GEO サービスを中学生でも分かるレベルに翻訳: CITABLE+R+D・FAQ・Schema.org・llms.txt 完全解説

GEO (Generative Engine Optimization) の解説記事は、専門用語が多くて経営者やマーケ担当者には伝わりにくいことが多いです。本記事では Aletheia の全機能を 中学生でも理解できるレベル に翻訳して解説します。

「学校のテスト」「スーパーの商品ラベル」「学校入口の自己紹介看板」といった身近なたとえ話で、 GEO の本質を 30 分でつかめる構成です。

はじめに: GEO って何?

昔の世界 (Google 時代)

「美味しいラーメン屋」を探すとき、 あなたは:

1. Google で「ラーメン 美味しい」と検索
2. 10 件くらい店が出てきて
3. 自分でクリックして比べる

→ お店側は「Google で 1 位を取る」のが大事だった (これが SEO)

今の世界 (ChatGPT 時代)

「美味しいラーメン屋」を探すとき、 あなたは:

1. ChatGPT に「美味しいラーメン屋教えて」と聞く
2. ChatGPT が「○○ラーメンがおすすめです」と 1 つだけ答える
3. もう自分で比べなくていい

→ お店側は「ChatGPT が一言目で名前を出す」のが大事になった → これが GEO

つまり GEO = 「ChatGPT に自社の名前を言ってもらう仕事」 です。

CITABLE+R+D 9 軸スコア — 「9 教科の通知表」

ChatGPT は「どの会社を紹介するか」を 9 つの観点 で判断します。学校のテストで「国語・算数・理科・社会・英語...」5 教科で評価するのと同じ。各軸 0-100 点で、合計 100 点満点。

軸 1: C = Citability (引用される構造) 10%

学校の自由研究で「先生が引用しやすいレポート」を書くようなもの。「結論 → 理由 → 数字 → 出典」の順で書くと、AI に引用されやすくなります。

軸 2: I = Integrity (情報の正確さ) 10%

Wikipedia で「東京タワーの高さは 500 メートル」と書いたら嘘なので削除される。AI も同じで、ウソを書いていると引用しなくなります。

軸 3: T = Topicality (トピック網羅) 18% (重み増)

「美容院」と聞かれた時、メニュー (カット / カラー / パーマ) を 全部書いている店 がおすすめされる。1 つしか書いてないお店は推薦されない。業界の 100 テーマを全部カバー することが重要です。

軸 4: A = Authority (権威性) 10%

学校で「あの子の話は本当だ」と先生 / 友達が言ってくれる人ほど信頼される。AI も 「他のサイトが引用している会社」 を信頼します。Wikipedia / Wikidata 登録が最強。

軸 5: B = Brand (ブランド検索量) 9%

「○○高校」と毎日 1,000 人が検索する高校と、 0 人の高校では知名度が全然違う。AI も 「検索される会社」を優先的に紹介 します。Google Trends で月次計測。

軸 6: L = Localization (日本語 + 業界用語) 8%

美容院なら「ブリーチ」「インナーカラー」、 IT なら「SaaS」「クラウド」 — 業界用語を使うほど AI は「専門家だ」と判断 します。

軸 7: E = Expertise (専門性) 13% (重み増)

学校の自由研究で「先生監修」と書かれていると信頼度が上がる。AI も 「著者バイライン (誰が書いたか)」を見ます。各記事に「著者: ○○ (役職)」を明記しましょう。

軸 8: R = Reach (露出 / メディア掲載) 8%

テレビに出た芸能人は知名度が上がる。会社も同じで、メディア掲載が多いほど AI に認識されやすい。PR TIMES 月 1-2 件 が基準。

軸 9: D = Distribution (配信 / 構造化) 12% (重み増)

図書館の本に「タイトル / 著者 / ジャンル」のラベルが貼ってあれば探しやすい。llms.txt + dateModified + sitemap.xml が AI 向けの整備項目です。

FAQ 30 本 — 「コンビニのレジ横の Q&A 紙」

FAQ って何?

Frequently Asked Questions = 「よく聞かれる質問」のページ。

コンビニのレジ横に「会員カードはどうやって作るの?」「電子決済は使えますか?」と書いた紙。お客さんは聞かなくて済むし、店員は答える手間が省ける。

なぜ FAQ が GEO に超重要なのか

理由 1: ChatGPT は「Q&A 形式」が大好き。ユーザーが質問してきたら、FAQ の A をそのまま返せばいい。試験勉強で「過去問の Q&A 集」を覚えるのが一番効率的なのと同じ。

理由 2: 長尾検索 (具体的な質問) で勝てる。「美容院 SaaS」 みたいな短い検索より、 「美容院 予約 LINE 連携 月額 安い」みたいな長い検索の方が成約率が高い。FAQ は 30 個の長尾検索 をカバー = 30 倍の流入機会。

効果

Aletheia 自社実証では、FAQ 30 本実装後、AI 引用率が 2-3 倍上昇 しました。

Schema.org 8 種 — 「スーパーの商品ラベル」

Schema.org って何?

ホームページに「裏側のタグ」を埋め込む共通ルール。

スーパーの商品ラベル:

• 表: 「フジリンゴ ¥300」(人間が読む)
• 裏: 「ジャンル: 果物 / 産地: 青森 / 賞味期限: 1 週間」(機械が読む)

裏側のラベルは AI / 検索エンジンが読む ため。人間には見えません。

Aletheia が実装する 8 種類

効果

実装すると ChatGPT は以下のように即答できるようになります:

• 「この会社の業種は?」 → 「美容サロン × LINE/メール 統合予約管理」と即答
• 「料金は?」 → 「¥9,800/月〜」と即答
• 「顧客評価は?」 → 「星 4.7 / 50 件」と即答

ブランド検索量計測 — 「学校で何回名前を呼ばれたか」

Google Trends の使い方

1. https://trends.google.com/ にアクセス
2. 自社名を入力
3. 期間を「過去 12 ヶ月」に設定
4. 競合と比較 (最大 5 ワード)
5. スコアを記録 (0-100)
6. 毎月 1 日に同じ手順で測定

A さんの SaaS で計測する場合 (例)

測定キーワード 5 つ:

1. A さんの SaaS 名
2. 「ホットペッパー 代替」
3. 「美容院 予約 SaaS」
4. 「BeautyMerit」 (競合)
5. 「リザービア」 (競合)

目標: 6 ヶ月で A さんの SaaS のスコアを 20 → 40 に倍増。

llms.txt — 「学校入口の自己紹介看板」

llms.txt とは

LLM (Large Language Model) 専用の自己紹介ファイル。学校の入口に「校長: ○○先生 / 創立: 1950 年 / 生徒数: 800 人 / 部活: 30 個」と書いた看板のようなもの。

ホームページの場合、ChatGPT 等の AI クローラーは まず /llms.txt を読みに来ます。

中身 (実例)

# Aletheia (アレテイア)

> 日本初の GEO 専業エージェンシー。
> ChatGPT / Claude / Perplexity / Gemini / Google AI Overview の
> 5 大 AI 検索エンジンでの引用最適化を月額提供。

## サービス
- GEO サービス概要: https://aleth.jp/services
- 料金プラン: https://aleth.jp/pricing
- 事例紹介: https://aleth.jp/cases

## 公式情報
- 代表: 柳光ひかる
- 設立: 2026 年 3 月
- 連絡先: hikaru@aleth.jp

なぜ重要?

• AI が「この会社の全体像」を 30 秒で把握
• 国内で llms.txt を設置している会社は 5% 未満 → 設置だけで競合を上回る

dateModified — 「食品の賞味期限シール」

dateModified とは

「このページをいつ更新したか」を機械が読める形で記録するタグ。食品の「賞味期限」シールと同じで、 新鮮なものほど人気。

ChatGPT は 「古い情報より新しい情報」を引用 します:

• 「2023 年に更新」 → AI が無視
• 「2026-06-19 に更新」 → AI が引用

設置方法

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Article",
  "datePublished": "2026-06-01",
  "dateModified": "2026-06-19",
  "author": {
    "@type": "Person",
    "name": "柳光ひかる"
  }
}
</script>

全体まとめ (1 行ずつ)

関連記事

• GEOとは? SEOとの違いと今すぐ始めるべき理由を1記事で解説
• 構造化データ (Schema.org) で GEO 効果を最大化する方法
• Wikidata vs Wikipedia: 中小企業の GEO で「権威性」を作る正しい順序
• ChatGPT 広告が日本上陸 (2026-06)

無料診断

24 時間以内に AI 検索引用率を可視化 → aleth.jp/diagnosis