構造化データはSEOとAI検索にどう効く？JSON-LDの書き方と実装例

構造化データとは、schema.orgの語彙をJSON-LD形式で用い、ページの内容を検索エンジンや生成AIに機械可読な形で伝えるマークアップであり、SEOのリッチリザルト表示とAIによる正確な情報理解を支える基盤である。

「構造化データはSEOに効くのか」「AI検索の時代に実装する意味はあるのか」——この2つの問いに、Googleの公式見解と学術研究をもとに答えます。本記事では、構造化データのSEO効果とAI検索への影響、そしてOrganization・Article・FAQPageなどのJSON-LDの書き方と実装のポイントを、PR型LLMO対策を提供する株式会社FrankPRが解説します。

構造化データとは？SEOの基礎知識

構造化データは、schema.orgの語彙（ボキャブラリ）でページ内容を機械可読に記述するマークアップで、Googleが実装形式として推奨するのがJSON-LDです。本文とは別に「これは組織情報」「これは記事」「これはよくある質問」といった意味づけを、検索エンジンや生成AIへ直接伝えます。

構造化データの記述形式には、次の3種類があります。

3形式のうちGoogleが推奨するのはJSON-LDです。本文HTMLに手を入れずスクリプトとして追加でき、実装・更新の負担が小さいためです。本記事も以降はJSON-LDに絞り、語彙はschema.orgが定義する共通ボキャブラリを使います。

構造化データがSEOに与える影響 — 順位への直接効果とリッチリザルト

構造化データは検索順位を直接引き上げるランキング要因ではありませんが、リッチリザルト表示の対象となり、検索結果での視認性とクリック率の改善が期待できます。

「構造化データはSEOに効くのか、効かないのか」は、この2つの層を分けると整理できます。Googleは公式ドキュメントで、構造化データはランキングを直接押し上げる要素ではない一方、ページ理解を助け対応するリッチリザルト（検索結果の拡張表示）の対象になると説明しています。「順位が上がる魔法」ではなく「正しく理解され、目立つ形で表示されるための土台」です。

リッチリザルトの代表例には、次のようなものがあります。

• パンくずリスト（BreadcrumbList）: 検索結果にサイト階層を表示
• 記事（Article）: 見出し・公開日・掲載元を構造化して伝達
• よくある質問（FAQPage）: 質問と回答を検索結果やAI回答面で参照しやすくする

視認性やクリック率の改善は、間接的に検索パフォーマンスへ寄与します。順位の直接操作を期待するのではなく、「ページの意味を誤解なく伝える」ことが構造化データの本質的な価値です。

AI検索・生成AIにとって構造化データが重要な理由

構造化データは、組織名・サービス・よくある質問といったエンティティ情報を生成AIが誤解なく取得するための基盤であり、AI検索対策としてのLLMO対策の一要素です。

生成AIの回答面では、引用される情報源に偏りがあります。Surfer SEO「AI Citation Report 2025」（2025年3〜8月に3,600万件のAI Overviewsと4,600万件の引用を分析）では、GoogleのAI回答の引用がYouTube（約23.3%）・Wikipedia（約18.4%）・Google.com（約16.4%）に集中していました。引用されるかどうかは、自社の事実情報が「取得しやすく誤解のない構造」で存在しているかに左右されます。

ここで注意したいのは、効果の帰属です。KDD 2024に採択された研究「GEO: Generative Engine Optimization」（IIT Delhi／Princeton University）は、権威ある第三者出典・統計・引用をコンテンツに付与することで、生成AI回答内の可視性が最大40%向上することを実証しました。この40%は「コンテンツへの出典・統計・引用の付与」による効果であり、構造化データ単体の効果を測定したものではありません。

構造化データはこれとは別のレイヤーで、AIが組織・記事・FAQといったエンティティを正確に識別する助けになると考えられます。中身のある情報と、それを機械可読にする構造は、AI検索対策では両輪の関係です。LLMOの全体像はLLMOとは（生成AIに情報を最適化する基礎知識）で、AI Overviewへの対策はAIO対策（AI Overview対策）とは何かの解説で整理しています。

優先実装すべき4つのスキーマ — Organization・Article・FAQPage・BreadcrumbList

企業サイトで優先度が高いのは、Organization・Article・FAQPage・BreadcrumbListの4スキーマです。組織の基本情報、記事、よくある質問、サイト階層という、AIと検索エンジンが企業を理解する上での基礎情報をカバーできます。

株式会社FrankPRの公式サイト（frank-pr.jp）のPR型LLMO対策サービスページでは、Organization・Service・FAQPage・BreadcrumbListの各スキーマをJSON-LDで実装しています。Organizationで社名・所在地・受賞歴・関連ドメイン（sameAs）を、FAQPageでよくある質問を機械可読にし、生成AIが企業とサービスの実体を取得しやすい構造にしています。設計の全体像は構造化データ実装を含むPR型LLMO対策サービスで扱っています。

JSON-LDの書き方 5ステップ

JSON-LDの実装は、次の5ステップで進めます。

1. @contextと@typeを宣言する: 語彙の基準（schema.org）と記述するデータの種類（Organization等）を指定します。
2. 必須・推奨プロパティを記述する: スキーマごとの項目（Organizationならname・url等）を実際のページ内容と一致させます。
3. <script>タグで設置する: type="application/ld+json"を指定し、対象ページのHTMLに埋め込みます。
4. リッチリザルトテストで検証する: Googleのリッチリザルトテストやスキーママークアップ検証ツールでエラー・警告を確認します。
5. 公開後も更新する: ページ内容の変更にあわせて構造化データも更新し、本文との食い違いを防ぎます。

Organizationスキーマの記述例は次のとおりです。

{
  "@context": "https:\/\/schema.org",
  "@type": "Organization",
  "name": "株式会社サンプル",
  "url": "https:\/\/example.com\/",
  "logo": "https:\/\/example.com\/logo.png",
  "description": "サンプル企業の事業内容を表す説明文。",
  "sameAs": [
    "https:\/\/example.com\/about"
  ]
}

このJSONを、対象ページのHTMLに次の形で設置します。

<script type="application/ld+json">
{
  "@context": "https:\/\/schema.org",
  "@type": "Article",
  "headline": "記事のタイトル",
  "datePublished": "2026-01-01",
  "author": { "@type": "Organization", "name": "株式会社サンプル" }
}
</script>

よくある質問をFAQPageで記述する場合は、質問（Question）と回答（Answer）をmainEntityに並べます。

{
  "@context": "https:\/\/schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "構造化データとは何ですか？",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "schema.orgの語彙でページ内容を機械可読にするマークアップです。"
    }
  }]
}

なお、上記コードのURLはJSON仕様に沿ってスラッシュを\/とエスケープしています。通常の/表記と同じ意味で、PHPなどが自動出力する形式です。掲載するコードは、公開前に必ずリッチリザルトテストでエラーがないことを確認してください。

構造化データに労力をかけすぎない — よくある失敗と正しい優先順位

構造化データは単体では効果が限定的であり、コンテンツの質・E-E-A-T・第三者情報源の構築とあわせて初めて機能します。

よくある失敗は、構造化データの実装だけで検索順位やAI引用が改善すると期待することです。前述のとおり構造化データはランキングの直接要因ではなく、GEO研究が示した可視性向上の要因も「コンテンツへの出典・統計・引用の付与」でした。本文が薄いまま構造だけを整えても、伝えるべき「中身」がなければ評価にはつながりません。

正しい優先順位は、次の順で土台を積み上げることです。

1. AIや検索ユーザーの疑問に答える質の高いコンテンツを用意する
2. 著者・運営者情報や一次情報でE-E-A-T（経験・専門性・権威性・信頼性）を担保する
3. その情報を構造化データで機械可読にする
4. 第三者メディアなど自社の外に信頼できる情報源を積み上げる

構造化データはこれらを支える「伝達層」であり、LLMO対策全体の中では入口の一要素です。実装手順の全体像はLLMO対策のやり方 完全ガイドで、権威性の担保についてはE-E-A-TとAI検索時代の権威性で詳しく解説します。

株式会社FrankPRのPR型LLMO対策 — 構造化データを外部評価まで届かせる

FrankPRのPR型LLMO対策は、SDGsストーリーの発掘・第三者メディア露出・自社サイトのAI最適化・Wikipedia水準の特筆性構築までを一気通貫で支援し、生成AIに中長期的に評価される「ブランド権威（オーソリティ）」の構築をゴールとするサービスです。なお、Wikipediaへの掲載可否はウィキペディアコミュニティの合意と各方針（特筆性・検証可能性・中立性）に基づいて判断されるものであり、掲載を保証することはできません。

構造化データやFAQの整備といった自社サイト内のAI最適化は重要な一手ですが、それだけでは生成AIが信頼する第三者の情報源には届きません。株式会社FrankPRは、構造化データの実装からその情報を裏づける報道・取材・第三者メディアの構築まで、AI検索対策とLLMO対策を情報発信の戦略から立て直します。まずは現状を把握したい場合は、構造化データを含むAI検索対策の現状を無料AI検索可視化診断で確認することができます。サービスの全体像はAI最適化まで一気通貫のPR型LLMO対策サービスを見るからご覧ください。

株式会社FrankPR（2018年10月設立・東京都千代田区）— SDGsストーリーの発掘・第三者メディア露出・自社サイトのAI最適化・Wikipedia水準の特筆性構築までを一気通貫で支援する「PR型LLMO対策」を提供。全ての国務大臣から構成されるSDGs推進本部から第6回ジャパンSDGsアワード 外務大臣賞を受賞し、日本経済新聞・BSフジ「知りたい！SDGs」・NewsPicks等のメディア掲載実績を持つ。運営するエシカルレザーブランドRaffaelloの取り組みは第9回環境省グッドライフアワード 実行委員会特別賞（環境と福祉賞）を受賞。代表取締役の松尾真希は国際的プレゼンテーションイベントTEDxAwaji2025のプレゼンテーターに選出。