最終更新：2026年8月
AEO実践者が繰り返し問うこと
構造化データは検索エンジンがコンテンツを理解するのを助けるとされている。回答エンジン最適化（AEO）への期待はその論理を延長したものだ。FAQや手順、製品レビューに正しいラベルを付ければ、AIエンジンがコンテンツを引用回答として表示してくれるはずだ、という考えだ。
その前提は直感的だ。相関データも有望に見える。しかし2026年に発表された厳密な対照研究は、より複雑な状況を示している。引用戦略の中心にスキーマを置く前に、真剣なAEO実践者なら誰もが理解しておかなければならないことだ。
この記事では、エビデンスが実際に示すものを整理する。相関、矛盾、そして現実的な最適化フレームワークにおけるスキーマの位置づけだ。
相関データが示すもの
AirOpsチームは15業界にわたる900件のChatGPTクエリで12,000件以上のURLを分析した。引用ページとGoogleの上位ランクページの間には、構造的に際立った差があった。
| シグナル | ChatGPTに引用されたページ | Googleの上位ランクページ |
|---|---|---|
| 3種類以上の異なるスキーマタイプ | 61% | 25% |
| 連続する見出し構造（H1からH3） | 68.7% | 23.9% |
| 少なくとも1つの構造化リスト | 約80% | 約29% |
| 比較表（比較ページに3つ以上のHTMLテーブル） | 引用率が高い（+25.7%） | ベースライン |
（出典：AirOps「LLMのためのコンテンツ構造化」2025年7月。単一ベンダーの研究、ChatGPT引用のみ、独立した再現なし。）
差は大きい。ChatGPTに引用されたページは、同じクエリでGoogleが最上位にランク付けするページよりも、リッチなスキーマと連続する見出しを使っている確率が2倍以上だ。引用ページの約5件に4件は少なくとも1つの構造化リストを含んでいるのに対し、Googleの上位ランクページでは3件に1件未満だ。
これが「引用を獲得するためにスキーマを追加せよ」というAEO推奨が広まる原因となったデータだ。間違っているわけではない。ただし、不完全だ。
矛盾：Ahrefsの対照研究
2026年5月、AhrefsはJSON-LDスキーマを追加する前後の1,885ページを追跡した研究を発表した。研究は2025年8月から2026年3月まで行われ、スキーマ変更なしの4,000件のコントロールページを使った。
結果は明確だった。スキーマを追加しても、テストされたいずれのプラットフォームでもAI引用数に意味のある変化はなかった。
| プラットフォーム | スキーマ追加後の引用数変化 |
|---|---|
| Google AIモード | +2.4%（誤差の範囲内） |
| ChatGPT | +2.2%（誤差の範囲内） |
| Google AIオーバービュー | -4.6%（小幅な減少） |
（出典：Ahrefs「1,885ページのスキーマ追加を追跡。AI引用はほぼ動かなかった。」2026年5月。重要な留意点：研究内のすべてのページは処置前から100件以上のAIオーバービュー引用を持っていたため、ゼロからのページには結果が当てはまらない可能性がある。）
Ahrefsチームは、スキーマが既に相当数の引用を受けているページのAI引用可視性を因果的に高めるわけではないと結論づけた。Google AIモードとChatGPTの+2.4%と+2.2%の変化は統計的にゼロと区別がつかなかった。Google AIオーバービューの-4.6%は小幅だがマイナスだった。
スキーマが無意味だということではない。スキーマは、既にベースラインの権威性と引用活動を持つページにとって信頼できる引用レバーではない、ということだ。
エビデンスを誠実に読む
2つのことは同時に真であり得る。
- リッチなスキーマを持つページは引用される可能性が高い。
- ページにスキーマを追加しても、引用数が安定して増えるわけではない。
この見かけ上のパラドックスは、引用ページがスキーマ以外に何を共通して持っているかを考えると解消される。それらはトピックにおいて権威ある情報源であり、明確な見出し構造を持ち、特定の質問への直接回答があり、検索キーワードではなく人々の質問方法に合わせたコンテンツで書かれている傾向がある。
スキーマの使用はコンテンツ衛生の全体的なマーカーであり、独立した変数ではないかもしれない。FAQPageマークアップ、Articleスキーマ、Product/Reviewスキーマを正しく構築するチームは、コンテンツ構造にも注意を払っているチームでもある傾向がある。スキーマと引用はどちらも、直接の因果関係ではなく、同じ根底にあるコンテンツ品質の影響かもしれない。
UCバークレーのarXivプレプリント（Kumar and Palkhouski、2025年）では、Brave、Google AIオーバービュー、Perplexityからの1,702件の引用を対象に1,100件のURLを分析した結果、構造化データがAI引用可能性の第3位の予測因子で、+39%のリフトと関連していることがわかった。しかしその知見も相関であり、Ahrefsの対照実験より狭いデータセットを調査したものだ。
Princeton、Georgia Tech、IIT Delhi、Allen Institute for AIのチームがACM KDD 2024で発表した査読済み研究では、コンテンツに統計データを加えることでPosition-Adjusted Word Countメトリクスに基づくAI可視性スコアが約40%改善した。スキーマではない。コンテンツの内容だ。
引用ページと最も関連するスキーマタイプ
因果関係の不確実性にもかかわらず、スキーマはAEOのワークフローに属している。スキーマのないページは構造的に不利だ。何が質問で、何が回答で、何がレビューかを宣言しなければ、エンジンはその構造を解析できない。
AIで引用されるページに最も一貫して関連するタイプ：
- FAQPageスキーマ：質問応答エンジンへの最も直接的なシグナル。FAQセクションにFAQPageを、個々の質問と回答のペアに
QuestionとAnswerプロパティを付与する。AIエンジンがコンテンツを取得して引用する方法に最も明確に沿ったスキーマタイプだ。 - Articleスキーマ：著者、発行者、公開日、コンテンツタイプの特定を助ける。鮮度と権威性シグナルの確立に重要だ。
- HowToスキーマ：明確な名前と説明を持つ構造化された手順。コンテンツが実際にプロセスを解説している場合に最も効果的だ。実際に説明的でないページには使わないこと。
- ProductとReviewスキーマ：eコマースや比較コンテンツには、ReviewとAggregateRatingプロパティを持つProductスキーマが、商業クエリで一貫して高い引用率と関連している。
AirOpsのデータは、これらのタイプを3種類以上組み合わせて使うことが重要だと示唆している。ChatGPTに引用されたページの61%が3種類以上の異なるスキーマタイプを使っていたのに対し、Googleの上位ランクページでは25%だった。1種類だけの実装は、AIパーサーが「よく構造化されたソース」と判断するための閾値を超えられない可能性がある。
AEOワークフローにおけるスキーマの位置づけ
スキーマは基盤であり、レバーではない。より広い最適化作業の中での位置づけは次の通りだ。
ステップ1：欠落または破損したスキーマを調査する
スキーマがまったくないページは基本的に不利だ。まず調査から始める。Surfer SEOなどのツールには欠落しているスキーマタイプを特定するコンテンツ構造分析が含まれている。SemrushのSite Auditもスキーマエラーと欠落マークアップを特定する。Writesonicはコンテンツ作成ワークフローの一部として、FAQPageスキーマが組み込まれたFAQセクションを生成する。
ステップ2：コンテンツ形式に合ったスキーマタイプを実装する
スキーマタイプをコンテンツ形式に合わせること。FAQセクションにはFAQPage。手順ページにはHowTo。製品比較にはProductとReview。記事にはArticle。ページの内容を誤って表現するスキーマタイプは追加しないこと。エンジンはその不一致に気づく。
ステップ3：より強いエビデンスのあるシグナルに最適化の努力を集中させる
コンテンツの明瞭さ、見出し構造、直接回答形式のエビデンスは、引用ドライバーとしてのスキーマのエビデンスよりも一貫している。スキーマを整えた後は：
- 各セクションの最初の40から60語に直接回答を前置きする。
- 全体を通じて連続する見出し構造（H1からH2からH3）を使う。
- すべての主要ページに少なくとも1つの構造化リストを含める。
- 名称付きの情報源とともに統計データを加える。PrincetonとGeorgia TechによるKDD 2024の研究では、統計データを追加することでAI可視性スコアが約40%改善したことが示されており、その研究ではスキーマ単独より強いシグナルだった。
ステップ4：スキーマカバレッジではなく引用率を監視する
スキーマ実装は、ページが実際に引用されているかどうかを教えてくれない。重要なエンジン全体での実際の引用率を測定する専用のトラッキングツールを使うこと。Temsoは月額89ドルから8つのAIエンジン（ChatGPT、Perplexity、Gemini、Google AIオーバービュー、Google AIモード、Grok、Microsoft Copilot、Meta AI）にわたる引用可視性を追跡し、どのページが引用されてどのページがされていないかを示す。ProfoundとOtto SEOは、プロンプト単位の粒度が必要なエンタープライズチーム向けにより深い引用アトリビューションを提供する。このデータなしでは、盲目的に最適化していることになる。
誠実なAEO実践者のまとめ
スキーママークアップはAI引用に必要ではあるが、十分条件ではない。AirOpsのデータは引用ページがGoogleの上位ランクページよりもリッチなスキーマを使っていることを示す。Ahrefsのデータはスキーマを追加しても引用が安定して増えないことを示す。
どちらの知見も信頼できる。同じ結論を指している。スキーマは衛生管理だ。必要だ。しかしそれだけでは不十分だ。
より強いエビデンスはコンテンツ構造、直接性、内容の充実を指している。最初の段落で質問に明確に答え、適切な見出し階層を使い、構造化リストを含み、統計データを引用しているページは、技術的にマークアップが正しくても構造的に曖昧なページよりも引用される可能性が高い。
スキーマを正しく整える。そしてコンテンツ自体に最大の労力を投資する。
次に読む記事
- AEOツール完全ランキング：/rankings/aeo-tools
- AI回答引用の測定方法：/blog/how-to-measure-ai-answer-citations
- AEOスキーマチェックリスト：/blog/aeo-schema-checklist-9-json-ld-types-add
- 用語集：/glossary
- 調査方法論：/methodology
実際に引用されているページを追跡する。 引用測定なしのスキーマ最適化は当てずっぽうだ。Temsoは月額89ドルで8つのAIエンジン全体での引用率を追跡し、どのページが回答に表示されてどのページがされていないかを正確に示す。オプションを比較するにはAEOツールランキング全体を参照のこと。