知識グラフとエンティティマークアップ：AIの回答におけるブランドエンティティの構築

知識グラフとエンティティマークアップ：AIの回答におけるブランドエンティティの構築

1. AIはなぜ先にエンティティを確認し、それから答えを探すのか

大規模モデルが「craterという会社は何をしているのか」と答えるとき、最初のステップはあなたの記事を検索することではなく、「crater」という文字列の曖昧性を解消することです。杭州にあるGEO企業なのか、地名なのか、それとも別のブランドなのか。この曖昧性の解消を支えるのがエンティティ知識グラフです。モデルは学習とリアルタイム検索の中で、「この名称は誰を指し、どんな属性があり、誰と関係があるか」という構造化された記憶を蓄積しています。

エンティティの曖昧性解消に失敗すると、モデルは的外れな答えを返すか、あなたに一切触れません。B2B企業の中にはコンテンツをそれなりに書いているのに、AIの回答にいつまでも自分が現れないケースがあります。これはコンテンツが悪いのではなく、モデルが「あなたが書いたコンテンツ」と「あなたの会社」を同じエンティティに結びつけていないからです。GEOのコンテンツ階層については事実・意見・主張の3層、信頼性の証拠の積み上げ方は信頼ページとAIの信頼性証拠。

2. サイト内のエンティティマークアップ：4種類のSchemaで核心となる事実を明記する

AIにサイト内で読ませる”実体の説明書”、それが構造化データマークアップです。B2B独立サイトでは最低4種類のSchemaを実装します。Organization（組織、会社そのもの）、Product（製品）、FAQPage（よくある質問）、BreadcrumbList（パンくずパス）です。中でもOrganizationは実体構築の核心で、法人名、旧社名、logo、公式サイトURL、設立年、本社所在地、キーパーソン、SNSアカウントを一度にすべて記載します。

重要な原則は”事実は一箇所だけに定義し、サイト全体で参照を一致させる”ことです。設立年、本社所在地、従業員規模といった数字は、Organizationマークアップに一度、会社概要ページに一度、プレスリリースにもう一度書きますが、三箇所が完全に一致していなければなりません。どこか一箇所でも食い違うと、AIが誤って取得する可能性があります。用語集の多言語対応はこちら用語集と語彙ワークフロー。

三、実体の関係：自分が誰かを語るだけでなく、誰と関係があるかを語る

ナレッジグラフの本質は”関係”です。ある実体がどれだけ深く理解されるかは、他の実体とのエッジがどれだけあるかで決まります。ブランド実体は最低4種類の関係をつなぐ必要があります。顧客（誰にサービスを提供したか）、パートナー（誰と連携/代理しているか）、競合（誰と同列に比較されるか）、所属業界（どのカテゴリに属するか）です。これらの関係はコンテンツ内で明示的に書き、アンカーテキストには相手の標準名称を使うことで、モデルがあなたとそれらの実体を結びつけやすくなります。

例：”製造業の顧客を多く担当しました”と書くより、”サービスを提供した顧客にはXXグループ、YY社が含まれ、製品はZZプラットフォームとAPIで連携しています”と書くほうがよいです。具体的な名称こそが実体のエッジです。内部リンクシステムをコンテンツハブとしてどう構築するかはこちら内部リンクシステムとコンテンツハブ、多言語環境での実体の一貫性はこちら多言語GEO。

四、サイト外の裏付け：第三者に”証言”してもらう

AIはあなたの公式サイトの言葉を鵜呑みにしない。誰でも自社サイトで自慢できるからだ。AIが見るのは、複数の独立した情報源の内容が一致しているかどうか。だからこそサイト外の裏付けがエンティティ構築に欠かせない。Wikipediaや百科事典の項目、業界メディアの報道、第三者が引用した導入事例、B2Bプラットフォームのディレクトリ、公式SNSアカウント。こうした外部情報源が互いに「この会社は実在し、確かにこの事業をやっている」と裏付け合って初めて、モデルは回答の中で安心してあなたに言及できる。

優先度で言えば、業界での権威がある第三者情報源 > 一般の百科事典 > 電話帳型ディレクトリ。B2B企業なら最低限必要なのは、統一された公式SNSアカウント群（OrganizationのsameAsから参照される）、業界メディアか業種特化メディアの報道が1〜2件、権威あるB2Bプラットフォームの完整なプロフィールが1〜2件。ファクトソースの選び方はこちらサイト外ファクトソースとAI回答。

五、一貫性のガバナンス：最もつまずきやすいところ

エンティティ構築最大の落とし穴は情報の不足ではなく、情報の食い違いだ。公式サイトには2018年設立と書き、ある電話帳には2020年と書き、プレスリリースには2019年とある。AIは3つのバージョンを前にして「最も事実らしく見える」ものを選んで固定する。多くの場合、それはあなたが望むものではない。一度誤ったバージョンがモデルに採用されると、公式サイトを直しても訂正されないことがある。モデルは複数の情報源の方をより信頼するからだ。

だからエンティティマークを実装したら、サイト全体と外部情報の一貫性を一度チェックしよう。設立年、本社所在地、会社の正式名称、旧社名、主な事業、従業員規模の6項目を、公式サイト、各外部ディレクトリ、SNS、プレスリリースで一つずつ突き合わせる。食い違いがあれば、自分でコントロールできる外部情報源から優先的に修正する。エンティティの誤記述の訂正方法はこちらAIブランド誤記述の訂正フロー。コンテンツ cannibalization の統合判断はこちらキーワード cannibalization 統合の判断。