AIに引用される企業の6つの技術シグナル — 104社の観測データとAI Overview分析【2026年5月版】

「構造化データを実装すればAIに引用される」—この通説は、本当に正しいのか。AI Visibility Indexのプロファイラーを用い、EC業界104社のサイトを6つの技術シグナルで分析した結果、AIビジビリティ（AI可視性）と単一の実装項目は単純には一致しない傾向が見えた。本記事では2026年5月の探索的集計を基に、確認できた相関と残る仮説を分けて整理する。

調査の概要

2026年5月、AI Visibility Indexの独自ツール「Site Profiler」を使い、EC業界9カテゴリ・104社のWebサイトから以下6つの確認項目を収集した。

注目すべきは、SEO界隈で最も推奨されるJSON-LDの実装率がわずか23%にとどまる点だ。一方でWikipedia掲載率は70%と高い。この非対称性が、後述する発見の伏線となる。

---

観測1: Wikipedia掲載の有無でスコア差が見られた

このスナップショットで最も大きな差が見られたのは、構造化データではなくWikipedia掲載の有無だった。掲載企業の平均AI可視性スコアは1.55点、非掲載企業は0.58点で、約2.7倍の差が観測された。ただし、企業規模や外部言及など他の要因を含む相関であり、Wikipedia掲載だけの効果とは解釈できない。

エンジン別ではClaudeが3.3倍、ChatGPTが3.0倍と差が大きかった。学習データや検索経路との関係は仮説として考えられるが、この集計だけでは仕組みまでは確定できない。

観測2: OGPタグの有無でもエンジン別の差が見られた

SNSシェア用と思われがちなOGPタグだが、この集計ではAI可視性との相関が比較的大きく、特にPerplexityで3.6倍の差が観測された。Web検索ベースの経路との関係は仮説として置き、OGP実装だけで引用が増えるとは断定しない。

観測3: ブログ/メディア運営は複数エンジンで差が見られた

ブログ運営企業は4つのエンジンすべてでおおむね2.3倍のスコアだった。特定エンジンに依存しない確認候補ではあるが、記事の質・更新頻度・企業規模などを分離していないため、単独施策の効果とは言えない。

• ChatGPT: 2.4倍
• Claude: 2.3倍
• Gemini: 2.1倍
• Perplexity: 2.2倍

4エンジンでの倍率のバラツキが最も小さい（標準偏差0.13）。ただし、これは当時のサンプル内の傾向であり、どのAIエンジンでも均等に効くと保証するものではない。

観測4: JSON-LDの差は全体では小さく、Geminiで大きかった

SEO界隈で最も推奨されるJSON-LDだが、この集計でのAI可視性との相関は1.4倍と比較的小さかった。一方、Geminiでは2.0倍の差が見られた。ただし、JSON-LDが必要条件・十分条件だと断定できるデータではない。

JSON-LDの差が限定的だった理由は、この集計だけでは特定できない。構造化データは確認すべき技術シグナルの一つと捉え、他のページ品質・外部言及と併せて検証するのが安全だ。構造化データ完全ガイドでは、業種別の実装テンプレートと確認ポイントを解説している。

観測5: D2Cカテゴリでは技術項目とスコアが単純比例しない

公式の業種別集計（2026年5月、10社）では、D2Cカテゴリの平均AI可視性スコアは0.28点、最大1.48点、最小0点だった。技術項目の有無だけでカテゴリ内の差を説明できるとは限らず、外部言及・コンテンツ・企業規模などを含めた切り分けが必要である。

D2C企業10社の個別スコアは、サイト別に次のように分布している。数値は業種別正本データから転記したもので、因果関係を示すものではない。

この分布は、AIの引用傾向を技術実装だけで説明できないことを示す一例だ。D2Cでは、外部言及・一次情報・コンテンツの切り分けを行い、自社サイトの計測結果で仮説を更新する必要がある。詳しくは日本EC業界のAI可視性マーケットレポートで9業界の比較分析を行っている。

観測6: シグナル数とスコアの組み合わせに差が見られた

個別の技術要因だけでなく、シグナルの「組み合わせ」でも差が見られた。探索的集計では4個のグループの平均スコアが高かったが、交絡要因を含むため、4個実装だけで引用が増える閾値とは解釈しない。

4個のグループで平均が高かった理由は、このデータだけでは特定できない。Wikipedia・OGP・ブログ・FAQを確認順序の候補にしつつ、実装後は自社の引用率とクエリ別の差分で再検証する。

---

AI Overview（Gemini）の読み方

Google AI Overview（旧SGE）は、Google検索結果の最上部にAI生成の回答を表示する機能だ。ここではAI Overviewの表示を直接測定したのではなく、5月度のGeminiスコアを参考指標として技術項目との相関を比較する。

Geminiの特徴は明確だ。

• JSON-LDとsitemapの差が全体平均より大きかった — Googleのクロール経路との関係は仮説として検証する
• WikipediaとOGPの差は全体平均より小さかった — 外部権威とサイト実装の寄与は追加データで切り分ける
• Gemini向けは技術実装を先に確認する順序が妥当だが、他の3エンジンでも同じ結果になるとは限らない

---

---

まとめ: 技術項目と外部言及を分けて検証する

104社の分析から得られた実務上の示唆は、AI可視性を技術実装だけで説明しないことだ。技術項目と外部言及を分けて確認し、クエリ・エンジン別の実測で仮説を更新する。

• 技術シグナル（JSON-LD, OGP, Sitemap, llms.txt等）は、まず確認する入口
• 外部言及（Wikipedia, メディア露出）は、技術項目と分けて比較する観測軸
• 複数の観測軸をそろえた企業群の差を、カテゴリ・クエリ別に追跡する

自社のAI可視性を確認するには、無料チェッカーで即座にスコアを計測できる。エンジン別ランキングで業界内のポジションも確認してほしい。またChrome拡張機能を使えば、閲覧中のページのAIシグナルをリアルタイムでチェックできる。

よくある質問

AIに引用されやすい企業の技術的な特徴は何ですか？

104社の5月度Site Profilerスナップショットでは、Wikipedia掲載（2.7倍）、OGPタグ実装（2.8倍）、ブログ運営（2.3倍）で差が観測されました。これは交絡要因を含む探索的な相関であり、実装だけで引用が増えることや将来の再現を保証しません。

D2Cパラドックスとは何ですか？

公式の業種別集計（2026年5月、10社）では、D2Cカテゴリの平均AI可視性スコアは0.28点、最大1.48点、最小0点でした。技術項目だけで差を説明できるとは限らないため、外部言及・コンテンツ・企業規模などを分けて自社データで検証します。

AI Overview（Gemini）対策に特に効果的な技術要因は？

Geminiスコアを参考指標にした探索的比較では、JSON-LD（2.0倍）とsitemap.xml（1.8倍）で全体平均より大きな差が観測されました。AI Overviewの表示を直接測定したものではなく、Geminiの技術実装重視や因果を断定するデータではありません。

技術シグナルはいくつ実装すれば効果が出ますか？

探索的集計では、4個のシグナルを持つグループの平均スコアが2.14点と高くなりました。ただし交絡要因を含むため、4個実装が閾値とは解釈せず、Wikipedia・OGP・ブログ・FAQを確認順序の候補として自社データで再検証します。