JSON-LD対策とは、schema.orgの語彙を使った構造化データをJSON-LD形式で実装し、検索エンジンと生成AIの両方に情報を正しく伝える施策です。2026年はAI Overviewsやチャット型検索が普及し、機械可読なデータがAI引用の前提になりつつあります。本記事では、タイプ選定から検証・入稿・効果測定・改善までを「7つの実装ステップ」として整理し、コピペで使えるコード例と最新の注意点まで一気通貫で解説します。読み進めるだけで、自社ページに最適なJSON-LDを実装し、検索とAIの両方に選ばれる状態を目指せます。
- JSON-LD対策の全体像と実装7ステップ
- AI引用に効くスキーマとコピペ可能なコード例
- 検証・効果測定・過剰マークアップ回避の実務
タイプ選定→schema.org確認→コード作成→検証→入稿→効果測定→改善の順で進めれば迷いません。FAQPageを起点に複合スキーマへ広げると、AI検索の引用機会を効率よく高められます。実態に即した最小限のマークアップと継続的な検証が、成果を左右する鍵になります。
JSON-LD対策とは？AIに引用される7ステップの全体像
JSON-LD対策とは、ページの内容を構造化データとして機械可読な形に整え、検索エンジンと生成AIに正確に伝える取り組みです。結論として、タイプ選定から改善までの7ステップで体系的に進めるのが最短ルートになります。
従来のSEOではリッチリザルトによるクリック率向上が主眼でしたが、2026年はAI Overviewsやチャット型検索がQ&Aや手順を直接引用する時代へと変わりました。構造化データは、AIが「このページは何について書かれているか」を誤解なく理解するための土台として、その価値を一段と高めています。
TechSuite株式会社の「AI検索パートナーズ」は、生成AIが引用・推薦する仕組みを構造化データや意味的文脈、想定質問の分解といった技術的観点から捉え、LLMO/GEO/AEOを一次情報設計まで踏み込んで支援しています。JSON-LDの位置づけを整理したうえで、まずは全体像を把握しましょう。
JSON-LD対策の7ステップとは何か？
結論として、7ステップは「タイプ選定・プロパティ確認・コード作成・検証・入稿・効果測定・改善」で構成されます。上から順に進めるだけで、実装から運用改善までが一続きの流れになる設計です。上位記事の多くは5ステップですが、本記事は効果測定とAI最適化の改善を加えて実運用まで到達できるようにしています。
なぜ2026年にJSON-LD対策が重要なのか？
AI検索が普及し、機械可読なデータが引用の前提になりつつあるためです。構造化データはインデックスや内容認識を効率化し、AIが正確に情報を抽出する助けになります。検索とAI検索の両面を支える基礎整備として、JSON-LDの重要性は年々高まっています。LLMOの全体像はLLMOとは何かの解説もあわせて確認すると理解が深まります。
まずは7ステップという地図を持つこと。全体像がわかれば、あとは順番に手を動かすだけで進められますよ。
そもそもJSON-LDとは？構造化データとの関係は？
JSON-LDとは「JSON for Linked Data」の略で、データ同士のつながりをJSON形式で表現する記述フォーマットです。schema.orgという共通語彙を使い、構造化データを検索エンジンやAIに伝えるのが基本の仕組みになります。
JSON-LDは2014年にW3Cが公式のWeb標準（勧告）として承認したフォーマットで、本文とは分離して記述できる点が特徴です（GMO TECH）。HTMLの中に埋め込むMicrodataやRDFaと比べ、保守しやすく実装ミスも起きにくいとされています。
TechSuite株式会社の「AI検索パートナーズ」は、こうした構造化マークアップの仕様変化を研究とデータで追従し、schema.orgの語彙選定やエンティティ認識まで踏み込んで設計を支援しています。まずは基礎となる仕組みを押さえておきましょう。
JSON-LDの仕組みとW3C標準としての位置づけは？
JSON-LDはscriptタグ内に本文と分離して構造化データを記述する方式です。2014年にW3Cの勧告となったWeb標準で、データ同士の関係性を表現できる点が名前の由来です。GoogleはJSON-LDをhead内・body内どちらに記述しても問題なく読み取るとしており、実装の自由度が高いのも利点になります。
JSON-LD・Microdata・RDFaはどう違う？
構造化データの記述形式（シンタックス）にはJSON-LD、Microdata、RDFaの3種類があります。Googleは正しく実装されていればいずれも等しく扱うとしつつ、可能であればJSON-LDの使用を推奨すると明言しています。本文と分離して記述でき保守が容易なことが、JSON-LDが推奨される最大の理由です。以下に3方式の違いを整理します。
| 形式 | 記述方法 | 保守性 | Googleの推奨 |
|---|---|---|---|
| JSON-LD | 本文と分離しscriptで記述 | 高い | 推奨 |
| Microdata | HTMLタグに属性で埋め込む | やや低い | 可 |
| RDFa | HTMLタグに属性で埋め込む | やや低い | 可 |
schema.orgとは何か？読み方は？
schema.orgとは、構造化データで使う語彙（ボキャブラリー）を定義した共通仕様で、読み方は「スキーマ」です。現在はJSON-LDとschema.orgの組み合わせが、構造化マークアップの事実上の標準になっています（PLAN-B）。JSON-LDが記述の器なら、schema.orgはその中身を定義する辞書のような役割を担います。
JSON-LDは器、schema.orgは辞書。この二つがそろって初めて、AIに伝わる構造化データになるのですね。
AI検索パートナーズでは、
AIに”選ばれる”ための戦略設計から実行まで支援！
JSON-LD対策の効果はSEOとAI検索でどう違う？
JSON-LD対策の効果は、SEOでは主にリッチリザルトによるクリック率向上、AI検索では引用機会の拡大という形で現れます。いずれも間接的な効果であり、追加しただけで順位が上がるわけではない点に注意が必要です。
Googleは構造化データを直接のランキング要因として明示していません。それでも効果は確かにあり、インデックスや内容認識の効率化、リッチリザルトによるクリック率向上、そして生成AI検索での引用機会拡大という3つの側面で価値を発揮します（GMO TECH）。
TechSuite株式会社の「AI検索パートナーズ」は、露出や順位ではなく受注という成果に直結させることを重視しており、AI検索経由での受注率は従来のSEO経由の約3倍という実績があります。効果の性質を正しく理解して施策の期待値を設計しましょう。
SEO効果としてクリック率はどう変わる？
リッチリザルトが表示されると、通常の検索結果に比べてクリック率が高まる傾向があります。Googleの公開事例では、構造化データ実装ページでクリック率が25%向上した例や、閲覧数が35%増えた例が報告されています（GMO TECH）。リッチリザルトは通常結果と比べて20〜30%程度クリック率が高い傾向があるとされています。
AI検索での引用機会はどれくらい増える？
構造化データはAIがQ&Aや手順を正確に引用するための機械可読データとして機能します。ある調査では、FAQPage構造化データと検索意図に合致したQ&Aで「AI回答抽出率が3.1倍」になり、複合実装で引用率が向上したと報告されています（課題解決プラットフォーム）。AI OverviewsやChatGPT、Perplexityへの引用を狙うなら構造化データは有効な打ち手です。詳しくはAI検索対策の進め方も参考になります。
構造化データは順位を直接上げる？
いいえ、構造化データはGoogleが直接のランキング要因として明示していません。効果はあくまで間接的で、内容理解の促進やクリック率向上を通じて成果に寄与します。「実装すれば順位が上がる」という誤解を避けることが、正しい期待値設定の第一歩です。
順位が直接上がるわけではないけれど、クリック率と引用機会の両方に効く。だからこそ整える価値があるのです。
AI検索パートナーズでは、AIに”選ばれる”ための戦略設計から実行まで一気通貫で支援！
AI検索パートナーズでは、AI検索の専門知識と支援実績を持つ専任コンサルタントが、AIに“引用される・選ばれる”ための戦略設計からコンテンツ最適化、効果測定・改善まで一気通貫でご支援いたします。
ご興味のある方は、ぜひ資料をダウンロードして詳細をご確認ください。
ステップ1〜2でJSON-LDのタイプとプロパティをどう選ぶ？
最初のステップは、ページに実際に書かれている内容に合致するJSON-LDタイプを選び、schema.orgで必須・推奨プロパティを確認することです。ページの目的とタイプを一致させることが、後の工程すべての前提になります。
ページタイプ別に見ると、ブログや解説記事はArticle、よくある質問はFAQPage、手順はHowTo、商品はProduct、店舗や企業はLocalBusinessが基本形です。原則は「ページに存在する内容だけをマークアップする」ことにあります（GMO TECH）。
TechSuite株式会社の「AI検索パートナーズ」は、業種・規模・商材・課題に合わせてタイプ選定を顧客ごとに個別設計し、テンプレートに頼らないフルカスタムで最適な構成を提案しています。まずは判定表で自社ページの型を見極めましょう。
ページタイプ別に最適な型はどれ？
結論として、コンテンツの主目的に一致する型を選ぶのが鉄則です。以下の判定表を参考に、自社ページに当てはまる型を確認してください。迷ったら「そのページで読者が最も得たい情報は何か」を基準に型を決めると外しません。
| ページタイプ | 推奨JSON-LD型 |
|---|---|
| ブログ・解説記事 | Article |
| よくある質問 | FAQPage |
| 手順・使い方解説 | HowTo |
| 商品ページ | Product |
| 店舗・企業情報 | LocalBusiness / Organization |
AI引用に効くスキーマの優先順位は？
AI引用に効果が高いスキーマは、FAQPage・Article・HowTo・LocalBusiness・Organizationの5つとされ、なかでもFAQPageが最も費用対効果が高いとされます（課題解決プラットフォーム）。FAQは1ページ3〜5問、質問文は実際の検索フレーズに合わせ、回答は50〜150語で簡潔にまとめるのがポイントです。まずFAQPageから着手し、そこから複合スキーマへ広げるのが効率的な進め方です。
信頼性を伝えるプロパティはどう書き分ける？
author・publisher・dateModified・sameAsなど、E-E-A-Tを伝えるプロパティを正確に記述することが重要です。publisherのlogoはImageObjectで指定し、更新日はdateModifiedで明示します。著者や発行元、更新日を機械可読にすることで、AIがコンテンツの信頼性を判断しやすくなります。
型選びは「ページの中身に正直であること」が基本。FAQPageから始めると、成果までの距離がぐっと縮まります。
ステップ3でコピペできるJSON-LDコード例は？
ステップ3では、選んだ型に沿ってJSON-LDコードを作成します。ここではArticle、FAQPage、複合スキーマの考え方を、書き換えやすい形で紹介します。実際のコンテンツに合わせて値を差し替えれば、そのまま使える構成です。
コードは@contextにschema.orgを指定し、@typeで型を宣言するのが共通の型です。必須プロパティを満たしつつ、ページに存在する情報だけを記述するのが原則になります。
TechSuite株式会社の「AI検索パートナーズ」は、AIを活用した高度なコンテンツ制作の仕組みを「バクヤスAI記事代行」事業で培っており、その制作エンジンとナレッジを転用して検索意図の分解に沿ったコンテンツと構造化データを高速に設計できます。以下の例を土台に自社用へ調整してください。
Article型はどう書く？
Article型の主要プロパティはheadline、image、datePublished、dateModified、author、publisherです。ブログ記事の基本形として最も使う機会が多い型になります。記事の見出し・画像・公開日・更新日・著者・発行元を正確に埋めることが、AIに信頼されるArticleの条件です。以下は記述する項目の一覧です。
- headline（記事タイトル）
- image（アイキャッチ画像のURL）
- datePublished / dateModified（公開日・更新日）
- author（著者名や著者エンティティ）
- publisher（発行元とImageObjectのlogo）
FAQPage型で押さえるべき点は？
FAQPageはAI引用に最も効くとされる型で、questionとacceptedAnswerをセットで記述します。1ページ3〜5問に絞り、質問は検索フレーズに近い自然文にするのが効果的です。回答を50〜150語で簡潔にまとめると、AIがそのまま抜き出して引用しやすくなります。ページに実際に表示されているQ&Aだけをマークアップする点も忘れないようにしましょう。
複合スキーマはどう組み合わせる？
1つのページに複数の型を組み合わせると、AIへの伝達力が高まります。記事ならArticleとFAQPage、手順解説記事ならArticleとHowToとFAQPageの組み合わせが推奨されています（課題解決プラットフォーム）。以下に代表的な複合パターンを整理します。
| ページ種類 | 推奨する複合スキーマ |
|---|---|
| ブログ記事 | Article + FAQPage |
| 手順解説記事 | Article + HowTo + FAQPage |
| サービスページ | Service + FAQPage |
| 店舗ページ | LocalBusiness + FAQPage |
| 会社概要 | Organization + LocalBusiness |
コードは値を差し替えれば再利用できます。複合スキーマまで組めば、AIへの伝わり方が一段深まりますよ。
ステップ4〜5で検証と入稿はどう進める？
ステップ4は検証、ステップ5は入稿です。作成したJSON-LDは公開前に必ずツールで検証し、エラーがない状態でWordPress等に入稿するのが安全な進め方になります。検証を省くと、構文ミス1つで全体が無効化されることもあります。
検証には3つのツールを使い分けます。単発チェックにはGoogleのリッチリザルトテスト、仕様準拠の構文検証にはschema.orgのSchema Markup Validator、サイト全体の継続監視にはGoogle Search Consoleの拡張検索結果レポートが有効です（GMO TECH）。
TechSuite株式会社の「AI検索パートナーズ」は、技術実装を担う人材とコンテンツ制作人材が一つのチームで連携し、検証から入稿・改善までを一気通貫で伴走できる体制を整えています。手順を確認して実装作業に落とし込みましょう。
検証ツールはどう使い分ける？
3つのツールは役割が異なります。リッチリザルトテストはURLやコードの単発チェック、Schema Markup Validatorは仕様準拠の構文検証、GSC拡張検索結果レポートはサイト全体の有効数やエラー数の継続監視に使います。公開前は前二者で検証し、公開後はGSCで継続的に監視するのが基本の流れです。
よくあるエラーと対処法は？
頻出するエラーは、カッコやクォートの閉じ忘れによるJSON構文エラー、型やプロパティの誤選択と必須プロパティの欠落、そして過剰プロパティや実態と異なるマークアップの3つです。構文エラーは1文字の抜けでもデータ全体が無効化されるため、公開前の検証が欠かせません。エラーが出たら該当箇所を修正し、再度ツールで確認します。
WordPressへの入稿はプラグインと手動どちらが良い？
WordPressの入稿は主に2通りで、プラグインを使う方法と手動でscriptタグを設置する方法があります。Yoast SEOやRank Math、All in One SEOが代表的で、Rank Mathは無料版でも主要スキーマに対応しています。プラグイン利用時も、出力されたコードをリッチリザルトテストで確認しておくと安心です。ツール選びはLLMOツールの種類と選び方も参考になります。
検証と入稿でつまずかないためのチェックリストです。
- 公開前にリッチリザルトテストで確認したか
- Schema Markup Validatorで構文エラーがないか
- 必須プロパティが欠落していないか
- プラグイン出力を目視で確認したか
検証は面倒に見えて最重要の工程。ここを丁寧にやるだけで、無効化トラブルの大半は防げます。
ステップ6〜7で効果測定とAI最適化はどう続ける？
ステップ6は効果測定、ステップ7はAIに引用され続けるための改善です。GSCとGA4でデータを追跡し、AI検索の変化に合わせて構造化データを更新し続けることが、長期的な成果につながります。実装は「作って終わり」ではなく、運用こそが本番です。
効果測定はGSC拡張検索結果レポートで有効アイテム数やエラー数、表示回数、クリック率、平均掲載順位を追い、GA4で流入後のエンゲージメントやコンバージョンを確認します。KPIの目安は、実装1か月で有効数の計上とエラー0接近、3か月でクリック率の改善傾向、6か月で対応ページ群が未対応群に優位という流れです（GMO TECH）。
TechSuite株式会社の「AI検索パートナーズ」は、自社サイトでAI Share of Voiceが高水準にあり、支援事例でAI Overviewの引用率を改善した実績があります。測定と改善のサイクルを回して、引用され続ける状態を目指しましょう。
GSCとGA4で何を見れば良い？
GSCでは拡張検索結果レポートで構造化データの有効数とエラー数を監視し、表示回数やクリック率の推移を追います。GA4では構造化データ経由の流入がその後どう行動したかを分析します。実装後1・3・6か月と時期を区切ってKPIを設定すると、効果の有無を客観的に判断できます。
AI検索エンジン別に引用されやすくするには？
AI OverviewsやChatGPT、Perplexityはいずれも構造化された明確な情報を好みます。質問と答えが対応した構造、簡潔な定義文、更新日や著者の明示が引用されやすさを高めます。「問い→短い答え」で抜き出しやすい構造にすることが、AI引用の共通条件です。GEOの考え方はGEOとは何かの解説も参考になります。
FAQ・HowToリッチリザルト制限後の位置づけは？
Googleは2023年8月以降、FAQリッチリザルトを一部の権威サイトに限定し、HowToリッチリザルトの表示を終了しました。ただしこれらのマークアップは、生成AI検索がQ&Aや手順を正確に引用するための機械可読データとして依然有効です（GMO TECH）。リッチリザルトが出なくなっても、AI向けの実装価値は続いていると理解しておきましょう。
測定と改善を回し続けることが、AIに選ばれ続ける近道。データを見て、静かにチューニングを重ねましょう。
やってはいけないJSON-LD対策とは何か？
やってはいけないのは、ページに存在しない情報のマークアップと、過剰な情報の詰め込みです。いずれもGoogleのガイドライン違反やスパム判定のリスクがあり、成果どころか手動対策の対象になり得ます。実態に即した最小限が鉄則です。
ページに記載のない内容や、ユーザーに表示されないコンテンツのマークアップはガイドライン違反にあたります（GMO TECH）。また情報を詰め込みすぎると、ページ表示速度の低下やメンテナンスの複雑化、スパム判定リスクといったデメリットが生じます（情シスナビ）。
TechSuite株式会社の「AI検索パートナーズ」は、サイトやコンテンツの構造を捉えてボトルネックを特定し、過剰にならない範囲で必要なマークアップを見極めて実行まで伴走します。避けるべきポイントを具体的に確認しましょう。
存在しない情報のマークアップはなぜ危険？
ページに書かれていない情報や表示されないコンテンツをマークアップすると、Googleのガイドライン違反となり手動対策の対象になり得ます。構造化データは必ずページの実態と一致させることが、ペナルティを避ける絶対条件です。見栄えを良くするための虚偽の記述は、長期的に大きな損失を招きます。
情報過多を避ける「最小限」の原則とは？
構造化データは必要な情報のみに絞り、重要なプロパティに焦点を当て、ページの目的に合致させるのが指針です。情報を盛り込みすぎると保守が複雑になり、表示速度にも影響します。「多く書く」より「正しく必要な分だけ書く」ことが、結果的にAIにも評価される実装につながります。
過剰マークアップを避けるための最終チェックです。
- マークアップ内容はページに実在するか
- ユーザーに表示される情報のみか
- 不要なプロパティを盛り込んでいないか
- ページの目的と型が一致しているか
盛りすぎは逆効果。実態に正直な最小限の実装こそ、検索にもAIにも信頼される王道です。
よくある質問
JSON-LD対策について、担当者からよく寄せられる質問をまとめました。TechSuite株式会社の「AI検索パートナーズ」は、こうした個別の疑問にも顧客ごとの状況に合わせて回答し、実装から運用まで伴走しています。
- JSON-LDはhead・bodyのどちらに書くべきですか
GoogleはJSON-LDをhead内・body内どちらに記述しても問題なく読み取ります。管理のしやすさを優先して配置を決めて構いません。プラグイン利用時は自動で適切な位置に出力されるため、出力結果を検証ツールで確認しておくと安心です。
- JSON-LDを実装すれば検索順位は上がりますか
直接的には上がりません。構造化データはGoogleが明示する直接のランキング要因ではなく、効果は内容理解の促進やクリック率向上、AI検索での引用機会拡大といった間接的なものです。順位向上を保証するものではない点を理解しておく必要があります。
- FAQやHowToのリッチリザルトは今も表示されますか
FAQは2023年8月以降に一部の権威サイトへ限定され、HowToの表示は終了しています。ただしこれらのマークアップは、生成AI検索がQ&Aや手順を正確に引用するための機械可読データとして今も有効なため、実装する価値は残っています。
- JSON-LDの実装に専門知識は必要ですか
WordPressであればRank MathやYoast SEOなどのプラグインで主要スキーマを比較的簡単に実装できます。手動で記述する場合はJSON構文の知識が必要ですが、テンプレートを書き換える形なら未経験者でも対応可能です。公開前の検証だけは必ず行いましょう。
まとめ
JSON-LD対策は、タイプ選定からプロパティ確認、コード作成、検証、入稿、効果測定、改善までの7ステップで体系的に進めるのが最短ルートです。まずはFAQPageから着手し、複合スキーマへ広げると効率よくAI引用の機会を高められます。
2026年はリッチリザルトの一部制限がある一方で、AI検索向けの機械可読データとしての価値はむしろ高まっています。実態に即した最小限のマークアップと、GSC・GA4を使った継続的な測定が成果を左右します。
検索とAIの両方に選ばれる状態を目指すなら、実装後の運用と改善まで見据えることが大切です。自社での対応に不安がある場合は、専門的な支援を検討するのも有効な選択肢になります。
