LLM可視性の神話：スキーマ、llms.txt、言及

スキーマに関する疑問、ゆっくりと

Schema.orgマークアップは、ページを機械可読な方法で記述する。シンプルだ。Googleは構造化データがAI機能に必須ではないと述べているが、リッチリザультのために依然として役立つため、追加する正当な理由となる。

それがモデルに直接フィードするかは不明だ。ベンダー以外には誰も知らない。私たちは地味な方法でテストするだろう：類似ページの半分をマークアップし、半分をそのままにして、8週間にわたって引用を記録する。

実務者は混合した経験報告しており、完全なマークアップ後に沈黙が頻繁に生じる。沈黙もデータである。他のタグのラウンドでそれを隠さないこと。

著者経歴や「専門家」の資格も同じ扱いを受ける。それらは読者があなたを信頼するかどうかを判断するのに役立ち、それが十分な理由であり、経歴の存在によってモデルがページを優先するといった研究はこれまで見ていない。

鮮度（Freshness）は毎回話題になる。最近の更新日を持つページは、ニュースのようなトピックに関するAIの回答で頻繁に表示されるが、Googleは長年、それに値するクエリに対して鮮度を活用してきた。なお、コンテンツを変更せずに日付を更新する癖は、私たちが頼りにしないものであり、Googleもそれを好まないと言っている。

言及：より手頃な選択肢

モデルがテキストを読むのであれば、リンクなしでも他サイトでのブランドの明確な記述が重要になる可能性がある。そのようなページを見つけるのは通常のアウトリーチ業務である。

まず自社のブランド名から始める。検索し、すでにリンクしているサイトを除外し、残りをリストアップする。そしてリンクまたはより平易な記述を依頼する。AhrefsやSemrushなどのツールには言及アラートがあり、当社のリンクプロフィール取得は、あなたが羨む競合他社にリンクしているWhoを示す。

エージェントに関する最後の注意。LLM可視性監査の販売は新しいビジネスラインであり、いくつかのレポートは内容が薄い。サンプリング対象、実施時期、結論を変更し得た要因を問うこと。

これがマークアップを無意味にするわけではない。主張された効果が測定されていないことを意味する。1時間を使い、1クォーター（3ヶ月）を使わずに、人々が実際に読みたがるページに主な努力を注ぐこと。

スキーマが実際に果たす役割

マークアップにはAIに関する疑問が解決されていない場合でも現実的な役割がある。それらの役割を視野に留めておくことで、引用における無結果が、すべてのことにおける無結果と誤解されないようにする。

リッチリザультと適格性

構造化データは、マークアップが読み込まれチェックされるクラシックなGoogle検索において、リッチリザульт機能の適格性をページに与えることができる。この恩恵は具体的であり、AIの回答に関するいかなる主張にも依存しない。

その理由でマークアップを追加する場合は、公開前にリッチリザультテストツールで検証せよ。AIの回答への影響は測定されていないボーナスとして扱う。

パーシングと明瞭性

マークアップは製品名、著者、日付などの固定形式で事実を記述する。ページを読むパーサーは、推測せずにそれらのフィールドを取得できる。その明瞭性は、ページの構造に基づいて動作するあらゆるツールに役立つ。

明瞭性は引用と同じではない。ページはパーシングが容易で引用されない場合もあれば、マークアップなしで引用される場合もある。

それが示さないもの

スキーマはモデルが合計する投票のリストではない。マークアップ単独が引用の変化につながったことを示す制御された研究は見ていない。したがって、跳ね上がりをもたらすと約束する者は、その背後にあるサンプルを示すべきである。

マークアップ追加後の沈黙はテストの通常の結果である。次のセクションでは、マークアップが無効であることなくこれが起こり得る理由を説明する。

人々が変化を見ない理由

LLM可視性は一度に多くの要因に依存しており、単一の変更が際立つことはめったにない。結果を判断する前にこれを念頭に置くこと。

レバーは他の場所にあるかもしれない

ページが引用される確率は、クローラビリティ、コンテンツ、リンク、クエリ自体に依存する。マークアップはそのうちの1つに触れるに過ぎない。他のすべてが同じである場合、マークアップのみの変更は検知できないほど小さいかもしれない。

マークアップを非難する前に、基本を確認せよ。ページがインデックスされていることを確認し、テキストがスクリプト実行後だけでなくHTMLに表示されることを確認せよ。

クエリのファンアウトにより人々は他へ向かう

ある実務者は、1つの質問が複数のサブ検索になる「クエリのファンアウト」を説明する。もしモデルがソースを収集する方法がそれであるなら、マークアップしたページはあなたが追跡していないサブクエリのために引用される可能性がある。これが単一プロンプトチェックが誤解を招く理由の一つである。

プロンプトセットにいくつかのサブ質問を含め、各ページがどのページで表示されるかを記録せよ。

結論を下す前に測定せよ

結果にはサンプルとベースラインが必要だ。8週間のログ付きプロンプトを2つのグループに分割することは、誤り得るかもしれないが依然として有用なテストである。結果の隣にその限界を書き留めよ。

無結果も公開せよ。何も見つからなかったテストは、同じ質問をする次の人にとって依然として有用である。

レンダリングとモデルが読み取れるもの

テキストはモデルが作業する素材なので、それが読み取れるかどうかの疑問は、推測するのではなくテストする価値がある。

スクリプト実行後に現れるコンテンツ

一部のコンテンツはスクリプト実行後にのみ表示される。特定のアシスタントがそのコンテンツを見られるかどうかはテスト可能である。アシスタントが引用するテキストと、プレーンHTMLフェッチが返すテキストを比較せよ。

引用テキストがプレーンHTMLに欠けている場合、ページはレンダリングに依存している。これはマークアップを追加する前に知っておく価値がある。

トークンとして読み取られるマークアップ

ある実務者は、モデルがJSON-LDをトークンに分解して構造を失うため、マークアップはほとんど追加価値を持たないと主張する。この主張は妥当であり、私たちが知る限り未検証である。両側とも公平なサンプルでそれを示していない。

それをクライアントレポートで引用するルールではなく、独自のテストのための仮説として扱う。

マークアップとAIの回答に関する質問

人々が自分のページでマークアップのテストを開始すると現れるいくつかの質問。

AIの回答に役立たない場合、スキーマを削除すべきか？

このエビデンスに基づけばいいえ。マークアップはクラシックな検索機能に依然として役立ち、ページをパーサーにとって明瞭にする。誤り、古さ、または誤解を招く場合のみ削除せよ。

llms.txtファイルは1時間の価値があるか？

安価な実験として可能性がある。この提案は2024年9月に遡り、主要ベンダーがファイルを読み込むことを確認した例を見ていないため、目に見える結果を期待しないこと。

著者経歴は引用に役立つか？

私たちが知る限りそのような研究はない。経歴は読者がページを判断するのに役立つため、維持する正当な理由にはなるが、引用への影響は未検証である。

テストにはどのくらいのページを含めるべきか？

1つのページが結果を支配することなく2つのグループを比較できるだけの数。10〜20の類似ページは最初のテストにとって妥当な始まりだが、適切な数はプロンプトのばらつき具合に依存する。