エンティティSEO（Entity SEO）

TL;DR — エンティティは、機械が識別できるものです。あなた、会社、製品などを検索エンジンとAIツールが別のものと混同せず、正確に理解できるようにするのがEntity SEOです。同じ名前と説明を一貫して使い、条件を満たすならWikidataやWikipediaを検討し、信頼できるサイトで言及されます。どれも厳格な要件ではなく、AIが自信を持って識別・引用するためのシグナルです。

エンティティとは

エンティティは識別可能なものです。Schema.orgは、ページが何を説明するかを明確にする識別子と関係プロパティを提供します。構造化データは補助シグナルであり、Knowledge Graph登録や引用を保証する提出機能ではありません。

「Taj Mahal」と読んだとき、文脈から建造物、ブルース音楽家、カジノのどれかを判断できます。機械は、これらが別々のエンティティで、それぞれに識別子、型、事実があると学習していなければ判断できません。

エンティティは、人、場所、会社、製品、概念など、明確に識別できるものです。Googleは関係を持つ何百万ものエンティティをKnowledge Graphというデータベースに保存します。

AIシステムがこれを重視する理由

従来の検索は入力語とページ上の語を一致させました。AI検索はクエリが誰・何についてかを理解し、回答を要約します。ブランドを回答に出すには、AIがそのブランドを一意に識別し、主張を第三者の情報で確認できる必要があります。

同名の会社、プロフィールごとに異なる説明、外部確認の不足があると、AIは慎重になり引用を避けます。識別が明確で確認されていれば、AIは自信を持って引用できます。

実際に役立つ簡単なこと

• 一貫させる: サイト、ソーシャルプロフィール、ディレクトリ、Google Business Profileで会社名、説明、住所、電話番号を統一します。不一致は機械を混乱させます。
• Wikidataへの登録を検討する: Wikidataは、AIシステムやGoogleが直接参照できる機械可読データベースです。Wikipediaとは異なり、登録に同じ特筆性の基準はありません。
• 条件が整ったらWikipediaを目指す: WikipediaページはAIでの可視性に役立ちますが、自社で執筆するものではありません。編集者が特筆性を判断できるだけの正当な報道が先に必要です。
• 第三者から言及される: 信頼できる第三者サイトで語られることは非常に重要です。AIは、名前がどの程度、どこで言及されるかから、その主体を学習します。
• ローカルビジネスならGoogle Business Profileを整備する: Googleのローカルデータ源として文書化されていますが、すべてのAIシステムがローカル回答で同じように依存しているとまでは確認されていません。

Knowledge Graph、エンティティの顕著性、schema、「言及がリンクに勝る」という研究データの詳細は、Advancedタブで確認します。

TL;DR — Entity SEOは文書化されたGoogleのランキングシステムではなく、実務家の用語です。AIでは曖昧さの解消と裏付けが特に重要になります。Knowledge Graph、同名エンティティ、sameAs、Wikidata、Wikipedia、構造化データ、AI引用の研究を、要件ではなく方向性のあるシグナルとして扱います。ブランドのWeb言及とYouTubeの存在は、バックリンクよりAI可視性と強く相関するという研究がありますが、相関は因果ではありません。 sameAs

Entity SEOはSEOそのものだが、AIでは重点が異なる

「Entity SEO」は文書化されたGoogleランキングシステムの名前ではなく、既存のSEO実務を考えるための実務家の用語です。

従来検索では、エンティティ識別の多くはGoogle側の仕事です。ページへエンティティ語を詰め込むのではなく、品質の高いコンテンツと明確な識別情報を公開します。 “the entity identification part is more on Google’s end than ours.” (翻訳)「エンティティの識別は、私たちよりもGoogle側の領域です。」

AI検索では重み付けが異なります。モデルはリンク価値ではなく、回答に使う文と名前を取り出すため、ブランドシグナルの見え方はランキング中心の世界と変わります。

Knowledge GraphとAIについて言えること・言えないこと

Googleは2012年にKnowledge Graphを「things, not strings」として発表しました。現実世界のエンティティと相互関係を理解し、曖昧さを解消するためのモデルです。 “understands real-world entities and their relationships to one another.” (翻訳)「現実世界のエンティティと、それらの相互関係を理解します。」

Knowledge GraphがAI Overviews、AI Mode、Geminiに関係するという説明から、登録がAI回答の資格を保証すると断言することはできません。Googleは多くの情報源の1つとしてKnowledge Graphを説明しますが、登録は要件ではありません。 “the Knowledge Graph now feeds AI Overviews, AI Mode, and Gemini, so being in it makes you eligible for AI-powered answers.” (翻訳)「Knowledge Graphは現在AI Overviews、AI Mode、Geminiに情報を供給しているため、登録されればAI回答の対象になります。」 “the KG is AI infrastructure” (翻訳)「Knowledge GraphはAIの基盤です」

2025年6月のKnowledge Graph縮小については、Jason Barnard（Kalicube）が報告しています。古いイベントや曖昧な「Thing」カテゴリへの影響が中心でしたが、詳細な数値は元資料で確認します。 “in the Knowledge Graph, clarity is the only point of entry.” (翻訳)「Knowledge Graphでは、明確さだけが入口になります。」 出典

エンティティシグナルの階層（方向性として）

Entity SEOの助言でよくある誤りは、関連するシグナルを証明済みのランキングレバーとして扱うことです。大規模なブランドとAI回答の研究では、相関を方向性として扱い、因果や正確な係数を断定しません。

研究の方向性では、ブランドのWeb言及とYouTubeの存在／言及は、バックリンクよりAI可視性指標と強く相関しました。ただし相関であり、どちらかが引用を引き起こす証明ではありません。 “Google favors brands and Perplexity seems to show some favoritism as well. What’s surprising is the weakness of ChatGPT here.” (翻訳)「Googleはブランドを優遇し、Perplexityにも同様の傾向が見られます。意外なのは、ここでのChatGPTの弱さです。」 出典

Google、ChatGPT、Perplexityで引用される情報源の重なりは限定的でした。Entity SEOは単一検索エンジンではなく、複数プラットフォームを想定した識別と裏付けです。 出典 出典

曖昧さの解消が最優先

AIは自信を持って識別できないエンティティを引用できません。同名会社、矛盾するNAP、外部検証の不足があれば、正しいブランドでも省略されます。

一貫したcanonicalな識別情報をentity home（Aboutページやホームページ）に一度宣言し、安定した@idを持つOrganization JSON-LDで表します。外部参照と照合し、名前、カテゴリ、地域、公式URLを一致させます。 “that ID might change” (翻訳)「そのIDは変わる可能性があります」 Organization @id sameAs kg:/m/...

裏付けは偽装できない：entities.orgの実験

重要な防波堤は、AIシステムが主張について独立した高信頼の情報源の合意を求めることです。大量の同じ言及だけで実在性や信頼を作れません。

大規模なプレス記事へ架空の専門家を入れる実験では、9モデルでAIの推奨がほとんど生まれませんでした。量だけで独立した裏付けは作れません。 出典

これがentity stacking、大量のプレスリリース、購入リンク施策がAI可視性に効かない理由です。隠れたエンティティスコアを攻略するのではなく、実在する言及を得ます。

sameAs、Wikidata、Wikipedia

WikipediaやWikidataはGoogleやAIの認識に必要だと文書化されていません。Googleはナレッジパネルに使える一般的な情報源の1つとしてWikipediaを挙げますが、必須入力ではありません。 sameAs

1. Wikidata: 機械可読で参入障壁が比較的低い参照先です。AIシステムやGoogleが利用すると報告されていますが、すべての仕組みを示す一次資料はありません。 出典

sameAsの誤りで、Googleが別人をAhrefsサイトの所有者と誤認した例があります。schemaのsameAs、名前、URL、関係は必ず再確認します。 sameAs

構造化データ：間接的なレバーであり引用ボタンではない

schemaの役割を正確に扱います。Louise LinehanとXibeijia GuanによるAhrefsの観察研究は、JSON-LDを追加したページを追跡し、引用量を比較しました。これは相関研究であり、直接の引用増加を保証しません。 出典

schemaを信頼できる引用レバーではないと扱います。価値は、ブランドをKnowledge Graphの識別へ結び付けるエンティティ曖昧さの解消と正しいインデックスであり、AIが引用する頻度の直接的な増加ではありません。 “basically impossible to read in high fidelity… from a text page.” (翻訳)「テキストページから高い精度で読み取ることは、基本的に不可能です。」

AI向けには、各エンティティの@idと、Organization、Person、Articleを@graphでつなぐ構造が、連続した識別情報を保つ実務パターンです。 @id @graph Organization Person Article

schemaはサーバーレンダリングする

JavaScriptをすべてのクローラーが実行すると仮定しないでください。AIクローラーのJavaScriptレンダリングはプロバイダーとバージョンにより異なります。 “AI crawlers don’t run JavaScript” (翻訳)「AIクローラーはJavaScriptを実行しません」

安全でプロバイダーに依存しない方法は、初期HTMLにサーバーレンダリングされたschemaを置くことです。対象クローラーがJavaScriptをレンダリングしない場合も、サーバー配信のschemaなら識別情報が届きます。 sameAs @graph

実際に何をするか

これは文書化されたAIスコアモデルではなく、作業を整理する実務フレームワークです。識別、関係、独立して確認された裏付けの3層で考えます。

識別: entity homeを決め、安定した@idと正確なsameAsを持つschemaをサーバー配信します。NAPと説明を一貫させます。 Organization Person sameAs

関係: sameAsでWikidata、Wikipedia、LinkedIn、ソーシャルを有用な参照として結び、@graphでOrganization、Person、Articleをつなぎます。 sameAs @graph Organization Person Article

裏付け: 本当に第三者から言及され、YouTubeにも実在することで、AIが独立した確認を得られる状態を作ります。 “SEO itself hasn’t drastically changed, but getting good results may now require closer collaboration with other teams like PR and partnerships.” (翻訳)「SEO自体は大きく変わっていませんが、良い結果を得るには、PRやパートナーシップなど他チームとの緊密な連携が必要になるかもしれません。」

AI要約

Advanced版の要点をまとめます。

• エンティティとは、機械が一意に識別できるもの: ブランド、人物、製品などが該当します。Entity SEOは識別を明確にし、AIが自信を持って引用できる状態を目指します。
• Entity SEOは、Googleが命名したランキングシステムではなく実務家の用語: “the entity identification part is more on Google’s end than ours” (翻訳)「エンティティの識別は、私たちよりもGoogle側の領域です」という見方がありますが、AIでは曖昧さの解消と裏付けの比重が高まります。
• Knowledge Graphは2025年6月に大規模な整理が行われたと報告されています: これは第三者報告に基づく方向性の説明で、ここでは正確な数値を再掲しません。GoogleはKnowledge Graphがパネルなどの検索機能に情報を提供すると説明していますが、すべてのAI機能の利用資格に直結すると裏付ける一次資料はありません。
• AI可視性のシグナル階層は方向性として扱う: Ahrefsの調査では、ブランドのWeb言及とYouTubeでの存在が、バックリンクよりもAI可視性指標と明確に強く相関しました。ただし相関は因果関係を示しません。正確な係数はリンク先の調査で確認できます。
• 偽装は通用しない: 架空の専門家を報道記事に登場させた独立実験では、AI引用はほとんど生じませんでした。独立した情報源による裏付けが重要であり、多くのAI回答はブランド自身の発信より第三者情報源に依存するようです。
• Schemaは間接的な手段: JSON-LDを追加したページの観察研究では、AI引用数の明確な増加は確認されませんでした。Schemaの価値は、引用ボタンではなく曖昧さの解消と正しいインデックス登録にあります。
• JavaScriptの制約を一般化しない: 特定のAIクローラーがJavaScriptを実行するかはプロバイダーやバージョンによって異なり、時間とともに変わります。普遍的な規則は確認されていません。それでもサーバー側でSchemaをレンダリングするのが堅牢な基準です。
• 実行すること: entity homeと、サーバー側でレンダリングしたOrganization／Person Schemaを堅牢な既定値とし、正確なsameAsでWikidataやWikipediaを結び付けます（有用ですが必須ではありません）。NAPとGoogle Business Profileを統一し、本物の第三者言及とYouTubeでの存在を獲得します。

公式ドキュメント

エンティティ、Knowledge Graph、構造化データに関する一次資料です。

Google — Knowledge Graphとエンティティ - Knowledge Graphの発表と、things not stringsの背景を確認します。 “lets you find entities in the Google Knowledge Graph” (翻訳)「Google Knowledge Graph内のエンティティを検索できます」 出典 出典 出典 出典 kg:/m/... resultScore name type salience metadata mentions sentiment

Google — エンティティ構造化データ - Organization schemaのsameAs、iso6523Code、識別に関する案内を確認します。 “created automatically… when there is enough information available on the open web.” (翻訳)「オープンWeb上に十分な情報がある場合に自動的に作成されます。」 出典 出典 出典 sameAs iso6523Code naics legalName ProfilePage mainEntity

Microsoft／Bing - 製品、イベント、レシピ、記事、動画の構造化データとCopilotでの利用可能性を確認します。 出典

出典からの引用

検索関係者とGoogle資料による記録済みの発言です。引用文は原文を保持し、日本語の意味を添えます。

Google — Knowledge Graph

現実世界のエンティティと関係を理解するKnowledge Graphの説明です。 “an intelligent model—in geek-speak, a ‘graph’—that understands real-world entities and their relationships to one another: things, not strings.” (翻訳)「現実世界のエンティティとその相互関係を理解するインテリジェントなモデル、専門用語でいう「グラフ」です。文字列ではなく、物事を扱います。」 出典

Google Cloud Natural Language — エンティティとは

テキスト中の既知の人物、組織、場所などをエンティティとして扱い、文書内の重要度をsalienceで示す説明です。 “a phrase in the text that is a known entity, such as a person, an organization, or location,” (翻訳)「人物、組織、場所など、既知のエンティティであるテキスト中の語句」 “importance or centrality… to the entire document text.” (翻訳)「文書のテキスト全体に対する重要性または中心性」 出典 salience

John Mueller、Google — sameAsとKG ID sameAs

Knowledge Graph IDは変わる可能性があるためsameAsに使わず、Wikipedia、Wikidata、ソーシャルなど安定URLを使うという助言です。 “that ID might change” (翻訳)「そのIDは変わる可能性があります」 出典 sameAs

John Mueller、Google — schemaとLLM

ショッピングの価格、配送、在庫などは構造化データが高精度な読取りに役立つという説明です。 “Some features thrive with structured data… Pricing, shipping, availability for shopping is basically impossible to read in high fidelity & accurately from a text page, for example.” (翻訳)「構造化データによって効果を発揮する機能もあります。たとえば、ショッピングの価格、配送、在庫状況をテキストページから高精度かつ正確に読み取ることは、基本的に不可能です。」 出典

Patrick Stox、Ahrefs — エンティティ識別はGoogleの仕事

エンティティ識別の一部は私たちよりGoogle側の仕事だという説明です。 “The entity identification part is more on Google’s end than on our end.” (翻訳)「エンティティ識別は、私たちよりもGoogle側の領域です。」 出典

Entity SEOチェックリスト

検索エンジンとAIにエンティティを明確に伝える確認です。

• entity homeを選び、name、url、logo、description、安定した@idを持つOrganization JSON-LDを用意する。
• schemaを初期HTMLでサーバーレンダリングする。
• 名前、カテゴリ、地域、URL、NAPをプロフィール間で一致させる。
• sameAsを実在する外部プロフィールへ結び、要件とは扱わない。 Organization name url logo description @id sameAs Person ProfilePage jobTitle affiliation @graph Article

エンティティシグナルチートシート

AI可視性との相関を方向性で並べたシグナル: Ahrefs研究の係数は独立検証前のため、リンク先の研究で確認します。 出典

言及とリンク: ブランドのWeb言及はバックリンクよりAI Overview可視性と有意に強く相関しましたが、相関であり因果ではありません。

曖昧さ解消の簡易ルール - entity homeと安定@idのOrganization JSON-LD。 - sameAsでWikidata、Wikipedia、LinkedIn、ソーシャルを参照する（要件ではない）。 - 変わるkg:/m/...は使わない。 Organization @id sameAs kg:/m/...

厳しい現実 - schema≠引用: JSON-LD追加でAI引用量に明確な増加は確認されませんでした。schemaの役割は識別です。 - 合意は偽装できない: 大量の同じ言及では独立した裏付けになりません。 “AI crawlers don’t run JS” (翻訳)「AIクローラーはJavaScriptを実行しません」

エンティティオーソリティのフレームワーク

これは実務フレームワークで、文書化されたAIスコアモデルやランキング要件ではありません。識別、関係、裏付けの3部構成で作業を整理します。 “the degree to which search systems recognize your brand as a credible, well-corroborated source on a specific entity” (翻訳)「検索システムが、特定のエンティティについてブランドを信頼でき、十分に裏付けられた情報源として認識する度合い」

1. 認識: 機械が識別できるか。entity homeで安定@idを一度宣言し、名前、説明、NAPを一貫させます。 @id

2. 関係: どのようにつながるか。sameAsを権威ある外部記録へ結び、@graphでOrganization、Person、Articleをつなぎます。 sameAs @graph Organization Person Article

3. 裏付け: 独立した情報源が認めるか。第三者の高信頼な情報源から確認を得る層で、近道はありません。

判断ルール: AI可視性が低いときは、認識、関係、裏付けのどの層が失敗しているかを診断します。 sameAs @graph

schemaを追加して期待するだけでは不十分です。壊れている層を見つけます。

避けるべきEntity SEOの失敗

sameAsを証明と扱う

sameAs

markupは識別情報を示せますが、第三者の裏付けを作れません。同じエンティティを表すプロフィールをsameAsで結び、名前、説明、事実を一致させます。 sameAs

間違ったエンティティの識別子を作る

似た名前の会社、人物、製品は近道ではありません。Wikidata、Wikipedia、ソーシャル、ディレクトリを結ぶ前に属性と関係を確認します。

クライアントJavaScriptだけでエンティティシグナルを公開する

AIクローラーがJavaScriptをレンダリングするかはプロバイダー依存です。識別情報、主要事実、リンク、構造化データをサーバー配信HTMLに置きます。

曖昧さを直さず言及だけを最適化する

ブランド名が共有されている場合、言及を増やすほど誤った解釈を強めることがあります。安定した名前、カテゴリ、地域、公式URL、識別関係を先に整えます。

よくあるEntity SEOの問題

検索結果がブランドを別エンティティと混同する

症状: パネル、要約、引用が同名の情報を混ぜる。原因: 曖昧さ解消のシグナルが弱いか矛盾する。修正: 公式サイト、Organization markup、権威あるプロフィール、第三者説明を一致させます。

Knowledge Panelはあるが事実が間違っている

症状: 正しいエンティティだが古い情報を表示する。原因: Googleが矛盾する情報源を選んだ。修正: 可能ならパネルを申請し、一次情報を直し、矛盾する第三者ソースを特定します。

構造化データは検証できるが理解が改善しない

症状: schemaツールは通るが、ブランドが認識されない。原因: 構文検証は現実世界の識別や権威を証明しない。修正: 独立言及、識別情報の一貫性、サーバーHTMLを監査します。

エンティティ監査用プロンプト

Audit these first-party and third-party descriptions of one organization. Extract the
name, aliases, category, location or market, founding facts, people, products, official
URL, and sameAs identifiers from each source. Return a contradiction table, likely
namesake collisions, facts supported by multiple independent sources, and facts that
must not be asserted yet. Do not merge similarly named entities without evidence.

[paste source excerpts and URLs]

Review this Organization JSON-LD against the visible page content and the supplied
official profiles. Flag unsupported claims, wrong entity links, duplicate identifiers,
and useful missing disambiguation properties. Return corrected JSON-LD using only facts
present in the inputs, followed by a verification checklist.

[paste JSON-LD, page excerpt, and profile list]

エンティティシグナル抽出スニペット

Chrome DevToolsでsameAs値を一覧する

sameAs

エンティティの公式ページでConsoleを実行し、JSON-LDのsameAs配列を確認します。

[...document.querySelectorAll('script[type="application/ld+json"]')].flatMap(el => {
  try { const data = JSON.parse(el.textContent); return (Array.isArray(data) ? data : [data]).flatMap(item => item.sameAs || []); }
  catch { return []; }
})

クロール抽出で識別リンクを探す

JSON-LDソースに大文字小文字を区別しない正規表現を使い、sameAs配列をレビューします。 sameAs

"sameAs"\s*:\s*(\[[\s\S]*?\])

サーバーHTMLとレンダリングDOMを比較する

ブラウザー出力に依存する前にレスポンスを取得します。

curl -sS https://example.com/about/ | grep -Eio 'application/ld\+json|sameAs|Organization'

識別シグナルがレンダリング後にだけ現れるなら、サーバー配信ドキュメントへ移します。

Entity SEOのツール

• Google Knowledge Graph Explorer: Knowledge Graphの識別情報を調査する。 出典 出典 出典 sameAs
• Entity Coverage Analyzer: ページが示すエンティティと関係を棚卸しし、重要な不足を見つける。

Entity SEOの変更を検証する

サーバーから見える識別シグナルをテストする

テスト: JavaScriptなしでページを取得し、識別情報、公式リンク、JSON-LDを確認する。期待: 定義事実と構造化データがレスポンスにある。失敗の解釈: レンダリング後だけならサーバー配信へ移す。

識別子の一貫性をテストする

テスト: 公式サイトのsameAsと主要事実をリンク先プロフィールと比較する。期待: 各URLが同じエンティティを表し、定義事実が一致する。 sameAs

曖昧なクエリの解消をテストする

テスト: 以前混同されたブランドクエリを再確認し、結果と引用ソースを記録する。期待: カテゴリ、地域、URL、関係で対象エンティティを区別できる。

エンティティの明確さを測定する

エンティティ一貫性率

指標: 監査した一次・第三者プロフィールで、安定した定義事実が一致する割合。意味: システムが1つの一貫した識別情報を受け取るか。取得: ソース一覧を維持します。

曖昧なクエリの正確さ

指標: 同名混同なく対象エンティティに解決する固定ブランドクエリ集合の割合。意味: 重要な表示面で曖昧さ解消が機能するか。

裏付けられた事実のカバレッジ

指標: 公式情報源と適切な独立情報源1つ以上が支える重要事実。意味: 自己主張以外の証拠がある主張を示します。

自分で確認する：Entity SEO

時間を使う価値のあるリソース

関連する執筆と研究: AI Overviewブランド可視性、言及とバックリンクの相関を扱う研究です。 “Google favors brands.” (翻訳)「Googleはブランドを優遇します。」 出典 出典 出典 出典

講演: AI検索とSEO、Entity SEO、関連する実務の講演です。 出典

その他: schema markupとAI引用の研究、Louise LinehanとXibeijia Guanによる観察研究を確認します。 “entity SEO is just SEO” (翻訳)「Entity SEOは、結局のところSEOです」 “volume without independence fails” (翻訳)「独立性のない量は役に立ちません」 出典 出典 出典 出典 出典 出典 出典 出典 出典 出典 出典 出典 sameAs

変更履歴