オンページSEOは今でも必要です。ただし、「以前ほどリッチリザルトが出ないから、Googleはオンページ最適化を評価していない」という見方は、少し論点がずれています。
特に混同されやすいのが、構造化データ、リッチスニペット、そしてAI検索での可視性です。これらは関係していますが、同じものではありません。
結論から言うと、構造化データがAI検索での露出を直接引き上げるとは考えていません。ただし、適切に設計されたスキーマは、ページの関連性を強める要素になり得ます。この違いを理解しておかないと、AI対策のためにスキーマだけを増やすという、効果の薄い施策に走ってしまいます。
オンページSEOを行う目的は、単に検索結果で星評価やFAQなどのリッチスニペットを出すことではありません。ページが何について書かれているのかを明確にし、検索エンジンが内容を理解しやすい状態に整えることが本質です。
リッチスニペットは、構造化データによって生成されることがあります。構造化データとは、検索エンジン向けにページ内の情報を明示するための記述です。人間に向けて書かれた通常の本文だけでは曖昧になり得る情報を、機械が解釈しやすい形式で補足します。
たとえば、ローカルビジネスのページであれば、次のような情報を構造化して伝えられます。
ただし、構造化データがなければリッチスニペットが絶対に出ない、というわけでもありません。ページが適切にフォーマットされ、HTMLがきれいに構成され、見出しや情報の階層が明確なら、検索エンジンはページ本文から内容を理解し、強調表示につながる場合があります。
つまり、リッチスニペットはスキーマだけの成果ではなく、ページ全体の構造と品質の成果でもあるということです。
AI検索を考えるときに最も重要なのは、従来の検索エンジンとAI言語モデルを同一視しないことです。両者は情報の取得と返し方が異なります。
従来の検索エンジンは、クエリに対して関連性の高いページを検索結果として返します。そのため、ページ単位でテーマ、品質、構造、リンク、エンティティ、技術的な実装などを理解する必要があります。
構造化データはもともと、ページが何についてのものなのかを検索エンジンへ伝えるための共通言語として発展してきました。人間向けの文章を、アルゴリズムにもより明確に説明するための補助レイヤーです。
一方で、AI言語モデルはページ全体をそのまま一つの検索結果として扱うとは限りません。質問に対して関連する部分、セクション、チャンクを見つけ出し、それを基に回答を組み立てます。
この違いが重要です。AI検索向けに構造化データを実装したからといって、検索エンジンがスキーマを評価するのと同じように、AIモデルがそのマークアップを特別扱いするとは限りません。
このテーマには大きく二つの考え方があります。
私の見方は後者に近いです。少なくとも、構造化データそのものがAI検索の可視性を直接高める、と単純に言い切ることはできません。
AIモデルがページをクロールまたは取り込む際、構造化データの大きなブロックを「これは特別なSEO信号だ」として扱うのではなく、ページ上の他のコンテンツと同様にトークンとして取り込む可能性があります。
言い換えれば、AIにとって重要なのは、スキーマというラベルそのものではなく、その中に含まれる言葉、エンティティ、文脈、関連性です。
ここが構造化データの実務的な価値です。
内容がよく最適化された構造化データには、ビジネス、サービス、地域、カテゴリ、関連組織など、そのページのテーマに関係する情報が含まれます。AIモデルがそれらを通常のトークンとして取り込むなら、ページ内にある関連性の高い情報量が増えることになります。
これは、ページのエンティティ密度やテーマの一貫性を強める方向に働く可能性があります。
たとえば、地域ビジネス向けのLocalBusinessスキーマでは、次のようなプロパティが関連性の補強に使えます。
これらはすべて、商品、サービス、場所、事業者の組み合わせに関する関連性の手がかりになります。AIがスキーマを特別な構造として解釈しなくても、そこに含まれる関連トークンはページの意味をより濃くする可能性があります。
構造化データがAI検索に寄与するとしても、それは次のような間接的な作用として考えるのが自然です。
重要なのは、これは「JSON-LDを入れればAI検索で上位に出る」という話ではないことです。
スキーマは魔法の順位シグナルではありません。AI検索対策の中心に置くべきなのは、質問に対して明確に答えるコンテンツ、整理された見出し構造、正確なエンティティ情報、専門性のあるページ設計です。構造化データは、その土台を補強する役割として使うべきです。
リッチスニペットの表示頻度や検索結果の見え方が変わったとしても、オンページSEOの価値は消えません。むしろ、AI検索を含む複数の情報取得システムにページを理解させるため、基礎の重要性は高まっています。
実務では、次の優先順位で考えるとよいでしょう。
構造化データは従来のSEOにとって依然として有用です。そしてAI検索の文脈でも、関連性の高い情報を補強するという意味では価値を持ち得ます。
AIモデルと検索エンジンは同じものではなく、情報の取得方法も異なります。Google検索ではページ単位の理解が中心ですが、AIモデルは質問に対して関係するセクションやチャンクを扱います。
だからこそ、構造化データをAI検索の直接的な可視性向上策として過大評価するべきではありません。一方で、エンティティ、地域、サービス、外部参照といった情報を適切に含めたスキーマは、ページの関連性を補強する可能性があります。
最も現実的な考え方はシンプルです。構造化データそのものを目的にするのではなく、ページが何者で、何を提供し、どこに関連し、どの質問に答えるのかを一貫して明確にする。そのための補助としてスキーマを使う。これが、従来のSEOにもAI検索にも通用する、堅実なアプローチです。
