schema.org × AI 検索完全ガイド — 必須 4 種・プラスα 5 種・JSON-LD 実装例・検証方法・FAQ 15問（2026年版）

1. なぜ schema.org が AI 検索で重要か

生成 AI は本文だけを読んで意味を抽出するのは得意ですが、「明示的に書かれた事実」の方を引用に使う傾向があります。schema.org の JSON-LD は本文と並行して「このページは記事である」「著者は誰」「公開日はいつ」「主題は何」と AI に直接伝える経路です。

特に AI Overviews / Gemini は Google の検索インデックスを基盤としており、schema.org のデータを本文と並ぶ評価対象として扱います。ChatGPT / Perplexity / Claude も HTML 内の JSON-LD を構造的シグナルとして参照する挙動が観測されています。

要点は「本文が語る内容を、別の経路で AI に再確認させる」こと。これがあるサイトとないサイトでは、引用される確率に有意な差が出ます。Sakyura が国内 30 サイトで FAQPage schema 導入前後の AI 引用率を比較したところ、導入後 4〜8 週間で平均 1.5〜2.5 倍の引用率向上が観測されました（自社調査）。

2. 必須 4 種の schema

すべてのサイトで実装すべき 4 種類です。各 schema に対して「いつ使うか」「実装例」「実装の鉄則」を載せます。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Sakyura",
  "url": "https://sakyura.com",
  "logo": "https://sakyura.com/icon.svg",
  "description": "ChatGPT / Perplexity / Gemini / Claude / Google AI Overviews での引用率を日次計測する GEO/AEO SaaS",
  "sameAs": [
    "https://x.com/sakyura_jp",
    "https://github.com/sakyura"
  ],
  "contactPoint": {
    "@type": "ContactPoint",
    "contactType": "customer support",
    "email": "support@sakyura.com",
    "availableLanguage": ["Japanese", "English"]
  }
}
</script>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "GEOとは？生成AI検索最適化の完全ガイド",
  "description": "GEO（Generative Engine Optimization）の定義と実践方法を解説。",
  "url": "https://sakyura.com/blog/geo-towa",
  "datePublished": "2026-02-08",
  "dateModified": "2026-04-25",
  "inLanguage": "ja",
  "author": {
    "@type": "Organization",
    "name": "Sakyura編集部",
    "url": "https://sakyura.com/editorial"
  },
  "publisher": {
    "@type": "Organization",
    "name": "Sakyura",
    "logo": {
      "@type": "ImageObject",
      "url": "https://sakyura.com/icon.svg"
    }
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://sakyura.com/blog/geo-towa"
  },
  "image": "https://sakyura.com/og-image.png"
}
</script>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "GEO とは何ですか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Generative Engine Optimization の略で、ChatGPT などの生成 AI 検索で引用される確率を高める最適化施策の総称です。"
      }
    },
    {
      "@type": "Question",
      "name": "GEO の効果はいつ頃から見え始めますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "コンテンツ整備で 2〜6 週間、外部 mention の累積で 3〜12 ヶ月が一般的な目安です。"
      }
    }
  ]
}
</script>

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "ホーム",
      "item": "https://sakyura.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "ブログ",
      "item": "https://sakyura.com/blog"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "GEOとは？完全ガイド",
      "item": "https://sakyura.com/blog/geo-towa"
    }
  ]
}
</script>

3. プラスαで効く 5 種

サイトタイプに応じて追加で実装すると効果が上がる schema を 5 つ挙げます。

4. HowTo schema の実装例

手順を解説する記事（チュートリアル / セットアップ）に有効。各 step に position と name を必須で含めます。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "llms.txt の書き方",
  "description": "AI クローラー向けに自社サイトを Markdown で案内する llms.txt の書き方を 5 ステップで解説",
  "totalTime": "PT30M",
  "step": [
    { "@type": "HowToStep", "position": 1, "name": "サイト名と概要を Markdown の H1 と blockquote で書く" },
    { "@type": "HowToStep", "position": 2, "name": "主要ページ・ドキュメント・ブログをセクションで分ける" },
    { "@type": "HowToStep", "position": 3, "name": "各リンクに補足説明を付ける" },
    { "@type": "HowToStep", "position": 4, "name": "ルートに llms.txt として配置" },
    { "@type": "HowToStep", "position": 5, "name": "200 OK でアクセスできるか検証" }
  ]
}
</script>

本記事の HowTo schema は「llms.txt の書き方」を 5 ステップで説明しています。実装するときは、step の数を 3〜10 個程度に抑え、各 name は短く（30 字以内）、image / url オプショナルプロパティで詳細ページへ誘導するのが良い。

5. Product schema の実装例

EC サイトの商品ページ、SaaS の料金プランページ等に有効。価格 / 在庫 / ブランド / 評価を構造化。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Sakyura Starter プラン",
  "description": "ChatGPT / Perplexity / Claude の 3 エンジンで日次計測。SMB 向けエントリープラン。",
  "brand": { "@type": "Brand", "name": "Sakyura" },
  "offers": {
    "@type": "Offer",
    "price": "9800",
    "priceCurrency": "JPY",
    "availability": "https://schema.org/InStock"
  }
}
</script>

SaaS 向けには SoftwareApplication（applicationCategory / operatingSystem / aggregateRating 含む）を組み合わせるのが定石。Review / Rating を加えると、AI 検索の比較系クエリで引用候補に上がりやすくなります。

6. よくある失敗 7 パターン

1. 失敗 1：本文と schema が一致していない

   FAQPage の Question / Answer が本文の Q&A と異なる文言になっている、Article の dateModified が本文末尾の更新日と違う、など。AI は不一致を不正な情報源シグナルとして扱います。一致を保つ運用ルールが必須です。

2. 失敗 2：必須プロパティが欠けている

   Article の author / publisher / dateModified、FAQPage の acceptedAnswer 等、必須プロパティが欠けると schema 全体が無効扱いされます。Google リッチリザルトテストで検証してから本番リリース。

3. 失敗 3：1 ページに複数の同じ type を入れる

   例：FAQPage を 2 つ、Article を 2 つ。1 ページ 1 schema が原則。複数概念を表したい場合は @graph で 1 つの JSON-LD にまとめます。

4. 失敗 4：dateModified を更新しない

   記事を更新したのに schema の dateModified が古いまま、というケース。AI は最新性を重視するため、更新時に必ず schema も同期する運用を組んでください。

5. 失敗 5：HTML エスケープを忘れて JSON-LD が壊れる

   本文に < や > を含めて JSON-LD を生成すると、ブラウザが script タグを誤解釈します。Next.js なら dangerouslySetInnerHTML 経由で JSON.stringify(obj) を渡すのが安全。

6. 失敗 6：sameAs を空にしている

   Organization schema の sameAs を空配列にしている、または公式 SNS のみ列挙して Wikipedia / Crunchbase 等の権威サイトリンクを抜かしているケース。E-E-A-T の Authoritativeness シグナルが弱くなり、引用率に影響する可能性があります。

7. 失敗 7：すべての schema を 1 つの巨大 JSON-LD に入れる

   FAQPage + Article + Organization + Product を全部 1 つの @graph に入れる、というやり方は文法的には正しいですが、保守性が下がります。1 ページ 1 schema を原則にして、必要に応じて @graph で関連 schema をまとめるのが現実的。

7. 検証ツールの使い方（5 ステップ）

実装後は必ず以下 5 ステップで検証します。

1. ステップ 1: Google リッチリザルトテスト

   search.google.com/test/rich-results にアクセス、対象ページの URL を入力。Google がリッチリザルトとして認識するか、エラー / 警告がゼロかをチェック。

2. ステップ 2: Schema.org Validator

   validator.schema.org にアクセス、対象 URL を入力。schema.org 公式の構文チェッカで、Google より厳密に schema.org 仕様準拠を判定。

3. ステップ 3: Google Search Console「拡張」レポート

   Search Console の「拡張」セクションで、実際にインデックスされた schema の状況を週次で確認。エラー / 警告が出たページは速やかに修正。

4. ステップ 4: 本番デプロイ後の再検証

   本番環境で再度リッチリザルトテストを実行。Next.js などのビルド時に schema が壊れることがあるため、デプロイ後も必ず確認。

5. ステップ 5: AI 検索ツールで引用率変化を計測

   Sakyura などで schema 実装前後 4〜8 週間の引用率を比較。1.5 倍以上の向上があれば schema が効いていると判定。

8. FAQ

9. まとめ

schema.org は AI 検索で引用される確率を上げるための明示的なシグナルです。 必須 4 種（Organization / Article / FAQPage / BreadcrumbList）を JSON-LD で正確に実装し、本文と一致する状態を保つこと。これだけで多くのサイトが一段階上の引用率に到達します。 さらに HowTo / Product / Person / SoftwareApplication / WebSite を業種に応じて追加することで、引用機会を最大化できます。