# 「FAQスキーマで引用率3.2倍」は本当か — 自社の評価基準から未検証の数値を削除した話

> Googleは公式に「生成AI検索に構造化データは必須ではない」と明言しています。よく引用される3.2倍という数値の出どころを追跡し、対照実験の結果と突き合わせた結果、当社は評価基準からこの数値を削除しました。その経緯を公開します。

| Field | Value |
|-------|-------|
| Published | 2026-08-15 |
| Last Updated | 2026-09-04 |
| Category | AIO |
| Author | 緒方亜朗 |
| Tags | AIO, GEO, 構造化データ, FAQPage, Google-Extended, 評価基準 |
| URL | https://linksurge.jp/blog/faq-schema-ai-citation-myth-2026/ |

---


## この記事の結論：GEOで信じられている4つの主張を検証した

「FAQスキーマを入れるとAI検索の引用率が3.2倍になる」。GEOを扱う記事でよく見る数字です。当社もこの数値を自社ツールの評価基準に組み込み、ユーザー画面に表示していました。ところが出どころを追跡したところ、根拠が想定よりはるかに弱いことがわかりました。

1. **Googleは「構造化データは必須ではない」と公式に明言している** — AI最適化ガイドに「生成AI検索に構造化データは必須ではなく、追加すべき特別なschema.orgマークアップも存在しない」と書かれています。ただしこれは**出るための要件**の話で、Googleが参照していないという意味ではありません
2. **3.2倍は相関であって因果ではない** — schemaを追加した対照実験（1,885ページ・対照約4,000ページ）では、**すでによく引用されているページにschemaを足しても引用は増えませんでした**
3. **Google-Extendedを開放してもAI Overviewsには効かない** — 公式に「Google検索への掲載に影響せず、ランキングシグナルでもない」と明記されています。当社もここを混同していました
4. **理想的なページ長は存在しない** — Googleの原文にそう書かれています。「500文字以上」「2,000文字以上」といった下限には根拠がありません

以下では、何をどう確かめたのか、そして自社ツールをどう直したのかを順に共有します。経緯は動画でも解説しています。

{{youtube:8Sleky36eq8|自社ツールから「FAQスキーマで引用率3.2倍」を削除した話｜出どころを追跡したら}}

---

## 1. きっかけは、自社の評価基準が期限切れだったこと

当社のAI引用最適化分析には「評価基準バージョン」という仕組みがあります。四半期ごとに業界動向を確認し、基準を見直す運用です。

その次回レビュー予定日を、**3ヶ月超過していました**。

問題はここからです。超過していた期間に、Googleが[AI最適化ガイド](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide)を公開していました。つまり当社は、公式見解が出たあとも古い基準のまま診断結果を出し続けていたわけです。

率直に言って、これは仕組みの不備でした。レビュー予定日はコード内の定数として書いてあるだけで、過ぎても誰も気づかない。日付を書いておくことと、期限を守る仕組みがあることは、まったく別の話です。

### 何がズレていたのか

実際に自社の表示内容を洗い出したところ、次の3つが公式見解と食い違っていました。

- 「FAQPageスキーマがあると、AI検索の引用率が約3.2倍向上するという調査結果があります」
- 「十分な文字数（500文字以上推奨）」
- 「統計・数値データの有無（引用率30-40%向上）」

どれも、ユーザーが見る画面にそのまま出ていた文言です。

---

## 2. Googleが公式ガイドで何を言っているか

まず一次情報から確認しました。二次情報を経由せず、原文を読むことにこだわった理由は後述します。

Googleの[AI最適化ガイド](https://developers.google.com/search/docs/fundamentals/ai-optimization-guide)には、次の4点がはっきり書かれています。

| 論点 | Googleの記述 |
|------|------------|
| 構造化データ | 生成AI検索に**必須ではない**。追加すべき特別なschema.orgマークアップも存在しない |
| チャンク化 | コンテンツを細かく分割する必要はない |
| llms.txt | Google Search では使われない |
| ページ長 | **理想的なページ長は存在しない**（"There's no ideal page length"） |

特に最後の一文は明快です。原文で "There's no ideal page length" と書かれている以上、「◯文字以上が推奨」という基準をGoogle向けに掲げるのは誤りになります。

### ただし「必須ではない＝使われていない」でも「無意味」でもない

ここで2つ注意が必要です。

**1つ目は、「必須ではない」と「使われていない」は別だということ。** Googleが書いているのは「AI検索に出るために追加の要件はない」であって、内部で構造化データを参照しないとは書かれていません。なお、Googleの構造化データ担当者がSearch Central Liveで「fanout時にモデルへ渡すコンテキストとして使っている」と述べたとする[二次報告](https://suganthan.com/blog/three-lives-of-schema-markup/)もありますが、これはイベント参加者による記録であってGoogleの一次資料ではないため、確定した事実としては扱いません。いずれにせよ「Googleが不要と言ったから外してよい」という読み方は、公式ドキュメントの記述からは導けません。

**2つ目は、この4点はあくまでGoogle軸の話**であって、AI検索全体の話ではないということ。むしろ他プラットフォームでは扱いが違います。Microsoft BingのPrincipal Product Manager・Fabrice Canel氏はSMX Munichで「schemaはMicrosoftのLLMがコンテンツを理解する助けになる」と述べています（[Search Engine Landの報道](https://searchengineland.com/microsoft-bing-copilot-use-schema-for-its-llms-453455)。同氏がLinkedInのコメントで内容を確認したとされています）。また[7プラットフォームを対象にした公開検証](https://otterly.ai/blog/schema-markup-real-impact-ai-search/)ではGeminiがschemaの直接取得に成功しています。

ChatGPTやPerplexityは、ページを見出しブロックに分割して独立にスコアリングします。挙動が違う以上、処方も分けるべきです。当社は現在、この2つの軸を混ぜずに出し分ける方針で機能を設計しています。GEOの全体像については「[生成エンジン最適化（GEO）完全ガイド](/blog/geo-guide-japan-2026/)」で整理していますので、あわせてご覧ください。

---

## 3. 「3.2倍」の出どころを追跡した

自社の評価基準ファイルには、こう書かれていました。

> FAQPageスキーマがあると、AI検索の引用率が約3.2倍向上するという調査結果があります

社内の別ドキュメントには「**自社検証**の3.2倍という数値自体は資産」とも書かれていました。自社で測ったのなら、それは確かに資産です。

ところが出どころを遡ったところ、**自社で計測したデータは存在しませんでした**。

### 実際の出どころ

この数値は、2025年2月に作成した文献調査レポートに載っていたものでした。そのレポートの参考文献リストを見ると、海外のSEO系ブログ記事が挙がっています。つまり流れはこうです。

```text
海外ブログ記事
  → 自社の文献調査レポート（2025年2月）
    → 自社の評価基準ファイル
      → ユーザーの画面に「調査結果があります」と表示
```

途中で「自社検証」という言葉が紛れ込み、社内では一次データがあるかのように扱われていました。伝言ゲームです。

### 相関と因果を分けて見る

数値そのものについても確かめました。3.2倍は複数の第三者記事で流通しており、当社の文献調査が引いたのは[Frase の記事](https://www.frase.io/blog/faq-schema-ai-search-geo-aeo)でした。いずれも「FAQスキーマがあるページとないページを比べたら、あるページの方が引用率が高かった」という**相関**の観察です。

一方、schemaを追加して前後を比べた対照実験があります。Ahrefsが2026年5月に公開した[調査](https://ahrefs.com/blog/schema-ai-citations/)です。

| 項目 | 内容 |
|------|------|
| 手法 | 差分の差分法（difference-in-differences） |
| 対象 | JSON-LDを追加した1,885ページ |
| 対照群 | 条件を揃えた約4,000ページ |
| 期間 | 2025年8月〜2026年3月 |
| 結果 | AI Mode +2.4% / ChatGPT +2.2% / AI Overviews −4.6% |

**AI ModeとChatGPTの増加は、ノイズと区別がつきませんでした。** AI Overviewsの−4.6%は統計的に有意でしたが、絶対値としては小さく、schema以外の要因による可能性があるとされています。「schemaを貼ると引用が減る」という話ではありません。

読むうえで外せない前提がひとつあります。**この調査の対象ページは、schema追加前の時点ですでにAI Overviewsに100回以上引用されていたページです。** つまり分かったのは「すでによく引用されているページにschemaを足しても、引用は増えなかった」ことであって、まだ知られていない新規ページでどうなるかは、この調査では検証されていません。

それでも「FAQスキーマを貼れば引用が増える」という主張の根拠としては弱すぎます。少なくとも、相関で報告された3.2倍という伸びは再現していません。

では何が効いているのか。FAQPageが付いているページは、そもそもQ&A形式で情報が整理されていることが多い——これは**交絡要因として考えられる**という水準の話で、「中身が効いている」と実験で確かめられたわけではありません。この記事で相関と因果を分けようとしている以上、逆方向の断定もしないでおきます。

この違いは、実務上とても大きな差になります。相関だけを根拠に「schemaを貼りましょう」と勧めると、ユーザーはJSON-LDの実装に時間を使い、肝心の中身の整理に手が回らなくなります。

---

## 4. 私たち自身が混同していた：Google-ExtendedとGooglebot

今回の見直しで、当社の記述にも誤りが見つかりました。しかも「Google軸とLLM軸を分けよう」と言いながら、その分離に失敗していた箇所です。

修正前、当社は「AIクローラーの許可状態」の説明でこう書いていました。

> AIクローラーが許可されている（GPTBot, ClaudeBot, **Google-Extended** 等）※いずれも学習用で、検索での引用には効かない

一見もっともらしく見えます。ところがGoogleの[クローラー公式ドキュメント](https://developers.google.com/search/docs/crawling-indexing/google-common-crawlers)には、こう明記されています。

> Google-Extended does not impact a site's inclusion in Google Search nor is it used as a ranking signal in Google Search

Google-Extendedは**Gemini AppsとVertex AI向けのトークン**であり、独立したユーザーエージェントすら持ちません。AI Overviews / AI Modeは通常のGoogle検索のインデックスを使うため、そこで効くのは**Googlebot**です。

### 何が問題だったか

この混同を放置すると、「AI検索に引用されるためにGoogle-Extendedを開放しましょう」という、**検索での引用とは無関係な提案**をし続けることになります。

正しくはこう整理されます。

| 目的 | 見るべきクローラー |
|---|---|
| Google（AI Overviews / AI Mode）で引用されたい | **Googlebot**。ブロックするとページの内容を読み取ってもらえません（URLだけがインデックスされることはあります） |
| ChatGPT の検索で引用されたい | **`OAI-SearchBot`**。OpenAIは「OAI-SearchBot をオプトアウトしたサイトは ChatGPT の検索回答に表示されない」と明記しています |
| Perplexity / Claude で引用されたい | `PerplexityBot` / `Claude-SearchBot`（`ClaudeBot` は学習用） |
| （参考）モデル学習に使わせるか | `GPTBot`。**ChatGPT検索での引用とは別物です** |
| （参考）Geminiに使わせるか | `Google-Extended`。**Google検索での引用とは無関係** |

Google-Extendedを開放するかどうかは「自社コンテンツをGeminiの学習やグラウンディングに使わせるか」という別の判断です。検索流入を理由に決める話ではありません。

---

## 5. llms.txtは「効かない」のか

同じ整理が必要なのがllms.txtです。当社の画面にはこう書かれていました。

> LLMs.txtがない、構造が悪い、メタデータ不足のサイトはAIに無視され、競合に顧客を奪われます

これも言い過ぎでした。Googleは公式にllms.txtを参照しないと明言しており、引用率が上がったという計測結果も確認できていません。

ただし「無意味」とも言えません。Anthropic・Perplexity・Mistralといった企業が自社ドキュメントでllms.txtを公開しており、IDEのAIエージェントが参照する用途では実際に使われています。

**用途が違うだけ**です。

- 検索での引用を増やす目的 → 効果は確認されていない
- AIエージェントに自社ドキュメントを読ませる目的 → 実際に使われている

当社の画面も、この2つを分けた表現に書き換えました。LLMOの基本的な考え方は「[LLMOとは何か？初心者にも分かる完全ガイド](/blog/llmo-guide-beginners-2026/)」で解説しています。

---

## 6. 自社ツールをどう直したか

ここまでの確認を踏まえて、[LinkSurge](https://linksurge.jp/)のAI引用最適化分析を次のように修正し、2026年8月15日に本番へ反映しました。

### 削除した記述

| 削除したもの | 理由 |
|------------|------|
| 「FAQPageスキーマで引用率3.2倍」 | 相関であり因果ではない。対照実験では効果ゼロと区別できず |
| 「500文字以上推奨」「2,000文字以上推奨」 | Googleが「理想的なページ長は存在しない」と明言 |
| 「統計・数値データで引用率30-40%向上」 | 出典を特定できなかった |

### 評価軸を入れ替えた

最も大きな変更は、AI発見可能性の主眼を**構造化データからクローラーの許可状態へ**移したことです。

理由は単純で、クローラーをブロックしていれば本文をどれだけ直しても引用されないからです。ここは改善施策ではなく前提条件にあたります。以前のスコア基準は「構造化データなし＝0〜49点」という配点でしたが、これではGoogleに対して誤った推奨をすることになります。

### 期限切れを検知する仕組みを入れた

そもそもの原因は、レビュー予定日を過ぎても誰も気づかない状態でした。日付を書くだけでは足りません。予定日を過ぎたら管理画面に警告が出るようにしました。

地味な変更ですが、今回の問題の再発防止としてはこれが本質です。

---

## 7. 実務としてどう扱うか

ここまでの内容を、明日からの作業に落とし込みます。

### 構造化データをやめる必要はない

誤解のないよう補足すると、構造化データそのものを外す話ではありません。リッチリザルトの表示条件や、ナレッジパネルでの企業情報の扱いなど、従来SEOの用途では引き続き有用です。ただし `FAQPage` に限れば、その用途も残っていません。Googleは `HowTo` のリッチリザルトを2023年に、[`FAQPage` のリッチリザルトを2026年5月に](https://developers.google.com/search/updates#removing-faq-rich-result)廃止しています。リッチリザルト目的で残っているのは `Article`・`BreadcrumbList` などです（`Product` は商品ページ、`Review` は対象タイプに対する実際のレビュー・評価があるページに限られ、一般的な記事には使えません）。

変えるべきなのは**理由づけ**です。「AIに引用されるために入れる」ではなく「パンくずを検索結果に表示したいから入れる」と、目的を具体的に言えるかどうか。目的が言えないなら、その工数は本文の整理に回した方が効きます。

### 優先順位はこうなる

1. **クローラーの許可状態を確認する** — Google なら `Googlebot`、ChatGPTの検索なら `OAI-SearchBot`、Perplexity なら `PerplexityBot`。**学習用の `GPTBot` や `Google-Extended` とは別物**です。これは引用を保証する条件ではなく、**本文を読み取ってもらうための必要条件**です。ブロックしていると、以降の改善が届きません
2. **問いと答えの対応を明確にする** — FAQPageスキーマではなく、Q&Aとして中身が整理されているか
3. **見出しブロック単位で読めるか確認する** — ChatGPTやPerplexityはブロック単位で切り出します
4. **構造化データは用途を決めてから** — 検索結果での見え方に目的があるなら実装する

### 数値を鵜呑みにしない習慣

今回の件で私が痛感したのは、「もっともらしい数値ほど検証されないまま流通する」ことです。3.2倍という数字は具体的で、出典があるように見え、引用しやすい。だからこそ社内を素通りしました。

数値を見たら、次の3つを確かめる癖をつけることをおすすめします。

- **一次情報か** — 誰が、いつ、何を測ったのか。ブログ記事の孫引きになっていないか
- **相関か因果か** — 「あるページの方が高かった」なのか「入れたら上がった」なのか
- **対照群があるか** — 比較対象を揃えているか

AI検索の分野は情報の更新が速く、二次情報が一次情報のように扱われがちです。[LinkSurge](https://linksurge.jp/)でも、公式ドキュメントの原文を確認する運用に切り替えました。

---

## よくある質問（FAQ）

### FAQスキーマはもう入れなくていいのですか？

AI検索での引用を目的にするなら、効果は確認されていません。Googleは生成AI検索に構造化データは必須ではないと明言しており（ただしこれは出るための要件の話で、内部で参照していないという意味ではありません）、schemaを追加した対照実験でも、すでによく引用されているページで引用が増える結果は出ませんでした。ただし構造化データ全般としては、リッチリザルトなど従来SEOの用途で目的があるなら引き続き有用です。なおGoogleは `HowTo` のリッチリザルトを2023年に、`FAQPage` のリッチリザルトを2026年5月に廃止しています（[FAQPage](https://developers.google.com/search/updates#removing-faq-rich-result)）。リッチリザルト目的で残っているのは `Article`・`BreadcrumbList` などです（`Product` は商品ページ、`Review` は対象タイプに対する実際のレビュー・評価があるページに限られ、一般的な記事には使えません）。目的を具体的に言えるかどうかで判断してください。

### 「3.2倍」を報告している調査は間違っているのですか？

調査自体が間違っているというより、読み方の問題です。これらは「FAQスキーマがあるページの方が引用率が高かった」という相関の観察であり、schemaを貼れば上がるという因果を示したものではありません。FAQPageが付くページは元々Q&Aとして整理されていることが多いため、その差が数値に現れている可能性があります。ただしこれも仮説であり、実験で確かめられたわけではありません。

### Google-Extendedはブロックしたままで問題ありませんか？

Google検索やAI Overviewsへの影響という意味では問題ありません。Googleは公式に「Google検索への掲載に影響せず、ランキングシグナルでもない」と明記しています。Google-Extendedの開放は、自社コンテンツをGeminiの学習やグラウンディングに使わせるかどうかという別の判断になります。

なお同じ整理がOpenAIにも当てはまります。ChatGPTの検索で引用されるために必要なのは `OAI-SearchBot` で、`GPTBot` はモデル学習用です。目的に応じて分けてご判断ください。

### 記事の文字数はどれくらいを目安にすればいいですか？

Googleは「理想的なページ長は存在しない」と明言しており、一律の目安は示されていません。主題に対して必要な内容が揃っているかで判断してください。短くても答えとして完結していれば問題なく、逆に長くても中身が薄ければ引用されにくくなります。

### llms.txtは設置した方がいいですか？

目的次第です。検索での引用を増やす目的なら、効果は確認されていません。GoogleはSearchで使わないと明言しています。一方、AIエージェントに自社ドキュメントを読ませたい場合は、Anthropicなどが実際に公開しており実用されています。用途を決めてから判断してください。

---

## まとめ：基準そのものを疑う仕組みを持つ

今回は、自社の評価基準に未検証の数値が入り込み、それが本番でユーザーに表示されていた、という話でした。

原因は2つありました。ひとつは、二次情報が社内を通るうちに「自社検証」に変わってしまったこと。もうひとつは、レビュー予定日を過ぎても誰も気づかない仕組みだったことです。

前者は一次情報にあたる習慣で防げます。後者は、期限超過を検知する仕組みを入れました。どちらも派手な対策ではありませんが、GEOのように情報が速く動く領域では、この地道さがモノを言います。

AI検索の最適化は、正解が固まっていない分野です。だからこそ「誰かが言っていた数値」ではなく、公式ドキュメントの原文と、自分で観測できるデータを判断の土台にしてください。当社が実引用データを解析した結果は「[AI検索は記事のどこを引用するのか](/blog/ai-citation-block-position-research-2026/)」にまとめています。

LinkSurgeの[AI Overview分析機能](https://linksurge.jp/aio-v5)では、自社ページがどのキーワードでAI検索に引用されているかを確認できます。まずは推測ではなく、実際の引用状況を把握するところから始めてみてください。