前回の記事では、LLMO戦略の本質は「ブランドの文脈を正しく広げ、エンティティの強い繋がりをつくること」だとお伝えしました。
今回はいよいよ実践編です。
「では、具体的に何をすればいいのか？」という疑問に対して、今回は、
検索エンジンやAI（LLM）が自社を正しく認識するための技術的な仕組みを解説します。
ナレッジグラフを強固にし、AIに「実体」を正しく認識させるためには、単なる情報の羅列ではなく、エンティティ同士の「関係性」を明示する構造化データ（JSON-LD）が不可欠です。
この記事でわかること
- AIがナレッジグラフを通じて自社をどう認識するか
- 特に注力すべき4つのJSON-LDスキーマとその実装方法
- 実装後に「AIが正しく読み取れているか」を確認するステップ
JSON-LDが「ナレッジグラフの言語」である理由
前回の話でエンティティを強化することが重要だとわかりました。でも、具体的にどうやって「エンティティの関係性」をGoogleやAIに伝えればいいんですか？
いい質問です。
AIや検索エンジンは、Webページの文章を読んでいますが、「意味」を正確に理解するためには「構造化された言語」が必要です。
それがJSON-LDです。
JSON-LDとは、HTMLのページに埋め込む構造化データの形式で、Schema.orgという国際標準の語彙を使って「この情報が何を意味するか」をAIに直接伝えます。
たとえば、「東京都渋谷区にある、〇〇専門とする会社」という情報を、人間が読む文章として書くのと、JSON-LDで構造的に定義するのでは、AIへの伝達精度がまったく異なります。
なぜJSON-LDが重要なのか
文章（自然言語）は、AIが「推測」して意味を読み取ります。一方、JSON-LDは「断言」です。「この会社はこういうものである」と機械が理解できる言語で宣言することで、ナレッジグラフへの登録精度が劇的に向上します。
特に注力すべき4つのJSON-LD
AIは、あるブランドについて以下の4つの問いを含む複数の条件からナレッジグラフを完成させさせていきます。
中でも主要な要素は、下記の4つです。
| No. | AIの問い | 対応するスキーマ | 役割 |
|---|---|---|---|
| ① | 何者か？ | Organization / LocalBusiness | 自己定義 |
| ② | 信頼できる人/組織か？ | Person / knowsAbout | 権威性 |
| ③ | 良いものか？ | Service / Review | 社会的証明 |
| ④ | 他でもそう言われているか？ | sameAs | 外部連携 |
これら4点を網羅することが、競合と圧倒的な差をつけるナレッジグラフ構築の最短ルートです。順番に解説していきます。
① 組織・ローカルビジネスの「実体」を定義する
Organization / LocalBusiness スキーマ
まず最初に何を実装すればいいですか？
最初の一手は「Organization（組織）」または「LocalBusiness（地域ビジネス）」スキーマです。
自社が『どこで』『何を』している『何者』かを定義します。これはWeb上の断片的な情報を統合し、特定の法人や店舗を一つのユニークな実体として検索エンジンに認識させるための、いわば「デジタル上の戸籍」です。
ホームページのトップページや会社概要ページに設置することで、Googleが組織の管理詳細をより正確に理解し、検索結果において自社を明確に識別できるようになります。
“Adding organization structured data to your home page can help Google better understand your organization’s administrative details and disambiguate your organization in search results.”
（ホームページに組織の構造化データを追加することで、Googleが組織の管理詳細をよりよく理解し、検索結果において組織を明確に識別（曖昧さを排除）するのに役立ちます。）
引用元：Google Search Central – Organization Schema Markup
“Organization schema is the foundational markup that defines your corporate entity. It establishes your brand identity, consolidating essential details like your official name, logo, contact information…”
（Organizationスキーマは、企業の実体を定義する基礎となるマークアップです。正式名称、ロゴ、連絡先情報などの重要な詳細を統合することで、ブランド・アイデンティティを確立します。）
引用元：Outpace SEO – The Definitive Guide to Schema Markup & Structured Data
トップページ・会社概要ページの<head>タグ内、または<body>タグ内に設置します。1ページに1つのOrganizationスキーマを定義するのが基本です。
実装サンプル（LocalBusiness）
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"name": "株式会社〇〇",
"alternateName": "〇〇〇〇〇〇",
"url": "https://example.com",
"logo": "https://example.com/logo.png",
"image": "https://example.com/ogp.jpg",
"description": "〇〇市を中心に〇〇専門とする会社です。",
"foundingDate": "2005",
"telephone": "0000-00-0000",
"email": "info@example.com",
"address": {
"@type": "PostalAddress",
"streetAddress": "〇〇町1-2-3",
"addressLocality": "〇〇市",
"addressRegion": "〇〇県",
"postalCode": "000-0000",
"addressCountry": "JP"
},
"geo": {
"@type": "GeoCoordinates",
"latitude": 36.000,
"longitude": 139.000
},
"openingHoursSpecification": [
{
"@type": "OpeningHoursSpecification",
"dayOfWeek": ["Monday","Tuesday","Wednesday","Thursday","Friday"],
"opens": "09:00",
"closes": "18:00"
}
],
"priceRange": "¥¥"
}
</script>
② 専門家としての「権威性」を紐付ける
Person スキーマ
組織としての情報を定義したら、次は何ですか？
次は「Person（人物）」スキーマです。『誰が』その情報を発信しているかを明示することで、E-E-A-T（経験・専門性・権威性・信頼性）を強化します。
LLMO視点では、個人の活動と組織を結びつけることが非常に重要です。AIは「著者名」という文字列ではなく、『特定の専門知識を持つエンティティ』として人物を認識するからです。
「誰が書いたか（Who）」を重視するE-E-A-Tの評価基準において、コンテンツを執筆・監修する個人の実体と、その人物が所属する組織（Organization）を結びつけることで、ナレッジグラフ上の「権威性ノード」が生成されます。
“Entity disambiguation schema has become the highest-leverage implementation: SameAs, knowsAbout, and Organization schema pointing to authoritative external identifiers… dramatically improve Knowledge Graph entity recognition.”
（エンティティの曖昧さ回避スキーマは、最も効果の高い実装となっています。SameAs、knowsAbout、および権威ある外部識別子を指すOrganizationスキーマは、ナレッジグラフのエンティティ認識を劇的に向上させます。）
引用元：Digital Applied – Schema Markup After March 2026
knowsAboutプロパティは、その人物が「何の専門家か」をAIに直接宣言する最重要フィールドです。自社のサービスキーワードと一致させることで、「このサービスに関してはこの人物が専門家」という文脈をナレッジグラフに刻み込みます。
実装サンプル（Person）
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Person",
"name": "山田 太郎",
"jobTitle": "代表取締役 / 〇〇士 〇〇専門家",
"url": "https://example.com/about/yamada",
"image": "https://example.com/yamada.jpg",
"description": "〇〇歴20年。延べ1,000件以上の実績を持つ専門家。",
"knowsAbout": [
"〇〇",
"〇〇",
"〇〇",
"〇〇",
"〇〇"
],
"worksFor": {
"@type": "Organization",
"name": "株式会社〇〇〇〇",
"url": "https://example.com"
},
"sameAs": [
"https://www.facebook.com/yamada-example",
"https://twitter.com/yamada_example",
"https://www.linkedin.com/in/yamada-example"
]
}
</script>
③ サービスの「具体性」と「評価」を定義する
Service / AggregateRating スキーマ
組織と人物の情報を整えたら、次は何ですか？
次は「何ができるか（Service）」と「世間からどう評価されているか（AggregateRating）」です。
ナレッジグラフにはこの2つの属性情報が必要で、特にAggregateRatingは、AIが回答を生成する際の『推薦の根拠』として強力な重み付け（シグナル）になります。
ナレッジグラフにおいて、サービス内容と顧客評価の結びつきは「信頼性」のスコアに直結します。
ユーザーがサイトを訪れる前から、「この業者は信頼できるか？」という問いに対する答えをAIに提供する役割を果たします。
“Schema helps Google understand your product’s quality and value… It provides immediate social proof. Before a user even visits your site, they have an answer to their most important question: ‘Can I trust this product and this seller?'”
（スキーマはGoogleが製品の品質と価値を理解するのに役立ちます。これは即座に社会的証明を提供します。ユーザーがサイトを訪れる前に、「この製品と販売者を信頼できるか？」という最も重要な問いに対する答えを与えます。）
引用元：Why Google Review Schema Is Critical
AggregateRating の注意点Googleのガイドラインでは、実際の口コミ・評価のみを反映する必要があります。架空の評価を記載することはペナルティの対象となります。
GoogleビジネスプロフィールやSNSの実績を元に設定しましょう。
実装サンプル（Service + AggregateRating）
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "Service",
"name": "〇〇",
"serviceType": "〇〇〇〇",
"description": "〇〇の設計・デザインを承ります。",
"provider": {
"@type": "LocalBusiness",
"name": "株式会社〇〇〇〇",
"url": "https://example.com"
},
"areaServed": {
"@type": "〇〇〇〇",
"name": "〇〇県"
},
"hasOfferCatalog": {
"@type": "OfferCatalog",
"name": "〇〇メニュー",
"itemListElement": [
{
"@type": "Offer",
"itemOffered": {
"@type": "Service",
"name": "〇〇"
}
},
{
"@type": "Offer",
"itemOffered": {
"@type": "Service",
"name": "〇〇"
}
},
{
"@type": "Offer",
"itemOffered": {
"@type": "Service",
"name": "〇〇"
}
}
]
},
"aggregateRating": {
"@type": "AggregateRating",
"ratingValue": "4.8",
"reviewCount": "120",
"bestRating": "5",
"worstRating": "1"
},
"review": [
{
"@type": "Review",
"author": {
"@type": "Person",
"name": "〇〇様（〇〇市）"
},
"reviewRating": {
"@type": "Rating",
"ratingValue": "5"
},
"reviewBody": "打ち合わせから〇〇まで丁寧で、〇〇も期待以上でした。"
}
]
}
</script>
④ ナレッジグラフを「接続」する（sameAs の活用）
sameAs プロパティ
最後は、ナレッジグラフを接続する工程ですね？
はい。sameAsは、自社サイト内の情報だけでなく、外部の信頼できるエンティティと自社を『＝（イコール）』で結びつけるプロパティです。
自社サイト内の情報だけでは『自称』に過ぎません。
Wikipedia・SNS・業界ディレクトリ・専門の情報サイトなどの第三者メディア上の情報と、自社サイト上の実体が『同一である』と宣言することで、ナレッジグラフの信頼スコアが爆発的に高まります。
“The single highest-leverage schema implementation available in 2026 is not tied to any specific content type — it is the entity markup that identifies your organization as a known, verified entity in Google’s Knowledge Graph.”
（2026年において利用可能な最も効果の高い単一のスキーマ実装は、特定のコンテンツタイプに関連するものではありません。）
（それは、あなたの組織をGoogleナレッジグラフ上の『既知の、検証済みのエンティティ』として特定するエンティティ・マークアップ（sameAs等を含む）です。）
引用元：Schema Markup After March 2026
sameAs に指定すべき外部URL
| 種類 | 具体例 | 信頼スコアへの影響 |
|---|---|---|
| Wikipedia / Wikidata | 自社や創業者のWikipediaページ | ◎ 最高レベル |
| SNS公式アカウント | X（Twitter）、Facebook、Instagram | ○ 高い |
| 業界DB・ディレクトリ | 免許等のDB、地域商工会 | ○ 高い |
| 第三者メディア | 専門誌・情報サイトの掲載ページ | ◎ 非常に高い |
| Google ビジネス | Googleビジネスプロフィール | ○ 高い |
第三者の「情報誌」や「比較サイト」が自社を掲載している場合、そのURLをsameAsに含めることで大きな効果が得られます。
これは「自社が言っている」だけでなく「第三者も同じ実体として認識している」という宣言になるからです。自社サイトからだけでなく、メディア側でも自社を正しいエンティティとして定義してもらうことが、ナレッジグラフの信頼スコアを最大化します。
実装サンプル（sameAs をOrganizationに統合）
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "LocalBusiness",
"name": "株式会社〇〇〇〇〇〇",
"url": "https://example.com",
"sameAs": [
"https://www.facebook.com/〇〇",
"https://twitter.com/xxxx_〇〇",
"https://www.instagram.com/xxxx_〇〇",
"https://ja.wikipedia.org/wiki/〇〇",
"https://www.wikidata.org/wiki/Q0000000",
"https://g.co/kgs/xxxxxxx",
"https://example-media.jp/companies/xxxx-exterior"
]
}
</script>
以上の「自己定義・権威性・社会的証明・外部連携」の4点をJSON-LDで網羅することが、他社と圧倒的な差をつけるナレッジグラフ構築となります。
実装後の次のステップ
JSON-LDを設置したら、それで完了ですか？
設置はスタートラインです。重要なのは『AIが正しく読み取れているか』を検証することです。いずれかの方法で必ず確認してください。
リッチリザルト テスト（Google公式）
GoogleがJSON-LDをエラーなく認識できているかを確認します。エラーが1件でもあると、スキーマが無効になる場合があります。
🔗 https://search.google.com/test/rich-results
Schema Markup Validator
構造化データの論理構造が正しいかを検証します。リッチリザルトテストではエラーが出ない軽微な問題も検出できます。
🔗 https://validator.schema.org/
Perplexity等のAIに直接尋ねる
最も簡単で実践的な確認方法です。以下のような質問をして、JSON-LDに設定した情報が回答に反映されているかを確認します。ただ回答までに時間のラグが生じる場合があります。
| 確認したい項目 | AIへの質問例 |
|---|---|
| 組織の基本情報 | 「[社名]の所在地と電話番号は？」 |
| 代表者・権威性 | 「[社名]の代表者は誰ですか？専門分野は？」 |
| サービス内容 | 「[社名]はどんなサービスを提供していますか？」 |
| 評判・評価 | 「[社名]の口コミや評判を教えてください。」 |
| 外部連携確認 | 「[社名]についてSNSや外部メディアで何が言われていますか？」 |
まとめ
- Organization / LocalBusiness → 「何者か」を定義する（自己定義）
- Person / knowsAbout → 「誰が発信するか」で権威性を証明する
- Service / AggregateRating → 「何ができるか・どう評価されているか」で信頼を確立する④ sameAs → 「外部でも同じ実体と認められているか」でスコアを最大化する
これら4点を実装し、検証ツールとAIへの質問で浸透を確認することが、「AIに選ばれるブランド設計」の第一歩です。
LLMO対策は日々進化しており、最新の動向を把握することが不可欠です。
LLMO研究所が運営している無料メルマガでは、最新のAI技術動向やLLMO対策の実践事例を定期的に配信しています。
やっぱり時間がないしLLMO対策は難しそうですが、どうすればいいですか？
まずはLLMO研究所のメルマガに登録して短時間で最新情報をキャッチアップすることをお勧めします。
メルマガでは、AIアルゴリズムの変更点や最新の事例研究、成功事例などが詳細に解説されています。
これらの情報を活用することで、自社のLLMO戦略を常に最適な状態に保つことができます。
また、メルマガ限定の実践ワークショップや分析ツールの情報も提供されており、具体的な施策立案に役立てることができます。
無料ホワイトペーパーのご案内
LLMOの基本から実践まで、さらに詳しく学びたい方に向けて、LLMO研究所ではホワイトペーパーを無料で配布しています。
>> 権威性アップ&簡易的なLLMO対策無料チェックリストはこちら
無料ホワイトペーパー「LLM導入ガイド」を配布中。
▶ 今すぐ無料でダウンロードする
