AI Overviews / ChatGPT / Perplexity に引用される記事には共通構造がある: 属性リッチ Schema / Direct Answer Block / FAQPage / ネスト CollectionPage / 数字 + 出典明示 / TL;DR 冒頭 / E-E-A-T シグナル。mixednuts が複数サイト監査で検証した 7 原則を公開。引用されるか否かで、2026 年の検索流入は 2-3 倍変わる。
なぜ「SEO → AIO」なのか
2026 年時点で、Google 検索結果ページの約 30% に AI Overviews が表示される。AI Overviews に引用されないと、順位 1 位でも流入は大幅減。つまり "順位" を取る時代から "引用" を取る時代に移行した。対策は構造化データの徹底 + LLM が抽出しやすい記事構造への書き換え。
2025 年までの SEO は「Google の順位を上げる」ゲームでした。2026 年は違います:
- Google AI Overviews が検索結果上部を占拠
- Perplexity / ChatGPT / Gemini に検索が流れる
- LLM が「信頼できる情報源」を選んで引用する
「順位 1 位でも引用されなければ流入ゼロ」 が起きるようになりました。対策は明確: LLM に引用されやすい記事構造を作ること。これが "AIO (AI Optimization)" / "LLMO" / "AEO (Answer Engine Optimization)" と呼ばれる新しい領域です。
7 原則
属性リッチ Schema
商品なら brand, gtin, mpn, sku, aggregateRating, review を可能な限り埋める。記事なら Article + author.jobTitle + publisher + keywords。LLM は属性が多いほど "信頼できる" と判断して引用しやすくなる。
Direct Answer Block
各 H2 見出しの直下に 40-60 語の自己完結した回答段落 を置く。これを AI Overviews がそのまま引用するケースが多い。本記事の各 <Answer> がその例。
FAQPage schema
記事末の FAQ セクションを <script type="application/ld+json"> で FAQPage schema として出力。Relixir の調査[1] (n=50) で、FAQPage schema 導入後の LLM 引用率 +2.7 倍 を確認。
CollectionPage → ItemList → Product のネスト
EC の一覧ページは、CollectionPage の中に ItemList を置き、その中に Product を配列として置く 3 層ネスト。「このカテゴリの人気商品は？」系の LLM クエリで引用されやすくなる。
数字 + 出典明示
記事内のあらゆる数字に 具体的な出典 を併記。「〜によると」ではなく「Google の公式ドキュメント (2026-03)[2] によると」。曖昧さを排除すると LLM の引用信頼度が上がる。
TL;DR 冒頭 150 字
記事冒頭に 独立して引用できる 150 字以内の要約 を置く。LLM はここを真っ先に読むので、スタンドアロンで意味が通ることが重要。本記事の <Tldr> がその例。
E-E-A-T シグナル
Experience (経験) / Expertise (専門性) / Authoritativeness (権威性) / Trustworthiness (信頼性)。Google の評価軸そのまま。
- 著者の実名 + 肩書 + 所属 (JSON-LD Person schema で明記)
- 記事内での一次体験の明言 (「mixednuts が実装した」など)
- 参考文献セクション (本記事末の Sources)
- 公開日 + 最終更新日 (
datePublished+dateModified)
実装 — Edge Injection で既存サイト改修ゼロ
既存 EC サイトに上記 7 原則を全ページ反映するのは、通常 数千 SKU × テンプレ改修 の大工事になります。mixednuts の解は Cloudflare Workers + HTMLRewriter:
- サイト配信時に Worker がオリジン HTML をパース
- URL パスに応じた JSON-LD を動的生成
<head>に挿入して配信
既存コード改修ゼロ で全ページに Schema 注入可能。詳細は Cloudflare Workers で JSON-LD を自動注入する 参照。
検証データ
mixednuts が複数サイトで測定した AI Overviews 引用率:
| サイト | 導入前 引用率 | 7 原則実装後 | 変化 |
|---|---|---|---|
| EC サイト A | 18% | 58% | +40pt |
| EC サイト B | 22% | 64% | +42pt |
| メディア C | 15% | 61% | +46pt |
| 平均 | 18.3% | 61.0% | +43pt |
Core Web Vitals (速度) よりも AIO 対応の方が、2026 年時点で ROI が高い というのが mixednuts の結論。
経営層への示唆
マーケティング予算の組み換え:
- 2025 年: SEO 60% / 広告 40%
- 2026 年推奨: AIO 40% / SEO 30% / 広告 30%
AIO は 1 回の実装で中長期に効く ストック型投資。広告の フロー型投資 より、資産性が高い。
本記事の数値について: 「引用率 61.7%」は mixednuts が監査した EC クライアント群の複数サイト（n=8-12 ページ、2026 年 4 月）における Google AI Overviews 出現時の引用率です。サイトドメイン権威・コンテンツ品質・キーワード難易度により結果は異なり、すべての実装で同水準の効果を保証するものではありません。「FAQPage 導入後 +2.7 倍」は Relixir 2025 調査（n=50）に基づきます。
FAQ
Q. 構造化データの実装に手を付ける優先順位は？ A. FAQPage → Article → CollectionPage の順。FAQPage は既存 FAQ セクションを schema 化するだけなので工数が最も軽く、効果が最も大きい。
Q. AI Overviews での引用率はどう測定する？ A. Google Search Console では測定不可。手動で主要クエリを Google 検索して AI Overviews に自社が出るか確認、または SE Ranking / Ahrefs[3] の AI Overviews モニタリング機能を使う。
Q. Perplexity / ChatGPT での引用は Google と違うか？ A. 違う。Perplexity は独自クローラーで取得、ChatGPT はプラグインと Bing インデックスから。各プラットフォームごとに最適化が必要だが、7 原則 (特に FAQPage + Direct Answer) は共通して効く。
Q. llms.txt は入れるべきか？ A. 2026-04 時点では様子見で OK。llms.txt は AI クローラー向けのガイドラインで提唱されている規格。正式な業界標準ではまだないが、入れておくデメリットはない (10 分作業)。
Q. 日本語サイトで AI Overviews 引用を取るのは難しいか？ A. むしろチャンス。日本語 AIO 対応コンテンツは英語圏に比べて量が少ないので、今実装すると先行者利益が取れる。
参考文献 / Sources
AI Overviews / LLMO 動向:
Schema.org:
引用率データ:
- mixednuts 内部測定 (2026-04) — 母数は EC / メディア複数サイト。第三者検証なし
- Relixir: FAQPage Schema 影響調査 — n=50
関連記事: