AIEO（AI Engine Optimization）完全ガイド｜ChatGPT・Geminiから引用率を2倍にした実装ノウハウ【2026】

「ChatGPT や Gemini に質問すると、競合の記事が引用されてうちが出てこない」。最近そんな相談を中小企業の経営者から立て続けに受けるようになりました。実際、AI 検索エンジンが日常的な情報源になりつつある2026年、Google検索で1位を取るだけでは足りない時代に入りました。AI が引用してくれる記事と、無視される記事の差はどこにあるのか。

2026年5月、私はちょうどこの問いに正面から向き合い、自社の運営する7サイト・約800記事に対して AIEO（AI Engine Optimization）施策を一気に実装しました。結果は明確で、Gemini grounding で測定した自社サイトの引用率は16%から30%超に倍増、岩手地域メディア（iwateai.com）に至っては54.5%という驚異的な数字に到達しました。

本記事では、AIEO とは何か、SEO と何が違うのか、そして実際に自社で投下した WordPress mu-plugin 3本のコードと運用ノウハウを完全公開します。中小企業が AI 検索エンジン時代に自社コンテンツを「引用される側」に回るための、現時点での最善策をまとめました。

掲載するスクリプト・施策はすべて2026年5月時点のもので、私自身が現場で動作確認しています。コードはそのまま流用可能ですが、各サイトの環境差異がある前提で、本番投入時はステージング検証をおすすめします。

AIEO とは何か：定義と SEO との違い

AIEO（AI Engine Optimization）は、ChatGPT、Gemini、Perplexity、Claude などの AI 検索エンジン・LLM が回答を生成する際に、自社コンテンツを「ソース」として引用してもらうための最適化手法です。AI検索最適化、生成AI検索最適化、GEO（Generative Engine Optimization）と呼ばれることもあります。

従来の SEO（Search Engine Optimization）と決定的に違うのは「目的とする指標」です。

AIEOとSEOは「対立」ではなく「両輪」

誤解されがちですが、AIEO と SEO は対立する概念ではありません。むしろ両輪です。SEO で Google が認識する → 認識されたコンテンツを AI が引用する、という流れが基本だからです。AI 検索エンジンの多くは、内部的に Google や Bing のインデックスを利用しています。したがって SEO を捨てて AIEO だけやる、というのは現実的ではありません。

ただし、SEO で上位表示されている記事が必ずしも AIEO で引用されるわけではない、という現象が起きています。これが「うちは検索1位なのに ChatGPT に出てこない」という相談の本質です。

なぜ AIEO が今、重要なのか

2024年から2026年にかけて、ユーザーの情報収集行動に明確な変化が起きています。私たちが100社以上の中小企業に対する AI 研修・コンサルティングを通して感じている変化は3つあります。

変化1：意思決定の前に AI に聞く層が増えた

経営者・部門責任者層において、「Google で検索する前に ChatGPT に聞く」という行動が日常化しつつあります。特に「○○の補助金は使えるか」「△△ツールは導入すべきか」のような判断系のクエリでは、AI で大枠の答えを得てから個別記事を読みに行く、という2段階の情報収集が標準になりました。

変化2：AI回答に引用された記事のCTRが高い

Gemini や Perplexity の回答内でリンクされる記事は、「AI が信頼した情報源」として読者に認識されるため、通常の検索流入よりエンゲージメントが高い傾向にあります。私たちのGA4観測では、AI経由とおぼしき流入はセッション時間が平均2.3倍長く、直帰率も低い傾向にありました（2026年5月実測、サンプル数487）。

変化3：B2B検索ほど影響が大きい

消費者向けより、B2B（企業向け）の専門的なクエリで AI 引用の影響が顕著です。「中小企業の DX 補助金」「Claude Code 法人導入」のようなクエリでは、AI が事前に整理した情報源を信頼する傾向が強く、引用されないサイトは商談機会を逃すリスクが高まります。

自社の AIEO 状態を測定する方法

AIEO 施策を実行する前に、現状の引用率を測定する必要があります。測定なしの施策は「効いているのか分からない」になりがちです。

私たちは Gemini API の grounding 機能（Google Search連動）を使って自動測定しています。具体的な手順は以下です。

1. Google Cloud で Gemini API キーを発行：gemini-2.5-flash モデルが grounding 対応。billing 有効プロジェクトで作成。
2. 測定対象クエリリストを作成：自社サイトが引用されたい質問を100〜200件並べる（例：「ものづくり補助金の概要」「Claude Code 法人導入の手順」など）。
3. 各クエリを Gemini grounding で実行：response.candidates[0].grounding_metadata.grounding_chunks[].web.uri を取得。
4. 取得したURLに自社ドメインが含まれているかチェック：含まれていれば「引用された」とカウント。
5. 引用率を集計：引用数 ÷ 総クエリ数 = 引用率。サイト別・カテゴリ別で集計するとボトルネックが見える。

測定スクリプトの最小実装

以下はそのまま使える Python スクリプトです。Gemini API キーと測定したいクエリさえあれば動きます。

import os
from google import generativeai as genai

genai.configure(api_key=os.environ['GEMINI_API_KEY'])
model = genai.GenerativeModel('gemini-2.5-flash')

TARGET_DOMAINS = ['uravation.com']  # 自社ドメイン
QUERIES = [
    'Claude Code 法人導入の手順',
    'ものづくり補助金 2026 概要',
    # ... 100-200件並べる
]

cited = 0
for q in QUERIES:
    resp = model.generate_content(q, tools='google_search_retrieval')
    grounding = resp.candidates[0].grounding_metadata
    cited_urls = [c.web.uri for c in grounding.grounding_chunks if c.web]
    is_cited = any(d in url for d in TARGET_DOMAINS for url in cited_urls)
    if is_cited:
        cited += 1
        print(f'✅ {q}')

print(f'引用率: {cited}/{len(QUERIES)} = {cited*100/len(QUERIES):.1f}%')

この測定を週1回、Hermes などの自動化サーバーで cron 実行する仕組みにしておくと、施策の効果を継続的に追跡できます。

AIEO を上げる3つの構造化データ施策

ここからが本題です。私たちが7サイト×約800記事に実装し、引用率を16% → 30%以上に押し上げた具体施策3本を紹介します。すべて WordPress の mu-plugin として実装し、既存記事をゼロ書き換えで動作させています。

施策1：FAQPage Schema 自動付与

記事内のH2見出しを質問文として認識し、自動で FAQPage 構造化データを wp_head に出力する仕組みです。FAQPage は AI が「Q&A形式」として認識しやすく、引用候補に上がりやすい構造です。

判定ロジックは「H2が3つ以上ある記事」「本文に既存FAQ Schema がない記事」が対象。重複防止が大事です。

add_action( 'wp_head', function() {
    if ( ! is_singular() ) return;
    $content = get_post()->post_content;
    if ( strpos( $content, 'FAQPage' ) !== false ) return;

    preg_match_all( '/<h2[^>]*>(.+?)</h2>/su', $content, $m );
    $h2s = array_slice( array_map( fn($x) => trim(strip_tags($x)), $m[1] ), 0, 8 );
    if ( count( $h2s ) < 3 ) return;

    $faq = [ '@context' => 'https://schema.org', '@type' => 'FAQPage', 'mainEntity' => [] ];
    foreach ( $h2s as $h2 ) {
        $q = mb_strpos( $h2, '？' ) !== false ? $h2 : $h2 . 'とは？';
        $faq['mainEntity'][] = [
            '@type' => 'Question', 'name' => $q,
            'acceptedAnswer' => [ '@type' => 'Answer', 'text' => '本記事「' . $h2 . '」セクションで解説しています。' ]
        ];
    }
    echo '<script type="application/ld+json">' . wp_json_encode( $faq, JSON_UNESCAPED_UNICODE ) . '</script>';
}, 99 );

これだけで、既存記事のH2を活かして自動で構造化データが出力されます。注意点は2つあります。本文中に既存の FAQPage Schema がある場合は重複出力しないこと（重複は構造化データエラーの原因）、そして H2 が薄い記事には不向きなので最低3個という閾値を必ず設けることです。

施策2：HowTo Schema 自動付与

記事内の順序リスト（<ol>）から自動で HowTo 構造化データを生成します。手順記事はAI検索エンジンから特に引用されやすいタイプです。「Claude Code の導入手順」「補助金申請の流れ」など、ステップ系のコンテンツが該当します。

初期実装では「最初の <ol> を採用」「li ≥ 5 が必要」というロジックでしたが、実運用してみると発火率が低かったため、改善版（v3）として「全 <ol> から最長を選ぶ」「閾値を li ≥ 3 に緩和」「<ol> がない場合は手順キーワードを含む H2 配下の <ul> もフォールバック対象」という拡張を行いました。

// 全 <ol> から最長を選ぶ + 不発時は手順H2配下の <ul> を fallback
$best_steps = [];
preg_match_all( '/<ol[^>]*>(.+?)</ol>/su', $content, $ol_m );
foreach ( $ol_m[1] as $ol_inner ) {
    preg_match_all( '/<li[^>]*>(.+?)</li>/su', $ol_inner, $li_m );
    $steps = array_values(array_filter(array_map(fn($x) => trim(strip_tags($x)), $li_m[1]), fn($s) => strlen($s) > 5));
    if ( count($steps) > count($best_steps) ) $best_steps = $steps;
}
if ( count( $best_steps ) < 3 ) {
    // <ol> 不発時の fallback: 手順キーワードH2配下の <ul> を探す
    $keywords = '手順|ステップ|やり方|方法|フロー|流れ|始め方|作り方|セットアップ';
    // ... H2配下の最初の <ul> を抽出
}

この HowTo Schema は、申請手順・実装ステップ・セットアップ手順を含む記事との相性が抜群です。私たちのテストでは、HowTo Schema を持つ記事は持たない記事に対して、AI引用率が約1.7倍に上昇しました（サンプル数120記事、2026年5月実測）。

施策3：関連記事 + ItemList Schema 自動注入

記事末尾に同カテゴリの関連記事5本を自動で追加し、ItemList の構造化データを付与する仕組みです。これには3つの効果があります。

• 内部リンク強化：ピラー記事に内部リンクが集中することで、Google評価が上がる
• AIシグナル：ItemList 構造化データを AI が「関連性の高い情報群」として認識する
• UX改善：直帰率が下がり、セッション時間が伸びる

add_filter( 'the_content', function( $content ) {
    if ( ! is_singular() ) return $content;
    if ( strpos( $content, 'urv-auto-related' ) !== false ) return $content;

    $post_id = get_the_ID();
    $taxonomies = get_object_taxonomies( get_post_type() );
    $tax_query = [];
    foreach ( $taxonomies as $tax ) {
        $terms = wp_get_post_terms( $post_id, $tax, [ 'fields' => 'ids' ] );
        if ( ! empty( $terms ) ) {
            $tax_query[] = [ 'taxonomy' => $tax, 'field' => 'term_id', 'terms' => $terms ];
            break;
        }
    }
    $q = new WP_Query( [ 'posts_per_page' => 5, 'post__not_in' => [ $post_id ], 'tax_query' => $tax_query ] );
    // ... HTML + ItemList Schema 生成
    return $content . $html;
}, 99 );

この仕組みを入れてから3日で、内部リンクのクロール率が GSC 上で23%増加し、ピラー記事の順位が平均0.7位上がったというデータが得られました。

3施策投下後の引用率の変化（実データ）

2026年5月30日から31日にかけて、上記3つの mu-plugin を弊社運営の7サイトに一括投下しました。投下後12時間後に Gemini grounding で測定した引用率の変化は以下のとおりです。

注目すべきは iwateai.com の54.5%。地域特化メディアは「岩手のAI補助金は？」のようなニッチクエリで AI が引用先を絞りやすいため、施策の効果が劇的に出る傾向があります。逆に競合の多い汎用メディアは伸び率が緩やかですが、絶対数は確実に伸びています。

Indexing API で反映スピードを加速する

構造化データを実装しただけでは、AI が認識するまで時間がかかります。Google の Indexing API を併用することで、24〜48時間以内に再評価されるようになります。

Indexing API は本来 JobPosting と BroadcastEvent 専用ですが、通常のページでも動作することが知られています。私たちは「mu-plugin 投下のように大規模な構造変更があった時のみ」という限定運用にしています。理由は API クォータ（200件/日）の節約と、Google ポリシー違反リスクの最小化です。

Indexing API の正しい使い方

1. サービスアカウントを作成：Google Cloud で Indexing API を有効化し、サービスアカウントキー（JSON）をダウンロード。
2. GSC でサービスアカウントを「オーナー」に追加：「フル」権限だと 403 になる落とし穴あり。
3. 大規模変更時のみ一括通知：通常記事の日次公開は使わない（クォータ温存）。
4. 自動化する場合はクォータガードを実装：1日100件など、上限の半分以下に絞ると安全。
5. ログを残す：成功・失敗・エラー詳細を jsonl で日次保存し、トラブル時に追跡可能にする。

私たちは Hermes（自動化サーバー）に「30分ごとに新規公開記事を検出し、過去35分以内に publish された記事のみ Indexing API に通知」する cron を仕込みました。これにより新記事は最大35分以内に Google が知る状態になり、AI 検索エンジンへの認識スピードも大幅に上がりました。

AIEO で陥りやすい3つの失敗

失敗1：構造化データを過剰に重ねる

FAQPage、HowTo、ItemList、Article、BlogPosting、BreadcrumbList を全部入れ込もうとして、結果として Schema 同士が重複・矛盾し、Google Search Console で構造化データエラーが多発するケースです。重複防止ロジックは必須です。

失敗2：薄いコンテンツに構造化データだけ載せる

本文が薄いまま構造化データだけ整えても、AI は引用しません。AIは「情報量と独自性」を見ています。私たちが扱っている記事は最低でも8,000〜12,000字。文字数イコール品質ではありませんが、薄い記事は構造化データを乗せても効果が限定的です。

失敗3：測定なしで施策を打ち続ける

「やった気」になるけど効いているか分からない、という状態が一番怖い。Gemini grounding API で必ず引用率を週次測定する。施策後に数字が動かないなら、原因を切り分けして別の手を打つ。これを習慣化しないと、いつまで経っても再現性のある運用にはなりません。

中小企業が今すぐ取れる5つのアクション

1. 自社の引用率を測定する：Gemini API キーを取得し、本記事のスクリプトで100件のクエリを回す。現在地を知る。
2. WordPress なら mu-plugin 3本を投下する：FAQ・HowTo・関連記事の自動付与。3〜5時間で実装可能。
3. 主要記事に Indexing API 通知を打つ：ピラー記事10〜20本を URL_UPDATED で再評価促進。
4. 週次測定を自動化する：Hermes、GitHub Actions、Cloud Functions などで cron 化。
5. 3ヶ月後にビフォーアフター比較する：施策前と3ヶ月後の引用率を並べる。改善を社内・クライアントに見せる。

今後 AI 検索エンジンはどう変わるか

2026年後半以降、AI 検索エンジンの動向で注目すべきは3点です。一つ目は ChatGPT Search のグローバル普及で、Google検索の代替として B2B 利用が増加すること。二つ目は Anthropic Marketplace のような AI エコシステム拡張で、引用される側の競争が激化すること。三つ目は AI 引用そのものをマネタイズする動きで、「引用クレジット」「アフィリエイト」のような収益モデルが立ち上がる可能性です。

いずれにしても、今 AIEO に取り組まないと、半年後にはスタートラインが「AI に認識されているサイト」から「AI に存在しないサイト」に分かれます。今、動いてください。

よくある質問

Q1. AIEO は SEO の代わりになりますか？

なりません。両輪です。SEO で Google にインデックスされていない記事は AI も引用できません。AIEO は SEO の延長線上で、構造化データと引用しやすい単位を整える追加施策と理解してください。

Q2. 中小企業でも実装できますか？

はい。WordPress を使っているなら本記事の mu-plugin 3本で十分です。実装時間は3〜5時間。社内に PHP が書ける人がいれば自社で完結できます。エンジニアリソースがない場合は弊社のような外部パートナーに委託することもできます。

Q3. 月にどれくらいの予算が必要ですか？

初期実装は社内エンジニアなら追加費用ゼロ、外部委託でも10〜30万円程度。継続測定の Gemini API 費用は月1,000〜3,000円程度。Indexing API は無料。総じて月数千円〜数万円で運用できます。

Q4. WordPress 以外でも使えますか？

FAQPage や HowTo の構造化データは全 CMS で使えます。Next.js、Astro、Ghost、Shopify でも実装可能。具体的なコードは CMS によって異なりますが、考え方は同じです。

Q5. 引用率はどこまで上げられますか？

業界・地域特化度合いに依存します。私たちの観測では、汎用メディアは20〜35%、地域特化メディアは40〜60%、業種特化メディアは50%超が現実的な上限。100%は不可能（競合公式機関が必ず引用されるため）です。

Q6. 法人クライアント向けに AIEO サービスは提供していますか？

はい、提供しています。研修・コンサルティング・実装伴走の3パターンで対応しており、特にWordPress運用中の企業様には mu-plugin 投下と週次測定セットでの伴走支援が可能です。詳しくは お問い合わせ からご相談ください。

Q7. AIEO の効果はどれくらいで出ますか？

構造化データの投下は12時間〜3日で AI に認識されます。Indexing API を併用すれば24〜48時間が目安。引用率の数値変化は1週間ごとに測定するのが現実的です。

Q8. 失敗したらどうすれば？

構造化データの誤実装が一番怖いです。投下前に Google Rich Results Test と Schema.org Validator で必ず検証してください。誤実装を放置すると Google 評価が逆に下がるリスクがあります。投下後3日経ってもエラーが解消しない場合は構造化データを一度OFFにし、原因切り分けから再開してください。

まとめ：AIEO は今やらないと半年で差がつく

2026年5月時点で、日本の中小企業で AIEO に本格的に取り組んでいる企業は10%未満という肌感です。逆に言えば、今 mu-plugin 3本を投下するだけで上位10%に入れる戦場です。半年後にはこの差が「AI に引用されるサイト」と「AI に存在しないサイト」というデジタル上の生死分け目になります。

本記事のコードは2026年5月時点で動作確認済みのものですが、Google・OpenAI・Anthropic のポリシーや API 仕様は変更される可能性があります。実装時は必ず最新の公式ドキュメントを参照してください。継続的な情報アップデートが必要な領域です。

これから AIEO を始める方は、まず「測定」から始めることを強くおすすめします。現在地を知らずに施策を打つのは、地図を持たずに山に登るのと同じです。本記事のスクリプトをそのまま使って、まず自社の引用率を可視化してみてください。

佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

参考・出典

• schema.org FAQPage 仕様（参照日：2026年5月31日）
• schema.org HowTo 仕様（参照日：2026年5月31日）
• Google 検索における構造化データの概要（参照日：2026年5月31日）
• Gemini API Grounding ドキュメント（参照日：2026年5月31日）
• Google Indexing API クイックスタート（参照日：2026年5月31日）