AEOに効く構造化データとは？LLMに引用されるスキーマの種類をコード例で解説

構造化データは、AIエンジンが話す「言語」です

ユーザーがPerplexityに「2026年のrobots.txtのベストプラクティスは？」と尋ねたとき、Perplexityは関連ページを見つけて要約するだけではありません。内容を構造化された、抜き出しやすい形で伝えているページを積極的に探しています。マークアップされたQ&Aのペアで質問に直接答えているページは、同じ情報を構造化されていない文章で書いたページよりも、はるかに引用されやすくなります。

これが、AEO（Answer Engine Optimization：回答エンジン最適化）における構造化データ（スキーママークアップ）の核心です。構造化データは、もはやGoogleのリッチリザルトのためだけのものではありません。AIエンジンが「引用できるコンテンツ」を見分けるための、もっとも重要な技術シグナルなのです。AEO向けにスキーマを正しく整えるには、どの種類がLLMの引用につながるのか、どう正しく実装するのか、そして効果を最大化するにはどの順番で取り組むべきかを理解する必要があります。

このガイドでは、AEO向けスキーマの全体像を解説します。重要な種類、それぞれの実装コード、そしてAI Rank Labのスキーマジェネレーターを使うお客様に私たちがおすすめしている優先順位の考え方です。

LLMは構造化データをどう使っているのか（実際の流れ）

AIエンジンがスキーマをどう使うかを理解すると、実装のしかたも変わります。実際のプロセスは次のとおりです。

1. クロール：AIクローラー（GPTBot、ClaudeBot、PerplexityBot）が、ほかのWebクローラーと同じようにページをクロールします

2. 構造化データの抽出：クローラーが、ページのheadセクションやインラインscriptからJSON-LDを抽出します

3. エンティティのマッピング：構造化データをもとに、コンテンツがschema.orgのエンティティタイプ（Question、Answer、HowToStep、Product、Personなど）に対応づけられます

4. ナレッジグラフへの統合：抽出されたエンティティが、AIシステムの学習データやリアルタイムのナレッジベースに追加されます

5. 引用の重みづけ：回答を生成するとき、AIシステムは具体的な事実やQ&Aについて、構造化されていない文章よりも構造化データのある情報源を重く評価します

実務的にいえば、スキーマで引用が保証されるわけではありません。ただ、コンテンツが正確に抽出され、正しく引用される確率は劇的に上がります。AIエンジンは確率で動いています。スキーマは「このコンテンツが何を意味し、どの質問に答えているのか」というあいまいさを取り除いてくれるのです。

AEO向けスキーマの優先順位

すべてのスキーマがAIでの引用率に同じだけ貢献するわけではありません。AIエンジン全体の引用パターンを分析した結果から、優先順位は次のとおりです。

優先度1：FAQPageスキーマ（AEOへの効果が最大）

FAQPageスキーマは、AI検索の対話形式をそのまま映し出しています。Question／acceptedAnswerのペア一つひとつが、パッケージ済みの引用単位です。AIエンジンがユーザーの質問と照らし合わせられる「質問」と、抜き出して出典を示せる「回答」がセットになっています。FAQPageスキーマの構造とLLMの回答生成の仕組みとの相性は、あらゆるスキーマの中でもっとも密接です。

実装のポイント：FAQの回答は、予防線を張った言い回し（「〜を検討するのもよいかもしれないと考える人もいます」）ではなく、直接的で自信のあるトーン（「もっとも効果的な方法はX、Y、Zの3つです」）で書きましょう。AIエンジンは、あいまいな文章よりも抜き出しやすい断定的な文を好みます。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "What is the difference between AEO and SEO?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "SEO (Search Engine Optimization) optimizes content for Google's ranking algorithm. AEO (Answer Engine Optimization) optimizes content to be cited by AI answer engines like ChatGPT, Perplexity, and Gemini. AEO requires different signals: structured Q&A content, FAQPage schema, AI bot access, and citation-ready writing style."
      }
    },
    {
      "@type": "Question",
      "name": "How many FAQ items should I include in FAQPage schema?",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Include 3-10 FAQ items per page. Google displays up to 10 in rich results. For AEO, quality matters more than quantity - each FAQ should answer a distinct, real question users ask. Avoid padding with low-value questions."
      }
    }
  ]
}

優先度2：HowToスキーマ

HowToスキーマは、FAQPageの「手順版」です。ユーザーがAIエンジンにやり方を尋ねたとき（「AIクローラー向けにrobots.txtを監査するには？」など）、HowToスキーマはAIエンジンが抜き出せる、構造化されたステップ形式の回答を提供します。HowToStepタイプは、AIエンジンが手順を説明するときに使う番号付きステップの形式に自然に対応します。

実装のポイント：各ステップは本当に独立していて、すぐ実行できるものにしてください。「目標について考える」のようなステップは役に立ちません。「yourdomain.com/robots.txtでrobots.txtファイルを開き、User-agent: GPTBotの行を探す」のようなステップなら、そのまま引用できます。

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "How to audit your robots.txt for AI crawler access",
  "description": "Step-by-step guide to checking and correcting robots.txt for GPTBot, ClaudeBot, and PerplexityBot access.",
  "totalTime": "PT10M",
  "step": [
    {
      "@type": "HowToStep",
      "name": "Check your current robots.txt",
      "text": "Navigate to yourdomain.com/robots.txt in your browser. This shows the live file as crawlers see it.",
      "position": 1
    },
    {
      "@type": "HowToStep",
      "name": "Identify AI crawler rules",
      "text": "Search the file for User-agent entries that match GPTBot, ClaudeBot, anthropic-ai, and PerplexityBot. If none exist, the wildcard User-agent:* rule applies.",
      "position": 2
    },
    {
      "@type": "HowToStep",
      "name": "Add explicit allow rules",
      "text": "Add User-agent: GPTBot / Allow: / entries for each AI crawler you want to permit. This overrides any restrictive wildcard rules.",
      "position": 3
    }
  ]
}

優先度3：E-E-A-Tシグナルを網羅したArticleスキーマ

Articleスキーマは、FAQPageのようにAIエンジンが具体的な回答を見つける助けにはなりません。その価値は、AIエンジンが「そもそも引用する価値のある情報源か」を判断するための信頼シグナル（E-E-A-T）を積み上げることにあります。Articleスキーマも著者情報も公開日もないドメインは、すべての記事で「誰が、いつ書いたのか、なぜその著者がこのテーマで信頼できるのか」をはっきり示しているドメインよりも引用されにくくなります。

AEOでの効果を最大化するには、Articleスキーマに実在するPersonエンティティにつながる著者データを含めましょう。著者名、プロフィールや経歴ページ（LinkedIn、個人サイト）へのリンク、できれば肩書きや資格も入れるのが理想です。

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "Schema Markup for AEO: Which Types Drive LLM Citations",
  "description": "Complete guide to schema markup for answer engine optimization...",
  "datePublished": "2026-07-23",
  "dateModified": "2026-07-23",
  "author": {
    "@type": "Person",
    "name": "Devanshu",
    "url": "https://airanklab.com/about",
    "jobTitle": "AI Search Optimization Specialist"
  },
  "publisher": {
    "@type": "Organization",
    "name": "AI Rank Lab",
    "logo": {
      "@type": "ImageObject",
      "url": "https://www.airanklab.com/logo.png"
    }
  },
  "image": "https://www.airanklab.com/blog/schema-aeo-hero.jpg",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://www.airanklab.com/blog/schema-markup-for-aeo-llm-citations"
  }
}

優先度4：BreadcrumbListスキーマ

BreadcrumbListは、トピックの階層をAIエンジンに伝えます。「このページはこのカテゴリに属し、そのカテゴリはさらに大きなこのトピック領域に属している」という情報です。AIエンジンはサイト構造を権威性の目安として使います。トピックの階層がはっきりしているサイト（ホーム > ブログ > AEO入門 > 構造化データ）は、すべてのページがバラバラに存在しているように見えるサイトよりも、AEOのテーマで引用する情報源として信頼されやすくなります。

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://www.airanklab.com"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Blog",
      "item": "https://www.airanklab.com/blog"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "AEO Education",
      "item": "https://www.airanklab.com/blog/category/aeo"
    },
    {
      "@type": "ListItem",
      "position": 4,
      "name": "Schema Markup for AEO"
    }
  ]
}

優先度5：Organizationスキーマ（サイト全体）

トップページのOrganizationスキーマは、エンティティを宣言する土台です。AIエンジンに「このWebサイトはこの組織が運営していて、この分野でこういうことをしていて、連絡先はこれです」と伝えます。Organizationスキーマがないと、AIエンジンはページの内容からブランドが何者なのかを推測するしかなく、その推測は不完全だったり間違っていたりするかもしれません。

Organizationスキーマは、GEO（Generative Engine Optimization：生成エンジン最適化）におけるブランドの語られ方の起点でもあります。LLMが回答の中であなたの会社を説明するとき、Organizationスキーマを含むエンティティデータを参照します。Organizationスキーマの説明文、名称、業種、URLを正しく整えることは、SEOのシグナルであると同時にGEOのシグナルでもあるのです。

1つのページで複数のスキーマを組み合わせる

1つのページに複数のスキーマを入れることはできますし、入れるべきです。私たちの分析でAEOの効果が高かったページは、たいてい次のように組み合わせていました。

• Article＋FAQPage：ArticleスキーマがE-E-A-Tの文脈と出典を示し、FAQPageスキーマがQ&Aを直接抽出できるようにします。「誰を信頼すべきか」と「答えは何か」の両方をカバーできる組み合わせです。

• Article＋BreadcrumbList：すべての記事に両方を入れ、著者のシグナルとあわせてトピックの階層も伝えましょう。

• HowTo＋FAQPage：手順の解説に加えて、その手順にまつわるよくある質問にも答えるチュートリアル向けです。HowToが手順そのものを、FAQPageが周辺の疑問をカバーします。

スキーマを組み合わせるには、JSON-LDの配列を使うか、scriptブロックを分けます。どちらも有効です。

<script type="application/ld+json">
{ Article schema here }
</script>

<script type="application/ld+json">
{ FAQPage schema here }
</script>


<script type="application/ld+json">
[
  { Article schema here },
  { FAQPage schema here }
]
</script>

AEO向けスキーマでやってはいけないこと

表示されている内容と食い違うスキーマ

もっともよくあり、もっともダメージの大きいミスです。FAQPageスキーマにページ上に表示されていない回答が含まれていると、AIエンジンはそのスキーマを誤解を招くおそれがあるものとみなし、引用の重みを下げます。スキーマのすべてのフィールドは、ページ上に表示され、クロールできる内容と一致していなければなりません。

決まり文句だけの回答

電話をするよう促すだけ、あいまいで答えになっていない、何にでも予防線を張っている。こうしたFAQPageの回答は、役立つ回答として抜き出せないため、引用される可能性を下げます。「料金はお問い合わせください」は引用できる回答ではありません。「料金はStarterプランの月額$69から。毎月10,000クレジットが含まれます」なら引用できます。

関係のないスキーマを詰め込みすぎる

ブログ記事にProductスキーマを入れたり、お問い合わせページにFAQPageスキーマを入れたりすると、シグナルのノイズになります。AIエンジンはページの文脈に合わないスキーマを見抜けるため、構造化データ全体への信頼が下がることもあります。ページの種類を正確に表すスキーマを使いましょう。

AI検索最適化の全体像を見落とす

スキーマはAEOというパズルの1ピースにすぎません。引用されるコンテンツの条件を全体的に知りたい方は、AI検索最適化ガイドをご覧ください。スキーマの実装に加えて、コンテンツ戦略、エンティティの明確さ、技術面のセットアップ全体を解説しています。

今のスキーマのカバー状況を監査する方法

新しいスキーマを追加する前に、まず今あるものを監査しましょう。多くのサイトでは、スキーマが不完全だったり正しく実装されていなかったりするので、新しいスキーマを足す前にそこを直す必要があります。

いちばん早い監査の進め方はこうです。

1. 主要なページをGoogleのリッチリザルトテストにかけます。検出されたすべてのスキーマと検証エラーが表示されます

2. AI Rank Labの総合監査ツールで、サイト全体のスキーマのカバー状況をチェックします。どのページタイプにスキーマがあり、どれに欠けていて、どれに実装エラーがあるかがわかります

3. スキーマジェネレーターで、エラーのあるページの修正版を作成します

監査（抜け漏れを見つける）とジェネレーター（それを埋める）の組み合わせは、ある程度以上のページ数があるサイトにとって、もっとも効率的なスキーマ実装のワークフローです。

まとめ

AEO向けの構造化データは、テクニカルSEOのチェック項目を埋めるためのものではありません。AIエンジンがコンテンツを見つけ、抜き出し、引用するときに使う「言語」で話すことです。FAQPageスキーマはAIの回答生成に直接対応しているため、最優先で投資すべき対象です。HowToスキーマはそれを手順系のコンテンツに広げ、Articleスキーマは信頼のレイヤーを築きます。この3つがそろうと、AIエンジンが「何が書かれていて、誰がいつ書き、どの質問に答えているのか」を把握したうえで、安心して引用できるページになります。

ここで紹介したスキーマは、AI Rank Labの無料スキーマジェネレーターで実装できます。また、総合監査を実行すれば、今のスキーマのカバー状況の抜け漏れがわかります。AEOの体制をしっかり整えたいチームにとって、スキーマの実装は、数ある技術施策の中でもっとも早くROIが出る一手です。