最終更新：2026年7月
「テクニカルAEOをやっておいて」と言われると、多くの場合これら3つの戦術をすべてまとめて意味しています。それは誤りです。それぞれがボトルネックの異なる部分を対象にしています。混同すると無駄な努力につながります。場合によっては逆効果な行動（llms.txtを追加したからスキーマは不要と考えてスキーマを削除するなど）を引き起こすこともあります。
この記事では3つを整理します。各戦術について、明確な定義、機能するかどうかについての誠実なエビデンス、そして研究がまだ矛盾している箇所を説明します。
一覧
| 戦術 | 修正する問題 | しないこと | 最強のエビデンスシグナル | 工数 |
|---|---|---|---|---|
| Schema markup（JSON-LD） | 解析の曖昧さ：クローラーがコンテンツタイプ、エンティティタイプ、Q&A構造を誤読する | 単独で引用を促進する、コンテンツ品質を代替する | 矛盾あり（下のエビデンスボックス参照） | 中：デベロッパーの工数またはスキーマツール |
| llms.txt | クローラーの優先順位：AIボットが低価値ページにクロール予算を浪費する | クローラーをブロックする、構造化データを生成する、エンティティ同一性をシグナルする | 新興；統制された研究はまだなし | 低：1つの静的ファイル |
| エンティティ最適化 | Knowledge Graphのギャップ：AIエンジンがブランドを既知のエンティティとして認識しない | オンページのコンテンツ品質を修正する、バックリンクや引用を代替する | 3つの中で最も強い方向性のエビデンス | 高：継続的な獲得メディアと一貫性の取り組み |
Schema markup：クローラー解析レイヤー
Schema markup（具体的にはGoogleが推奨するフォーマットであるJSON-LD）は、クローラーが読んでいる内容の解釈方法を伝えるために、ページの<head>または<body>に埋め込む構造化データです。これがなければ、クローラーはそのページが商品リストなのか、ハウツーガイドなのか、Q&A形式なのか、一般的な記事なのかを自分で判断することになります。Schemaはその推測作業をなくします。
AEOで最も関連性の高いスキーマタイプは、FAQPage、HowTo、Article、Productです。これらはテキストブロックが散文の段落ではなく、質問と回答のペアであることをGoogle AI Overviews、Gemini、その他のエンジンに伝えます。この区別は回答ボックス取得において重要な意味を持ちます。
スキーマで実際に何をすべきか
本物のQ&AブロックがあるページにはサイドリゾFAQPageスキーマを追加してください。ステップバイステップのコンテンツにはHowToスキーマを追加してください。コンテンツの新鮮度シグナルを最新に保つためにdateModified付きのArticleスキーマを追加してください。公開前にGoogleのリッチリザルトテストで検証しましょう。
AEOワークフロー内でのスキーマ生成をサポートするツールには、より広範なコンテンツ監査の一環として構造化データの欠落にフラグを立てるOtto SEOとSurferがあります。TemsoはフルAEO修正ワークフローの1ステップとしてスキーマ生成を含んでいます。ライティングと最適化ループに特化したチームには、Writesonicがコンテンツドラフトと並行してFAQスキーマを生成します。
正直なベンチマーク：スキーマは正確なクロール解釈のためのテーブルステークスです。引用増加の議論は現実であり未解決です。スキーマをスキップしてはいけませんが、単独で引用数を動かすとは期待しないでください。
llms.txt：クローラー優先順位付けレイヤー
llms.txtはドメインルートに置くプレーンテキストファイルです（例：yourdomain.com/llms.txt）。AIクローラーに最初に訪問させたいURLとコンテンツの説明を記載します。人間や従来の検索ボットではなく、大規模言語モデルのクローラーのために書かれた、サイトのキュレートされた目次と考えてください。
このファイルはJeremy Howardが2024年9月に提案したもので、主要な検索エンジンが支持する標準ではありません。Google、OpenAI、Anthropicはこれを読んだり重み付けしたりすることを公式に確認していません。提供するのはシグナルです。AIクローラーが参照した場合、サイトマップやナビゲーションから推測するのではなく、最良のコンテンツを優先したクリーンなリストが見つかります。
llms.txtがしないこと
3つのよくある誤解：
- AIクローラーをブロックしません。それは
robots.txtです。 - 構造化データを生成したり、コンテンツの解釈方法をクローラーに伝えたりしません。それはスキーマです。
- ブランドを既知のエンティティとして確立しません。それはエンティティ最適化です（下記参照）。
「llms.txtはスキーマの代替になる」と聞いたことがあるなら、それは誤りです。それらはまったく異なるレイヤーで機能します。
llms.txtで実際に何をすべきか
ファイルを作成してください。最も権威あるページを先にリストアップしてください。各URLについて1行の説明を含めることで、言語モデルがページを取得しなくてもその内容を理解できるようにしてください。主要な新コンテンツを公開したり古いページを廃止したりする際に更新してください。セットアップに1時間かかり、メンテナンスは数分です。 Llms.txt専用のツールカテゴリーはまだありません。自身のワークフローまたはデベロッパーのセットアップを通じて作成・管理するファイルです。
エンティティ最適化：知識レイヤー
エンティティ最適化とは、AIエンジンが参照する知識システムの中で、あなたのブランド、製品、主要な主張を独自の一貫したエンティティとして認識させるプロセスです。Geminiにとっては、Google Knowledge Graphに存在し、そこでの記述と一致していることを意味します。ChatGPTとPerplexityにとっては、権威ある第三者情報源で頻繁かつ一貫して言及されることを意味します。
これは3つの戦術の中で最も難しく、方向性を示すエビデンスが最も強いものです。
エンティティ最適化には3つの実践的な要素があります：
-
自社サイト全体での一貫性。 ブランド名、製品名、主要な主張はすべてのページで同一である必要があります。一貫性のない命名（異なる大文字小文字の使い方、短縮形、古い製品名）は、どのシステムでもあなたを1つのエンティティとして認識することを難しくします。
-
権威ある情報源での第三者言及。 AIエンジンは信頼する情報源に重みを置きます。Wikipediaの記事、業界ディレクトリのリスト、プレスカバレッジ、G2などのレビューサイト、あなたのブランドを引用するQuoraの回答はすべてエンティティの同一性を強化します。これは技術的な修正ではなく、獲得メディアの取り組みです。
-
Knowledge Graphへの存在。 Geminiが優先エンジンのブランドにとって、Googleナレッジパネルの検証は直接的なシグナルです。ディレクトリ全体での一貫したNAP（名前、住所、電話番号）データ、Wikipediaのエントリ、自社サイトの正確なスキーママークアップはすべて貢献します。
エンティティ最適化で実際に何をすべきか
ブランド監査から始めてください。ChatGPT、Perplexity、Google AI Overviews、Geminiであなたのブランド名を検索してください。各エンジンがあなたをどのように説明しているかを記録してください。何が間違っているかを記録してください。あなたに言及する際にどの情報源を引用しているかを記録してください。それらの情報源があなたの配信優先事項です。
KnowataoはAIエンジンがプラットフォーム全体でどのようにブランドを表現しているかを追跡し、ギャップを明らかにすることを専門としています。より広範なAEOプラットフォーム内でエンティティモニタリングを求めるチームには、Temsoが8つのAIエンジン全体でブランド表現を追跡し、引用ギャップと並行してハルシネーションにフラグを立てます。Profoundは第三者ドメインがエンティティの言及をどのように促進しているかを示す引用マップを提供します。
エンティティ最適化は3つの中で最も工数のかかる戦術であり、直接的な技術的レバレッジが最も少ないものです。設定変更をファイルして完了することはできません。継続的な獲得メディアの取り組みとコンテンツ配信が必要です。
マルチスキーマの例
以下は1つのブログ投稿にFAQPageとArticleスキーマを重ねた最小限の例です。両方のタイプが同じページに共存できます。
[
{
"@context": "https://schema.org",
"@type": "Article",
"headline": "Schema Markup vs llms.txt vs Entity Optimization",
"datePublished": "2026-07-17",
"dateModified": "2026-07-17",
"publisher": {
"@type": "Organization",
"name": "AEO Rankings"
}
},
{
"@context": "https://schema.org",
"@type": "FAQPage",
"mainEntity": [
{
"@type": "Question",
"name": "Does schema markup improve AI citations?",
"acceptedAnswer": {
"@type": "Answer",
"text": "Controlled evidence found no meaningful citation lift after adding schema, while observational research found structured data correlated with higher citation likelihood. Treat schema as infrastructure and measure the result."
}
},
{
"@type": "Question",
"name": "Does llms.txt replace schema?",
"acceptedAnswer": {
"@type": "Answer",
"text": "No. Schema tells crawlers how to interpret content they have found. Llms.txt tells AI crawlers which URLs to prioritize. They operate at different layers and can coexist."
}
}
]
}
]これを<script type="application/ld+json">ブロックに配置してください。公開前にGoogleのリッチリザルトテストで検証しましょう。ページに実際に該当する限り、複数の@typeブロックを組み合わせることができますが、ページが実際には表していないスキーマタイプは追加しないでください。
3つの戦術を重ねる方法
これらはどれもコンテンツ品質や第三者引用の代替ではありません。インフラです。次のように考えてください：
- Schema： クローラーが探しているものを見つけられるよう、棚にラベルを貼る。
- llms.txt： どの棚が最も重要かを示すドアの貼り紙。
- エンティティ最適化： クローラーが入ってくる前からあなたの名前を知っていることを確認する。
3つすべてが同じ結果に貢献します。AIエンジンがあなたのコンテンツを見つけ、その内容を理解し、ブランドを情報源として信頼できる。1つのレイヤーをスキップすると、そのレイヤーにボトルネックが生まれます。
AEOスタックの各レイヤーをカバーするツールの全体像については、AEOツールランキング全体またはAEO用語集でここで使用される用語の定義を参照してください。