E-E-A-Tを記事にどう生かす？著者情報・根拠・会社情報の整え方

E-E-A-Tを記事にどう生かす？
著者情報・根拠・会社情報の整え方

記事に実績を書いていても、誰が担当し、どの条件で得られた結果なのかが分からなければ、読者は判断できません。E-E-A-Tの考え方を使い、著者情報、根拠、会社情報をどう整えるかを紹介します。

E-E-A-Tは経験・専門性・権威性・信頼性という、Googleの検索品質評価の観点です。AI引用の採点表ではなく、項目を追加すれば引用が増えると保証されたものでもありません。

掲載した調査は、ブランドやページの間で観測された関係を示すものです。本文の「10倍」も調査対象のグループ間の差であり、この手順を行った効果を約束する数値ではありません。

SECTION 01ブランド言及の調査とE-E-A-Tの考え方

■ 調査対象のグループ間で見られた差

まず、ブランドへの言及とAI回答での紹介に、どのような関係が観測されているかを見ます。

Ahrefsは75,000ブランドを対象に、Web上の言及量とAI Overviewsでの紹介の関係を調べています。

調査では言及量が少ないグループの可視性も低い傾向が報告されています。ただし、言及を増やす施策を実験した結果ではなく、原因と結果の向きもこの比較だけでは分かりません。

出典：Ahrefs – An Analysis of AI Overview Brand Visibility Factors（75K Brands Studied）

E-E-A-Tの4つの観点は、読者が内容や発信者を確かめられるかを点検する際にも使えます。

例えば会社概要からサービス内容を確認でき、記事には担当者と参照資料が載っていれば、読者は内容を確かめやすくなります。すべての記事に監修者や体験談を付ける必要はなく、テーマに必要な情報をそろえます。

■ 検索順位と引用の重なりを確認する

検索順位とAIの引用は、同じ結果とは限りません。次の調査では、引用されたURLと、同じ検索語で上位に出るURLの重なりを調べています。

この調査では引用URLの約62%が、元の検索語の上位10位外にありました。別の関連検索も使われるため、この値だけでSEOが不要になったとは言えません。

一度引用されたページでも、質問や時期で結果は変わります。引用の有無と、実際に訪問や問い合わせにつながったかを分けて記録します。

記事では、誰が説明しているのか、どの条件に当てはまる情報なのかを見つけやすくします。

• 誰が書いたのか：著者情報の明示
• どの企業が運営しているのか：運営元の明確化
• どんな専門性があるのか：専門分野の構造化
• どの情報が結論なのか：結論ファースト設計
• 何が一次情報なのか：独自データの明示

LLMOは、大規模言語モデルを使うサービスでの発見や参照への対応を指す呼び名です。取り組む際も、まずは公開情報の正確さと、検索エンジンがページへアクセスできる状態を確認します。

SECTION 02著者と組織の情報を整える

会社名や著者名は、読者が読む本文でも明確に示します。機械向けの設定だけに情報を追加して、画面では確認できない状態にしないでください。

■ 内容に合う構造化データを使う

構造化データは、記事や組織などの情報を決められた形式で説明するものです。GoogleのAI機能向けに特別な構造化データは求められていません。実装する場合は、内容に合う種類を選びます。

JSON-LDは構造化データの記述形式の一つです。次は記事と著者、公開する組織を示す最小限の例で、実際の内容や対象機能の要件に合わせて調整します。

サンプルの人物名や会社名を、そのまま本番へ入れないでください。ページに表示する著者・運営者情報と一致させ、公開前に検証します。

専門家が監修した記事なら、監修者の名前だけでなく担当分野と確認した範囲も示します。資格や経験を実際より広く見せないことも大切です。

Ahrefsが2026年に追跡した1,885ページでは、JSON-LDの追加後もAI引用数に大きな変化は見られなかったと報告されています。この結果から、構造化データだけを引用増加の手段として扱うことはできません。

出典：Ahrefs「We Tracked 1,885 Pages Adding Schema. AI Citations Barely Moved.」（2026年6月）

■ 公式サイトとSNSの関係を示す

エンティティとは、人や組織など、区別して扱う対象のことです。自社の公式サイトとSNSの関係を説明したいときは、相互のリンクや組織情報を確認します。

古い住所、別の電話番号、終了したサービスなど、意味のある食い違いを直します。「株式会社」と「（株）」のような表記差だけで別会社と判断される、と決めつける必要はありません。

sameAsは、同じ対象を示す外部ページを関連付けるためのプロパティです。自社の公式アカウントなど、同じ組織を示すURLを指定します。

これも設定例です。アカウントの所有者とURLを確認し、存在しないサンプルURLを登録しないでください。

SECTION 03読者が根拠を確かめられる記事にする

読み手が知りたいことから説明し、理由や条件を続けます。見出しや表は、話の区切りや比較を分かりやすくするために使います。

■ 内容に合う説明の順番と形式を選ぶ

結論を先に置くと疑問への答えを探しやすくなる場面があります。ただし、すべての段落を同じ型にそろえる必要はありません。

PREP法は、結論、理由、具体例、結論の順に書く方法です。説明を考える際の選択肢ですが、短い節で同じ結論を繰り返すと冗長になるため、内容に合わせて省きます。

見出しは内容の階層に合わせ、順番がある手順は番号付きリスト、条件の比較は表にします。リストを増やすこと自体をAI引用の条件にはしません。

■ 実績は記録と条件を添える

実績や体験を紹介する場合は、その記録を確認できる形にします。一般的な説明が必要な記事に、無理に体験談を加える必要はありません。

例えば「3か月で218%増」と書くなら、何の件数か、比較した期間、元の件数を示します。これは書き方の例で、当社の実績を示す数値ではありません。具体的な数字でも、根拠がなければ信頼できるとは言えません。

• 独自調査データ：アンケート調査、ABテスト、順位変動検証
• 現場写真：スマホ撮影、作業風景、実機画像
• 比較実験：AI引用率比較、クリック率分析
• 運営データ：実際のアクセス解析結果
• 体験レビュー：利用者の声、失敗談

SECTION 04サイテーション（言及）分析と獲得戦略

ここでいうサイテーションは、外部のWebページなどで会社名やサービスが言及されることです。下の相関は、言及を増やせば同じ割合で引用が増えるという効果測定ではありません。

■ 古い住所や連絡先を直す

NAPは名称・住所・電話番号のことです。所在地や問い合わせ先が変わったとき、公式サイト以外にも古い情報が残っていないか確認します。

Googleビジネスプロフィール、使っているSNS、登録したポータルを一覧にすると、修正先を探しやすくなります。先に来店や連絡の妨げになる誤りを直してください。

■ お客様に関係する媒体へ情報を届ける

掲載先は、お客様が実際に利用する媒体や、自社の分野を扱うメディアから考えます。無関係なサイトへの大量掲載を目的にしないでください。

独自調査を公表するなら、対象、調査時期、設問や集計方法を示します。転載件数とAIでの引用は別の指標なので、プレスリリースの配信だけで引用の増加を約束することはできません。

SECTION 05効果測定とKPIの設定

記事を直した日を記録し、公開後の変化を確認します。AIでの紹介、訪問、問い合わせを別々に見ると、どこまで確認できたかが明確になります。

■ KPI①：AI言及数（AIシェア・オブ・ボイス）

代表的な質問を決め、AIサービス名、日時、質問文と回答、引用先URLを残します。

同じ条件で繰り返して比較します。一度表示されなかっただけで、記事や会社の評価が下がったとは判断しないでください。

■ KPI②：AI検索からの流入

アクセス解析で参照元が記録されていれば、chatgpt.comやperplexity.aiなどからの訪問を確認できます。参照元が欠けるアクセスもあるため、記録された数を全AI経由の訪問数とはみなしません。

■ KPI③：指名検索クエリの変化を追跡

会社名やサービス名を含む検索も確認します。広告や営業活動などの影響も受けるため、増減をAI引用だけの効果と決めつけないでください。