構造化データで LLMO は伸びるか｜Article / FAQPage / DefinedTerm の検証【2026年版】

構造化データで LLMO は伸びるか｜Article / FAQPage / DefinedTerm の検証【2026年版】

Article と FAQPage を正しく実装したページは、LLM が回答生成時に引用しやすい構造を持ち、LLMO スコアの向上に直結する。構造化データを「Google 向け SEO の一手」と捉えている間は、AI 検索時代の引用競争で出遅れる。

最終更新日: 2026-05-09

はじめに

構造化データ（JSON-LD / schema.org）は、検索エンジンにページの意味を伝える機械可読マークアップだ。従来は Google のリッチリザルト取得が主な目的だったが、2025〜2026年にかけて状況が変わった。

ChatGPT・Perplexity・Gemini などの AI 検索エンジンが回答生成時に参照するのは、クロールして取得した HTML だ。構造化データはそのセマンティクスを強化し、LLM がページ内容を正確に解釈・引用する確率を高める。本記事では「LLMO への寄与度」に絞り、実装すべき順序と工数感を示す。

JSON-LD の仕様概要や自動生成ツールについては 構造化データ JSON-LD 入門・構造化データ自動生成ツール比較 を参照。本記事はその先、「どのタイプをどの順で実装すれば LLMO に効くか」 に特化して解説する。

LLMO の全体像を把握したい場合は LLMO 完全ガイド を先に読むと理解が深まる。

LLMO 観点での構造化データの役割

Google だけでなく LLM の学習・引用にも効く

LLMO（Large Language Model Optimization）の文脈で構造化データが重要な理由は三つある。

1. セマンティック明確化: @type: Article や @type: FAQPage を宣言することで、LLM クローラーがページの「これは記事か、Q&A か、組織情報か」を即座に判別できる。曖昧なページより引用優先度が上がる。
2. エンティティの固定: Organization や Person に name / url / sameAs を付与することで、LLM がエンティティを一意に識別しやすくなり、ブランドメンションの正確な紐付けにつながる。
3. FAQの直接注入: FAQPage の acceptedAnswer は、AI 回答生成時にそのまま引用されるケースが報告されている。質問文と回答文を構造化データとして定義することは、プロンプトに近い効果を持つ。

AI Overview が普及した現在、構造化データは「検索結果を飾るリッチスニペット」ではなく「LLM への意図伝達インターフェース」として機能している。

効果度別 5 タイプ

LLMO 観点で優先すべきは「コンテンツの性質・権威性・Q&A 構造」を明示するタイプだ。ビジュアルリッチスニペット系（Recipe・Product など）はクリック率向上には効くが、AI 引用率への直接効果は限定的だ。

高効果：Article / FAQPage / Organization

Article

EEAT 要素（著者・発行日・更新日・パブリッシャー）を明示する最重要タイプ。LLM は最新性と執筆者情報を引用判断の基準にするため、datePublished / dateModified / author の三点セットは必須だ。

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "構造化データで LLMO は伸びるか",
  "datePublished": "2026-05-09",
  "dateModified": "2026-05-09",
  "author": {
    "@type": "Organization",
    "name": "aiseo-llmo.com 編集部",
    "url": "https://aiseo-llmo.com/about"
  },
  "publisher": {
    "@type": "Organization",
    "name": "aiseo-llmo.com",
    "logo": {
      "@type": "ImageObject",
      "url": "https://aiseo-llmo.com/logo.png"
    }
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://aiseo-llmo.com/article/structured-data-llmo-effect"
  }
}

実装コストは低く、CMS テンプレートに一度組み込めば全記事に自動付与できる。Article は LLMO 対策の「ゼロコスト最大インパクト」施策として最初に着手すべきだ。

FAQPage

FAQPage は LLMO 効果が最も直接的なタイプだ。Question と acceptedAnswer の組み合わせは、AI 回答エンジンが「このページに質問と答えが構造化されている」と判断する強いシグナルになる。ゼロクリック時代に自社の Q&A を AI 回答に差し込む手段として機能する。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "構造化データは LLMO に効果がありますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Article・FAQPage・Organization の3タイプを実装すると、LLM がページの性質・権威性・Q&A を正確に解釈しやすくなり、AI 検索での引用率向上が期待できます。"
      }
    },
    {
      "@type": "Question",
      "name": "JSON-LD と Microdata どちらが推奨ですか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Google・schema.org ともに JSON-LD を推奨しています。HTML 構造と独立して管理できるため、CMS テンプレートへの組み込みが容易です。"
      }
    }
  ]
}

注意点は「実際に本文で回答している質問だけを記載する」こと。FAQPage の内容と本文が乖離していると、Google のガイドライン違反になる可能性がある。

Organization

サイト全体に一度だけ実装するタイプだ。sameAs に公式 SNS・Wikipedia・Wikidata の URL を列挙することで、LLM がエンティティを一意に識別しやすくなる。ブランドメンションの正確な紐付けと Knowledge Graph への登録促進に寄与する。

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "aiseo-llmo.com",
  "url": "https://aiseo-llmo.com",
  "logo": "https://aiseo-llmo.com/logo.png",
  "sameAs": [
    "https://twitter.com/aiseo_llmo",
    "https://www.linkedin.com/company/aiseo-llmo"
  ],
  "contactPoint": {
    "@type": "ContactPoint",
    "contactType": "customer support",
    "email": "contact@aiseo-llmo.com"
  }
}

中効果：BreadcrumbList / Person / DefinedTerm

BreadcrumbList

サイト構造を LLM に伝える補助タイプだ。BreadcrumbList は内部リンク構造の機械可読版として機能し、AI がページの文脈（どのカテゴリに属するか）を把握しやすくする。実装コストが極めて低いため、Article と同時に組み込むことを推奨する。

Person

著者ページに実装する。name / url / sameAs で著者を一意に識別させることで、EEAT の E（Experience / Expertise）を機械可読化できる。専門家が書いていることを構造的に示せるため、医療・法律・金融など YMYL コンテンツでは特に有効だ。

DefinedTerm

用語集ページ（グロッサリー）に適用する。DefinedTerm に name・description・inDefinedTermSet を付与することで、LLM が「このページは用語の定義を提供している」と認識しやすくなる。LLMO・AISEO・GEO のような新興概念の定義権を確立する上で有効な手段だ。

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "LLMO",
  "description": "Large Language Model Optimization の略。ChatGPT・Perplexity などの AI 検索エンジンに自社コンテンツを引用させるための最適化手法。",
  "inDefinedTermSet": {
    "@type": "DefinedTermSet",
    "name": "AI SEO 用語集",
    "url": "https://aiseo-llmo.com/glossary"
  }
}

低効果（多くのサイトでオーバーキル）

Recipe・SoftwareApplication・Product・Event などは、該当コンテンツを持つサイトには有効だが、LLMO 専門メディアには不要だ。これらはビジュアルリッチスニペットの取得に特化しており、AI 引用率への寄与は限定的だ。実装工数を高効果タイプに集中させるべきだ。

SoftwareApplication は「ツール紹介ページ」に使いたくなるが、LLMO 計測ツールのようなレビュー記事では Article の方が適切だ。タイプの誤用はむしろセマンティクスを汚染するため、迷ったら Article に統一する。LLMO スコアそのものの計算方法は LLMO スコア計算式と指標の読み方 で詳しく解説している。

優先実装順とコスト感

新規サイトなら Organization → Article → BreadcrumbList の三点を最初のスプリントで実装し、コンテンツが増えたら FAQPage を順次追加するのが現実的だ。合計工数は 3〜5 時間以内に収まる。

検証手段

Google Rich Results Test

実装後は Rich Results Test で必ず検証する。URL またはコードを貼り付けるだけで、構文エラー・必須フィールド不足を即座に検出できる。デプロイ前の CI チェックに組み込むことを推奨する。

Schema Markup Validator

Schema Markup Validator は schema.org 仕様への準拠を確認するツールだ。Rich Results Test が Google のリッチスニペット要件を見るのに対し、こちらは LLM が解釈するセマンティクスの正確性を確認するのに向いている。両方を使い分けることで、Google 向けと AI 向けの双方を担保できる。

定点モニタリング

GSC の「拡張」レポートで構造化データのエラー数を週次確認する。CMS アップデートや HTML 構造変更で JSON-LD が壊れるケースがあるため、定期チェックを怠らない。

よくある質問

Q. Article と BlogPosting はどちらを使うべきですか？ どちらも有効だが、Google は Article をより広義のタイプとして推奨している。専門性の高い解説記事なら Article、日記・短報なら BlogPosting と使い分けても問題ない。迷ったら Article に統一する方が管理コストは低い。

Q. JSON-LD は <head> と <body> どちらに置くべきですか？ Google は <head> 内への配置を推奨しているが、<body> 内でも認識される。CMS によっては <body> 末尾への挿入が容易なため、出力できるならどちらでも動作上の問題はない。

Q. 構造化データを追加しても AI に引用されないのはなぜですか？ 構造化データは「引用されやすくする」条件を整えるものであり、引用を保証するものではない。EEAT やコンテンツのファクト密度・内部リンク構造が不十分だと、構造化データだけでは効果が出ない。LLMO スコアの診断方法は LLMO 分析の意味と使い方 を、改善チェックリストは LLMO 監査チェックリスト を参照してセットで改善する必要がある。

Q. FAQPage の質問数に上限はありますか？ Google のガイドラインに明示的な上限はないが、実際に本文で回答している質問のみを記載することが求められる。3〜8 問が実装・管理のバランスとして現実的だ。

Q. DefinedTerm は用語集以外のページにも使えますか？ 使える。記事本文中で重要用語を定義している箇所に DefinedTerm を追加することで、LLM が「この記事はこの概念の定義を含む」と認識しやすくなる。ただし乱用するとセマンティクスが散漫になるため、1記事あたり 1〜3 件程度に絞ることを推奨する。

関連用語

• 構造化データ
• JSON-LD
• schema.org
• LLMO
• AISEO
• EEAT
• AI Overview
• ブランドメンション
• ゼロクリック
• 内部リンク

関連記事

ピラー記事

• LLMO 完全ガイド
• AISEO 完全ガイド

同カテゴリ記事（llmo）

• 構造化データ JSON-LD 入門
• 構造化データ自動生成ツール比較
• LLMO 分析の意味と使い方
• LLMO 計測ハウツー
• LLMO スコア計算式と指標の読み方
• LLMO 監査チェックリスト
• EEAT と LLMO の関係