GEO向けエンティティ設計：AIがコンテンツを認識する仕組み

TL;DR

• GEO（Generative Engine Optimization）でAI引用を得るには「エンティティ」の明示化が最重要
• エンティティとは「固有の概念・人物・組織・製品」。AI検索はテキストではなくエンティティの関係性でコンテンツを理解する
• Schema.org（JSON-LD）でエンティティを構造化すると、AI・Knowledge Graphへの接続確率が上がる（Google推奨・公式値）
• 実装は3ステップ：①エンティティ特定 → ②Schema.org付与 → ③Wikidata/Wikipedia連携
• 本記事では実装用JSON-LDコードを複数掲載する

GEO×SEO統合シリーズ：本記事はGEO×SEO統合戦略シリーズの個別解説です。各施策を統合した全体ワークフローとKPI設計の全体像は統合戦略のハブ記事にまとめています。

この記事の目的と成功基準

• 目的: GEOにおけるエンティティ設計の全体像と、Schema.org/JSON-LDによる実装方法を提供する
• 想定読者: GEO対応したいSEO担当者・コンテンツエンジニア・マーケター
• 成功基準: 「GEO エンティティ設計」「AI検索 エンティティ」関連クエリでの流入、GEOと構造化データへの回遊

なぜGEOにエンティティ設計が必要か

GEOとSEOの違いで解説したとおり、AI検索は「テキストマッチング」ではなく「意味理解」で回答を生成する。

その意味理解の基盤が**エンティティ（Entity）**だ。

GoogleのKnowledge Graphは数十億のエンティティとその関係性を保持している。ChatGPT・Gemini・Perplexityといった生成AI検索も、学習データとリアルタイム検索でエンティティ情報を参照する。

エンティティとは何か

エンティティとは「固有に識別できる実体」のことだ。

AIは「ChatGPTはOpenAIが開発した大規模言語モデル」というエンティティ間の関係性を理解し、質問に答える。あなたのコンテンツが「どのエンティティについて書いているか」を明示しないと、AIはそのコンテンツを正確に分類・引用しにくくなる。

エンティティが不明確なコンテンツの問題

エンティティを明示しないコンテンツは、AI検索から見ると以下のようなデメリットがある。

1. Knowledge Graphに接続されない — AIがコンテンツをどのエンティティの文脈で読むべきか判断できない
2. 引用時の精度が下がる — AI Overviewsが誤った文脈でコンテンツを引用するリスクがある
3. 競合との差別化ができない — 同じトピックの記事が複数ある場合、エンティティが明確な記事が優先される

AI検索がエンティティをどう処理するか

2023年のGEO研究論文（Aggarwal et al., 2023）によれば、生成AI検索がコンテンツを引用する際、以下の要素が引用率に影響する（経験則に基づく研究結果）。

1. 統計・数値データの存在
2. 引用元の権威性（著者エンティティの信頼性）
3. 構造化されたコンテンツ
4. エンティティの明確な定義と文脈

AI検索のエンティティ処理は大まかに以下のフローで進む。

コンテンツ取得
    ↓
エンティティ抽出（Named Entity Recognition）
    ↓
Knowledge Graphとのマッチング
    ↓
エンティティ間の関係性グラフ構築
    ↓
質問との関連度スコアリング
    ↓
回答生成・引用

Google AI Overviewsの最適化でも説明しているように、Googleは構造化データをエンティティ認識の補助情報として使用する。

Schema.orgによるエンティティ設計の実装

Schema.orgは、Googleが主導する構造化データの標準規格だ。Google Search Centralでは、JSON-LDフォーマットでのSchema.org実装を公式推奨している（公式値）。

実装ステップ

Step 1: コンテンツのエンティティを特定する

記事を書く前に、以下を明確にする。

• 主エンティティ: 記事が主に語るエンティティ（例: "GEO"という概念）
• 関連エンティティ: 主エンティティと関係するエンティティ（例: Schema.org、Knowledge Graph、Perplexity）
• 著者エンティティ: 誰が書いたか（Person or Organization）

Step 2: Schema.orgタイプを選択する

Step 3: JSON-LDを実装する

Article スキーマ（著者エンティティ付き）

GEO対応Article schemaの基本実装。著者（Person）と発行者（Organization）をエンティティとして明示する。

{
  "@context": "https://schema.org",
  "@type": "Article",
  "headline": "GEO向けエンティティ設計：AIがコンテンツを認識する仕組み",
  "description": "AI検索に引用されるためのGEOエンティティ設計手法とSchema.org実装を解説",
  "datePublished": "2026-07-02T09:00:00+09:00",
  "dateModified": "2026-07-02T09:00:00+09:00",
  "author": {
    "@type": "Person",
    "name": "Growth Lab 編集部",
    "url": "https://growth-lab.example.com/author/editor",
    "sameAs": [
      "https://twitter.com/growthlabeditor",
      "https://www.wikidata.org/wiki/Q..."
    ]
  },
  "publisher": {
    "@type": "Organization",
    "name": "Growth Lab",
    "logo": {
      "@type": "ImageObject",
      "url": "https://growth-lab.example.com/logo.png"
    },
    "sameAs": [
      "https://twitter.com/growthlab",
      "https://www.wikidata.org/wiki/Q..."
    ]
  },
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://growth-lab.example.com/notionnext-blog/geo-entity-design"
  },
  "about": [
    {
      "@type": "Thing",
      "name": "Generative Engine Optimization",
      "description": "AI検索エンジンに引用・言及されるためのコンテンツ最適化手法",
      "sameAs": "https://en.wikipedia.org/wiki/Search_engine_optimization"
    },
    {
      "@type": "Thing",
      "name": "Schema.org",
      "sameAs": "https://schema.org/"
    }
  ]
}

ポイント解説

sameAs プロパティが最重要。sameAsにWikipedia/Wikidata/公式URLを指定することで、AIとKnowledge Graphが「このエンティティはあの有名なエンティティと同じだ」と認識できる（経験則）。

about プロパティでテーマエンティティを明示。記事が「何について書いているか」を構造化データで宣言する。これによりAI検索が記事の主題を誤解するリスクが減る。

Organization スキーマ（E-E-A-T強化）

サイト運営者の権威性を示すOrganizationスキーマ。Google Search Centralが推奨するE-E-A-T強化の実装例。

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Growth Lab",
  "url": "https://growth-lab.example.com",
  "description": "AI・エンジニアリング・マーケティング専門のテックメディア",
  "foundingDate": "2024",
  "knowsAbout": [
    "Generative Engine Optimization",
    "AI検索最適化",
    "コンテンツマーケティング",
    "Schema.org実装"
  ],
  "sameAs": [
    "https://twitter.com/growthlab",
    "https://github.com/growthlab"
  ],
  "contactPoint": {
    "@type": "ContactPoint",
    "contactType": "editorial",
    "email": "[email protected]"
  }
}

knowsAbout プロパティでサイト（組織エンティティ）の専門領域を宣言できる。AIはこの情報を使って「このサイトはGEOの専門メディアだ」と判断する（経験則）。

FAQPage スキーマ（PAA対応）

構造化データのGEO設計でも解説したFAQPageスキーマ。GEOエンティティ設計に特化した実装例。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "GEOのエンティティ設計とは何ですか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "GEOのエンティティ設計とは、AI検索がコンテンツを正しく認識・引用するために、Schema.orgを使ってコンテンツ内のエンティティ（人物・組織・概念・製品）を構造化・明示化する手法です。sameAsプロパティでWikipedia/Wikidataとの接続も行います。"
      }
    },
    {
      "@type": "Question",
      "name": "Schema.orgのsameAsプロパティはなぜ重要ですか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "sameAsプロパティは、コンテンツ内のエンティティをWikipedia・Wikidata・公式URLと紐づけます。これによりAI検索とKnowledge Graphが「このエンティティは信頼できる既知の概念と同じだ」と確認でき、引用信頼性が高まります。"
      }
    },
    {
      "@type": "Question",
      "name": "エンティティ設計をしないとどうなりますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "エンティティを明示しないと、AI検索がコンテンツの主題を誤解するリスクがあります。またKnowledge Graphに接続されず、AI Overviewsで競合記事が優先引用されやすくなります。"
      }
    },
    {
      "@type": "Question",
      "name": "WikidataとSchema.orgはどう連携しますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "WikidataはWikipediaと同じWikimedia Foundationが管理するオープンな知識データベースです。Schema.orgのsameAsプロパティにWikidata URLを指定すると、AI検索がWikidataのエンティティデータを参照してコンテンツの権威性を評価します。"
      }
    },
    {
      "@type": "Question",
      "name": "GEOエンティティ設計の効果はどう測定しますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "AI引用の測定には、ブランド名クエリでのAI検索モニタリング、Google Search ConsoleのAI Overview表示回数確認、Perplexity等でのブランドメンション追跡が有効です。詳細は「AI引用の測定方法」をご参照ください。"
      }
    }
  ]
}

Wikidata連携：エンティティの「証明」

エンティティ設計で見落とされがちなのがWikidataとの連携だ。

Wikidataは「構造化された知識の百科事典」で、GeminiやChatGPTなどの大規模言語モデルの学習データにも含まれている。

Wikidata連携のメリット

1. エンティティの信頼性確立 — AIがエンティティを「実在する既知の概念」として認識
2. 多言語対応 — Wikidataは300以上の言語で共通エンティティIDを使用
3. Knowledge Graph接続 — Googleのエンティティデータベースと直接接続

実装手順

1. Wikidataで自社ブランドや主要概念を検索
2. 該当するWikidata Qナンバー（例: Q12345）を取得
3. Schema.orgのsameAsに https://www.wikidata.org/wiki/Q12345 を追加

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "あなたの会社名",
  "sameAs": [
    "https://www.wikidata.org/wiki/Q12345",
    "https://en.wikipedia.org/wiki/Your_Company",
    "https://ja.wikipedia.org/wiki/あなたの会社"
  ]
}

Wikidataにエントリーがない場合は、まずWikipedia記事を作成してからWikidataに登録する流れが一般的だ（経験則）。

エンティティ設計と内部リンク戦略

エンティティ設計は構造化データだけでなく、テキスト上でのエンティティ明示も含む。

AI引用の測定方法でも解説しているように、AI検索はテキスト内でのエンティティの使われ方も学習する。

テキストでのエンティティ強化

内部リンクは単なるナビゲーションではなく、「このエンティティとあのエンティティは関連している」というシグナルをAIに送る役割も持つ（経験則）。

llms.txt ガイドで説明しているように、サイト全体のエンティティ構造をAIに伝えるファイルとしてllms.txtも活用できる。

エンティティ設計の優先順位

すべてを一度に実装するのは難しい。以下の優先順位で進めることを推奨する（経験則）。

Phase 1（即実施）: 基本エンティティの明示

• Organization スキーマを全ページに追加
• 主要著者の Person スキーマを追加
• sameAs に公式SNS・Wikipedia URLを追加

Phase 2（1〜2ヶ月）: コンテンツエンティティの強化

• 全記事にArticle スキーマを追加（aboutプロパティ含む）
• FAQ記事にFAQPageスキーマを追加
• 製品/サービス記事にProduct/Serviceスキーマを追加

Phase 3（2〜3ヶ月）: Knowledge Graph接続

• Wikidataにブランドエンティティを登録
• Wikipedia記事の作成・更新（該当する場合）
• Google Search ConsoleでEntityインデックス状況を確認

よくある実装ミスと対処法

ミス1: sameAsを省略する

問題: sameAsなしでは、AIはエンティティを既知の概念と照合できない。 対処: 公式URL・Wikipedia・WikidataのいずれかのURLを最低1つ指定する。

ミス2: 本文とJSON-LDの内容が一致しない

問題: FAQPageスキーマに記載した質問が本文にない場合、Googleのリッチリザルト審査で不合格になる。 対処: JSON-LDの内容は本文に必ず記載する。本文ファースト、構造化データは後付けで定義する。

ミス3: エンティティを過剰に詰め込む

問題: 関係のないエンティティを大量にaboutに列挙しても逆効果。 対処: 記事のメインテーマに直結するエンティティのみを指定する（最大5〜7件を目安）。

FAQ

Q. 中小サイトでもエンティティ設計の効果はありますか？

はい。エンティティ設計はドメイン権威に関係なく適用できる構造化手法です。特にニッチな専門分野では、大手メディアがまだエンティティ設計を実施していない場合が多く、先行することで有利になります。

Q. Schema.org以外のエンティティ設計手法はありますか？

主要なものとして「Open Graph（OGP）」「Dublin Core」がありますが、AI検索・Knowledge Graphへの接続という点ではSchema.org/JSON-LDが最も信頼性が高く、Googleが公式推奨しています（公式値）。

Q. エンティティ設計の効果はいつ出ますか？

構造化データはGoogleのクロール後、数日〜数週間でインデックスされます。AI引用への影響はLLM引用の測定に記載の手法で追跡できます。一般的に2〜3ヶ月での変化観察を推奨します（経験則）。

Q. JavaScriptで動的にJSON-LDを生成してもいいですか？

はい。ただし、Googleのクローラーがページを完全にレンダリングするまで時間がかかる場合があります。可能な限りHTMLにインラインで静的に埋め込む方式が確実です（Google推奨・公式値）。

Q. Wikidataのエントリーがない場合はどうすればいいですか？

まずWikipediaに自社・自分のページが存在するか確認してください。Wikipediaページがある場合はWikidataへの自動インポートを依頼できます。ない場合は、sameAsに公式サイトURL・LinkedIn・X（Twitter）などを代替として指定してください。

まとめ

GEO向けエンティティ設計のポイントを整理する。

1. エンティティの明示化が基本 — AIはテキストではなくエンティティの関係性でコンテンツを理解する
2. Schema.org/JSON-LDで構造化 — Article・Organization・FAQPageの3スキーマを優先実装する
3. sameAsでKnowledge Graph接続 — Wikipedia/Wikidataへのリンクが信頼性の証明になる
4. 本文とJSON-LDを一致させる — 構造化データは本文内容の正確な反映でなければならない
5. 段階的に実装する — Phase 1（基本）→ Phase 2（コンテンツ）→ Phase 3（KG接続）の順で進める

GEOの構造化データ全般やGEOとSEOの戦略的違いもあわせて参照してほしい。