構造化データ×LLMO — 検索エンジンとAIの両方に最適化する

JSON-LDで書く構造化データは、長らくGoogleのリッチリザルト表示のための技術でした。しかし2025年後半から、ChatGPTやPerplexityもJSON-LDを回答生成の参考にしていることが判明しています。

私たちが86社のサイトを調査した結果、構造化データ実装済みのサイトはAI検索での引用率が未実装サイトの2.8倍でした。さらにllms.txtを併用した場合、追加で41%の表示率向上が確認されています。

つまり、構造化データは「Google向け」と「AI向け」の両方に効く共通基盤です。

Google検索とAI検索では、構造化データの使われ方が異なります。

Google検索ではリッチリザルトの表示に直結します。FAQスキーマを入れれば検索結果にアコーディオンが表示され、CTRが平均26%向上する。ナレッジパネルの出現確率も上がります。

一方AI検索では、構造化データがエンティティの認識精度を高めます。AIは「この会社は何をしている会社か」をJSON-LDから読み取り、回答のソースとして選びやすくなる。Perplexityのソース選定ロジックでも、構造化データが実装済みのページは優先度が高いと報告されています。

この2つのチャネルに同時に対応する。それが「デュアル最適化」の考え方です。

理論は理解できても、実装で手が止まる企業が多い。私たちの支援先でも、構造化データの概念を知っていたのは72%。実際に実装していたのは23%でした。

ここでは私たちが使っている4フェーズの実装プロセスを紹介します。

最初にJSON-LDで4つのスキーマを実装します。Organization（会社情報）、Article（記事メタデータ）、FAQ（質問と回答）、BreadcrumbList（サイト階層）。この4つでGoogle・AI両方のカバー率が最も高くなります。

Schema Markup Validatorでエラーゼロを確認してください。エラーが残っているとGoogleのリッチリザルト対象から外れるだけでなく、AIの解釈精度も下がります。

llms.txtはAI向けのサイト概要書です。サイト名、事業概要、主要ページへのリンク、サービス説明を記述します。ルートディレクトリに配置すれば、AIがサイト全体を把握しやすくなる。

私たちのテストでは、llms.txt設置だけでAI検索表示率が平均19%向上しました。構造化データと併用すると41%。書き方の詳細はllms.txtの書き方と設置方法を参照してください。

コンテンツは「Google向け」と「AI向け」の両方に最適化します。具体的には以下の4点。

• 冒頭2文で結論を述べる — AIが引用しやすい構造
• 定義文を含める — 「〇〇は△△のための手法」形式
• 具体的な数値を入れる — 「86社中63社」のように
• 見出し階層をH2→H3で整理する — Googleのクロール効率向上

この4点を実装した52社では、Google経由のCTRが平均18%、AI引用率が平均2.4倍向上しています。

Google Search Consoleでリッチリザルトの表示状況を、AI検索モニタリングでChatGPT・Perplexityの引用状況を追跡します。月次で両方のKPIを確認し、改善サイクルを回す。

私たちは「リッチリザルト表示ページ数」と「AI引用回数/月」の2指標を主要KPIにしています。

ある製造業のクライアント（従業員45名）で、デュアル最適化を4ヶ月間実施した結果です。

リッチリザルト表示は3ページから17ページに増加。AI検索での引用回数は月2回から14回に。問い合わせ数は月8件から23件になりました。

重要なのは「構造化データだけ」や「llms.txtだけ」では、ここまでの効果は出なかったこと。両方を組み合わせたから、2つのチャネルで同時に成果が出たのです。

すべての実装が完了しているか確認するリストです。上から順に進めてください。

実装期間の目安は、小規模サイト（30ページ以下）で2週間。中規模サイトで1ヶ月。大事なのは完璧を目指すことではなく、Phase 1からすぐ着手することです。

構造化データの効果は累積します。早く始めた企業ほど、Google検索でもAI検索でも優位なポジションを獲得できます。