構造化データ出力とは、ページの内容を検索エンジンが理解できる形式（主にJSON-LD）で記述して埋め込む仕組みのことです。これを正しく出力すると、検索結果にFAQの折りたたみ、パンくず、レビュー評価、更新日などが追加表示される「リッチリザルト」の対象となり、同じ順位でも表示面積とクリック率が変わります。順位を上げる施策ではなく、すでに取れている順位の価値を引き上げる施策だと捉えるのが正確です。
リッチリザルト表示が変わる具体的なポイント
構造化データを出力すると、検索結果の見え方は「1行のタイトル＋説明文」から「情報が積み重なったブロック」へ変化します。変化の中身はスキーマの種類によって決まります。
- Article / BlogPosting：公開日・更新日・著者が表示され、情報の鮮度が伝わる
- FAQPage：質問が折りたたみ形式で並び、縦の占有領域が増える
- BreadcrumbList：URLの代わりに階層が表示され、サイト内の位置が分かる
- HowTo / Recipe：手順や材料がステップ表示される
- Product / Review：価格、在庫、星評価が表示される
重要なのは、構造化データは「表示の資格」を与えるだけで、表示を確約するものではないという点です。Googleは内容の信頼性やクエリとの適合性を見て表示可否を判断します。マークアップしたのに出ないケースは珍しくなく、焦って記述を増やすより、本文とマークアップの一致度を高めるほうが近道です。
クリック率への影響をどう見るか
リッチリザルトが出たページとそうでないページでは、クリック率に差が出る事例が公開されています。効果を確かめるなら、Search Consoleで対象ページの「表示回数・掲載順位は横ばいなのにクリック率だけ上がったか」を見るのが確実です。順位変動とごちゃ混ぜに評価すると、施策の効果を取り違えます。
WordPressで構造化データを出力する手順
WordPressでの実装は、テーマに直書きせず、プラグインかテンプレートフックでJSON-LDを出力する方法が安全です。手順は次の4ステップに整理できます。
- 出力するスキーマを決める：ブログ記事ならArticle（またはBlogPosting）とBreadcrumbListが基本。FAQを含む記事だけFAQPageを追加する
- JSON-LDをheadまたはbody内に出力する：Microdataより管理しやすく、テンプレート改修の影響を受けにくい
- リッチリザルトテストとスキーママークアップ検証ツールで確認する：構文エラーと必須プロパティ不足を潰す
- Search Consoleの「拡張」レポートを定点観測する：有効・警告・エラーの件数推移で反映状況を追う
反映にはクロールが必要なため、実装当日に結果は出ません。XMLサイトマップを整備してクロールを促すとあわせて進めると、検証のサイクルが短くなります。
スキーマ別・優先度の判断基準
| スキーマ | 向くサイト | 優先度 |
|---|---|---|
| Article / BlogPosting | すべてのブログ | 高 |
| BreadcrumbList | カテゴリ階層があるサイト | 高 |
| FAQPage | Q&Aを含む解説記事 | 中 |
| Product / Review | EC・商品紹介ページ | 条件付き |
| Organization | 企業サイト全体（トップに1つ） | 中 |
よくある失敗と回避のチェックリスト
構造化データでつまずく原因の大半は、記述ミスではなく「本文とマークアップのズレ」と「出力の重複」です。実装前に次を確認してください。
- FAQPageに書いた質問と回答が、本文中にも同じ内容で表示されているか（画面にない内容のマークアップは違反）
- SEOプラグインとテーマの両方がArticleを出力して重複していないか
- 更新日（dateModified）が実際の更新と連動しているか。古い日付のまま固定されていないか
- 画像URLや著者名が空、またはダミーのままになっていないか
- レビュー評価を自社で付与していないか（自己申告のレビューは対象外）
とくに多いのが、リライトしても更新日が変わらないパターンです。記事を育てる運用をしているなら、更新日の扱いを見直しておくと、構造化データ側の鮮度表示も正しく揃います。
AI検索時代に構造化データが持つ意味
構造化データの価値は、Google検索のリッチリザルトだけにとどまりません。ChatGPTやPerplexityといったAI検索エンジンも、ページの要点を抽出する際に見出し構造やQ&A形式の整理された記述を手がかりにします。意味が明示されたページほど、引用の候補になりやすいと考えてよいでしょう。
実務では、次の3点をセットで設計すると効率的です。
- 構造：H2・H3の階層とJSON-LDの内容を一致させる
- 結論の位置：各セクション冒頭で答えを先に書く。引用されやすい書き出しの型を踏まえると精度が上がる
- 計測：Search Consoleのクリック率と、AI検索からの流入を分けて追う
例えばオウンドメディアを少人数で回している場合、記事ごとに手作業でJSON-LDを書くのは現実的ではありません。投稿時に自動でスキーマを生成し、目次や見出し構造とも連動させる仕組みを入れておくと、記事本数が増えても品質が落ちません。
AP Writer Proは、自社サイトのURLを学習して事業内容や語り口を反映した記事を生成するWordPressプラグインです。毎朝の下書き自動生成に加えて、目次の自動生成や構造化データの出力、アンサーファースト構造でのAI検索向け最適化、ChatGPTやPerplexityからの流入計測までを備えています。公開済み記事をSearch Consoleと連携して書き直すリフレッシュ機能もあり、本記事で触れた「構造と鮮度を保つ運用」をそのまま仕組みに落とし込めます。
This article was drafted with AI assistance and reviewed and edited by APWP before publication.
