜80語を目安とし、最初の文で結論を示してから、条件や範囲を補足します。
- 1つの回答で扱う質問は1つに絞ります。同じ段落に3つの論点を詰め込むと、エンジンがどの部分を抽出すべきか判断しにくくなります。
- 「ひと月ほど」のような曖昧な表現より、数値、単位、固有名詞を明記した文のほうが引用されやすくなります。
- 同じ質問をページ内で繰り返さないでください。重複した内容は、各質問と回答の識別精度を下げます。
HowTo：プロセスを順序立てて分解し、エンジンが引用できる形にする
ユーザーが「どうすればよいか」と尋ねたとき、AIは番号付きの手順で回答する傾向があります。HowTo schemaは検索結果での表示機会が減った後も、順序のあるステップ、各ステップの作業、必要なツールや材料というデータの形を定義します。AIエンジンはこの骨格を使って回答を組み立てます。解説記事をHowToの構造で書くことは、エンジンが回答へ再構成しやすい素材をあらかじめ用意することでもあります。
- 冒頭でプロセスの概要を示します。どのような流れで進むのか、おおよそ何ステップあるのか、前提条件は何かを明記してください。
- 各ステップに含める明確な作業は1つだけにし、「設定する」「確認する」「送信する」のように動詞から始めます。1文に2つ、3つの作業を詰め込まないでください。
- 手順の順番を守り、前のステップの結果が次のステップの入力になるようにします。途中を飛ばしたり、手順が循環したりしない構成にしてください。
- ツール、権限、所要時間の目安は独立した項目に分け、howTool、superly、totalTimeに対応させます。
- 各ステップは、単独で読んでも意味が通る文にします。AIが回答に使うのは、手順のうち1、2ステップだけかもしれないためです。
エンティティ情報：誰が発信し、誰について書いているのかをAIに伝える
先の2種類のSchemaが「コンテンツをどう抽出するか」を扱うのに対し、エンティティ情報は「誰による、誰についてのコンテンツか」を示します。AIエンジンは回答を生成する際、対象となる組織、製品、人物を特定し、その情報源を信頼できるか判断します。自社ブランドと別のエンティティを区別できなければ、内容が優れていても他社の情報として扱われたり、引用対象から外れたりする可能性があります。
実装の要点は3つです。第一に、OrganizationまたはPerson Schemaでブランドのエンティティを作成し、sameAsにWikipedia、Wikipedia、LinkedIn、GitHubなどを設定して、既存の知識情報と結び付けます。第二に、記事単位でaboutとdocumentsを使い、その記事がどのエンティティについて書かれ、何を参照しているのかを示します。これにより、エンジンが主題を判断しやすくなります。第三に、ブランド名、住所、ロゴ、創業者情報をサイト全体で統一します。記載内容が一致しなければ、エンティティの信頼性は低下します。
AIに引用されるには、まず発信者として正しく認識される必要があります。引用に値するかを決めるのはコンテンツの品質です。エンティティが明確であれば、エンジンはその情報を誰のものとして扱うべきか判断できます。
公開前に確認する実装チェックリスト
- ページの目的を定めます。そのページがどの質問、知識、プロセスを扱うのかを整理し、FAQPageとHowToのどちらを使うか決めてください。
- ユーザーに見えるコンテンツを先に整えます。単独で意味が通る質問と回答、順序の明確な手順、曖昧さのない事実を用意し、Schemaには実際に存在する内容だけを記述します。
- JSON-LDでページに実装します。主となるタイプを1つに絞り、解析を妨げるほど過剰にマークアップしないでください。
- サイトのディレクトリにOrganizationとSameAsを追加します。
- Schema.orgとGoogleのリッチリザルト関連ツールで検証し、エラーや未対応フィールドがないことを確認します。
- 公開後は、AI可視性モニタリングなどで実際に引用しているAIエンジンと引用された文を確認し、その結果をコンテンツの改善に反映します。
構造化データを実装しただけで、AIに採用されるわけではありません。その役割は、質の高いコンテンツをエンジンが理解できる言語へ変換することです。回答、手順、事実を明確に書き、Schemaでその構造を固定すれば、エンジンが内容を推測する余地が減り、正確に抽出しやすくなります。AIエンジンから見てページのどこに不足があるのか、どの競合に引用を奪われているのかを確認したい場合は、30分間のGEO診断をご予約ください。お客様のURLを使って検証します。
