AIO（AI Optimization：AI最適化）・GEO（Generative Engine Optimization：生成エンジン最適化）という言葉が浸透し、ChatGPTやClaude、Perplexityといった生成AIに「引用されるサイト」を目指す動きが本格化しています。一方で「具体的に何が効くのか」という問いに対する定量的な根拠は、まだ十分に揃っているとは言えません。
しかも、この領域では発信元によって主張が食い違います。Googleは公式ガイドで「構造化データは生成AI検索に必須ではない」と明記しています。その一方で、AI検索インフラを手がけるLightSite AI社は、機械可読化されたページのほうがAIボットの挙動が変わるという実測データを公開しています。
この2つは、実は矛盾していません。測っている対象が違うからです。本記事では、LightSite AI社が2026年2月に公開した実証研究の内容を整理しつつ、その数値が何を示し、何を示していないのかを、比較設計のレベルまで踏み込んで解説します。
本記事は、同社から直接ご紹介いただいた研究の内容を、日本国内のマーケターに向けて要点を整理し、実務への示唆をまとめたものです。
目次
研究を実施したLightSite AI社について
LightSite AI社は、イスラエル・テルアビブを拠点とするAI検索インフラ企業です。創業者でCEOのStas Levitan氏のもと、機械可読な構造化データ層やAI向けエンドポイントの自動生成・運用と、AI可視性の分析機能を提供する特許出願中のプラットフォームを展開しています。
同社の特徴は、ChatGPT・Claude・Perplexityといった主要AIシステムのクローラー挙動を、実際の本番ドメイン上で観測した自社データを保有している点にあります。第三者スクレイピングや推測ではなく、導入サイトのログに基づく一次データであることが、今回の研究の土台になっています。
同社は今回の研究の前にも、定量データに基づくAIO/GEO関連の調査を公開しています。2025年10月に発表された調査では、500以上の企業サイトを分析した結果として「91%のサイトが構造化データ（JSON-LD等）を十分に備えていない」「47%のサイトが robots.txt の設定に問題を抱えている」といった業界の準備不足が報告されました。
ただし、後述するとおり今回の研究の対象は同社の導入サイトに限られ、規模も約75サイトです。データの出所が明確であることと、そのデータが業界全体の傾向を代表していることは別の話として読む必要があります。
そもそもAIO/GEOで「構造化データが重要」と言われる理由とは？
AIO/GEOにおいて構造化データが重要視されるのは、AIにとって「サイトの曖昧さを除去する材料」になるからです。AIに引用されるためには、その前提として「サイトを正しく理解されること」が必要であり、構造化データはこの理解の質を左右する基盤となります。ただしGoogle検索に限れば、Googleは構造化データを生成AI検索の要件としていません。
AIO/GEO（生成エンジン最適化）の定義をおさらい
AIO/GEOとは、ChatGPT・Claude・Perplexityなどの生成AIがユーザーの質問に回答する際、自社コンテンツが情報源として引用・推薦されるよう最適化する施策です。
従来のSEOが「Google検索結果の上位表示」を目指すのに対し、AIO/GEOは「AIの回答そのものに組み込まれること」を目指します。最適化の対象が検索エンジンのランキングアルゴリズムから、LLM（大規模言語モデル）の挙動へとシフトしている点が本質的な違いです。
なぜ構造化データがAIにとって重要だと考えられているのか
AIはサイトの内容を解析する際に、機械可読性（machine readability）の高さに依存します。HTMLが整理されておらず、エンティティの定義（誰が、何を、どう提供しているか）が曖昧だと、AIは内容を正確に把握できません。
その結果として何が起きるか。AIは公式サイトを情報源として使う代わりに、第三者のレビュー、フォーラム、競合の記述、あるいは古い要約に頼るようになります。「あなたのブランドの説明」が、自社が書いた言葉ではなく、外部の言及だけで構成されてしまうわけです。
構造化データは、この曖昧さを除去するための最も基本的な手段だと考えられています。
ただしGoogleは「構造化データは生成AI検索に必須ではない」と明記している
ここで押さえておくべき事実があります。冒頭でも紹介したGoogle Search Central の「生成AI検索向け最適化ガイド」には、誤解を解くためのセクションが設けられており、そのなかで構造化データについて次の趣旨が書かれています。
| 構造化データは生成AI検索に必須ではなく、追加すべき特別な schema.org マークアップも存在しない。ただしGoogle検索でのリッチリザルトの資格に関わるため、SEO施策としては継続して使うことが望ましい。
llms.txt などの機械可読ファイル・AIテキストファイル・マークアップ・Markdownも、生成AI機能を含むGoogle検索での表示には不要である。Google検索はそれらを使用していない。作成しても、Google検索での可視性や順位を害することも助けることもない。 |
重要なのは、この記述の射程です。Googleが述べているのは、あくまでGoogle検索（AI Overviews / AI Mode）における順位と表示についてです。 ChatGPT、Claude、Perplexityといった他のAIプラットフォームの挙動について述べたものではありません。また「クロールされ方が変わるか」という別の問いにも答えていません。
この区別が、次に紹介する研究の読み方を決めます。
500万件のAIボット解析 ── 研究の全体像と比較設計
LightSite AI社の研究は、約75サイトを対象に、2026年1月の約1か月間で約500万件のAIボットリクエストを解析したものです。同一ドメイン内で、同社が生成した機械可読エンドポイントと、そのサイトの通常のページを比較し、AIボットの挙動の違いを観察しています。
何と何を比較したのか
この研究で比較されているのは、同一ドメイン内の次の2種類です。
-
- 機械可読エンドポイント：LightSiteが生成した、JSON形式でデータを返す専用URL。JSON-LD構造化データ、AI向けサイトマップ、ディスカバリーエンドポイントなどを含む
- 通常のページ：そのサイトが元から持っている、HTMLで配信されている一般的なページ
対象としたAIボットには、ChatGPT・Anthropic・Perplexityに関連するクローラーが含まれます。
ここで注意が必要なのは、これは「同じコンテンツにマークアップを付けた版と付けない版を用意して、AIボットを振り分けた」という実験ではない点です。AIボットの訪問先を実験者が割り付けることはできません。あくまで、実運用のログを観察して両者の挙動を比べた比較です。この違いが結果の解釈に直結するため、後段で改めて触れます。
「ランキング」ではなく「ボットの挙動」を測定した理由
AI検索における「ランキング」や「引用される確率」は、内部ロジックがブラックボックスのため外部から検証しにくい領域です。
そこでこの研究は、観察可能な「AIボットがどれだけ真剣にサイトを扱うか」というクロール挙動に絞って測定しています。「AIがすでにサイトを信頼しているか」ではなく、「AIがサイトをどれだけ処理しようとするか」を見るアプローチです。
前述のGoogleの記述と衝突しないのは、この点です。Googleが語っているのは検索での順位と表示、この研究が測っているのはクロール挙動。指標が異なります。
調査の概要
| 出典：LightSite AI「AI Bot Behavior Index」（2026年2月公表時点の数値）
対象期間：2026年1月（約1か月） 対象：約75サイト／約500万件のAIボットリクエスト 比較設計：同一ドメイン内で、LightSiteが生成した機械可読エンドポイントと、 同ドメインの通常のページを比較（観察比較・無作為割付なし） 数値の性質：いずれも相対変化。比較前の絶対値は非公開
【重要】このインデックスは5分ごとに更新されるライブデータです 上記は2026年2月に公表された時点のスナップショットです。対象サイト数は 2026年9月時点で150サイト超に拡大しており、対象国は米国・英国・イスラエル、 業種はB2B SaaS・EC・保険・法務です。日本語サイトは含まれていません。 同インデックスを閲覧した場合、本記事に記載の数値とは異なる値が表示されます。 |
結果 ── 3つの指標に差が出た
機械可読エンドポイントは、同一ドメインの通常のページに対して、抽出成功率で12%、クロール深度で17%、クロール頻度で13%それぞれ高い数値を記録しました。いずれも相対的な変化で、比較前の絶対値は公開されていません。
| 指標 | 差（相対） | 何を見ている指標か |
| 抽出成功率 | +12% | ボットがページを取得し、内容を完全に処理できた割合 |
| クロール深度 | +17% | 到達後にサイト内をどれだけ巡回したか |
| クロール頻度 | +13% | 時間をおいて再訪問される頻度 |
抽出成功率 +12% ── ボットが「完全に読めた」確率
抽出成功率とは、AIボットがページをフェッチし、内容を完全に処理できた割合です。機械可読エンドポイントではこの指標が相対的に12%高くなりました。
「アクセスはされているが、中身がうまく取り出されていない」という状態は意外と多く、機械可読な形での配信はこのロスを減らす方向に働きます。
クロール深度 +17% ── 到達後の巡回ページ数
あるURLに到達した後、AIボットがそこからどれだけサイト内を巡回するかを示す指標です。機械可読エンドポイント経由では、巡回が相対的に17%深くなりました。
これはサイト全体としての情報量が、AIにより多く取り込まれる可能性を意味します。
クロール頻度 +13% ── 時間経過後の再訪問頻度
AIボットがどれだけ頻繁にサイトに戻ってくるかを示す指標です。機械可読エンドポイントは相対的に13%高い頻度で再訪問を受けていました。
AI検索の世界では「最後にいつクロールされたか」が回答の鮮度を決めます。再訪問されないサイトは、情報が古くなっても更新されません。
3つを平均した「複合スコア」は使わない
3つの数値の平均をとれば約14%という数字が出ますが、本記事ではこの数字を使いません。抽出成功率・クロール深度・クロール頻度は測っている対象がそれぞれ異なり、平均して1つの指標として扱うことに統計的な意味がないためです。3つは3つとして読むべき数値です。
この研究が「証明していないこと」を4点押さえる
この研究は「AIがブランドを推薦するようになる」「学習データに採用される」ことを証明したものではありません。示されたのは、AIシステムがサイトを発見・処理する段階での扱いが変わるということです。加えて、比較設計と母集団に由来する4つの限界があります。
LightSite AI社自身も、研究レポートのなかで以下の3点を明確に否定しています。
-
- 構造化データを整えても、AIモデルが自社コンテンツで「学習」したことの証明にはならない
- AIにブランドが「推薦されるようになる」ことの保証ではない
- 永続的な記憶やランキング変動を意味するわけでもない
これに加えて、比較設計と母集団の面から、次の4点を押さえておく必要があります。
限界1：差の要因を「機械可読性」だけに帰せない
比較されている機械可読エンドポイントは、通常のページに対して、機械可読であること以外にも複数の違いを同時に持っています。
-
- 新規に生成されたURLである（発見直後にクロールが増える新規性の効果が働きうる）
- AI向けサイトマップに登録され、クローラーに優先的に案内されている
- HTMLではなくJSONを返す
したがって、クロール深度の17%という差のうち、どこまでが機械可読性によるもので、どこまでがサイトマップでの優先案内や新規URLであることによるものかは、この設計では分離できません。「機械可読にすればクロール深度が17%改善する」とは読めない、ということです。
読めるのは「専用エンドポイントは、同一ドメインの通常のページとは違う扱いを受けていた」という事実までです。
限界2：母集団はLightSite導入サイトのみ
対象となった約75サイトは、すべて同社のプラットフォームを導入しているサイトです。つまりAI検索対策に投資している企業の集合であり、一般的なウェブの傾向を代表するものではありません。
限界3：相対変化であり、元の水準がわからない
3つの数値はいずれも相対的な変化で、比較前の絶対値は公開されていません。抽出成功率が何%から何%へ動いたのかは不明です。元の水準が低ければ改善の余地は大きく、高ければ差の実務上の意味は小さくなります。この点は数値の読み方に幅を残します。
限界4：対象は米英イスラエルのサイトで、日本語サイトは含まれない
同インデックスのメソドロジーによれば、対象は米国・英国・イスラエルのサイトで、業種はB2B SaaS、EC、保険、法務です。日本語のサイトは含まれていません。日本語のコンテンツや国内のAI利用環境において同じ傾向が出るかは、この調査からは判断できません。
言い換えれば、日本語ドメインを対象にした同種の比較データは、現時点で公開されていないということです。自社サイトのサーバーログでAIボットの挙動を確認することが、国内では最も確かな一次情報になります。
補足：この数値は固定されたレポートではない
AI Bot Behavior Index は5分ごとに更新されるライブデータで、24時間・7日・30日のローリングウィンドウで集計されます。本記事に記載した3つの数値は2026年2月に公表された時点のスナップショットであり、いま同インデックスを開けば別の値が表示されます。対象サイト数も約75から150サイト超へ拡大しています。
数値を引用する際は、必ず「いつ時点のものか」を添えてください。時点を示さないまま持ち回ると、出典と食い違います。
それでも、この研究に意味があるのはなぜか
限界を4つ挙げましたが、これは投資が無意味だという話ではありません。
「理解されないサイトは、信頼もされない」という順序は変わりません。関心が向かなければ、理解は生まれない。理解がなければ、信頼も生まれない。この研究が示しているのは、その最初の段階 ── AIがサイトをどう扱うか ── に差が生じうるということです。
Googleが「必須ではない」と述べているのはGoogle検索における順位と表示の話であり、AIボットにどう扱われるかという話ではありません。両方を踏まえたうえで、構造化データを「AI可視性の出発点」として位置づけるのが、現時点で妥当な理解だと考えます。
日本のマーケターが今、現場で取り組むべき3つのこと
国内サイトにおいても、構造化データの整備は「AIに理解されるための前提条件」として優先度を引き上げるべきです。具体的には、①schema.org の基本実装、②エンティティ情報の一貫性、③AIを読み手として想定した情報設計、の3点から着手することをおすすめします。あわせて、自社のサーバーログでAIボットの挙動を確認しておくと、施策の前後比較ができます。
schema.org / JSON-LD の基本実装を点検する
まず、自社サイトに schema.org のマークアップが正しく実装されているかを点検します。代表的なものとして、Organization、Product、Service、Article、FAQPage、BreadcrumbList などがあります。
特に企業情報（Organization）と提供するサービス（Service / Product）は最優先で整備すべき領域です。Googleの「リッチリザルトテスト」や schema.org の検証ツールを使えば、現状の実装状況を確認できます。
なお、Googleはリッチリザルトの資格という文脈では構造化データの使用を推奨しています。生成AI検索に必須ではないという記述と、SEO施策として有効という記述は、いずれも同じガイドのなかに並んでいます。
エンティティ情報（社名・サービス名・著者）の一貫性を保つ
社名、サービス名、著者プロフィール、所在地などのエンティティ情報は、サイト内および外部メディア（プレスリリース、公式SNS等）で表記を一貫させます。
表記ゆれがあると、AIは「同一の存在を指している」と認識できません。たとえば「株式会社○○」と「○○株式会社」、「サービスA」と「サービス A（半角スペース有り）」といった微妙な差が、AIにとっては別エンティティに見えるリスクがあります。
「AIが読む前提」で情報構造を設計し直す
コンテンツそのものの構造を「AIに読まれる前提」で設計し直します。具体的には、以下のような点を意識します。
-
- 結論を先に書く（各セクションの冒頭に、要点を簡潔にまとめる）
- 見出し階層を論理的にする（H2 → H3 の親子関係を崩さない）
- 具体的な数値や事実を含める（曖昧な表現を避ける）
- FAQ形式を活用する（質問と回答が明確に対になる構造）
これらは「AIに引用されやすいコンテンツ」を設計するための基本動作と言えます。
自社のサーバーログでAIボットの挙動を確認する
今回の研究に日本語サイトが含まれていない以上、国内での実態は自社で測るしかありません。サーバーログを見れば、どのAIボットが、どのURLに、どれだけの頻度で来ているかは把握できます。
見るべきは訪問数そのものよりも「何を取りに来ているか」です。HTMLページを取りに来ているのか、構造化されたデータを取りに来ているのか。ここが今回の研究が測っていた軸であり、訪問数の合計では見えない部分です。
よくある質問（FAQ）
Q. 構造化データを実装すれば、AI検索に引用されるようになりますか？
引用されることを保証するものではありません。LightSite AI社の研究が示したのは、AIボットがサイトを処理する段階での扱いに差が出るという点までです。またGoogleは、構造化データは生成AI検索に必須ではないと公式ガイドに明記しています。引用の獲得には、構造化データに加えてコンテンツそのものの内容が関わります。
Q. この研究の「+17%」は、実装すれば17%改善するという意味ですか？
違います。比較されたのはLightSiteが生成した専用エンドポイントと、同じドメインの通常のページです。エンドポイント側は新規URLであり、AI向けサイトマップに登録されてもいるため、差の要因を機械可読性だけに帰すことはできません。また対象はすべて同社の導入サイトで、日本語サイトは含まれていません。
Q. Googleが「不要」と言っているなら、構造化データは実装しなくてよいのでしょうか？
Googleの記述はGoogle検索での順位と表示に限った話です。リッチリザルトの資格という文脈では、Google自身が構造化データの使用を推奨しています。加えて、ChatGPTやPerplexityなど他のAIプラットフォームの挙動については、Googleは何も述べていません。実装しない理由にはなりません。
Q. 日本語サイトでも同じ効果が出ますか？
この研究からは判断できません。対象約75サイトに日本語サイトは含まれていないためです。国内での実態を知るには、自社サーバーログでAIボットの挙動を確認するのが現実的です。
Q. 出典のインデックスを見たら、記事と違う数値が出ています
AI Bot Behavior Index は5分ごとに更新されるライブデータのため、閲覧時点の数値は本記事と一致しません。本記事の3つの数値は2026年2月に公表された時点のスナップショットです。対象サイト数も約75から150サイト超へ増えています。
Q. まず何から始めればよいですか？
自社サイトの構造化データの実装状況をリッチリザルトテストで点検し、あわせてサーバーログでAIボットの訪問状況を確認することです。どちらも無償で今日から着手できます。
まとめ
AIO/GEOという概念が広まる中、「構造化データが効く」という言説には定量的な根拠が出始めました。LightSite AI社の研究は、約75サイト・約500万件のAIボットリクエストの解析を通じて、機械可読な形で配信されたデータがAIボットに違う扱いを受けていることを示しています。
一方でGoogleは、構造化データも機械可読ファイルも生成AI検索には必須ではないと公式ガイドに明記しています。この2つは矛盾しません。前者はクロール挙動、後者は検索での順位と表示。測っている対象が違うだけです。
数字の読み方には慎重さが要ります。比較対象は専用エンドポイントと通常ページであり、差の要因を機械可読性だけに切り分けることはできません。母集団は導入サイトに限られ、日本語サイトは含まれていません。
それでも「理解されないサイトは信頼もされない」という順序は変わりません。構造化データは万能薬ではなく、あくまで「AI可視性の出発点」です。次の一歩として、自社サイトの構造化データ実装を点検し、あわせてサーバーログでAIボットが何を取りに来ているかを確認するところから始めてみてください。
ギャプライズでは、海外の最先端のマーテック動向を国内のマーケターに届けることをミッションのひとつとしています。定量データに基づくAIO/GEO関連の知見が出てきた際には、引き続き本メディアでお伝えしていきます。
| まずは自社サイトの現状を確認してみてください
リッチリザルトテストでの構造化データの点検と、サーバーログでのAIボット挙動の確認は、いずれも無償で今日から始められます。そこまでで十分に方針は立ちます。 そのうえで「どこから直すべきか」の判断に迷う場合や、機械可読なデータ配信の実装方法についてご相談がある場合は、お問い合わせください。無理におすすめすることはありません。 |
出典・注記
- LightSite AI「AI Bot Behavior Index」：https://www.lightsite.ai/ai-bot-behavior-index ／ 米国・英国・イスラエルの150サイト超（2026年9月時点）を対象としたライブデータ。5分ごとに更新。本記事に記載の3つの数値は2026年2月公表時点のスナップショット（当時の対象は約75サイト）であり、閲覧時点の表示値とは異なります
- LightSite AI 技術ドキュメント：https://www.lightsite.ai/technical-documentation ／ 機械可読エンドポイント、AI向けサイトマップ、Skills API の仕様
- Google Search Central「Optimizing your website for generative AI features on Google Search」（2026年7月10日時点）：https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
本記事は、LightSite AI社の調査内容について同社の許可を得て、日本国内向けに整理・編集したものです。
調査の比較設計・対象期間・対象サイト数・数値の性質については、2026年9月に同社CEOに直接確認しています。
株式会社ギャプライズは、LightSite AI（https://www.lightsite.ai/）の日本国内における販売パートナーです。
