構造化データとは？Entity（エンティティ）をAI SEOで伝えるSchema実装ガイド

構造化データとは、ページの内容を検索エンジンやAIが理解しやすい形式で補足するマークアップです。Google Search Centralの構造化データの解説では、ページ情報を分類してGoogleが理解しやすくするために標準化された形式を使うと説明されています。

AI SEOの文脈では、構造化データは「AIに魔法のように引用されるタグ」ではありません。正しくは、本文・著者・組織・FAQ・パンくず・更新日などの関係をクローラーにとって読みやすくし、検索エンジンやAIが誤解しにくい状態を作るための推奨フォーマットです。

01.構造化データとは

構造化データは、HTML本文とは別に、ページ内の情報を決まった語彙と形式で記述する仕組みです。一般的にはSchema.orgの語彙を使い、JSON-LD、Microdata、RDFaなどの形式で実装します。現在のSEO実務では、HTMLを汚さず管理しやすいJSON-LDを使うケースが多く、Googleの一般的な構造化データガイドラインでもJSON-LDが推奨形式として示されています。

JSON-LDが選ばれるのは、MicrodataやRDFaがHTMLの各要素に属性として情報を分散して埋め込むのに対し、JSON-LDはscriptタグ1か所に必要な情報をまとめて書けるためです。表示用のHTMLと構造化データを分けて管理でき、見た目のマークアップ構造に縛られずにエンティティの親子関係を記述できるので、後から探したり修正したりしやすくなります。

たとえば記事ページなら、「これはArticleである」「著者はPersonである」「発行元はOrganizationである」「このFAQはQuestionとAnswerである」と宣言します。人間には見出しやデザインで分かる情報を、機械にも同じように伝えるイメージです。

02.Entity（エンティティ）とは

Entity（エンティティ）は、人・組織・場所・製品・概念など、検索エンジンやAIが「意味を持つ対象」として識別できる単位です。SEOでは、キーワード一致だけでなく、誰が・何を・どの文脈で語っているかを正しく理解してもらうことが重要になります。

構造化データは、このEntityを機械可読に補足するための実装です。Organization、Person、Article、Product、Serviceなどの型を使い、サイト上の情報がどの対象を指しているかを本文と矛盾なく伝えます。

03.AI SEOで構造化データが果たす役割

AI検索では、単にページ本文が読めるだけでなく、情報の出どころ、更新日、著者、運営会社、質問と回答の対応関係が重要になります。構造化データは、それらをHTML上の断片ではなく、関係性のあるデータとして補足します。

• 検索エンジンがページタイプを理解しやすくなる
• 著者・監修者・発行元の関係を明示し、E-E-A-Tの説明を補助できる
• パンくず・レビュー・商品などリッチリザルト対象のSchemaでは、検索結果での見え方が変わり、視認性やクリック率の向上につながることがある
• リッチリザルトが表示されない場合でも、ページ内容の理解を助ける土台として機能する
• LLMやAIエージェントにとって、サイト内のエンティティ関係を把握しやすい

なお、Googleは2026年5月に公開した生成AI検索向けの最適化ガイドで、構造化データは生成AI検索の必須要件ではないと整理しています。AI検索のために慌てて追加するものではなく、リッチリザルトやエンティティ理解の補助として、検索全体のSEO施策の中で継続的に整えるのが正確な位置づけです。

ただし、構造化データに書いた内容は、本文にも見えている必要があります。本文にないレビュー点数、架空の著者、存在しないFAQをJSON-LDだけで追加すると、信頼性を損ないます。

04.実装すべきSchema一覧

構造化データの型は数が多く、どこから入れるか迷いがちです。すべてを一度に入れる必要はなく、まずは全サイトに共通して効く土台から始め、ページの種類に応じて優先度の高いものを足していくと進めやすくなります。

代表的なSchemaを、対象ページと実装目的とあわせて一覧にします。

Google検索でリッチリザルト対象になるSchemaは変わることがあります。実装前にはGoogle Search Centralのサポート対象一覧と個別ドキュメントを確認します。

05.JSON-LD実装例

記事ページでは、Article、Person、Organization、BreadcrumbListを@graphでまとめると、関係を管理しやすくなります。以下は最小例です。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://example.com/#organization",
      "name": "Example Inc.",
      "url": "https://example.com/",
      "logo": "https://example.com/logo.png",
      "sameAs": [
        "https://www.linkedin.com/company/example",
        "https://x.com/example"
      ]
    },
    {
      "@type": "Person",
      "@id": "https://example.com/about#author",
      "name": "山田 太郎",
      "worksFor": { "@id": "https://example.com/#organization" }
    },
    {
      "@type": "Article",
      "headline": "構造化データとは？AI SEOで効くSchema実装ガイド",
      "datePublished": "2026-05-09T00:00:00+09:00",
      "dateModified": "2026-05-09T00:00:00+09:00",
      "author": { "@id": "https://example.com/about#author" },
      "publisher": { "@id": "https://example.com/#organization" },
      "mainEntityOfPage": "https://example.com/articles/structured-data"
    }
  ]
}
</script>

実装時は、ページごとに手書きするより、CMSやフロントエンドの共通コンポーネントで生成する方が安全です。タイトル、説明文、公開日、更新日、著者、OGP画像を同じデータソースから出すことで、metaタグ・本文・JSON-LDの不一致を減らせます。

06.生成AIでJSON-LDを作成・検証する

JSON-LDの構文をゼロから手書きするのは手間がかかり、波括弧の対応やプロパティ名の打ち間違いも起こりやすい作業です。ここで、ChatGPT・Gemini・Claudeなどの生成AIにページの情報を渡して下書きを作らせると、実装のハードルを大きく下げられます。たとえば「以下の記事情報で、ArticleとOrganization、Personを@graphでまとめたJSON-LDを作ってください」と型を指定して依頼すると、雛形がすぐに出てきます。

対象URLまたはHTMLをもとに、Google検索でサポートされる構造化データのうち、このページに実装してよいSchemaを選んでください。

条件:
- ページ内に存在しない情報が必須プロパティになるSchemaは除外する
- グレーゾーンのSchemaは「推奨しない」に分ける
- 必須プロパティと推奨プロパティごとに、ページ内の取得元を示す
- JSON-LDは本文に見えている情報だけで作る
- 最新のGoogle公式ドキュメントの要件と照合する

出力:
1. 推奨Schema
2. 推奨しないSchemaと理由
3. JSON-LD下書き
4. 各プロパティの取得元
5. 人間が公開前に確認すべき点

07.sameAsとKnowledge Graph連携

sameAs プロパティは、Schema.org上のEntityが、公式SNS、Wikipedia、Wikidata、業界データベースなどWeb上の別表現と同一であることを示します。GoogleのKnowledge GraphやAI検索でブランド・著者・サービスが混同されないようにする補助線です。

08.よくある失敗と注意点

構造化データは、入れ方を少し誤るだけで信頼性を損なったり、検索エンジンだけに見える情報を作ってしまったりします。実装でつまずきやすい代表的な失敗と、その直し方を整理します。

09.検証・運用フロー

構造化データは、一度入れて終わりではありません。テンプレート変更、CMS移行、著者情報更新、FAQ追加のたびに壊れる可能性があります。公開前と公開後の両方で検証します。

• Googleのリッチリザルトテストで対象Schemaのエラーを確認する
• Schema Markup ValidatorでJSON-LDの構文エラーを確認する
• Google Search Consoleの拡張レポートでエラー・警告を定期的に確認する
• 本文、meta description、OGP、JSON-LDのタイトル・日付が一致しているか確認する
• 著者・会社・SNSのsameAsが古くなっていないか確認する

貼り付けた直後に構文だけ手早く確認したいときは、当サイトの無料ツールでも構文エラーの行・列を特定できます。

検証で警告が出ても、すべてが致命的とは限りません。ただし、必須プロパティの欠落、本文との不一致、構文エラーは優先して直しましょう。

10.llms.txtやE-E-A-Tとの関係

構造化データ、llms.txt、E-E-A-Tは役割が違います。E-E-A-Tは信頼される情報であることを本文・著者・運営体制で示す考え方、構造化データはその関係を機械可読にする実装、llms.txtはAIが読むべき重要ページを案内する補助ファイルです。

11.よくある質問（FAQ）

12.まとめ

構造化データは、AI SEOにおいて重要な土台です。順位を直接上げる魔法のタグではありませんが、記事・著者・発行元・FAQ・パンくずの関係を明確にし、検索エンジンやAIがEntityを理解しやすい状態を作れます。

まずは全サイト共通のOrganization、WebSite、BreadcrumbList、記事ページのArticleとPerson、FAQがあるページのFAQPageから始めます。そのうえで、本文品質、E-E-A-T、robots.txt、内部リンクを整えます。llms.txtは、重要ページを整理する余力がある場合の補助施策として扱いましょう。