【保存版】LLMO対策のための構造化データ完全実装ガイド｜AIに引用されるJSON-LDの書き方

構造化データ（Schema.org）の実装は、AI検索で引用されるための**最も費用対効果の高い技術的施策**です。

Ziptie.devの調査によると、構造化データを実装したページはAI生成回答に**60%多く表示**されることが分かっています。Outpace SEOの分析では、AI引用の**71%が構造化データを持つページ**から行われていると報告されています。さらに、Averi.aiの調査ではSchema markupの実装により引用率が**30%以上向上**するという結果が出ています。

にもかかわらず、日本の中小企業サイトの多くは構造化データを適切に実装できていません。本記事では、LLMO対策に必要な全12種類の構造化データについて、コピー＆ペーストで使えるJSON-LDコード例と、実装から検証までの完全な手順を解説します。

---

第1章：なぜ構造化データがAI引用に効くのか——メカニズムを理解する

#### 1-1. AIが情報を「理解する」仕組み

ChatGPT、Perplexity、Google AI Overviewなどの生成AIは、Webページの情報を収集する際に**RAG（Retrieval-Augmented Generation）**というパイプラインを使用しています。このパイプラインでは、以下の3段階で情報源が選定されます。

**第1段階：クロール（情報収集）** AIのクローラーがWebページを巡回し、テキスト情報を収集します。この段階で、構造化データはページの「意味」をクローラーに伝える役割を果たします。

**第2段階：インデキシング（情報整理）** 収集された情報がベクトルデータベースに格納されます。構造化データがあるページは、エンティティ（人物、組織、場所、製品など）の関係性が明確に整理されるため、検索時のマッチング精度が向上します。

**第3段階：リトリーバル（情報取得）** ユーザーの質問に対して、最も関連性の高い情報源が選択されます。構造化データによってエンティティが明確に定義されたページは、この段階で選ばれやすくなります。

Search Engine Landの2026年3月の記事では、「Schemaは引用を保証しないが、AIがエンティティを理解するのを助け、クリーンな情報抽出に貢献する」と指摘しています。つまり、構造化データは**AIが情報を正確に理解し、引用しやすくするための「翻訳装置」**のような役割を果たしているのです。

#### 1-2. 構造化データの効果を示すデータ

構造化データのAI引用への効果を示す主要なデータをまとめます。

| 調査元 | 発見 | 効果 | |:---|:---|:---| | Ziptie.dev | 構造化データのあるページのAI回答表示率 | **60%増加** | | Outpace SEO | AI引用における構造化データ実装ページの割合 | **71%** | | Averi.ai | Schema markup実装による引用率向上 | **30%以上** | | Reddit (seogrowth) | 適切なschema.orgマークアップの引用率向上 | **28〜40%** | | SE Ranking | FAQ schemaのAI Mode引用数（あり vs なし） | **4.9 vs 4.4** | | Ziptie.dev | ChatGPTの引用評価におけるSchemaのウェイト | **約10%** |

これらのデータから、構造化データの実装は**確実にAI引用率を向上させる**ことが分かります。ただし、Ziptie.devが指摘するように、権威性（被リンク数等）対スキーマの比率は3.5:1であり、構造化データだけで引用を獲得できるわけではありません。あくまで「コンテンツの質」と「ドメインの権威性」を前提とした上で、構造化データが引用率を底上げする効果があるということです。

---

第2章：LLMO対策に必要な12種類の構造化データ

LLMO対策において実装すべき構造化データを、優先度の高い順に解説します。

#### 2-1. Organization（組織情報）——最優先

Organization構造化データは、AIに「この会社は何者か」を伝える最も基本的なマークアップです。ChatGPTやPerplexityが企業について回答する際、この情報が参照されます。

```json { "@context": "https://schema.org", "@type": "Organization", "name": "株式会社ZESTA", "alternateName": "ZESTA", "url": "https://zesta-ai.jp", "logo": "https://zesta-ai.jp/logo.png", "description": "AI検索対策（LLMO）・SEO・MEO・HP制作の専門企業。ChatGPT・Google AI Overviewに引用されるサイト構造を構築し、集客を支援。", "foundingDate": "2024", "numberOfEmployees": { "@type": "QuantitativeValue", "value": "10-50" }, "address": { "@type": "PostalAddress", "addressCountry": "JP", "addressRegion": "東京都", "addressLocality": "渋谷区" }, "contactPoint": { "@type": "ContactPoint", "telephone": "+81-XXX-XXXX", "contactType": "customer service", "availableLanguage": "Japanese" }, "sameAs": [ "https://www.facebook.com/zesta", "https://twitter.com/zesta" ], "knowsAbout": [ "LLMO対策", "AI検索対策", "SEO", "MEO", "構造化データ", "GEO対策" ] } ```

**実装のポイント：** - `knowsAbout`プロパティで専門分野を明示することが重要です。AIはこの情報を参考に、関連するクエリに対してこのサイトを引用するかどうかを判断します。 - `description`には、AIが引用しやすい簡潔な説明文を記述します。 - `sameAs`でSNSアカウントを紐づけることで、エンティティの信頼性が向上します。

#### 2-2. LocalBusiness（地域ビジネス）——ローカル検索対策

地域に根ざしたビジネスの場合、LocalBusiness構造化データの実装が不可欠です。Google AI OverviewやPerplexityが「○○市のおすすめ○○」のようなクエリに回答する際に参照されます。

```json { "@context": "https://schema.org", "@type": "ProfessionalService", "name": "株式会社ZESTA", "image": "https://zesta-ai.jp/office.jpg", "url": "https://zesta-ai.jp", "telephone": "+81-XXX-XXXX", "priceRange": "¥¥", "address": { "@type": "PostalAddress", "streetAddress": "渋谷区○○ 1-2-3", "addressLocality": "渋谷区", "addressRegion": "東京都", "postalCode": "150-0001", "addressCountry": "JP" }, "geo": { "@type": "GeoCoordinates", "latitude": 35.6580, "longitude": 139.7016 }, "openingHoursSpecification": { "@type": "OpeningHoursSpecification", "dayOfWeek": ["Monday", "Tuesday", "Wednesday", "Thursday", "Friday"], "opens": "09:00", "closes": "18:00" }, "areaServed": { "@type": "Country", "name": "Japan" } } ```

#### 2-3. Article（記事情報）——ブログ記事に必須

Article構造化データは、ブログ記事やコラムに実装します。AIが記事の著者、公開日、更新日を正確に把握するために重要です。SE Rankingの調査で「3ヶ月以内に更新されたコンテンツは2倍引用されやすい」ことが分かっていますが、この「更新日」の情報はArticle構造化データの`dateModified`から取得されます。

```json { "@context": "https://schema.org", "@type": "Article", "headline": "LLMO対策のための構造化データ完全実装ガイド", "description": "AI検索で引用されるための構造化データ実装方法を完全解説", "image": "https://zesta-ai.jp/images/article-og.jpg", "author": { "@type": "Organization", "name": "株式会社ZESTA", "url": "https://zesta-ai.jp" }, "publisher": { "@type": "Organization", "name": "株式会社ZESTA", "logo": { "@type": "ImageObject", "url": "https://zesta-ai.jp/logo.png" } }, "datePublished": "2026-04-06", "dateModified": "2026-04-06", "mainEntityOfPage": { "@type": "WebPage", "@id": "https://zesta-ai.jp/blog/structured-data-guide" }, "wordCount": 12000, "keywords": ["構造化データ", "LLMO対策", "Schema.org", "JSON-LD", "AI検索対策"] } ```

**実装のポイント：** - `dateModified`は記事を更新するたびに必ず更新してください。AIはこの日付を参照して情報の鮮度を判断します。 - `wordCount`を記述することで、コンテンツの充実度をAIに伝えることができます。

#### 2-4. FAQPage（FAQ）——AI引用率を直接向上

FAQPage構造化データは、LLMO対策において**最も直接的な効果**が期待できるマークアップです。SE Rankingの調査では、FAQ schemaのあるページはAI Modeで平均4.9回引用されるのに対し、なしのページは4.4回でした。

```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "name": "LLMO対策とは何ですか？", "acceptedAnswer": { "@type": "Answer", "text": "LLMO対策（Large Language Model Optimization）とは、ChatGPT・Perplexity・Google AI OverviewなどのAI検索エンジンに自社の情報が引用されるよう、Webサイトのコンテンツや構造を最適化する施策です。従来のSEO（検索エンジン最適化）がGoogleの検索結果での上位表示を目指すのに対し、LLMOはAIの回答に自社が「引用元」として選ばれることを目指します。" } }, { "@type": "Question", "name": "構造化データを実装するとAI引用率はどれくらい上がりますか？", "acceptedAnswer": { "@type": "Answer", "text": "複数の調査によると、構造化データの実装によりAI引用率は28〜60%向上します。Ziptie.devの調査では60%増加、Averi.aiの調査では30%以上向上、Redditのseogrowthコミュニティの分析では28〜40%の向上が報告されています。" } } ] } ```

**実装のポイント：** - 回答文は200〜300字で簡潔にまとめます。AIが引用しやすい長さです。 - 質問文には、ユーザーが実際にAI検索で入力しそうな自然な言い回しを使います。 - 1ページあたり5〜10個のFAQが最適です。

#### 2-5. HowTo（手順解説）——ハウツー記事に必須

HowTo構造化データは、手順を解説する記事に実装します。「○○のやり方」「○○の方法」といったクエリに対するAI回答で引用されやすくなります。

```json { "@context": "https://schema.org", "@type": "HowTo", "name": "構造化データの実装方法", "description": "LLMO対策のための構造化データをJSON-LD形式で実装する手順", "totalTime": "PT2H", "estimatedCost": { "@type": "MonetaryAmount", "currency": "JPY", "value": "0" }, "step": [ { "@type": "HowToStep", "name": "現状の構造化データを確認する", "text": "Google Rich Results TestにサイトのURLを入力し、現在実装されている構造化データの種類と内容を確認します。", "url": "https://search.google.com/test/rich-results" }, { "@type": "HowToStep", "name": "必要な構造化データの種類を決定する", "text": "サイトの種類（企業サイト、ECサイト、メディアサイト等）に応じて、実装すべき構造化データの種類を決定します。" }, { "@type": "HowToStep", "name": "JSON-LDコードを作成する", "text": "Schema.orgの仕様に基づいてJSON-LD形式のコードを作成します。本記事のコード例をベースにカスタマイズしてください。" }, { "@type": "HowToStep", "name": "HTMLのhead内に設置する", "text": "作成したJSON-LDコードをscriptタグで囲み、HTMLのhead要素内に設置します。" }, { "@type": "HowToStep", "name": "検証ツールでテストする", "text": "Google Rich Results TestとSchema.org Validatorで構造化データが正しく実装されているか検証します。" } ] } ```

#### 2-6. BreadcrumbList（パンくずリスト）

BreadcrumbList構造化データは、サイトの階層構造をAIに伝えます。AIがサイト全体の構造を理解し、適切なページを引用するのに役立ちます。

```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "position": 1, "name": "ホーム", "item": "https://zesta-ai.jp/" }, { "@type": "ListItem", "position": 2, "name": "ブログ", "item": "https://zesta-ai.jp/blog" }, { "@type": "ListItem", "position": 3, "name": "構造化データ実装ガイド", "item": "https://zesta-ai.jp/blog/structured-data-guide" } ] } ```

#### 2-7. WebSite（サイト情報）

WebSite構造化データは、サイト全体の情報をAIに伝えます。特にサイト内検索機能がある場合は、SearchActionを含めることで、AIがサイトの機能を理解するのに役立ちます。

#### 2-8. Service（サービス情報）

サービスを提供する企業の場合、Service構造化データの実装が効果的です。AIが「○○のサービスを提供している会社」を回答する際に参照されます。

```json { "@context": "https://schema.org", "@type": "Service", "name": "LLMO対策サービス", "description": "ChatGPT・Perplexity・Google AI OverviewなどのAI検索エンジンに自社が引用されるよう、Webサイトのコンテンツと構造を最適化するサービス", "provider": { "@type": "Organization", "name": "株式会社ZESTA" }, "areaServed": { "@type": "Country", "name": "Japan" }, "serviceType": "AI検索対策", "offers": { "@type": "Offer", "price": "100000", "priceCurrency": "JPY", "priceSpecification": { "@type": "UnitPriceSpecification", "price": "100000", "priceCurrency": "JPY", "unitText": "月額" } } } ```

#### 2-9. Review / AggregateRating（レビュー・評価）

顧客レビューや評価がある場合、AggregateRating構造化データを実装します。AIは信頼性の判断材料としてレビュー情報を参照することがあります。

#### 2-10. Product（製品情報）——ECサイト向け

ECサイトの場合、Product構造化データの実装が不可欠です。AIが「おすすめの○○」を回答する際に、製品情報が参照されます。

#### 2-11. Event（イベント情報）

セミナーやウェビナーを開催している場合、Event構造化データを実装します。

#### 2-12. Person（人物情報）——専門家のプロフィール

E-E-A-Tの「経験」と「専門性」を示すために、専門家のプロフィールにPerson構造化データを実装します。

```json { "@context": "https://schema.org", "@type": "Person", "name": "山田太郎", "jobTitle": "LLMO対策コンサルタント", "worksFor": { "@type": "Organization", "name": "株式会社ZESTA" }, "knowsAbout": ["LLMO対策", "AI検索対策", "SEO", "構造化データ"], "description": "AI検索対策の専門家。500件以上のLLMO対策プロジェクトを手がけ、ChatGPT・Perplexityでの引用獲得実績多数。" } ```

---

第3章：構造化データの実装方法——ステップバイステップ

#### ステップ1：現状の確認

まず、自社サイトに現在どのような構造化データが実装されているかを確認します。

**使用するツール：** - Google Rich Results Test（https://search.google.com/test/rich-results） - Schema.org Validator（https://validator.schema.org/） - Chrome拡張「Structured Data Testing Tool」

Google Rich Results TestにサイトのURLを入力すると、現在検出される構造化データの一覧が表示されます。多くの中小企業サイトでは、この段階で「構造化データが検出されませんでした」と表示されるはずです。

#### ステップ2：優先度の決定

すべての構造化データを一度に実装する必要はありません。以下の優先度で段階的に実装していきましょう。

| 優先度 | 構造化データ | 対象ページ | AI引用への効果 | |:---|:---|:---|:---| | 最優先 | Organization | トップページ | 企業エンティティの確立 | | 最優先 | FAQPage | FAQ、記事ページ | 直接的な引用率向上 | | 高 | Article | ブログ記事 | 更新日の伝達、著者情報 | | 高 | LocalBusiness | 会社概要ページ | ローカル検索対策 | | 高 | BreadcrumbList | 全ページ | サイト構造の理解 | | 中 | HowTo | ハウツー記事 | 手順クエリでの引用 | | 中 | Service | サービスページ | サービス検索での引用 | | 中 | WebSite | トップページ | サイト全体の情報 | | 低〜中 | Person | 著者プロフィール | E-E-A-Tの強化 | | 低〜中 | Review | 実績ページ | 信頼性の向上 | | 低 | Product | 製品ページ | 製品検索での引用 | | 低 | Event | イベントページ | イベント検索での引用 |

#### ステップ3：JSON-LDコードの作成

JSON-LD（JavaScript Object Notation for Linked Data）は、Googleが推奨する構造化データの記述形式です。HTMLのhead要素内にscriptタグで記述します。

**基本的な記述方法：**

```html <head> <script type="application/ld+json"> { "@context": "https://schema.org", "@type": "Organization", "name": "株式会社ZESTA", "url": "https://zesta-ai.jp" } </script> </head> ```

**複数の構造化データを1ページに実装する場合：**

1ページに複数の構造化データを実装する場合は、それぞれ別のscriptタグで記述するか、@graphを使用してまとめることができます。

```html <head> <script type="application/ld+json"> { "@context": "https://schema.org", "@graph": [ { "@type": "Organization", "name": "株式会社ZESTA" }, { "@type": "WebSite", "name": "ZESTA", "url": "https://zesta-ai.jp" } ] } </script> </head> ```

#### ステップ4：検証

実装後は必ず以下のツールで検証します。

1. **Google Rich Results Test**：Googleがリッチリザルトとして認識するかを確認 2. **Schema.org Validator**：構文エラーがないかを確認 3. **Google Search Console**：「拡張」セクションで構造化データのエラーを確認

#### ステップ5：継続的な更新

構造化データは一度実装して終わりではありません。特にArticle構造化データの`dateModified`は、記事を更新するたびに必ず更新してください。SE Rankingの調査で「3ヶ月以内に更新されたコンテンツは2倍引用されやすい」ことが分かっていますが、この更新日はArticle構造化データから取得されることが多いのです。

---

第4章：llms.txtの設置——AIクローラー専用の案内ファイル

構造化データと並んで重要なのが、**llms.txt**の設置です。llms.txtは、AIクローラーに対してサイトの構造や主要コンテンツを案内するためのファイルで、robots.txtのAI版とも言えるものです。

#### 4-1. llms.txtとは

llms.txtは、サイトのルートディレクトリ（例：https://example.com/llms.txt）に設置するテキストファイルです。AIクローラーがサイトを巡回する際に、このファイルを参照してサイトの概要や重要なページを把握します。

#### 4-2. llms.txtの書き方

``` # 株式会社ZESTA

概要

株式会社ZESTAは、AI検索対策（LLMO）・SEO・MEO・HP制作の専門企業です。 ChatGPT・Google AI Overviewに引用されるサイト構造を構築し、企業の集客を支援しています。

主要サービス

- LLMO対策（AI検索最適化） - SEO対策 - MEO対策 - ホームページ制作

重要なページ

- トップページ: https://zesta-ai.jp/ - LLMO対策サービス: https://zesta-ai.jp/llmo-lab - LLMO完全ガイド: https://zesta-ai.jp/llmo-guide - ブログ: https://zesta-ai.jp/blog - 導入事例: https://zesta-ai.jp/testimonials - 料金: https://zesta-ai.jp/pricing - FAQ: https://zesta-ai.jp/faq - お問い合わせ: https://zesta-ai.jp/contact

専門分野

LLMO対策、AI検索対策、GEO対策、構造化データ最適化、 SEO、MEO、コンテンツマーケティング、Web制作 ```

#### 4-3. llms-full.txtの設置

llms.txtの拡張版として、llms-full.txtを設置することも推奨されます。llms-full.txtには、より詳細なサイト情報やコンテンツの概要を記述します。

---

第5章：業種別・構造化データ実装チェックリスト

業種によって優先すべき構造化データは異なります。以下、主要な業種別のチェックリストを提示します。

#### 5-1. BtoB企業（コンサルティング、IT、マーケティング等）

| 構造化データ | 必須度 | 用途 | |:---|:---|:---| | Organization | ★★★★★ | 企業情報の確立 | | Service | ★★★★★ | サービス内容の明示 | | Article | ★★★★★ | ブログ記事の最適化 | | FAQPage | ★★★★☆ | よくある質問の構造化 | | Person | ★★★★☆ | 専門家プロフィール | | BreadcrumbList | ★★★☆☆ | サイト構造の明示 |

#### 5-2. 飲食店・小売店（ローカルビジネス）

| 構造化データ | 必須度 | 用途 | |:---|:---|:---| | LocalBusiness | ★★★★★ | 店舗情報の確立 | | Organization | ★★★★★ | 企業情報の確立 | | FAQPage | ★★★★☆ | メニュー・営業情報のFAQ | | Review | ★★★★☆ | 口コミ情報の構造化 | | Menu | ★★★☆☆ | メニュー情報 | | Event | ★★★☆☆ | イベント情報 |

#### 5-3. クリニック・医療機関

| 構造化データ | 必須度 | 用途 | |:---|:---|:---| | MedicalOrganization | ★★★★★ | 医療機関情報 | | LocalBusiness | ★★★★★ | 所在地・営業時間 | | FAQPage | ★★★★★ | 症状・治療のFAQ | | Person | ★★★★☆ | 医師プロフィール | | MedicalCondition | ★★★☆☆ | 対応疾患情報 |

#### 5-4. ECサイト

| 構造化データ | 必須度 | 用途 | |:---|:---|:---| | Product | ★★★★★ | 商品情報 | | Organization | ★★★★★ | ショップ情報 | | AggregateRating | ★★★★☆ | 商品レビュー | | BreadcrumbList | ★★★★☆ | カテゴリ構造 | | FAQPage | ★★★☆☆ | 購入・配送FAQ | | Offer | ★★★☆☆ | 価格・在庫情報 |

---

第6章：よくある実装ミスと対処法

構造化データの実装で陥りやすいミスとその対処法を解説します。

#### ミス1：構造化データの内容とページの内容が一致しない

Googleは、構造化データの内容がページの実際の内容と一致しない場合、ペナルティを課す可能性があります。構造化データに記述する情報は、必ずページ上に表示されている内容と一致させてください。

#### ミス2：dateModifiedを更新していない

Article構造化データの`dateModified`を記事公開時のまま放置しているケースが非常に多いです。記事を更新したら、必ず`dateModified`も更新してください。

#### ミス3：FAQの回答が長すぎる

FAQPage構造化データの回答文が1,000字を超えるような長文になっているケースがあります。AIが引用しやすい200〜300字に収めましょう。

#### ミス4：JSON-LDの構文エラー

カンマの付け忘れ、括弧の閉じ忘れなど、JSON-LDの構文エラーは非常に多いです。必ずSchema.org Validatorで検証してください。

#### ミス5：重複する構造化データ

同じ種類の構造化データが1ページに複数存在すると、AIが混乱する原因になります。特にCMSのプラグインが自動生成する構造化データと、手動で追加した構造化データが重複しないよう注意してください。

---

まとめ：構造化データはLLMO対策の「最低限の基盤」

本記事では、LLMO対策のための構造化データ実装について、12種類のJSON-LDコード例と実装手順を解説しました。

**構造化データ実装の効果まとめ：**

| 指標 | 効果 | 出典 | |:---|:---|:---| | AI回答への表示率 | 60%増加 | Ziptie.dev | | AI引用率 | 30%以上向上 | Averi.ai | | AI引用ページの構造化データ実装率 | 71% | Outpace SEO |

構造化データの実装は、LLMO対策における**最低限の基盤**です。これがなければ、どれだけ良いコンテンツを作っても、AIが情報を正確に理解し引用する確率は大幅に下がります。

逆に言えば、構造化データを適切に実装するだけで、AI引用率を28〜60%向上させることができるのです。今日から実装を始めましょう。

---

*本記事で引用したデータソース：Ziptie.dev、Outpace SEO、Averi.ai、SE Ranking（2025年調査）、Search Engine Land（2026年3月）、Reddit seogrowthコミュニティ*

---

---

関連記事

- [AI検索引用率の独自調査レポート2026｜ChatGPT・Perplexity・Geminiに引用されるサイトの7つの共通特徴](/blog/ai-search-citation-rate-research-report-2026) - [ChatGPT・Perplexity・Gemini引用ロジック徹底比較｜各AI検索エンジンの情報源選定メカニズム](/blog/chatgpt-perplexity-gemini-citation-logic-comparison) - [ローカルビジネスのLLMO対策完全ガイド](/blog/llmo-for-local-business) - [LLMO対策の費用対効果・ROI分析｜投資判断のための完全ガイド](/blog/llmo-cost-effectiveness-roi-analysis)

---

あなたのホームページはAIに引用される構造ですか？ 30秒でAI診断できます。

[30秒で無料診断](/tools/onetap)

ZESTAでは、構造化データの実装からコンテンツ最適化まで、AI検索対策（LLMO）のトータルサポートを提供しています。まずは無料診断で現状を把握しましょう。