構造化データを入れればAIに引用されるのか｜研究とGoogleの公式文書で確かめました

構造化データを入れただけでAIに引用されやすくなる、とは、Googleの公式文書からも海外の研究からも言えません。

Googleは、AIの回答に表示されるために特別な構造化データを足す必要はないと書いています。

構造化データには通常の検索での役割があるので、入れること自体はそのまま続けて構いません。

見直すのは「入れれば引用される」という期待と、その期待だけを理由に払う費用の2つです。

結論：構造化データに期待できること、期待できないこと

先に全体を表で示します。

場面によって、分かっていることが違います。

場面ごとの、期待できること・できないこと

場面	期待できること	期待できないこと	根拠
通常の検索	ページの内容や日付を、決まった形で検索エンジンに伝える	入れただけで順位が上がること	Googleの公式の説明
GoogleのAIによる概要、AIモード	通常の検索と同じ基本が、そのまま有効であること	特別な構造化データを足して表示されること	Googleの文書「AI機能とウェブサイト」
ほかのAIの回答	弊社が読んだ範囲では、効くと確かめた実験は見つかっていない	入れれば引用される、という因果	海外の研究。相関を見た調査が1本ある
見出しや段落の整え方	読者の読みやすさ	整え方だけで引用の勝ち負けが動くこと	海外の実験（6つのモデル）

4行目は構造化データそのものの話とは別で、混同されやすいので並べました。

あとの節で、どの実験が何を試したのかを分けて書きます。

この記事の位置づけと、数字の出どころ

この記事は、やってはいけないLLMO対策を10個まとめた記事の施策8を、1本に広げたものです。

一覧では表1つと数段落で済ませたので、ここではGoogleの文書の中身と、研究の読み方と、すでに入れている場合の点検を足します。

特定の会社や媒体は名指ししません。

主語にするのは「構造化データを入れれば引用される」という売り方で、実装している会社の良し悪しは扱いません。

「海外の実験では」と書いた数字は海外の論文から、「弊社では」と書いた数字は弊社の計測から引いています。

お断りしておくと、ここで引く論文は英語と海外の検証が中心で、日本語のページで同じ数字になるとは言えません。

論文は弊社が1本ずつ日本語で解説しており、解説の一覧から原文の情報までたどれます。

LLMO対策という言葉そのものの説明は、LLMO対策とは何かを書いた記事に分けてあります。

構造化データの役割と、役割でないことを分けた図

構造化データについての説明は、役割の話と、役割でないことの話が混ざりやすくなっています。

2つを左右に分けました。

左の2つは、通常の検索で担っている仕事です。

右の2つは、提案の場で仕事として語られることがあるものの、確かめられていないことです。

図の使い方

手元に見積書があれば、構造化データの項目が4つの箱のどれを目的にしているかを確かめてください。

1か2が目的なら、通常の検索のための作業として検討できます。

3が目的として書かれている場合は、この記事のGoogleの説明の節と、研究の節が関係します。

4の箱について

4は、Googleが基本として挙げている項目を裏返したものです。

本文に書いていない料金や実績を構造化データにだけ入れると、表示されるテキストと一致しなくなります。

構造化データは本文の写しで、本文に足りない事実を補う場所としては使えません。

どんな施策で、なぜ勧められるのか

構造化データは、ページの内容を決まった書き方で機械に伝える情報です。

施策としては、その実装を「AI向け」と名付けて、通常の制作とは別の項目で売るものを指します。

提案書での書かれ方

項目名に「AI向け」「LLMO用」と付いているかどうかが、最初の目印になります。

通常の検索のための実装と作業の中身が同じなのに、別の項目として二重に載っていることがあります。

確かめるのは、どの種類の構造化データを、どのページに、何のために入れるのかの3点です。

よくある説明と、その前提

よくある説明	前提になっていること	確かめること
AIは機械なので、機械が読める形で渡せば正しく理解する	AIは本文より構造化データを優先して読む	その前提を確かめた実験があるか
質問と答えの形にしておけば、AIがそのまま答えに使う	形が合っていれば、内容の過不足は問われない	本文に、質問への答えと事実が書いてあるか
引用されているページには構造化データが入っている	入っていることが、引用された原因である	相関と因果を分けて説明しているか
AI向けの特別な構造化データがある	通常の検索用とは別の仕様がある	Googleの文書の説明と合っているか

4行とも、説明が誤りだと決めつけているわけではありません。

前提の列が確かめられているかどうかを、次の節から順に見ます。

なぜ勧められるのか

勧められる理由は理解できます。

構造化データは通常の検索で実際に使われており、入れて損をしたという報告も弊社は見つけていません。

作業の範囲がはっきりしていて、入れたかどうかを検査の道具で確かめられるので、納品物として説明しやすい施策でもあります。

「機械に読みやすい形で渡す」という説明は、AIの話とつなげても違和感がありません。

確かめたいのは、その直感のとおりにAIの回答が動くかどうかです。

Googleの説明：AIの回答に出るための追加の要件はありません

Googleは、検索のAI機能とウェブサイトの関係を、開発者向けの公式文書で説明しています。

文書の名前は「AI機能とウェブサイト」です。

以下は、2026年10月1日に確認した時点での内容で、ページに記された最終更新日は2025年12月31日（協定世界時）でした。

文書に書かれていること

項目	Googleの説明	読者にとっての意味
SEOとの関係	SEOのベストプラクティスは、AIによる概要やAIモードでも引き続き有効。表示されるための追加の要件はなく、特別な最適化も必要ない	AI用の別メニューを前提にしなくてよい
サポートリンクとして表示される条件	ページがインデックスに登録され、検索でスニペットを表示でき、検索の技術要件を満たしていること。これ以外に追加の技術要件はない	まず通常の検索に出る状態かを確かめる
新しいファイルやマークアップ	新しい機械可読ファイル、AIテキストファイル、マークアップを作る必要はない	置くだけ、足すだけの施策は条件に入っていない
構造化データ	特別なschema.orgの構造化データを追加する必要もない	AI向けとして追加で買う理由にはならない
保証	要件を満たしても、インデックス登録と配信は保証されない	「必ず表示される」とは誰にも言えない

右の列は弊社の読み方で、Googleの文言ではありません。

引き続き大事だとされている基本

同じ文書は、これまでどおり大事な基本も挙げています。

クロールを許可する、内部リンクで見つけやすくする、重要な内容はテキストで示す、といった項目です。

その並びの中に、構造化データをページに表示されるテキストと一致させる、という項目があります。

構造化データは「足すもの」としては挙がっておらず、「本文と合わせておくもの」として挙がっています。

この文書から言えること、言えないこと

言えるのは、GoogleのAIによる概要とAIモードについて、特別な構造化データは条件に入っていないということです。

構造化データが不要だ、とは書かれていません。

この文書が扱うのはGoogleの検索のAI機能で、ほかの会社のAIがどう動くかは対象の外です。

ほかのAIについては、公式の説明でなく研究を手がかりにするしかないので、次の節で2本読みます。

研究1：書式の違いで引用は変わるのか

「機械に読みやすく整えれば引用される」という直感に近い問いを、条件を1つずつ変えて調べた実験があります。

海外の実験では、書式だけを変えた2つの要因が、6つのモデルのどれでも有意な差に届かなかったと報告されています。

何を調べた実験か

2026年5月に公開され、同年7月の国際会議の会議録に載った論文です。

研究者は、検索結果が2件しかないAI検索を実験室の中に作りました。

2件のページは1か所だけが違い、事実、価格、仕様、長さはそろえてあります。

素材は一般消費者向けの商品レビュー記事100本で、ブランド名や型番は架空の名前に置き換えられています。

試した要因は18、モデルは6つで、試行の合計は25万2,000回です。

数えたのは、AIの回答の中で最初に出てくるURLが、2つの版のどちらだったかです。

結果：書式の2要因は、6つのモデルすべてで有意に届かなかった

試した要因	有意だったモデルの数（6つ中）	弊社の読み方
話題が質問に合っているか	6	質問に直接答えているかが先
価格の記載があるか	6	商品レビューの実験での結果。本文に事実があるかの話
2026年の日付か、2019年の日付か	6	古い日付のままの版が負けた
節に整理された構成か、密な段落か	0	整え方だけでは動かなかった
情報がまとまっているか、散らばっているか	0	同上

勝ちやすさの倍率は、構成の比較で0.78〜1.68、情報のまとまりの比較で1.13〜3.87でした。

弊社の解説記事は、この結果を次のように書いています。

「見出しや段落の整え方といった書式だけの違いは、6つのAIのどれでも、統計的に意味のある差に届きませんでした」

論文は、AIが見た目の整理にかかわらず内容を読み取るためだろう、と解釈しています。

この実験の「書式」は、構造化データのことではありません

ここがこの記事でいちばん注意して読んでほしい点です。

実験が比べた「書式」は、見出しで節に分けるか、段落に詰めるか、といった本文の整え方を指します。

18の要因の中に、構造化データを入れた版と入れない版の比較はありません。

この実験から「構造化データは効かない」とは言えません。

言えるのは、本文の中身が同じなら、見た目の整え方を変えても引用の勝ち負けは動かなかった、というところまでです。

「機械に読みやすい形に整えれば選ばれる」という直感を支える結果は出なかった、と弊社は読んでいます。

この実験の限界

候補が2件だけの実験室で、実際のAI検索は5〜10件以上を取得することがあります。

検索の手順も検索結果も研究者が用意しており、実際のサービスで同じ順に効くかは、論文が示した範囲の外です。

素材は商品レビュー記事で、日本語のページや会社案内のページは試されていません。

実験で動いたこと、動かなかったことが、そのまま実際のサービスに当てはまるとは限りません。

弊社の解説には、書式の効き目は研究の間でまだ揃っていない、とも書いています。

研究2：引用されたページを採点した調査の読み方

構造化データに直接触れた調査もあります。

「引用されているページには構造化データが入っている」という説明の元になりやすい種類の調査なので、読み方を先に押さえておきます。

何を調べた調査か

海外の調査では、AIに引用されたページを16の観点で採点し、構造化データの点と引用のあいだに相関があったと報告されています。

2025年9月に公開された査読前の論文です。

対象は法人向けのクラウド型ソフトの16業種で、質問は英語でした。

3つのAI検索が引用した1,702件の引用元から、1,100ページを採点しています。

採点は16の観点ごとに0〜3点の4段階です。

結果：構造化データの点は、引用と相関していた

観点	引用との相関係数	読むときの注意
日付などのメタデータと鮮度	0.68	6つのうち最も高い
意味に沿ったHTML（見出しの階層など）	0.65	全ページの平均点は3点中1.45
構造化データ	0.63	全ページの平均点は3点中0.34
根拠と出典	0.61	本文の中身に関わる観点
権威と信頼	0.59	同上
内部リンク	0.57	論文の表に載っているのはこの6つだけ

相関係数だけを見ると、構造化データは引用と関係がありそうに見えます。

同じ調査で、この観点の平均点は3点中0.34でした。

引用されたページの多くは、この観点でほとんど点を取れていなかったことになります。

相関と因果は別です

この調査は、集めたページの点数と引用の関係を見た観察です。

ページに構造化データを足して、引用が増えるかどうかを比べた実験とは性質が違います。

点数が高いページが引用されやすいのか、もともと強いサイトが点数も高いのかは、観察だけでは分けられません。

論文自身も、因果を確かめる実験を今後の課題に挙げています。

採点した1,100ページはすべて、3つのAI検索のどれかに引用されたページでした。

どのAIにも引用されなかったページは入っておらず、何と何を比べた相関なのかが、原文から読み取りにくい構成です。

利益相反の注意

著者の2人は、AI検索での見え方を支援する企業の共同創業者です。

論文には利益相反の申告欄が無く、結果は著者の事業の方向と重なっています。

採点の重みと実験データは公開されておらず、外から採点を確かめる手段がありません。

だから誤りだ、とは言えません。

「構造化データを入れると引用される」という説明の根拠としてこの種の数字が出てきたら、相関なのか実験なのか、誰が調べたのかを尋ねる材料にしてください。

2本を並べると

条件を1つずつ変えた実験は、構造化データを試していません。

構造化データに触れた調査は、相関を見た観察で、著者の立場に注意が要ります。

弊社が読んだ範囲では、構造化データを足した版と足さない版を比べて、AIの引用が増えたと確かめた実験は見つかっていません。

見つかっていない、というのは弊社が解説した論文の範囲での話で、世の中に1本も無いという意味ではありません。

似た売り方：「置くだけで引用される」という期待

構造化データと同じ形で売られる施策が、もう1つあります。

サイトの要点をAI向けにまとめたファイル、llms.txtです。

llms.txtで分かっていること

海外の集計では、137,210ドメインのうち28%がllms.txtを公開し、その97%で月内のアクセスが0件だったと報告されています。

2026年5月にトラフィックのあったドメインを対象にした集計です。

公開していたのは38,360ドメインで、そのほとんどでは、置いたファイルを対象の月に誰も読みに来ていませんでした。

Googleの文書も、新しい機械可読ファイルやAIテキストファイルを作る必要はないと書いています。

2つの施策に共通する形

比べる点	構造化データ	llms.txt
売られ方	入れれば引用される	置けば引用される
Googleの説明	AI機能のために特別なものを足す必要はない	新しい機械可読ファイルを作る必要はない
通常の検索での役割	ある。内容や日付を伝える	弊社の解説の範囲では、確認されていない
分かっている数字	相関を見た調査で0.63。因果は未確認	公開した38,360ドメインの97%でアクセス0件
弊社の扱い	通常の検索のために入れてよい	優先して作る理由が見つからない

3行目が、2つの施策のいちばん大きな違いです。

構造化データには本来の仕事があるので、llms.txtと同じ扱いにはなりません。

共通する点は「本文に触れずに済む」こと

2つとも、本文を1文字も変えずに納品できます。

発注する側は原稿を確認する手間が無く、作る側は作業の範囲を決めやすいので、提案が通りやすい形です。

ただ、AIが回答に使うのは、ページに書かれている事実です。

本文に料金も対応範囲も書かれていなければ、足したものの中に写せる内容がありません。

構造化データの本来の役割

ここまで期待できないことを書いてきたので、期待してよいことも整理します。

構造化データは、やってはいけないものには入りません。

通常の検索で内容を伝える

構造化データは、会社の名前、所在地、記事の著者、よくある質問などを、決まった書き方でページに付ける情報です。

種類の選び方と入れ方は、構造化データとは何かをまとめた記事に書きました。

書き方の見本もそちらにあるので、この記事には載せません。

同じ記事で、検索順位を直接上げる要因ではない、とも書いています。

役割は内容を正確に伝えることで、順位や引用を動かすスイッチとして売られると、役割からずれます。

日付を伝える

記事の公開日と更新日は、構造化データで伝えられる項目の1つです。

先ほどの実験では、2026年の日付の版と2019年の日付の版の比較が、6つのモデルすべてで有意でした。

採点の調査でも、日付などのメタデータの観点が、引用との相関で最も高い0.68でした。

日付を正しく保つことには、書式を整えることより確かな手がかりがあります。

ここで言う日付は、内容を見直した日のことです。

内容を変えずに日付だけを新しくする方法は、一覧の記事の施策7で扱っています。

表示されるテキストと一致させる

Googleが基本として挙げているのは、構造化データをページに表示されるテキストと一致させることでした。

画面に出ている更新日と、構造化データの更新日が違っていれば、一致していない状態です。

画面に無い評価や実績を構造化データにだけ入れることも、同じく一致していない状態にあたります。

弊社の解説記事でも、ページ上に存在しない情報を構造化データにだけ書くことは避けるよう書いています。

起きうる損：費用と時間の使い先

構造化データを入れたこと自体で不利になった、という報告は弊社は見つけていません。

損が出るのは、目的と順番を取り違えたときです。

損の種類

起きること	なぜ起きるか	先に確かめること
同じ作業に2回払う	通常の検索用とAI向けが、別の項目で見積もられている	2つの項目の作業の違い
本文を直す時間が後回しになる	納品物が増えたことで、対策が済んだと受け取ってしまう	本文に料金・対応範囲・所在地が書いてあるか
効果を確かめる方法が無いまま終わる	入れたかどうかは検査できるが、引用が増えたかは測っていない	何を、いつ、どう数えるのか
本文と食い違う構造化データが残る	本文を更新したのに、構造化データを直していない	更新のたびに誰が直すのか

金額の大小は会社によって違うので、ここでは書きません。

見るのは金額より、同じ時間と費用をどこに使えたか、です。

時間の使い先で差が出た弊社の例

弊社では、3つのドメインで同じ体制で記事を作ったところ、検索10位以内に入った記事1本あたりの表示回数に23倍の差が出ました。

28日間で2.0回のドメインと、46.2回のドメインです。

差を作ったのは記事の体裁でなく、どの言葉を狙って書いたかでした。

整え方に時間を使う前に、何について書くかを確かめるほうが、数字の動きは大きかったことになります。

これは通常の検索での表示回数の話で、AIの引用を測った数字ではありません。

4行目の損は、あとから気づきにくい

構造化データは画面に出ないので、本文と食い違っていても見た目では分かりません。

料金を改定したのに構造化データの中だけ古い、という状態は、入れた本人が忘れたころに起きます。

入れるページを増やすほど、直す場所も増えます。

入れる前に、更新のたびに誰が直すのかを決めておくと、この損は避けられます。

代わりにやること：本文に、選ぶ基準と事実を文章で書く

AIの回答に使われるのは、ページに書かれた文章です。

構造化データに写す元になる事実を、先に本文へ書きます。

社名なしの質問で名前が出るかどうかは、別の問題です

海外の実験では、製品名を入れて聞くと99.4%の質問で名前が出たのに、名前を伏せてカテゴリで聞くと3.32%だったと報告されています。

新製品の紹介サイトに載った112社を、検索機能のないChatGPTの小型モデルに英語で聞いた、査読前の論文の数字です。

割合は、回答に製品名の文字列が出たかどうかで数えられています。

同じ論文は、サイトの文章を機械的に採点した点数と、名前が出る割合の関係も調べました。

統計、引用、専門用語、構造化データなどを数えた6つの軸の平均点です。

この点数は、試した2つのモデルのどちらでも、名前が出る割合と関連しませんでした。

構造化データだけを取り出した結果ではないので、参考として読んでください。

本文に書く事実

書くのは、買い手が選ぶときに比べる項目です。

料金の考え方、対応できる範囲、対応できないこと、所在地、納期の目安といった内容になります。

先ほどの実験でも、質問に合った話題であること、価格の記載があることは、6つのモデルすべてで有意でした。

商品レビュー記事での結果なので、会社のページにそのまま当てはまるとは言えません。

それでも、整え方より中身のほうに手がかりがある、という向きは読み取れます。

やり方の記事の工程に当てはめる

LLMO対策のやり方を書いた記事では、工程6を「自社の事実をそろえる」としています。

料金、対応範囲、所在地を、全ページの本文で一致させる工程です。

構造化データは、この工程のあとに、本文に書いてある内容を写す形で入れます。

いまの状態	先にやること	構造化データの扱い
本文に料金や対応範囲が書かれていない	本文に文章で書く	本文ができてから写す
ページによって料金や所在地の表記が違う	全ページで一致させる	一致させた内容を写す
本文はそろっているが、構造化データが無い	入れるページの優先順位を決める	通常の検索のために入れる
記事を公開したまま見直していない	数字・日付・リンク先を確かめて更新する	更新日を本文と同じ日付に直す

公開したあとも戻る

弊社では、手を入れなかった記事は9か月目から落ち始め、12か月目に1本あたりのセッションが最大時の4分の1になりました。

内容を見直して更新すれば、構造化データで伝える更新日も、中身のある日付になります。

ここに書いたことを行えばAIに引用される、という約束はできません。

確かめられる結果が残る作業から順に並べると、こうなるという話です。

すでに入れている場合の点検

すでに構造化データを入れている会社は、外す必要はありません。

確かめるのは、画面に表示されるテキストと合っているかどうかです。

点検する項目

点検する項目	見る場所	合っていなかったときにすること
会社名、住所、電話番号	会社概要のページと、構造化データの中身	本文の表記を正として、構造化データを直す
公開日と更新日	記事の画面に出ている日付と、構造化データの日付	内容を見直した日にそろえる
よくある質問	画面に出ている質問と答え、構造化データの質問と答え	画面に無い質問を構造化データから外すか、本文に足す
評価や実績	画面のどこかに同じ内容が出ているか	画面に無いものは構造化データから外す
料金	料金のページと、ほかのページの記載	本文を先に一致させ、そのあと構造化データを直す

5行とも、直す向きは同じです。

本文を正として、構造化データを本文に合わせます。

点検の道具

構造化データが正しい形で入っているかどうかは、Googleが無料で公開している検査の道具で確かめられます。

使い方は構造化データの解説記事の検証の節に書きました。

道具が確かめるのは、書き方が決まりに合っているかどうかです。

本文と内容が合っているかは道具では分からないので、人が画面と見比べます。

点検の頻度

料金、営業時間、所在地を変えたときは、その日のうちに構造化データも見ます。

記事は、内容を見直して更新日を変えるたびに確かめます。

サイトの仕組みや部品を更新したあとは、出力が変わっていないかを1ページだけ確かめておくと安心です。

制作会社に任せている場合

実装を外に任せている会社は、どのページに何が入っているかの一覧をもらってください。

一覧があれば、料金や住所を変えたときに、直すページを自社で指示できます。

一覧が無いまま担当者が替わると、何が入っているのかを誰も知らない状態になります。

提案を受けたときに聞く質問

構造化データの実装を「AI向け」として提案されたときは、断る前に質問をしてください。

答えを聞けば、通常の検索のための妥当な作業なのか、期待だけを売る項目なのかが分かります。

質問と、答えの読み方

聞く質問	検討できる答え	もう一度確かめたい答え
通常の検索のための実装と、作業のどこが違いますか	違いは無い、または違いを具体的に説明できる	違いの説明が無いまま、別の料金になっている
引用が増える根拠は、実験ですか、相関ですか	出どころと、調べた条件を答えられる	「引用されているページには入っている」だけが根拠になっている
Googleの文書の説明と、どう合いますか	特別な構造化データは不要、という説明を踏まえている	文書に触れず、AI専用の仕様があると説明する
入れたあと、何を数えて報告しますか	数えるものと時期が決まっている	入れたことの報告だけで終わる
本文に無い内容は、どう扱いますか	本文に書いてから写す、と答える	構造化データにだけ入れておく、と答える

右の列の答えが返ってきても、その会社が悪いと決まるわけではありません。

説明が足りていないだけのこともあるので、もう一度尋ねてから判断してください。

質問するときの姿勢

質問は、相手を試すためのものではありません。

構造化データの実装そのものは、通常の検索のために意味のある作業です。

目的を「AIに引用される」から「通常の検索で内容を正しく伝える」に置き換えて、同じ見積もりを読み直すと判断しやすくなります。

置き換えても納得できる内容なら、そのまま進めて構いません。

ほかの項目と一緒に提案された場合

構造化データは、ほかの施策とまとめて1つの見積もりに入っていることがあります。

提案全体の確かめ方は、LLMO対策の怪しい提案を見分ける記事にまとめました。

ほかの9つの施策は、一覧の記事で1つずつ確かめられます。

よくある質問

構造化データは、入れないほうがよいのですか

入れて構いません。

構造化データには通常の検索で内容や日付を伝える役割があり、Googleも、表示されるテキストと一致させることを基本の1つに挙げています。

やめるのは、入れれば引用されるという期待と、その期待だけを理由にした追加の費用です。

よくある質問の形にしておけば、AIがそのまま答えに使いますか

そうなると確かめた実験は、弊社が読んだ範囲では見つかっていません。

海外の実験では、本文の整え方だけを変えた2つの要因が、6つのモデルのどれでも有意な差に届きませんでした。

質問と答えを本文に書くこと自体は、読者の役に立ちます。

形より先に、答えの中に料金や条件といった事実が入っているかを確かめてください。

すでに「AI向け」として費用を払って入れました。無駄でしたか

入れた構造化データは、通常の検索のためにそのまま働きます。

外す必要はありません。

この記事の点検の表を使って、画面に表示されるテキストと合っているかを確かめれば、入れたものを生かせます。

Google以外のAIでは、構造化データが効くのではありませんか

効くとも効かないとも、いまの研究からは言い切れません。

Googleの文書が説明しているのは、GoogleのAIによる概要とAIモードだけです。

ほかのAIについては、構造化データの点と引用の相関を報告した調査が1本ありますが、因果を確かめた実験とは性質が違い、著者の立場にも注意が要ります。

分かっていないことに費用を払うかどうかは、通常の検索のための価値だけで元が取れるかで判断できます。

「引用されているページには構造化データが入っている」と言われました

その説明は、相関の話です。

海外の調査では、構造化データの点と引用の相関係数は0.63でしたが、同じ調査で、引用されたページの平均点は3点中0.34でした。

入っていないページも、引用されていたことになります。

根拠が実験なのか観察なのかを、提案した相手に尋ねてください。

まとめ

構造化データを入れれば引用される、という説明を支える公式の文書は、Googleにはありません。

Googleは2026年10月1日に確認した時点の文書で、AI機能のために特別な構造化データを追加する必要はないと書いています。

海外の実験では、本文の整え方を変えただけでは引用の勝ち負けは動きませんでした。

この実験は構造化データそのものを試しておらず、構造化データに触れた調査は相関を見たものです。

構造化データには、通常の検索で内容と日付を伝える役割があります。

入れるなら、本文に事実を書いたあとで、本文に書いてある内容をそのまま写します。

すでに入れている会社は、外さずに、画面のテキストと合っているかを点検してください。

見直す対象は構造化データでなく、「入れれば引用される」という期待のほうです。

今日できる点検

読み終えたら、自社のサイトで次の5つを確かめてください。

道具も費用も要らず、画面を見比べるだけで済みます。

確かめること	やり方	当てはまったら
見積書に「AI向け」の構造化データの項目があるか	手元の見積書や提案書の項目名を読む	通常の検索用の作業と何が違うのかを尋ねる
いちばん大事なページの本文に、料金と対応範囲が書いてあるか	そのページを開いて、文章として書かれているかを見る	構造化データより先に、本文に書く
画面の更新日と、構造化データの更新日が同じか	記事を1本開き、画面の日付と構造化データの日付を見比べる	内容を見直した日にそろえる
画面に無い内容が、構造化データにだけ入っていないか	よくある質問と評価の項目を、画面と見比べる	画面に足すか、構造化データから外す
どのページに何が入っているかの一覧があるか	制作会社か社内の担当者に尋ねる	一覧を作ってもらい、更新の担当を決める

5つのうち1つでも当てはまれば、そこが今日直す場所です。

全部を一度に直す必要はなく、2行目の本文の確認から始めれば、あとの行はその結果を写す作業になります。

ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。