FAQコンテンツと構造化データの確認ガイド。業界別テンプレートと104社データの境界

「構造化データは実装した。でもAI回答で自社情報を確認できない」。その次の確認候補としてFAQコンテンツを取り上げる。EC104社の2026年5月正本スコアと、FAQ設置を確認するための追加データを分離し、業界別テンプレートと30日検証ロードマップを提示する。

FAQをAI可視性の確認候補にする理由

FAQは質問と回答を対応づけて整理できるため、固定クエリと引用URLを追跡する対象にしやすい。ただし、形式だけでAI引用・順位・成果が上がることは保証されない。

FAQを検証候補にする3つの観点がある。

• Q&A形式を固定しやすい: 質問文・回答文・出典URLをセットで保存し、同じクエリの回答と引用を前後比較できる
• FAQPage構造化データを別検証できる: JSON-LDは画面表示との一致と公式テスト結果を確認し、AI引用への効果とは分けて記録する
• 質問の漏れを棚卸しできる: 「○○ とは」「○○ 違い」「○○ やり方」などを候補化し、追加した質問が回答・引用URLにどう反映されたかを測る

104社データとFAQ設置の確認範囲

AI Visibility Indexの2026年5月正本には104社・4エンジンのスコアがありますが、FAQ設置・FAQPage JSON-LDの有無を同月・同母数で結合する特徴量はありません。保存Profilerは2026年4月28〜30日の探索スナップショットであり、5月スコアと混ぜて倍率や効果を確定できないため、追加receiptを作ってから比較します。

まず分けて記録する項目

FAQ設置・FAQPage・Geminiスコアの差を同月正本だけで説明することはできない。技術要因分析も参考にしつつ、実装前後の回答・引用URL・スコアを別々に記録する。

FAQ数は閾値ではなく運用候補として扱う

FAQ数と引用率の関係を現行正本から再現できないため、問数を「最適レンジ」や効果の閾値と断定しない。まず小さく作り、質問・回答・出典URLの品質を確認してから拡張する。

6〜15問は初期パイロットの候補として扱えるが、コストパフォーマンスや引用効果を示す値ではない。検索クエリ・問い合わせ・引用URLをreceiptへ固定してから、追加する問数を決める。

エンジン別のFAQ確認条件

4エンジンの回答・引用はモデル、設定、検索経路、取得時点で変わる。エンジンごとの効果を決めつけず、同じ質問・期間・判定基準で記録する。

確認可能なFAQの書き方

FAQを検証可能にするには、「どんな質問を書くか」と「どう回答するか」を先に固定し、前後で同じ条件を再現する。

質問文の設計原則

• 実際の検索クエリを出典付きで固定する: GSC・問い合わせ・社内記録から質問候補を作り、取得期間と母数を残す
• 比較クエリを分けて記録する: 「○○と△△の違いは？」などの質問を一般論・自社比較・競合比較に分ける
• 購買意図は成果と分離する: 「おすすめ」「選び方」などを作っても、回答・引用・問い合わせ・購入を同じ指標にしない

回答文の設計原則

• 最初の1文で結論を述べる: 読者が確認しやすいように結論・条件・出典を近接させ、引用されること自体は保証しない
• 数値には母数・年月・出典を付ける: 母数付きの数値は正本receiptで確認できる場合だけ使い、推測で埋めない
• 文字数は運用上の目安にする: 200〜300文字などの長さを引用効果の閾値とは扱わず、読みやすさと出典の有無で確認する

避けるべきFAQパターン

• 回答が「お問い合わせください」だけで、条件・出典・更新日がないFAQ
• 自社の宣伝文句だけで、第三者出典や検証条件がないFAQ
• 更新日・対象期間・公開URLが追跡できないFAQ

業界別FAQテンプレート

業界ごとに質問・回答・出典を整理する観点は異なる。エンジン別クロス分析の全体スコアを参考にしつつ、FAQの効果ではなく確認用テーマとして紹介する。

EC総合（2026年5月正本の平均スコア6.44点）

2026年5月正本の業界平均を観測値として参照し、「おすすめのECサイトは？」系の質問・比較条件・出典URLを固定する。FAQが原因で平均が高いとは扱わない。

• 「○○で買い物するメリットは何ですか？」
• 「○○と△△の違いは何ですか？（送料・品揃え・ポイント比較）」
• 「○○は安全に買い物できますか？」
• 「○○のポイント還元率はどのくらいですか？」
• 「○○で人気のカテゴリはどれですか？」

ファッション（2026年5月正本の平均スコア1.26点）

ブランド名を含む質問を確認テーマにする。「おすすめのファッションブランドは？」系クエリは比較条件と出典URLを固定して記録する。

• 「○○はどんなブランドですか？」
• 「○○のサイズ感は他のブランドと比べてどうですか？」
• 「○○の年齢層（ターゲット）は？」
• 「○○で人気のアイテムは何ですか？」
• 「○○の返品・交換ポリシーは？」

食品・ミールキット（2026年5月正本の平均スコア0.64点）

オイシックスは2026年5月正本で総合スコア3.97点だった。FAQでは「おすすめのミールキットは？」「食材宅配 比較」系の質問を、出典・更新日・引用URLと一緒に確認する。

• 「○○のミールキットの料金はいくらですか？」
• 「○○と△△（競合）の違いは何ですか？」
• 「○○はアレルギー対応していますか？」
• 「○○の配送エリアはどこまでですか？」
• 「○○のお試しセットはありますか？」

D2C（2026年5月正本の平均スコア0.28点 — メンション戦略も確認候補）

D2Cの平均スコアは観測値であり、ブランド認知やFAQの効果を証明しない。FAQでは「カテゴリ内での差別化要素」と根拠URLを分けて記録する。

• 「○○はどんな特徴がありますか？（他の○○との違い）」
• 「○○の原材料（素材）は何ですか？」
• 「○○は実店舗でも買えますか？」
• 「○○のこだわり（製法・技術）は何ですか？」
• 「○○の口コミ・評判は？」

FAQPage JSON-LDの実装

FAQコンテンツと構造化データは別々に確認する。FAQPage JSON-LDは画面上の質問・回答と一致させ、公式テストの結果を記録するが、AI引用や順位の上昇は保証しない。

基本テンプレート

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "質問文をここに記述",
      "acceptedAnswer": {
        "@type": "Answer",
      "text": "回答文をここに記述（長さはページ目的に合わせる）"
      }
    },
    {
      "@type": "Question",
      "name": "2つ目の質問文",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "2つ目の回答文"
      }
    }
  ]
}
</script>

実装のベストプラクティス

• FAQPageとWebPageを整理: ページ上の質問・回答とJSON-LDを一致させ、他のスキーマ（Organization等）と共存させる場合は@graphの構造を確認する
• HTMLの視覚的FAQと一致させる: JSON-LDの質問・回答は、ページ上に実際に表示されているテキストと完全に一致させること。不一致はGoogleのリッチリザルト非表示の原因になる
• 問数は運用上の目安にする: 10問以内などの初期目安を置く場合も、最新の公式要件とページ目的を確認し、超過はカテゴリ分割と重複を点検する
• 更新日と取得条件を明記: 「最終更新: 2026年6月」などの更新日、対象期間、引用URLを記録する。更新日だけでAIの鮮度や効果を保証しない

FAQ Hub構築30日検証ロードマップ

FAQコンテンツは段階的に作り、質問・回答・出典・引用URLのreceiptを残す。以下の30日計画は効果を保証するものではなく、少ない手数で検証するための手順である。

Week 1（Day 1-7）: 基盤構築

• Day 1-2: AI Visibility Index無料チェッカーで自社のエンジン別スコアを確認。Geminiが低い場合も、FAQ施策の効果とは決めず、確認候補として記録する
• Day 3-5: 上記の業界別テンプレートから10問を選定。自社に合わせてカスタマイズ
• Day 6-7: FAQPage JSON-LDを実装し、Googleリッチリザルトテストで検証

Week 2（Day 8-14）: コンテンツ拡充

• Day 8-10: Google Search Consoleの検索クエリデータから、ユーザーが実際に使っている質問パターンを抽出
• Day 11-14: 追加FAQ 5-10問を作成。比較クエリ（「○○ vs △△」）と購買意図クエリ（「おすすめの○○」）を重点的にカバー

Week 3（Day 15-21）: カテゴリ別FAQ展開

• Day 15-18: 主要カテゴリ（商品カテゴリ、配送・返品、サービス比較）ごとにFAQページを分割
• Day 19-21: 各FAQページにFAQPage JSON-LDを追加。llms.txtにFAQページのURLを追記

Week 4（Day 22-30）: 前後確認と次の1変数

• Day 22-25: ChatGPT/Perplexityで自社関連の質問を投げ、FAQからの引用が発生しているか確認
• Day 26-28: 引用されていないFAQの質問文・回答文を1変数だけ改善し、同じ条件で再確認
• Day 29-30: AI Visibility Indexチェッカーで再スキャンし、スコア変動を計測

よくある質問

FAQを設置するとAI引用率はどれくらい上がりますか？

現行のランキング正本にはFAQ設置・FAQPage JSON-LDの同月特徴量がないため、旧版にあった倍率や効果は再計算できません。質問・回答・出典URLを固定し、表示内容とJSON-LDの一致、公式テスト、4エンジンの前後差を別々に記録してください。

FAQは何問くらい用意すべきですか？

6〜15問は初期パイロットの候補ですが、最適レンジや引用効果を示す現行正本の値ではありません。GSC・問い合わせ・社内記録から質問を選び、回答・出典URL・引用・前後差を確認してから拡張してください。

FAQPage JSON-LDとは何ですか？

FAQPage JSON-LDは、FAQコンテンツをschema.org形式で記述する構造化データです。画面上の質問・回答との一致、公式テストの結果、更新日を確認します。実装だけでGeminiなどの引用・順位・成果が上がることは保証されません。