AI Overviewに画像が引用されるalt最適化の実装手順

AI Overviewに画像が引用されるalt最適化の実装手順

この記事の結論: Google AI Overview（AIO）に画像が引用されるかどうかは、alt属性が「その画像が何を示しているか」をAIに伝える唯一のテキストプロンプトとして機能しているかで大きく左右される。曖昧な alt や装飾目的の空文字だけでは不十分で、被写体・文脈・数値・固有名詞を具体的に書き、周辺テキストやキャプション、構造化データ、画像ファイル自体の軽量化までを一体で整える必要がある。

最終更新日: 2026年7月10日

はじめに

Google の AI Overview は、検索クエリに対してテキストの要約だけでなく、関連する画像やその画像が掲載されているページへのリンクを回答内に表示することが増えている。ユーザーは検索結果ページを訪れる前に、AI Overview の枠内で「答えの一部」をすでに受け取ってしまう。そこで画像として引用されるかどうかは、単なる見た目の問題ではなく、流入とコンバージョンに直結する新しい競争軸になっている。

とりわけ EC サイトや比較メディア、レシピサイト、ハウツー系コンテンツでは、画像そのものが検索意図の核心であることが多い。商品画像、手順写真、図解、グラフなど、テキストだけでは伝わりにくい情報を画像が担っている場合、AI Overview がその画像を「信頼できる回答の裏付け」として選ぶかどうかは、alt属性の書き方ひとつで大きく変わる。

AI は画像そのものをピクセル単位で完全に人間のように「理解」しているわけではなく、画像認識モデルの推論結果と、alt属性・キャプション・周辺テキスト・構造化データといったテキスト情報を組み合わせてコンテキストを構築している。つまり alt は、AI に対して「この画像はこういう文脈で、こういう情報を示している」と伝える、唯一といっていいプロンプトの役割を果たす。この記事では、AI Overview に画像が引用されるための条件を整理したうえで、alt テキストの具体的な書き方、キャプションや周辺テキストの設計、構造化データの実装、画像ファイル自体の最適化、そして Core Web Vitals の画像指標までを、実装可能な手順として解説する。

AI Overviewが画像を引用する仕組みとテキスト情報の役割

AI Overview の画像引用ロジックを完全に公開している資料は存在しないが、Google Search Central が公開している画像検索のベストプラクティスや、AI 機能に関する公式ブログの記述から、いくつかの共通原則を読み取ることができる。

第一に、AI Overview は基本的に Google 画像検索や通常のウェブ検索でインデックスされ、すでに一定の評価を得ている画像を候補として扱う。つまり従来の画像 SEO の土台（クロール可能性、インデックス登録、画像サイトマップ）が整っていない画像は、そもそも AI Overview の候補にすら上がらない。

第二に、AI が画像の内容を推論する際、画像認識だけに頼るのではなく、alt属性、画像周辺のテキスト、キャプション、ファイル名、構造化データといった「画像に紐づくテキスト情報」を強い手がかりとして利用する。特にAI Overviewのように大量の候補から瞬時に「回答の裏付けとして適切な画像」を選ぶ処理では、画像内容を毎回精密に解析するコストを避け、テキスト情報を優先的な判断材料にする傾向が強い。

第三に、テキストの要約内容と画像の内容が意味的に一致しているかどうかが重視される。ページ本文が「電動アシスト自転車のバッテリー交換手順」について書かれているのに、掲載されている画像の alt が単に "image1" や "photo" だったり、あるいは全く関係のない汎用画像だったりすると、AI はその画像を回答の裏付けとして採用しづらくなる。逆に、本文の主張・数値・手順とalt・キャプションの内容が一致していればしているほど、画像は「回答を補強する証拠」として扱われやすい。

まとめると、AI Overview に画像が引用されるための条件は次の3つに集約できる。

1. 画像がクロール・インデックスされており、画像検索エンジンとして評価に足る基礎条件（読み込み速度、レスポンシブ対応、適切なファイル形式）を満たしていること
2. alt・キャプション・周辺テキスト・構造化データが、画像の内容を具体的かつ一貫して説明していること
3. ページ本文の要約内容と画像の内容が意味的に一致し、その画像が「答えの根拠」として機能していること

altテキストの具体的な書き方 具体性・文脈・キーワードの三原則

alt テキストは視覚障害者向けのスクリーンリーダー利用者に画像内容を伝えるアクセシビリティの仕組みとして生まれたが、AI Overview の時代においては同時に「AI に画像内容を伝える唯一のテキストプロンプト」という役割を担っている。良い alt テキストを書くための三原則を整理する。

原則1 具体性。「靴の写真」ではなく「白いキャンバス地のローカットスニーカーを横から撮影した写真、ソールは黒のゴム底」のように、色・素材・形状・角度など、画像から読み取れる客観的な特徴を具体的に記述する。抽象的な alt は AI にとって「この画像が何を示しているか」の手がかりにならず、他の候補画像との差別化にもつながらない。

原則2 文脈。画像単体の説明だけでなく、そのページのテーマやその画像が果たす役割を反映させる。例えば「グラフの画像」ではなく「2026年上半期の国内EC市場規模の推移を示す棒グラフ、前年同期比12%増」のように、そのページの主張と結びつく形で書く。文脈が入ることで、AI は「このページの要約とこの画像がどう対応しているか」を判断しやすくなる。

原則3 キーワード活用とアクセシビリティの両立。alt に対策キーワードを詰め込みすぎる「キーワードスタッフィング」は、スクリーンリーダー利用者にとって不自然な文章になり、アクセシビリティを損なう。あくまで「画像を見ることができない人に、その画像の内容を過不足なく伝える」ことを起点にし、その説明文の中に自然な形でページの主要キーワードが含まれる、という順序で設計する。キーワードを先に決めて alt を作文すると、AI にとっても人間にとっても不自然な文章になりやすい。

具体的な文字数の目安としては、125文字程度までに収めるのが実務上のバランスが良いとされる。スクリーンリーダーの多くはこの文字数を超えると読み上げを打ち切ることがあり、また長すぎる alt は要点がぼやけて AI にとっても文脈抽出がしづらくなる。ただし絶対的な上限があるわけではなく、複雑な図解やグラフの場合は、alt に加えて本文中に詳細な説明を併記する方法（後述の周辺テキスト設計）で補う方が有効なケースも多い。

AI生成altが一般的すぎる場合の手動具体化

CMS や画像編集ツールに組み込まれた AI による alt 自動生成機能は、作業効率を大きく高める一方で、「一般的すぎる alt」を量産してしまう副作用がある。例えば商品写真に対して自動生成された alt が「靴」「バッグ」「テーブルの上の食品」のような単語レベルの説明にとどまるケースは非常に多い。

このような自動生成 alt をそのまま公開してしまうと、AI Overview にとって「他の無数の類似画像と区別がつかない画像」になってしまい、引用の優先順位が下がる。重要なのは、AI 生成 alt を「たたき台」として扱い、次の観点で手動修正を加えることだ。

• 固有名詞の追加：商品名、型番、ブランド名、地名、施設名など、その画像を一意に特定できる情報を補う
• 数値の追加：サイズ、価格帯、比較対象との差分、グラフであれば具体的な数値や単位
• 状態・動作の追加：「置かれている」ではなく「梱包を開けた状態で撮影された」、「歩いている」ではなく「坂道を上るシーンで撮影された」など、静止画からは読み取りにくい状況を言語化する
• ページの結論との接続：その画像が本文のどの主張を裏付けているかを一文で意識してから alt を書き直す

運用上は、CMS への画像アップロード時に自動生成 alt を初期値として表示し、公開前に人間が必ず1行以上手動修正するというワークフローをルール化することが、AI Overview 経由の画像引用を狙ううえで最も費用対効果の高い施策のひとつになる。全画像を毎回ゼロから書く必要はなく、「一般名詞のみで終わっている alt」を優先的に洗い出して修正する運用が現実的だ。

キャプションと周辺テキストの設計 画像+テキスト同時引用の仕組み

AI Overview が回答を構成する際、画像単体だけでなく「画像とその根拠となるテキスト」をセットで引用するケースが多く観察される。この仕組みを理解すると、キャプションと周辺テキストの設計方針が明確になる。

キャプションの役割。alt はスクリーンリーダー利用者や AI 向けの裏方テキストであるのに対し、キャプション（figcaption や画像直下のテキスト）は人間の読者にも見える情報であり、alt よりもやや踏み込んだ解説を書くことができる。例えば alt では画像の客観的な内容を書き、キャプションではその画像が示す意味や結論を一文で添える、という役割分担が有効だ。「グラフ：2026年上半期のEC市場規模推移」を alt に、「上半期は前年同期比12%増となり、特にモバイル経由の購入が牽引した」をキャプションに、という具合である。

周辺テキストの役割。画像の直前・直後の段落に、画像が示す内容を裏付ける説明を置くことで、AI がテキストと画像を意味的にひも付けやすくなる。画像を貼っただけで前後に説明がないと、その画像が「何の裏付けなのか」が本文構造から読み取りにくく、AI Overview の要約生成プロセスの中で画像が無視されるリスクが高まる。実装上のチェックポイントとしては、画像の前後100〜200文字以内に、その画像の被写体・数値・結論に言及するテキストが存在するかを確認するとよい。

画像+テキスト同時引用の仕組み。AI Overview は複数の情報源を統合して回答を生成する際、テキストの根拠と画像の根拠が一致しているページを優先的に引用元として選びやすい。逆に言えば、画像とテキストが同じページ内で相互補完的に配置されているコンテンツは、テキストのみのページよりも「複合的な証拠」として評価されやすい。これは EC の商品ページや、手順を写真付きで解説するハウツー記事にとって明確な差別化ポイントになる。

構造化データによる画像コンテキストの明示

構造化データ（JSON-LD）は、画像がページ内でどのような役割を持つかを機械可読な形で明示する手段であり、alt テキストやキャプションと並んで AI Overview の画像理解を補強する。

ImageObject の実装。記事や商品ページの主要画像には、schema.org の ImageObject を使い、contentUrl、caption、description、creditText などのプロパティを埋めることで、画像単体のメタデータを構造化データとして提供できる。特に caption プロパティには、本文キャプションと一致した説明文を入れることで、テキストと構造化データの整合性を保つことができる。

Article/Product スキーマとの連携。記事全体には Article スキーマの image プロパティ、商品ページには Product スキーマの image プロパティを設定し、そのページの「代表画像」が何であるかを明示する。AI Overview が複数画像の中から引用候補を絞り込む際、この代表画像指定は重要な優先順位のシグナルになる。

HowTo スキーマでの手順写真の明示。手順解説記事では HowTo スキーマの各 step ごとに image プロパティを設定できる。これにより「手順3の画像はどれか」という対応関係を構造化データレベルで明示でき、AI Overview がステップバイステップの回答を生成する際に、各手順に対応する画像を正確に引用しやすくなる。

VideoObject と thumbnailUrl。動画コンテンツについては、VideoObject の thumbnailUrl に加えて、description プロパティで動画全体の要約を、そして可能であれば clipMarkup や hasPart を使って「重要な瞬間」を明示することが有効だ。単に動画全体のサムネイルを提供するだけでは、AI がどの場面を引用すべきか判断できない。手順動画であれば「完成品を映しているシーン」「失敗しやすいポイントを見せているシーン」など、回答の裏付けとして価値が高い瞬間にタイムスタンプを付けて構造化データ化することで、AI Overview がその瞬間のフレームやクリップを引用する可能性が高まる。

構造化データを実装する際は、実際にページに表示されている内容と矛盾しないことが大前提となる。構造化データにのみ存在する情報（本文や画像に存在しない説明）を書き込むと、ガイドライン違反とみなされるリスクがあるため、必ず本文・alt・キャプションと同じ内容を構造化データに反映させる。

画像ファイル最適化とCore Web Vitals 画像指標

alt やキャプションといったテキスト情報を整えても、画像ファイル自体の読み込みが遅かったり、クロールされにくい形式だったりすれば、AI Overview の候補にすら上がらない。ここではファイルレベルの最適化を実装手順として整理する。

ファイル名の意味化。IMG_1234.jpg のような無意味なファイル名ではなく、white-canvas-sneaker-side-view.jpg のように、画像内容を表す単語をハイフン区切りで含めたファイル名にする。ファイル名は alt ほど強いシグナルではないが、他のテキスト情報と組み合わさることで画像の文脈理解を補強する。

ファイル形式とサイズの選択。写真調の画像には WebP や AVIF、ロゴやアイコンのような単色に近い画像には SVG を使うことで、画質を保ちながらファイルサイズを縮小できる。ファイルサイズが大きいままだと、ページ表示速度が低下し、Core Web Vitals の評価に悪影響を与えるだけでなく、クロールバジェットの消費にもつながる。

レスポンシブ画像の実装。srcset と sizes 属性を使い、デバイスの画面幅に応じた最適なサイズの画像を配信する。モバイル検索経由のトラフィックが多いサイトほど、この実装の有無がページ体験全体の評価に直結する。

構造化された画像サイトマップ。画像専用のサイトマップ、あるいは既存の XML サイトマップに image:image タグを追加することで、通常のクロールだけでは発見されにくい画像も確実にインデックス対象にできる。

Core Web Vitals 画像指標との関係。Largest Contentful Paint（LCP）の対象要素がヒーロー画像である場合、その画像の読み込み速度が LCP スコアに直結する。具体的な実装としては、ヒーロー画像に loading="eager" と fetchpriority="high" を指定し、それ以外の画像には loading="lazy" を指定して初期表示の負荷を分散させる。また、画像に width と height 属性を明示することで、読み込み中のレイアウトのずれを防ぎ、Cumulative Layout Shift（CLS）の悪化を避けることができる。以下に主要な最適化項目と目的を整理する。

装飾画像とE-E-A-T向上の観点

すべての画像に詳細な alt が必要なわけではない。純粋にデザイン上の装飾目的で使われる画像（背景の模様、区切り線代わりの画像など）には、alt="" の空文字を指定し、スクリーンリーダーが読み上げをスキップできるようにするのが正しい実装だ。ここで安易に alt を省略してしまうと、スクリーンリーダーがファイル名をそのまま読み上げてしまい、かえってアクセシビリティを損なう。「情報を持つ画像には具体的な alt」「装飾目的の画像には空の alt」という区別を、画像を扱うすべての担当者が理解している状態を作ることが運用上のポイントになる。

また、画像の出典明示や撮影者情報、オリジナル性の高さは E-E-A-T（経験・専門性・権威性・信頼性）の評価にも関わる。他サイトから転用した画像や、ストックフォトをそのまま使い回している画像よりも、自社で撮影・作成したオリジナル画像の方が、AI Overview の引用元として選ばれた際のブランド価値も高い。可能であれば creditText や author プロパティで撮影者・制作者情報を構造化データに含め、独自性を明示することが望ましい。

よくある質問

Q1. AI Overviewは画像をどう選んでいますか?

インデックス済みの画像の中から、alt・キャプション・周辺テキスト・構造化データが本文の要約内容と意味的に一致するものを優先して選んでいると考えられる。画像認識だけでなく、周辺のテキスト情報が重要な判断材料になっている。単に画質が良い、あるいは目立つ画像であるという理由だけでは選ばれにくく、テキストとの整合性が鍵になる。加えて、そもそもクロール・インデックスされていない画像や、表示速度が極端に遅いページの画像は候補にすら上がらないため、画像 SEO の基礎条件を満たしていることが前提になる。

Q2. altテキストは何文字くらいが良いですか?

目安として125文字程度までに収めるのが実務上のバランスが良いとされる。スクリーンリーダーによってはこの文字数を超えると読み上げを打ち切ることがあり、長すぎると要点がぼやけてしまう。ただし絶対的な上限があるわけではなく、複雑なグラフや図解の場合は、alt を簡潔にまとめたうえで、本文中やキャプションに詳細な補足説明を書く方が有効なことも多い。文字数を機械的に守ることよりも、画像の内容を過不足なく伝えられているかどうかを優先して判断すべきだ。

Q3. 装飾画像にもaltは必要ですか?

情報を持たない純粋な装飾画像には、alt を空文字（alt=""）にするのが正しい実装であり、詳細な説明文を書く必要はない。空の alt を指定することで、スクリーンリーダーはその画像の読み上げをスキップでき、利用者の体験を損なわない。逆に alt 属性そのものを省略してしまうと、スクリーンリーダーがファイル名などを読み上げてしまい、かえって不自然な体験になるため、装飾画像であっても alt="" は必ず記述する。

Q4. AI生成のaltをそのまま使って良いですか?

自動生成された alt は「靴」「グラフ」のような一般的すぎる単語にとどまることが多く、そのまま使うと他の類似画像と区別がつかず、AI Overview の引用候補として選ばれにくくなる。AI 生成 alt はたたき台として扱い、固有名詞・数値・状態・ページの結論との関連づけを人間が手動で補うワークフローを設けることが望ましい。全画像を一から書き直す必要はないが、公開前に必ず一度は人間が目を通し、一般名詞のみで終わっている alt を優先的に修正する運用が現実的だ。

Q5. キャプションとaltの違いは何ですか?

alt はスクリーンリーダー利用者や AI 向けの裏方テキストであり、画像の客観的な内容を簡潔に説明する役割を持つ。一方キャプションは人間の読者にも表示される情報であり、その画像が示す意味や結論をやや踏み込んで説明できる。両者を同じ文章にしてしまうのではなく、alt では客観的事実を、キャプションではその画像が持つ意味づけを書くという役割分担を意識すると、両方が相互補完的に機能する。

Q6. 構造化データを追加すれば画像は必ず引用されますか?

構造化データはあくまで画像の内容を機械可読な形で補強する手段であり、追加すれば必ず引用されるという保証はない。alt・キャプション・周辺テキストといった基本的なテキスト情報が整っていることが前提であり、構造化データはその上に積み上げる補強策として位置づけるべきだ。また構造化データの内容が実際のページ表示内容と矛盾していると、かえって評価を下げるリスクがあるため、常に本文との整合性を保つ必要がある。

Q7. 画像のファイルサイズはAI Overviewの引用に影響しますか?

直接的な引用ロジックというより、間接的な影響が大きい。ファイルサイズが大きくページの表示速度が遅いと、Core Web Vitals の評価が下がり、ページ全体の検索評価に悪影響を与える。また表示が遅いページはクロールの優先度が下がる可能性もあり、結果として画像がインデックスされるタイミングが遅れることもある。WebP や AVIF などの軽量な形式を使い、レスポンシブ画像を実装することは、AI Overview 経由の画像引用を狙ううえでも土台となる施策だ。

Q8. 動画の「重要な瞬間」はどうやって明示すればよいですか?

VideoObject の構造化データにおいて、hasPart や clipMarkup といったプロパティを使い、動画内の特定のタイムスタンプに説明文を紐づけることで、AI に「この場面が重要な瞬間である」ことを伝えられる。手順動画であれば完成形を映しているシーンや、失敗しやすいポイントを解説しているシーンなど、視聴者にとって価値の高い瞬間を選んでタイムスタンプ化するとよい。これにより AI がその瞬間のフレームやクリップを回答の裏付けとして引用しやすくなる。

Q9. ECサイトの商品画像で特に気をつけることは何ですか?

商品名、型番、色、サイズ、素材といった購買判断に直結する情報を alt とキャプションに具体的に盛り込むことが重要だ。加えて、複数アングルの画像それぞれに異なる alt を設定し、同じ説明文の使い回しを避けることで、AI がどのアングルの画像かを正確に判断できるようにする。Product スキーマの image プロパティと alt・キャプションの内容を一致させることも、EC サイトでは特に効果が大きい。

Q10. alt最適化の効果測定はどう行えばよいですか?

Google Search Console の検索パフォーマンスレポートで画像検索の表示回数・クリック数の推移を確認するのが基本になる。加えて、AI Overview 経由での画像引用を直接計測する公式指標は限られるため、対象クエリで実際に AI Overview の表示内容を定期的に目視確認し、自社画像が引用されているかを継続的にモニタリングする運用が現実的だ。alt を修正した画像とそうでない画像でグループを分け、数週間単位で表示回数の変化を比較することで、施策の効果を相対的に把握できる。

関連用語

• AI Overview
• AIO
• 構造化データ
• JSON-LD
• Schema.org
• SEO

関連記事

• SEOの基本が分かる完全ガイド
• AI検索最適化ガイド
• AISEO完全ガイド
• AI Overview最適化の実践
• AI Overviewに引用される条件
• AI Overviewと構造化データ・FAQスキーマ
• マルチモーダルAIクローラーと動画理解の最適化
• schema.org VideoObject構造化データガイド