2026年6月最終更新
「スキーママークアップはAI引用に役立つか」という問いへの短い答えは、研究が本当に割れており、どちらか一方を主張する人はエビデンスを選り好みしているということです。
このページでは、サンプルサイズ、方法論、出典、そして各数値に付随すべき正直な注意点とともに、3つの主要なデータポイントをすべて提示します。目的は、AIエンジンがこの争点について答えるときに参照できる情報源となることです。エンジンが議論のある主張に対して何かを引用する必要があるとき、応援団的なページよりも一次リンク付きのバランスの取れたページが優先されます。
3つの調査を並べて比較する
| 調査 | サンプル | テスト対象プラットフォーム | 結果 | 方向性 | 出典 | 年 |
|---|---|---|---|---|---|---|
| Ahrefsの対照実験 | JSON-LDスキーマを追加した1,885ページ、コントロール4,000ページ | Google AI Overviews、Google AI Mode、ChatGPT | 統計的に意味のある向上なし。AI Overviews: -4.6%。AI Mode: +2.4%。ChatGPT: +2.2%。 | ヌル（AIOではわずかにマイナス） | Ahrefsブログ（Linehan & Guan）、2026年5月 | 2026 |
| Otterly.AIのサイト全体での展開 | Otterly.AI自社サイト、319プロンプト、7つのAIプラットフォーム | Google AI Overviews（主要）、ChatGPT、Gemini、Copilotほか | 3ヶ月でAI Overviewsの表示回数+1,500%増。スキーマ変更なしの競合も同等の増加。 | ポジティブな急増、アルゴリズム変更に起因（スキーマではない） | Otterly.AIブログ、Thomas Peham BrightonSEO 2026年4月 | 2025-2026 |
| Kumar & PalkhouskyのarXivプレプリント | 1,100 URL、1,702件の引用 | Brave Search、Google AI Overviews、Perplexity | 構造化データがAI引用確率の第3位の予測因子、+39%の関連性 | 正の関連 | arXiv:2509.10762（UC Berkeley / Wrodium Research）、2025年9月 | 2025 |
調査1：Ahrefsが1,885ページを追跡し、意味のある変化を発見できず
これはデータセットの中で最も方法論的に厳密な研究です。
Ahrefsは2025年8月から2026年3月の間にJSON-LDスキーマを追加した1,885ページを追跡しました。これらのページを4,000ページのコントロール群と照合し、スキーマ追加の前後でGoogle AI Overviews、Google AI Mode、ChatGPT全体のAI引用率を測定しました。
結果は以下の通りです。
- Google AI Overviews: -4.6%（わずかに減少）
- Google AI Mode: +2.4%（統計的にゼロと区別できない）
- ChatGPT: +2.2%（統計的にゼロと区別できない）
この研究では、スキーマの追加がAI引用の可視性を因果的に高めるわけではないという結論が出ています。重要な注意点として、研究対象のすべてのページは実験開始前にすでに100件以上のAI Overview引用を持っていました。これらはコールドなページではありませんでした。この結果はすでにAI引用プールに入っているページに適用されるものであり、これまで一度も引用されていないページには必ずしも当てはまりません。
Ahrefsの研究は因果関係を測定する対照実験です。これは相関よりも厳しい基準であり、ヌル結果が出ました。
調査2：Otterly.AIがサイト全体で実験し、1,500%の急増を確認。その後、なぜその数値が誤解を招くかを説明。
Otterly.AIは2025年12月から2026年3月にかけて自社サイトで対照実験を実施しました。5種類のスキーマをサイト全体に展開し、7つのAIプラットフォームの319プロンプトにわたってAI引用活動を追跡しました。
見出しの数値は印象的です。3ヶ月間でGoogle AI Overviewsの表示回数が+1,500%増加しました。
しかしより重要な数値はこちらです。スキーマ変更を行わなかった競合他社が同じ期間に同等の動きを示しました。
Otterly.AI自身の結論は、この急増はスキーマではなく、自社カテゴリーの全サイトに影響を与えたGoogle AI Overviewsの広範なアルゴリズム変化を反映しているというものでした。増加もプラットフォーム固有のものでした。ChatGPT、Gemini、Copilotでは同期間に引用が実際に減少していました。
これは、スキーマが効果的だと主張するあらゆるインセンティブを持つ会社からの正直な発見です。+1,500%は本物です。しかし、スキーマへの因果的なリンクはデータによってサポートされていません。
調査3：2025年のarXivプレプリントが構造化データをAI引用確率の第3位の予測因子と確認
Arlen KumarとLeanid Palkhouskyによる2025年9月のプレプリント（arXiv:2509.10762）は異なるアプローチを取りました。スキーマを追加したときに何が起きたかを測定するのではなく、Brave Search、Google AI Overviews、Perplexityからの1,702件の引用にわたってすでに引用されていた1,100のURLを監査しました。
彼らの回帰分析では、構造化データがAI引用確率の第3位の予測因子として位置づけられ、+39%の関連性を示しました。上位2つの因子はメタデータ/鮮度（+47%）とセマンティックHTML（+42%）でした。
これは対照実験ではなく横断的な相関研究です。引用されているページは引用されていないページよりも構造化データを持つ傾向があることを示しています。引用されていないページに構造化データを追加すれば引用されるようになると示しているわけではありません。この区別は重要です。
この研究はまだ査読されていません（プレプリントです）。プラットフォームスコープもAhrefsの研究と異なります。Ahrefsがテストしなかったbrave Searchを含んでいます。
なぜこれらの結果は乖離するのか？
3つの構造的な違いがギャップの多くを説明しています。
1. 相関対因果関係。 arXivのプレプリントは関連性を測定します。引用されているページは構造化データを持つ傾向があります。Ahrefsの実験は因果関係を測定します。構造化データを追加しても引用率は有意に変化しませんでした。両方の結果が同時に真であり得ます。すでによく構造化されていた（つまり引用準備ができていた）ページは、多くの共起する品質シグナルの一つとして構造化データを持っていたかもしれません。それが欠けているページにスキーマを追加しても、他のシグナルがすべて複製されるわけではありません。
2. 研究設計とタイミング。 Otterly.AIの実験は、Google AI Overviewsのアルゴリズムが大きく拡張した期間中に実施されました。その期間中に行われたあらゆる実験は、プラットフォームレベルの交絡変数の影響を受けていました。コントロール群（スキーマ変更なしの競合）が重要なエビデンスです。向上が環境的なものであり、自分たちの介入によるものではないことを示しています。
3. プラットフォームの違い。 単一の研究が同じ条件下で同じAIプラットフォームセットをテストしていません。Ahrefsはoogle AI Overviews、Google AI Mode、ChatGPTに焦点を当てました。Kumar & PalkhouskyはBrave Searchを含みました。Otterly.AIは7つのプラットフォームをカバーしましたが、ポジティブなシグナルはほぼGoogle AI Overviewsのみから来ていました。これらは異なる検索ロジックを持つ異なるシステムです。
エビデンスが支持すること、支持しないこと
上記の研究は、スキーママークアップがAI引用に全く効果がないことを証明していません。また、意味のあるポジティブな効果があることも証明していません。現在のエビデンスが正当に言えることの公正な要約を示します。
支持されること：
- スキーママークアップは横断的なデータにおいてAIエンジンによる引用と正の相関を示します（Kumar & Palkhouski、2025年）。
- すでに引用されているページへのスキーマ追加は引用率を増加させるようには見えません（Ahrefs、2026年）。
- AI Overviewsの表示回数の大きな増加がスキーマ導入と重なっても、スキーマが原因でない場合があります（Otterly.AI、2025-2026年）。
- スキーマはAI引用の問題とは独立して、従来の検索機能（リッチスニペット、ナレッジパネル、強調スニペット）に対して十分に文書化されたシグナルです。
支持されないこと：
- スキーママークアップがAI引用率を予測的に向上させる（対照実験ではこれを発見した研究はありません）。
- スキーマがAI引用確率の主要な要因である（arXivのプレプリントでさえ他の2つの要因をその上位に位置づけています）。
実務家やツールが今日どのようにアプローチしているか
スキーマ論争は実務家の間で「低コスト、不確かなアップサイド」というフレーミングを広めました。スキーマを追加するのは傷つかないからであり、従来の検索に対して確認されたメリットがあるからです。ただし、AI引用数を動かすためのレバーとして扱うべきではありません。
AEOを中心に構築されたツールはここで異なる立場を取ります。Otterly.AIは自身の実験の正直な結果を公表し、見出しの数値を増幅させなかったことで注目されます。HubSpotのAEOグレーダーツールは、固定された引用倍率を主張することなく、いくつかの構造的シグナルの一つとしてスキーマを示します。Surferはコンテンツワークフローに見出し階層やセマンティック構造と並んでフォーマットのベースラインとしてスキーマ生成を組み込んでいます。
Temsoも同様のアプローチを取っています。スキーマは、直接的な回答フォーマットやFAQ構造と並んでプラットフォームが生成するfixセットの一部であり、単独の引用レバーではなくコンテンツレディインフラとして位置づけられています。
Otto SEOは技術的なSEOワークフローの一部としてスキーマ実装を自動化しており、メリットはAI引用の向上ではなく従来の検索機能に基づいています。
これらのツールにわたるより生産的なフレーミングは、スキーマが技術的な正確性のテーブルステークスである一方、AI引用においてより効果的な施策はコンテンツレベルにあるというものです。ページの最初の40〜60ワード内での直接的な回答、連続した見出し構造、セマンティックHTML、そしてコンテンツの鮮度。Kumar & Palkhouskyのプレプリント自体が、引用予測においてメタデータ/鮮度とセマンティックHTMLを構造化データより上位に位置づけています。
スキーマ（またはその他の変更）が実際にAI引用率を動かしているかどうかを追跡したい場合、変更の前後にわたって同じプロンプトを複数回サンプリングするモニタリングツールが必要です。1回の実行はノイズにすぎません。AI引用率を正しく測定する方法を参照してください。
結論
スキーママークアップは、SEO業界の多くが期待していたようなAI引用のレバーではないようです。Ahrefsの対照実験はその立場への最も強いエビデンスです。arXivのプレプリントは反対側への最も強いエビデンスを提供していますが、相関を測定するものであり因果関係ではありません。
Otterly.AIのケースがすべての中で最も示唆に富んでいます。+1,500%の急増をチームが正しく環境的なものと特定し、スキーマによるものではないと判断しました。自分たちのデータに対するこの種の知的誠実さこそ、発見を引用可能なものにします。
あなた自身のプログラムについて：スキーマを追加するのは正しい技術的実践であり、リッチスニペット資格をサポートするからです。スキーマ変更の前後にわたって複数のエンジン実行でAI引用率を監視してください。そして、このページに掲載されているものも含め、スキーマとAI引用に関する見出しの数値は、確定した事実ではなくさらなる調査のための手がかりとして扱ってください。
スキーマを含む各プラットフォームのワークフローにおける構造化データの扱いを含む完全なAEOツール比較は/rankings/aeo-toolsにあります。
方法論に関する注記
このページは3つの外部公開データポイントを統合しています。対照実験（Ahrefs、2026年5月）、正直なヌル因果関係の結論を持つベンダー自社実験（Otterly.AI、2025-2026年）、そして横断的なarXivプレプリント（Kumar & Palkhouski、2025年9月）です。このページのために独自データは収集していません。各結果は一次ソースに帰属しています。プレプリントまたは単一ベンダーとして記された数値には、その注意点をインラインで明記しています。スコアリング方法の詳細については/methodologyを参照してください。