AI検索（GoogleのAIモード、Copilot、ChatGPT、Perplexity）に「理解され、引用され、推薦される」ための設計を、5章19項目で整理しました。このサイト自体が、ここに書いた構造で作られています。
第1章 AIOの基礎
1-1 「SEOからAIOへの変化」を理解する
検索結果の上位に並ぶことが目的だったSEOに対し、AIO（AI Optimization）はAI検索が回答を生成するときに「参照され、引用され、推薦される」ことを目的にします。読者はリンクをクリックせず、AIの回答で意思決定を終えることが増えています。したがって、ページは「読まれる前提」ではなく「要約される前提」で設計する必要があります。
- クリック前に判断が終わるゼロクリックを前提にする
- 回答の最小単位（定義・条件・数字）をページに持たせる
- 自社名が引用される根拠（著者・一次情報・更新日）を揃える
1-2 「AEO／GEO／LLMO」の三層構造モデリング
AEO（Answer Engine Optimization）は質問に対する直接回答、GEO（Generative Engine Optimization）は生成AIの回答生成時に参照される最適化、LLMO（Large Language Model Optimization）は言語モデルの学習・検索拡張の対象として認識される最適化です。三層は排他ではなく積み重なります。FAQで回答単位を作り（AEO）、根拠と比較で生成時に引用されやすくし（GEO）、サイト全体の一貫性と llms.txt でモデルに認識させる（LLMO）という順で整えます。
- AEO：質問と回答を1対1で置く
- GEO：根拠・比較・条件を添えて引用価値を上げる
- LLMO：サイト全体の定義と一貫性をモデルに伝える
1-3 「Query→Intent→Answer」AIが理解する情報構造
AI検索は、検索クエリを意図（情報収集・比較・依頼）に分解し、意図に対応する回答をページから抽出します。ページは「クエリ → 意図 → 回答」の対応が明確なほど採用されます。このテーマでは1,000クエリを20の意図カテゴリと50の回答に対応付け、各回答を独立した見出し・段落で公開しています。
- クエリの表記ゆれを1つの意図にまとめる
- 意図ごとに1つの正規回答を持つ（重複ページを作らない）
- 回答の冒頭1文で結論を言い切る
1-4 E-E-A-T再定義 E：根拠 × T：追跡性 × R：定着性
AI検索時代のE-E-A-Tは、「経験・専門性・権威性・信頼性」を、AIが機械的に確認できる形に翻訳する必要があります。根拠（Evidence）は数字と条件、追跡性（Traceability）は著者・会社・更新日・出典へのリンク、定着性（Retention）は同じ定義が複数ページで一貫して使われていることです。
- 根拠：数字には必ず分母と条件を付ける
- 追跡性：著者・会社・更新日・出典を機械可読にする
- 定着性：用語の定義をサイト全体で統一する
1-5 AIOピラミッド「理解→引用→学習対象化→運用」の循環構造
AIにページを「理解」させる（構造化・定義）、回答に「引用」させる（根拠・比較）、継続的な「学習対象」として認識させる（更新・一貫性・llms.txt）、そしてその結果を見て「運用」する（AI検索での表示確認・改善）という4段階を循環させます。
- 理解：HTML構造と定義ブロック
- 引用：FAQ・比較・数字
- 学習対象化：更新日・llms.txt・一貫した表現
- 運用：月次でAI検索の表示を確認し改善
第2章 文章構成
2-1 「PREP→FAQ→HowTo」で文章構成を整える
結論（Point）→理由（Reason）→具体例（Example）→結論（Point）のPREPで段落を作り、読者の疑問をFAQで受け、実行手順をHowToで示します。この順に並べると、AIは「主張・根拠・手順」を取り出しやすくなります。
- 段落の1文目に結論
- FAQは質問文をそのまま見出しに
- HowToは番号付きの手順と所要時間
2-2 「PREP＋FAQ（Q&A）」で引用される最小単位を設計する
AIが引用するのは段落全体ではなく、質問に対する1〜3文の回答です。FAQの回答は「結論→条件→補足」の3文で完結させ、固有名詞と数字を含めます。このテーマの50件の正規回答は、すべてこの最小単位で書かれています。
- 回答は3文以内で完結
- 固有名詞・数字・条件を含める
- 同じ回答を複数ページに置かない
2-3 「FAQ＋HowTo」で知識として採用してもらう
FAQが「何か」を答え、HowToが「どうやるか」を答えると、AIはそのページを手順の出典として採用しやすくなります。導入の流れページでは、相談→設計→テスト→報告→判断の5ステップをHowToスキーマで出力しています。
- FAQとHowToを同じトピックで対にする
- 手順には所要期間と成果物を書く
- HowToスキーマで機械可読にする
2-4 「meta情報＋llms.txt＋著者情報」で最初の文脈を与える
AIがサイトを読む最初の入口は、title・description・OGP・llms.txt・著者情報です。ここで「誰が、誰に、何を提供するサイトか」を一貫して伝えると、個々のページの解釈が安定します。
- title は32文字以内、description は70文字以内で主語を明確に
- llms.txt にサービス定義と主要ページを列挙
- 著者情報は Person スキーマで出力
2-5 「E-E-A-T」で信頼を可視化する
信頼は「書いてある」だけでは伝わりません。会社情報・代表者・所在地・連絡先・更新日・根拠ブロック・実績の出典を、読者とAIの両方が確認できる位置に置きます。
- 会社概要とプライバシーポリシーを必ず公開
- 記事ごとに更新日と著者を表示
- 実績の数値には出典と集計時点を添える
第3章 実装
3-1 「HTML構造」を整理する
h1は1ページに1つ、h2/h3で階層を作り、本文はセマンティック要素（article, section, nav, aside, figure）で区切ります。図はSVGでtitle/descを持たせ、表はtableでthを明示します。AIは見出し階層を回答抽出の単位に使います。
- h1は1つ、見出しは飛ばさない
- figure/figcaption で図に説明を付ける
- table は th と caption を付ける
3-2 「FAQPageスキーマ（JSON-LD）」を実装する
FAQPageスキーマは、質問と回答の対応をAIと検索エンジンに直接伝えます。本文に表示されている質問・回答と完全に一致させ、1ページに集約することで重複を避けます。
- 本文と JSON-LD の内容を一致させる
- FAQ は正規ページ1つに集約
- 50件を超える場合はカテゴリで分割
3-3 「Evidence＋Reference」を追加する
主張の直後に根拠（Evidence：自社データ・条件）と参照（Reference：公的資料・一次情報へのリンク）を置くと、AIは引用の正当性を判断しやすくなります。テーマでは記事ごとに「根拠・参照」ブロックを出力します。
- 根拠は数字＋分母＋期間
- 参照は一次情報へのリンク
- ブロックは本文末ではなく主張の直後
3-4 「SEOとAIO」を連携させる
SEOの基本（クロール・インデックス・内部リンク・速度）が整っていないページはAIにも読まれません。逆にAIO向けの構造化はSEOのリッチリザルトにも効きます。両者を別物として扱わず、同じページで両立させます。
- クロール可能・インデックス可能が前提
- 構造化データはSEOとAIOの共通資産
- 内部リンクでトピックの関連を示す
3-5 「HowToスキーマ（JSON-LD）」を実装する
導入手順・比較手順・試算手順など「やり方」を扱うページにHowToスキーマを付けます。各ステップに名前・説明・所要時間を持たせ、本文の手順と一致させます。
- ステップ名は動詞で始める
- 所要時間と成果物を書く
- 本文の番号付きリストと一致させる
第5章 AI別の最適化と深化
5-1 Web全体検索型AIの処理理解と引用構造分析
GoogleのAIモード、Copilot、ChatGPTの検索、Perplexityは、クエリを複数の下位クエリに展開し、複数ページから断片を集めて回答を合成します。引用されるのは「下位クエリに1対1で答えている断片」です。自社名でAI検索し、どのページのどの段落が引用されているかを月次で記録します。
- AIごとに自社名・サービス名で検索し結果を保存
- 引用された段落の構造（見出し＋3文）を他ページにも展開
- 引用されない理由（定義不足・根拠不足）を特定
5-2 llms.txt／robots.txt の設定
llms.txt はサイトの要約と主要ページの一覧をAI向けに提供するテキストです。robots.txt では GPTBot、ClaudeBot、PerplexityBot、Google-Extended、Bingbot などのAIクローラーを明示的に許可します。学習を拒否したい場合は個別に Disallow を設定します。
- llms.txt にサービス定義・主要ページ・連絡先
- AIクローラーを明示的に許可
- Disallow は必要最小限
5-3 AI別の最適化戦略
GoogleのAIモードはGoogleのインデックスとリッチリザルトを重視、CopilotはBingのインデックスと構造化データ、ChatGPTは検索連携時にBing系のインデックスと明確な定義文、PerplexityはFAQ形式と出典の明示を好む傾向があります。共通するのは「定義・根拠・一貫性」です。
- Bing Webmaster Tools にも登録する
- 定義文をページ冒頭に置く
- FAQと出典をすべてのAIで共通の資産にする
5-4 Evidence層・Reference層の深化実装
根拠層は自社の一次データ（架電数・接続率・商談化率・断り理由）を条件付きで公開すること、参照層は公的統計・ガイドライン・一次資料へのリンクを体系的に置くことです。両層が厚いページほど、AIは「信頼できる出典」として扱います。
- 一次データは分母・期間・条件を必ず添える
- 参照は公的資料を優先し、リンク切れを定期確認
- 根拠・参照を更新するたびに dateModified を更新
このサイトでの実装
- 1,000の検索クエリを20の意図と50の正規回答に対応付け、FAQ正規ページに集約（重複なし）。
- Organization / Service / FAQPage / HowTo / Person / BreadcrumbList の JSON-LD を出力。
- llms.txt と robots.txt で AI クローラーを明示的に許可。
- 記事ごとに結論ブロック・用語定義・根拠と参照・著者情報・更新日を表示。
- 画像を使わず SVG の図で説明し、表示速度と理解のしやすさを両立。