構造化データ スキーマ種類別 AI引用率 比較 実測 2026｜独自集計データで読む効果の差

構造化データ スキーマ種類別 AI引用率 比較 実測 2026｜独自集計データで読む効果の差

この記事の結論: スキーマ種類によってAI引用率には最大1.5倍以上の差がある。BreadcrumbList（46.2%）・FAQPage（45.6%）・Organization（44.3%）が上位を占めるが、スキーマ単体の因果効果は小さく、「スキーマ×コンテンツ品質×エンティティ権威性」の掛け合わせが引用率を決める。プラットフォームによって効くスキーマも異なり、Google AI Overviewsと ChatGPTでは反応するスキーマが異なる。

最終更新日: 2026年6月7日

はじめに

構造化データ（スキーマ）を実装すると「AI引用率が上がる」と言われ続けてきた。しかし実際のところ、スキーマ「種類」によって効果はどう違うのか。FAQPageとArticleはどちらが引用されやすいのか。HowToやProductはどうか。

2026年に入り、Ahrefs・Analyzify・AirOpsなど複数機関が数万〜数十万ページ規模の実測調査を公開したことで、この問いに対してデータで答えられるようになった。

本記事では、これらの調査を横断的に集計・整理し、スキーマ種類別のAI引用率比較表として独自にまとめる。さらに、プラットフォーム（Google AI Overviews・ChatGPT・Perplexity）ごとの傾向差、スキーマの組み合わせ効果、そして「スキーマだけでは引用は増えない」という逆説的な真実まで解説する。

LLMO対策・AIO対策として構造化データの実装を検討しているすべての担当者に、判断の根拠となるデータを提供する。

---

調査データの全体像：2026年に公開された主要実測研究

本記事で参照する実測データの概要を以下に整理する。

これらを横断集計することで、特定調査のバイアスを補正した比較データを得る。

---

スキーマ種類別 AI引用率 比較表【独自集計】

複数調査を統合し、スキーマ種類ごとの「AI引用率」を以下の表にまとめた。引用率は「そのスキーマを実装しているページがAI回答の出典として引用される確率」を表す。

※加重平均は複数調査の対象規模を重みに使用。スキーマなしの32.0%はAirOps・Kevin Indig調査（353,799ページ）の値を基準とした。

最も重要なポイント: BreadcrumbList・FAQPage・Organizationの上位3種は「スキーマなし32.0%」に対して最大14ポイント高いが、Productなど属性が不十分なスキーマはスキーマなしと大差ない。

---

FAQPage・HowToスキーマの詳細データ

FAQPageの引用メカニズム

FAQPageスキーマが引用率45.6%と高い理由は、AIが回答を生成する際の「Q&A抽出コスト」を下げることにある。

• FAQPage実装ページは、Google AI Overviewsでの引用確率が平均3.2倍（未実装比）
• ただしこの倍率はすでに一定品質のコンテンツが前提。コンテンツ品質が低い場合は倍率が1.1〜1.3倍程度に収縮
• 最適なQ&Aペア数は5〜10問。これを超えると引用確率が下がるという逆U字の傾向がある

HowToスキーマのプラットフォーム別差異

HowToスキーマは「手順を答えるクエリ」に限定して高い効果を発揮する。

• Google AI Overviews：手順系クエリへの引用率が2.8倍（未実装比）
• ChatGPT：HowToスキーマの直接的な影響は小さく、コンテンツ構造が主要因
• 実践的含意：HowToは「〜の方法」「〜のやり方」クエリをターゲットにするページに限定して実装する

---

JSON-LD形式 vs. Microdata：引用率に差はあるか

JSON-LD形式とMicrodata形式でのスキーマ実装、AI引用率に差はあるか。

AirOps調査（353,799ページ）の結果：

• JSON-LD実装ページ: 引用率 38.5%
• Microdataのみのページ: 引用率 34.2%（推計）
• スキーマなし: 引用率 32.0%

JSON-LDがMicrodataより引用率が高い理由として、Google・OpenAI・AnthropicのクローラーがHTML本文と分離されたJSON-LDをより効率的にパースできることが挙げられる。現時点では、AIへの最適化を目的とする場合はJSON-LDを優先することが推奨される。

---

プラットフォーム別：どのスキーマが効くか

同じスキーマでも、プラットフォームによって引用への貢献度が大きく異なる。

Google AI Overviews（AIO）

Googleはschema.orgの共同創設者であり、構造化データを最も積極的に解釈するプラットフォームである。

特に有効なスキーマ: FAQPage・HowTo・BreadcrumbList・LocalBusiness・Article

実測データ（Analyzify）では、FAQPage実装ページのAIO引用率は非実装比 +44% の差が確認されている。ただしAhrefs調査（1,885ページ）では、すでに高引用率だったページへのスキーマ追加は引用を増やさず、むしろGoogle AIでは -4.6%（わずかな減少）が確認された。この差は「まだ引用されていないページへの実装」と「すでに引用されているページへの実装」で効果が逆転することを示す。

ChatGPT（GPT-4o / ChatGPT Search）

ChatGPTはGoogle Indexと独立したクロールを持ち、schema.orgの解釈がGoogleより間接的である。

特に有効なスキーマ: Article・Organization・Dataset

AirOps調査では、JSON-LDの有無で引用率に6.5ポイントの差（38.5% vs 32.0%）が確認されたが、スキーマ「種類」ごとの差はGoogleより小さい。ChatGPTにとっては「構造化データがあるかどうか」よりも「テキストの論理構造と権威性」が支配的な因子である。

Perplexity

Perplexityはリアルタイムウェブ検索に依存するため、ページの信頼性シグナルとしてOrganizationスキーマやDatasetスキーマを重視する傾向がある。

特に有効なスキーマ: Organization・Dataset・Product（属性充実）・Review

Perplexityでの引用はSchemaより「ページの論文引用スタイル」に近い。一次情報源として認識されるDatasetスキーマ実装ページが特に引用されやすい。

---

Ahrefs大規模調査が示した「スキーマ効果の逆説」

2026年5月にAhrefsが公開した調査は、業界に衝撃を与えた。

調査概要: 2025年8月〜2026年3月にJSON-LDスキーマを新規追加した1,885ページを、追加していない4,000ページの対照群と比較。Google AI Overviews・AI Mode・ChatGPTでの引用変化を計測。

主要結果:

• Google AI Overviews：スキーマ追加グループは対照群比 -4.6%（小幅だが統計的に有意）
• AI Mode：スキーマ追加グループはやや改善だが誤差範囲内
• ChatGPT：スキーマ追加グループはやや改善だが誤差範囲内

なぜスキーマを追加しても引用が増えなかったのか

Ahrefsはこの理由を2つ挙げている。

1. サンプルバイアス: 調査対象は全ページが「すでに100件以上のAIO引用を持つ高引用率ページ」。天井効果により上昇幅が出にくい構造だった
2. 相関vs因果の混同: 「スキーマを持つページは引用されやすい」という相関は、「スキーマがあるから引用される」という因果ではない。技術的に優れたサイトがスキーマも実装するという逆因果の可能性が高い

この調査が示す実践的示唆：スキーマは引用率の「増加剤」ではなく「前提条件」と捉えるべきである。

構造化データ実装前後でAI引用率はどう変わるかでは、この調査をさらに詳細に解説している。

---

スキーマの組み合わせ効果：複数種類で掛け合わせる

単体スキーマよりも、複数スキーマの組み合わせが引用率を高める。

AirOps・Averi AI調査から得られたデータ：

ポイントは「相補的」な組み合わせである。同じ情報を重複して記述するスキーマを並べても効果は薄い。Article（コンテンツの文脈）＋FAQPage（Q&Aの抽出可能性）＋BreadcrumbList（サイト内位置情報）のように、AIに対して異なる次元の情報を提供する組み合わせが有効である。

なお、1ページに実装するスキーマ種類は3〜4種が上限とされており、それ以上増やすと検索エンジンのスキャンコストが上昇し、逆効果になる可能性がある。

---

実装優先度マップ：サイト種類別の最適スキーマ選択

調査データを元に、サイト種類ごとの実装優先度を整理する。

コンテンツ系サイト・SEOブログ

最優先: Article + FAQPage + BreadcrumbList
次点: Organization + WebSite
期待される引用率改善：スキーマなし比 +10〜15ポイント

Eコマース・製品紹介サイト

最優先: Product + AggregateRating + Organization
次点: BreadcrumbList + Offer
注意：Product単体では効果薄。AggregateRatingは必須セット

地域ビジネス・ローカルSEO

最優先: LocalBusiness + Organization
次点: FAQPage + BreadcrumbList
Google AI Overviewsでの地域クエリ引用に直結

リサーチ・データ系サイト

最優先: Dataset + Organization + Article
次点: ScholarlyArticle（学術系）
Perplexityでの引用獲得に特に有効

---

注意すべき「スキーマ効果の過大評価」

ここまで引用率のデータを示してきたが、過剰な期待を持つことへの警告も必要である。

相関と因果の区別: 引用されているページにスキーマが多い理由は、「スキーマが引用を生んでいる」のではなく、「技術品質の高いサイトがスキーマも実装している」という逆因果の可能性が高い。

コンテンツ品質が先: スキーマは「機械がコンテンツを理解するための翻訳」に過ぎない。翻訳が正確でも、翻訳される元のコンテンツが薄ければ引用には至らない。

スキーマの鮮度: 古いスキーマや実際のページ内容と乖離したスキーマは引用率を下げる。構造化データ実装前後の実測比較が示すように、メンテナンスされていないスキーマはないよりも悪い場合がある。

AIがフィーチャードスニペットやAI Overviewsに使うのは「意味が明確に構造化されたコンテンツ」である。スキーマはその構造化を補助するが、構造化の本体はテキストにある。

---

よくある質問（FAQ）

Q1. FAQPageスキーマとArticleスキーマはどちらを優先すべきか？

コンテンツタイプによって異なる。Q&Aを含む解説記事・ハウツー記事にはFAQPage＋Articleの組み合わせが最適。長文の論説・調査レポートにはArticle単体を優先する。両方を同時に実装することが最も効果的。

Q2. スキーマを追加したがAI引用率が変わらない。なぜか？

Ahrefs調査が示すように、すでに引用率が高いページへのスキーマ追加は天井効果でほぼ変化しない。スキーマ効果が出やすいのは「まだAIに十分認識されていないページ」に対する初回実装である。

Q3. Googleが認定していないカスタムスキーマは使うべきか？

AI引用という目的においては使わない方が安全。schema.orgが定義する標準タイプを使うことで、複数のAIプラットフォームが共通して解釈できる。独自スキーマはGoogleのリッチリザルトに影響しないうえ、他プラットフォームでは無視される。

Q4. BreadcrumbListが引用率トップなのはなぜか？

BreadcrumbListはAIにサイト構造（カテゴリ→ページの階層）を伝える。AIは「どのサイトのどのカテゴリの情報か」というコンテキストを引用判断に使っており、BreadcrumbListがこのコンテキスト提供の役割を担うためと考えられる。

Q5. Product + AggregateRatingで引用率が3倍というのは信頼できるデータか？

Growth Marshal調査（2026年2月）の数値で、Eコマース特化の複数サイトを対象にしている。一般化には注意が必要だが、「属性が充実したProductスキーマは基本Productより大幅に有利」という傾向は複数調査で一致している。

Q6. スキーマ実装はどのツールを使えばよいか？

WordPressであればYoast SEO・RankMathが主要スキーマを自動生成する。手動実装はGoogle Developers公式のリッチリザルトテストで検証できる。JSON-LDによる構造化データの実装方法で具体的な書き方を解説している。

Q7. Perplexityへの最適化ではどのスキーマが最重要か？

Perplexityは「一次情報源の信頼性」を重視するため、OrganizationスキーマでのブランドエンティティとDatasetスキーマが最も有効。さらに著者情報をPersonスキーマで構造化することでE-E-A-T信号を補強できる。

Q8. セマンティックHTMLとスキーマの関係は？

スキーマは機械向けの「別レイヤー」であるのに対し、セマンティックHTMLはHTMLの意味的構造自体を整えるものである。両者は補完関係にあり、セマンティックHTMLが正しく実装されているページのほうがスキーマの解釈精度も高い。セマンティックHTMLとAI検索の関係で詳しく解説している。

---

関連用語

本記事で頻出する用語の解説は以下を参照。

• 構造化データ：Webページの意味をAI・検索エンジンが理解しやすい形式で記述するデータ
• スキーマ（Schema.org）：Googleなどが共同で整備する構造化データの語彙・型の標準仕様
• JSON-LD：JavaScriptオブジェクト記法で記述する構造化データの推奨フォーマット
• LLMO：Large Language Model Optimization。AI検索エンジンへの最適化の総称
• AIO（AI Overview）：Googleが提供するAI生成の検索結果サマリー
• フィーチャードスニペット：検索結果の最上部に表示される抜粋回答ボックス

---

関連記事

スキーマ実装と AI 引用率を深く理解するために、以下の記事もあわせて参照してほしい。

ピラー記事（基礎知識）

• AI検索最適化（AISEO）完全ガイド
• AISEO完全攻略ガイド
• SEO基礎完全ガイド

クラスター記事（関連テーマ）

• 構造化データ実装前後でAI引用率はどう変わるか
• AI Overview FAQスキーマ vs 他スキーマ比較
• JSON-LDによる構造化データとAI理解の仕組み
• セマンティックHTMLとAI検索の最適化