llms.txtとFAQ構造化データ｜AI Overviews・ChatGPTに引用されるための準備

何が変わったか: クリックされる前に答えが出る

Google の AI による概要（AI Overviews）や、ChatGPT・Claude などの AI アシスタントは、複数のページを読んで答えを要約します。従来の「1位を取ってクリックを得る」だけでなく、「要約の根拠として引用される」ことが流入と信頼の新しい入口になっています。引用されるページには共通点があります。質問に対して短く明確な答えが書かれていること、事業者の固有情報が含まれていること、機械が構造を理解しやすいことです。

FAQ の構造化データ（schema.org/FAQPage）

記事の末尾に「よくある質問」として3〜5問の Q&A を置き、FAQPage の構造化データ（JSON-LD）を付けます。検索結果でのリッチリザルト表示は縮小されていますが、質問と回答の対応を機械に明示する手段として引き続き有効です。回答は80〜160字で、その質問だけに答える形にします。

• 質問は読者が実際に検索する言い回しにする（例: 「〇〇の費用はいくらですか」）。
• 回答の1文目で結論を言う。条件や例外は2文目以降に。
• 本文の内容の繰り返しではなく、本文で触れきれなかった疑問を拾う。
• 医療・金融など、断定が法規制に触れる分野では「一般的には」「制度上は」と範囲を限定する。

llms.txt とは

llms.txt は、サイトのルート（例: https://example.com/llms.txt）に置くテキストファイルで、AI にサイトの概要と主要ページを簡潔に伝える提案です。robots.txt が「読んでよい範囲」を伝えるのに対し、llms.txt は「何のサイトで、どのページが重要か」を伝えます。標準化された仕様ではなく、対応する AI も限られますが、コストがほとんどかからないため、用意しておく価値はあります。

• 1行目にサイト名、続けて1〜2文の説明。
• 主要なページ（サービス、料金、事例、FAQ、主要な記事）を Markdown のリンク一覧で。
• 更新した記事を定期的に追記する。

記事本文の書き方も変える

• 導入で結論を書く。AI は冒頭の要約文を根拠にしやすい。
• H2 を質問文か、質問に対応する名詞句にする。
• 数値・条件・手順は箇条書きか表にする。
• 事業者の固有情報（対応範囲・考え方・判断基準）を含める。一般論だけのページは、他の多数のページと区別されない。

効果の測り方

Search Console では AI 概要からの流入を個別に分けて見ることはまだできませんが、表示回数とクリックの比率の変化、指名検索の増加、問い合わせ時の「AI で見た」という言及で傾向は掴めます。順位や流入を約束するものではないため、費用や手間をかけ過ぎず、記事の型に組み込んで自然に続けるのが現実的です。