Ahrefs調査、schema追加でAI引用は増えず。AI Overviewsではむしろ4.6%減

結論

Ahrefsの調査によると、構造化データ（schema）を追加してもAI検索での引用は増えませんでした。AI Overviewsではむしろ4.6%減少しています。

構造化データとは、ページ内の情報が何を意味するかを機械が読み取れる形式で書き足す仕組みです。JSON-LDはその代表的な記法にあたります。

調査の規模は次のとおりです。2025年8月から2026年3月までにJSON-LDを追加した1,885ページを追跡しました。比較対象は4,000ページの対照群です。測定先はGoogle AI Overviews、AI Mode、ChatGPTの3つになります。

Figure

schema追加後の引用の変化（対照群との比較）

AI Overviews

-4.6%

小さいが統計的に有意な減少

AI Mode

0%

わずかに上回るが誤差の範囲

ChatGPT

0%

わずかに上回るが誤差の範囲

AI ModeとChatGPTでは、追加した側が対照群をわずかに上回りました。ただし差は小さく、数千URLの中では偶然の範囲に収まると報告されています。

「4.6%減」は、schemaが悪いという意味ではない

数字の読み方に注意が必要です。AI Overviewsの4.6%減は、schemaを追加したせいで引用が減ったことを証明したものではありません。

この種の調査は相関を測るものです。schemaを追加する動機を持つページには、もともと共通の性質があるかもしれません。減少幅が小さいことと合わせて、schemaは引用の増減を左右する要因ではないと読むのが妥当だと考えられます。

Figure

schemaに期待できること・できないこと

期待できる

• リッチリザルトの表示対象になる
• 会社名・商品・著者を機械が識別できる
• 検索エンジンの理解を助ける

期待できない

• AI検索での引用が増える
• AI Overviewsへの掲載が有利になる
• ChatGPTの参照先に選ばれやすくなる

影響を受けるページ・クエリ

影響を受けるのはページではなく、構造化データに割いている工数の名目です。

具体例を挙げます。ECサイトで、AI検索対策としてProduct schemaを全商品ページに実装する計画を立てていたとします。この調査に従うなら、その効果はAI引用では回収できません。ただしリッチリザルト（検索結果に価格や在庫が表示される形式）の目的は残るため、実装そのものが無駄になるわけではありません。目的の書き換えが必要になります。

もう1つはメディアサイトです。Article schemaやAuthor schemaを追加し、AI Overviewsでの露出を狙っていた場合を考えます。この調査によれば、その仮説は支持されません。

同じ工数の振り替え先は2つあります。外部の信頼できる媒体からの言及獲得と、本文から抜き出しやすい構造への書き換えです。どちらも実装より手間はかかりますが、調査が示した方向はこちらになります。

一方、影響が小さいのは、もともとリッチリザルト目的でschemaを入れているサイトです。レシピ、求人、イベント、FAQなど表示形式が決まっている領域は、方針を変える必要がありません。

やること／やらなくていいこと

Figure

調査結果を踏まえた構造化データの扱い

やること

• ✓schemaの目的をリッチリザルトと機械的な識別に戻す
• ✓既存schemaのエラーだけ解消し、実装は維持する
• ✓引用を増やす予算を、外部言及と本文構造の改善へ振り替える

やらなくていいこと

• ✕AI引用を目的にschemaを全ページへ一括実装する
• ✕引用が増えないことを理由に既存のschemaを削除する
• ✕AI検索向けの新しいschemaタイプを探し続ける

削除は不要です。引用が増えないことと、有害であることは別です。リッチリザルトと識別という本来の役割は残ります。

振り替え先を具体化します。まず自社カテゴリの代表的な質問を10件決め、AI Overviewsで実行します。次に、引用されている外部サイトを書き出します。そこに自社の情報が載る方法を考えるのが、引用を増やす現実的な経路になります。

本文の構造改善も並行します。見出しの直後に結論を1文で置き、数値と条件をその段落内に収めます。抜き出される単位を意識した書き方の方が、schemaの追加より引用に近いと考えられます。

「入れたのに増えない」を前提に予算を組む

この調査が実務に与える最大の影響は、期待値の設定です。構造化データは実装が明確で、完了したかどうかを機械的に判定できます。そのため、AI検索対策の第一歩として選ばれやすい施策でした。

しかし1,885ページ規模の比較で差が出なかった以上、引用の増加を成果指標に置くと、実装が完了しても数字が動きません。担当者が「やることはやった」と報告し、経営側は「効果がない」と判断する、という食い違いが起きます。

回避するには、施策と指標を対応させてください。schemaの成果指標はリッチリザルトの表示回数です。AI引用の成果指標は、AI Overviewsやチャットでの登場回数と、そこからの参照流入になります。この2つを同じ報告行に並べないことが、判断を誤らせない条件です。

よくある質問

構造化データはもう入れなくてよいのですか

入れてください。ただし目的をAI引用に置かないでください。リッチリザルトの表示対象になること、会社名や商品を機械が正しく識別できることが本来の役割です。この調査は、その役割まで否定したものではありません。

AI Overviewsで4.6%減ったのは、schemaが悪影響を与えたということですか

そう断定はできません。この調査は追加したページと対照群を比べたもので、因果関係を証明する設計ではありません。減少幅も小さいため、schemaが引用の増減を左右する要因ではないと読むのが妥当だと考えられます。

AI検索での引用を増やすには、代わりに何をすべきですか

調査は、信頼できる媒体から得た言及、一貫したエンティティの情報、抜き出しやすく構造化された本文を挙げています。実務では、外部からの言及獲得と、見出し直後に結論を置く書き方の2つが着手しやすい対象になります。