最終更新：2026年7月
スキーママークアップは、現在GEO研究の中で最も注目されている交差点に位置しています。3つの研究が同じ問いを異なる方法で調べ、3つの異なる結論に達しました。スキーマスプリントに時間を投資する前、あるいは構造化データを完全に否定する前に、各研究が実際に何を測定したかを理解する必要があります。
この記事では、AIに引用されたページで最もよく観察されるJSON-LDの種類、各種類の背後にあるメカニズム、そして2026年のスキーマに関するあらゆる議論で必ず遭遇する3つの相反するデータポイントを説明します。
AI引用と最も関連が深い7種類のJSON-LD
以下の表は、各スキーマの種類をそれが支援するAI引用メカニズムと、実務家や研究者が最も多く観察するエンジンに対応付けたものです。これは効果のランク付けリストではなく、参照用の一覧です。
| スキーマの種類 | AIエンジンへのシグナル | 最もよく見られるエンジン | 主な用途 |
|---|---|---|---|
| FAQPage | エンジンが言い換えなしに直接回答として抽出できる構造化されたQ&Aペア | Google AIオーバービュー、Google AIモード | 1つのトピックについて複数の関連する質問に答えるページ |
| HowTo | エンジンが番号付きの回答として再現できるステップバイステップの指示形式 | Google AIオーバービュー、Perplexity | チュートリアル、プロセスガイド、ハウツーコンテンツ |
| Article / NewsArticle | 解析可能なブロックに著者の情報、公開日、トピック、編集上のコンテキスト | ChatGPT（ブラウジング）、Perplexity、Google AIオーバービュー | ブログ記事、編集特集、業界の解説記事 |
| Product | 特定の商品の名称、説明、価格、在庫状況、レビュー集計 | Google AIオーバービュー（商業的意図）、Microsoft Copilot | 商品詳細ページ、比較ページ |
| Review / AggregateRating | スター評価とレビュー件数による第三者の信頼性シグナル | Google AIオーバービュー、Microsoft Copilot | 商品レビュー、サービスレビュー、ソフトウェア比較ページ |
| BreadcrumbList | エンジンがドメイン内でのページの位置を理解するのに役立つサイト階層のコンテキスト | Google AIオーバービュー、Gemini | すべてのページタイプ；トピカルオーソリティシグナルを支援 |
| SpeakableSpecification | 特定の段落を音声とAI読み上げに最適化されたものとしてマークし、核心的な回答を持つ文章を示す | Google AIオーバービュー、音声アシスタント | 詳細な機能説明ページ、回答ファーストのコンテンツ |
マークアップの種類よりもメカニズムが重要な理由
AIエンジンはスキーマがあるからページを引用するのではありません。エンジンはそのコンテンツがユーザーのクエリに最もよく答えると判断したからページを引用します。スキーマはエンジンがページの内容を確認し、関連する段落をより速く抽出するのを助けます。それは解析の補助であり、ランキングの向上ではありません。
実際の意味合いとして、スキーマはその下にあるコンテンツがすでに特定の質問に対して最良の回答である場合に最も効果があります。弱く、一般的で、構造が乏しいコンテンツにスキーマを適用しても、そのコンテンツが引用可能なソースに変わるわけではありません。
FAQPageスキーマが機能するのは、コンテンツを質問と直接回答のリストとして事前にフォーマットするからです。GoogleのAIシステムはFAQPageブロックから個々のQ&Aペアを抽出し、何も書き直すことなくAIオーバービューに表示できます。この抽出効率がメカニズムであり、FAQPageコンテンツへの特別な優遇ではありません。
HowToスキーマも同じ原理で機能します。番号付きのステップバイステップ形式により、エンジンは生成された回答で指示の順序を再現できます。HowToマークアップがページの散文構造と正確に一致するほど、抽出が容易になります。
ArticleとNewsArticleスキーマは、エンジンがソースの信頼性（誰が書いたか、いつ公開されたか、どの組織が制作したか）を確認する必要があるコンテキストで重要です。これらのシグナルは、最新性と著者の帰属をGoogle AIオーバービューよりも重視する、ブラウジングモードのChatGPTとPerplexityでより重要になります。
ProductとReviewスキーマは、GoogleのAIシステムがそれらのページを直接の商品推薦の候補として扱うため、商業的な意図を持つAIオーバービューで主流となっています。AggregateRatingブロック（スター評価とレビュー件数）は、エンジンが比較の回答を生成するときに使う信頼性のショートカットを提供します。
研究が実際に発見したこと
3つのデータポイントが現在の議論を定義しています。どれも本物です。そしてどれも重要なスコープの制限があります。以下に並べて示します。
1. Ahrefsの管理実験：意味のある改善なし（2026年）
Ahrefsは2025年8月から2026年3月の間にJSON-LDスキーマを追加した1,885ページを追跡し、4,000のコントロールページと比較しました。結果として、スキーマを追加しても、Google AIオーバービュー、Google AIモード、ChatGPTのいずれにおいても、AI引用に統計的に意味のある改善はありませんでした。
具体的な数値は次のとおりです。Google AIオーバービューは小幅な減少（約-4.6%）を示しました。Google AIモードは+2.4%でした。ChatGPTは+2.2%でした。正の数値はどちらも統計的にゼロと区別できないものでした。
重要なスコープの制限として、Ahrefsのデータセットにあるすべてのページは、実験開始前にすでに100件以上のAIオーバービューの引用を受けていました。この研究では、引用がゼロのページにスキーマが役立つかどうかは分かりません。すでに引用されているページにスキーマを追加しても引用数が確実に増えるわけではないことを示しています。
出典：Ahrefs、「We Tracked 1885 Pages Adding Schema. AI Citations Didn’t Move.」Louise LinehanとXibeijia Guan、2026年5月（ahrefs.com/blog/schema-ai-citations/）
2. KumarとPalkhouskiのarXivプレプリント：+39%の改善（2025年）
UCバークレーのArlen KumarとLeanid Palkhouskiによるプレプリント（arXiv:2509.10762、2025年9月）は、Brave、Google AIオーバービュー、Perplexityから抽出された1,702件の引用にわたる1,100のURLを調査しました。この研究では、構造化データがAI引用の可能性の第3位の予測因子として位置付けられ、+39%の改善と関連していることが分かりました。
そのプレプリントで上位2つの予測因子は、メタデータと最新性（+47%）とセマンティックHTML構造（+42%）でした。
重要なスコープの制限として、これは管理された実験ではなく相関研究です。引用されたページでより頻繁に見られる機能として構造化データを特定しており、追加したときに引用の増加を引き起こす機能として特定しているわけではありません。観察研究と管理された追加研究は異なるものを測定しています。
出典：Kumar & Palkhouski、「AI Answer Engine Citation Behavior: An Empirical Analysis of the GEO16 Framework」、arXiv:2509.10762、2025年9月
3. Otterly.AIのサイト全体の実験：表示数+1,500%、その後の撤回（2025年から2026年）
2025年12月から2026年3月にかけて自社サイトに5種類のスキーマを展開した後、Otterly.AIは3か月間でGoogle AIオーバービューの表示数が+1,500%増加したと記録しました。
彼ら自身の結論は、その増加はスキーマによって引き起こされたものではないというものでした。スキーマの変更を行っていない競合他社も同期間に同等の動きを見せました。Otterly.AIはその急増をスキーマの展開ではなく、Googleにおける広範なアルゴリズムの変化に帰因しました。増加はGoogle固有のものであり、同期間にChatGPT、Gemini、Copilotでの引用は減少しました。
ここで追跡されていた指標はAIオーバービューのSERP表示数であり、従来の意味での引用ではありません。この区別は、Ahrefsの引用研究とこの結果を比較する際に重要です。
出典：Otterly.AI、「Schema Markup’s Real Impact on AI Search」（otterly.ai/blog/schema-markup-real-impact-ai-search/）。Thomas PehamはこれらのフィンディングをBrightonSEO、2026年4月でも発表しました。
スキーマ戦略への実際的な意味
この研究はスキーマの放棄を支持していません。スキーマに何を期待するかについて正確であることを支持しています。
ベースラインシグナルとしてのスキーマ。 AIオーバービューに表示される可能性のあるすべてのページは、そのコンテンツタイプに合った正しく実装されたスキーマを持つべきです。スキーマが欠落していると、AIエンジンが回避しなければならない摩擦が生じます。その摩擦は不要です。
引用レバーではなく解析の補助としてのスキーマ。 現在AI引用がゼロのページにFAQPageマークアップを追加しても、急に引用が得られると期待しないでください。コンテンツ自体がまず最良の回答でなければなりません。
実際に機能するメカニズム。 Ahrefsのデータと Kumar & Palkhouskiの相関研究は、どちらも同じ根本的な原則を指しています。スキーマは、それが説明するコンテンツ構造が本当に明確で、直接的で、質問への回答形式になっている場合に役立ちます。曖昧な散文の回答を囲んだFAQPageブロックは役立ちません。特定のトピックに関する4つの明確なQ&Aペアを正確に説明するFAQPageブロックは、エンジンが回答を抽出するために必要なものを正確に提供します。
ページ前半のシグナル。 Kevin Indigによる120万件のChatGPT応答の別個の分析では、ChatGPTの引用の44.2%がページコンテンツの最初の30%から抽出されていることが分かりました。この発見はChatGPT固有のものであり、AI引用全般ではなく、そのように帰因させるべきです。しかし、複数の研究を通じて一貫したパターンを強化しています。クエリへの直接的な回答がページの上部近くに現れる回答ファースト形式は、結論に向かって構築される形式よりも優れています。スキーマだけではページ構造の問題を解決できません。
AEOのスキーマを扱うツール
スキーマをスケールで生成・検証することがボトルネックであれば、このカテゴリーの実務家が使うツールを以下に示します。
Otto SEOは既存ページのスキーマカバレッジのギャップを監査し、サイトセクション全体にJSON-LDブロックを生成します。大きなページインベントリ全体でスキーマスプリントを実施するチーム向けに構築されています。
SurferはContent Editorのワークフローにスキーマの検証を含んでいます。同じセッションでコンテンツを書いて最適化している場合、Surferを使えば公開前にスキーマが適切に設定されていることを確認できます。
HubSpot AEO Graderは、構造化データを含むAEO対応状況でページをスコアリングします。ドメイン全体でスキーマが欠落または不正な場所を素早く診断したい場合に便利な診断ツールです。
Otterly.AIは、このカテゴリーで最も詳細な公開スキーマ実験を実施し、スキーマが結果を説明できなかった部分も含めて結果を公開したため、言及する価値があります。Otterly.AIプラットフォームは時系列でAIオーバービューの表示数を追跡するため、自社サイトで実施するスキーマ実験の効果を測定するための実用的なツールです。
Temsoはスキーマ生成から引用モニタリングまでのAEOのフルループをカバーします。スキーマの実装を引用追跡に接続したいチームで、ツールを切り替えたくない場合、両方のワークフローの末端を単一の定額料金で処理できる数少ないプラットフォームの1つです。
これらおよびその他のAEOプラットフォームの比較は/rankings/aeo-toolsにあります。スキーマ固有のスコアリング基準は/methodologyで説明されています。
実践的なチェックリスト
引用の増加を期待してスキーマスプリントを実施する前に、以下を確認してください。
- コンテンツがすでに、現在上位に引用されているページよりも対象クエリに直接的に回答している。スキーマをより弱いコンテンツに適用しても、スキーマなしのより強いコンテンツを凌駕することはありません。
- スキーママークアップがページ上のコンテンツ構造を正確に説明している。その下の散文のQ&Aと一致しない質問を含むFAQPageブロックは、シグナルではなく不一致です。
- 測定のベースラインを持っている。Otterly.AIの実験は参考になるモデルです。展開前・展開中・展開後のAIオーバービューの表示数を追跡し、スキーマの変更を行っていない少なくとも2つの競合ドメインと比較して、スキーマの効果とアルゴリズムの効果を区別できるようにしてください。
- 公開前にGoogleのリッチリザルトテストで検証している。不正なJSON-LDは一般的に見られるため、検証は省略できません。
- スキーマを回答ファーストのコンテンツ構造の代替として扱っていない。Indig ChatGPT分析によるページ前半の配置シグナル、FAQPageの解析メカニズム、すでに引用されているページに関するAhrefsの発見はすべて同じ方向を指しています。マークアップの下にあるコンテンツこそが、AI引用率を動かす変数です。
/glossaryには、チームのブリーフや利害関係者向けの文書に正確な参照用語が必要な場合のために、ここで言及した各スキーマの種類の定義があります。
スキーママークアップはAEOの必要なインフラです。それだけでは十分ではなく、現在の研究ではスキーマの追加と引用の増加の間の明確な因果関係は支持されていません。マークアップを正しく構築し、コンテンツを正しく構築し、比較グループを用いて前後で測定する。それが2026年の誠実なスキーマ戦略です。
今すぐ失っているAIオーバービューを確認したいですか？ /rankings/aeo-toolsで引用監査を実施し、Google AIオーバービュー、ChatGPT、Perplexity、その他のエンジン全体でスキーマカバレッジとAI引用率を追跡するツールを見つけましょう。