AI検索向けの構造化データは、機械が読み取れるマークアップです。通常、Schema.orgの語彙を使用し、JSON-LD形式で記述されます。これにより、ページ上の事実を機械が解釈せずに解析できる形式で宣言します。たとえば、「このページは製品です」「価格は49ドルです」「この質問にはこの答えがあります」といった情報です。人間は目に見えるページを読み、クローラーや検索パイプライン、ショッピングエージェントはマークアップを読み取ります。generative engine optimization (GEO)構造化データは、ブランドがAIエンジンと直接対話するためのAPIに最も近いものです。
主なポイント
- Schema.orgは語彙であり、JSON-LDはその形式です。この2つを組み合わせることで、ページ上の事実をAIシステムが推測ではなく抽出できる決定論的データに変換します。
- GEOで最も効果的なスキーマタイプは
Organization,Product,FAQPage,HowTo、そしてPerson. - Googleは2023年にほとんどのサイトでFAQリッチリザルトを廃止しましたが、
FAQPageマークアップは依然として検索システムにクリーンな質問と回答のペアを提供します。 - 多くのAIクローラーはJavaScriptをほとんど、または全く実行しません。クライアントサイドで挿入されたJSON-LDは認識されない可能性があるため、サーバーレンダリングを行うべきです。
- マークアップはインフラであり、魔法ではありません。検証が成功するかどうかだけでなく、引用率や商品カードのアクティベーションに影響を与えるかどうかを測定してください。
構造化データとは何か、JSON-LDがどのように適合するか
Schema.orgは、Google、Microsoft、Yahoo、Yandexによって2011年に立ち上げられた共有語彙です。組織、製品、記事、イベントなど、数百のエンティティタイプと、それぞれが持つプロパティを定義しています。JSON-LD（Linked Data用JavaScript Object Notation）は、それを公開するための推奨形式です。ページコード内の小さなスクリプトブロックとして記述され、訪問者には見えませんが、機械には明確です。Googleのドキュメントでは、スケールでの記述と保守が容易であるため、従来のマイクロデータやRDFa形式よりもJSON-LDを推奨しています。
時代によって仕事の内容は変化しました。従来のSEOでは、構造化データはリッチスニペット（星評価やレシピカードなど）を獲得するためのものでした。一方、GEOでは、同じマークアップがナレッジグラフやショッピンググラフに供給され、AIエンジンが回答を基にするためのデータを提供し、ページ取得エージェントに明確な機械層を解析させます。
AIエンジンが宣言された事実を好む理由
言語モデルは確率的です。自由形式のテキストから事実を抽出するのはコストがかかり、時には誤りが生じます（これを幻覚と呼びます）。構造化データは決定論的です。検索パイプラインがProductノードを読み取り、そのoffers価格が49ドルであると記載されていれば、周囲の文章から価格を推測する必要はありません。それを知っています。
この決定論は3つの場面で効果を発揮します。曖昧性の解消 — sameAsリンクをOrganizationマークアップからWikipedia、Wikidata、ソーシャルプロフィールに接続することで、エンジンに「Apple」が会社であることを伝え、果物ではないことを示します。抽出 — GoogleのAIオーバービューのようなシステムは、クリーンに解析できるソースを好み、マークアップされたQ&Aや製品データが最もクリーンに解析されます。基盤 — ユーザーが「このブランドは正当ですか？」と尋ねた際、エンジンはナレッジグラフと照合して宣言されたアイデンティティを確認します。
GEOの経験則：事実を抽出するコストが低いほど、エンジンがそれを使用し、あなたに帰属させる可能性が高くなります。
正直な注意点：Googleは、構造化データがシステムがコンテンツを理解するのに役立つと述べていますが、ランキングの近道ではなく、マークアップはページ上で実際に表示されている内容を記述する必要があります。
GEOで最も効果的な5つのスキーマタイプ
Organization
ブランドのIDカード：legalName, logo, foundingDate、そして何よりものリンクを権威あるプロフィールに接続します。このマークアップは、「これを作ったのは誰か」「この会社は本物か」といったエンティティに関する質問に答え、あなたが公開する他のすべての情報の基盤となります。
