GEOチェックリスト38項目:AIのための完全技術監査

2026年にGEOチェックリストが不可欠な理由

デジタル可視性の環境は根本的に変化しました。ChatGPTのアクティブユーザーが9億人を超え、AI回答エンジンの大規模な採用が進む中、企業はもはや従来の検索エンジンのみに最適化することはできません。Generative Engine Optimization(GEO)は、避けて通れない戦略的柱となっています。

しかし、クライアントのサイトがAI時代に本当に準備できているかどうかをどのように判断すればよいのでしょうか?それこそがGEOチェックリスト38項目の役割です。この技術監査ツールは、LLM(大規模言語モデル)がブランドを認識し、理解し、引用する方法に影響を与えるオンラインプレゼンスのあらゆる側面を体系的に分析します。

2026年9月16日更新:チェックリストは現在38項目(29項目の自動チェック、9項目のエキスパート推奨)となりました。llms.txtファイルは2026年6月以降スコア対象外です(情報提供目的で検出)。

検索結果ページでのランキングに焦点を当てる従来の監査とは異なり、GEOチェックリストはサイトが人工知能によって参照される適性を評価します。自動的に検証される29項目と9つのエキスパート推奨を区別し、包括的で実行可能な視点を提供します。

自動検証される29項目

これらのチェックは、各監査時にプログラム的に実行されます。各項目は、ステータス(準拠、非準拠、部分的に準拠)を受け取り、グローバルな可視性スコアに貢献します。

1. AIボットへのrobots.txtのアクセス可能性

robots.txtファイルは、AIクローラーの最初の入口です。監査は、このファイルが存在しアクセス可能であるだけでなく、主要なAIボット(GPTBot、ChatGPT-User、ClaudeBot、PerplexityBot、Google-Extended、Bytespider、Meta-ExternalAgent)へのアクセスを禁止していないことも確認します。誤設定されたrobots.txtは、サイトを言語モデルに完全に見えなくする可能性があります。

2. AQA(AI Question Answer)マークアップ

AQAマークアップ(オープン標準aqa-spec.org、MITライセンス)は、質問と回答をAI専用のメタデータで構造化します:質問ごとの日付、回答ごとのソース、変更履歴。AIは、出所が検証可能なコンテンツを優先的に引用します。プラットフォームでは、この項目はAEOスコアの10%を占めます。

3. Schema.org Organization

Organization型の構造化データは、ブランドアイデンティティの基礎です。監査は、JSON-LDマークアップの存在と完全性を確認します:名前、ロゴ、URL、ソーシャルメディア、住所、電話番号、説明。これらのデータが豊富であるほど、LLMはあなたのブランドの忠実な表現を構築できます。

4. Schema.org FAQPage

FAQPageマークアップは、AIが直接利用できるように質問と回答を構造化します。監査は、関連ページでこのSchemaマークアップの存在を検出し、質問の品質と回答の完全性を確認します。適切に構造化されたFAQページは、AI回答での引用率が3倍高くなります。

5. Schema.org BreadcrumbList

構造化されたパンくずリストナビゲーションは、LLMがサイトの階層を理解するのに役立ちます。監査は、すべてのページでのBreadcrumbListの存在、レベルの一貫性、関連するURLを確認します。この構造は、言語モデルによる各ページの文脈理解を促進します。

6. Open Graphタグ

Open Graphタグ(og:title、og:description、og:image、og:type、og:url)は、多くのAIインデックスシステムによって読み取られます。監査は、その存在、ページごとの一意性、説明の品質、画像の適合性(寸法、アクセス可能性)を確認します。欠落しているか不適切に記入されたOGタグは、文脈的回答での可視性を大幅に低下させます。

7. HTTPS / SSL

有効なSSL証明書は基本的な前提条件です。監査は、証明書の有効性、HTTPからHTTPSへの自動リダイレクト、混合コンテンツ(mixed content)の不在、完全な証明書チェーンを確認します。LLMは、セキュアなソースに対して明らかに高い信頼を置きます。

8. Server-Side Rendering(SSR)

サーバーサイドレンダリングは、AIボットがJavaScriptを実行せずにページの完全なコンテンツにアクセスできることを保証します。監査は、サーバーで提供されるHTMLとクライアント側でレンダリングされるDOMを比較し、SSRのないSPAフレームワークを検出し、最初の読み込み時にアクセス可能なコンテンツの品質を評価します。100%クライアントサイドレンダリングのサイトは、大多数のAIクローラーに対して見えない可能性があります。

9. hreflangを含むXMLサイトマップ

XMLサイトマップは、AIボットを重要なページに誘導するために不可欠です。監査は、サイトマップの有効性、すべての重要なURLの存在、多言語対応のhreflangタグ、宣言された更新頻度、実際にアクセス可能なコンテンツとの一貫性を確認します。

10. canonicalタグ

canonicalタグは、LLMを混乱させる重複コンテンツの問題を回避します。監査は、各ページでのタグの存在、canonicalと実際のURL間の一貫性、canonicalのループやチェーンの不在、URLパラメーターの適切な処理を確認します。

11. meta robotsディレクティブ

meta robotsディレクティブ(index/noindex、follow/nofollow)は、ボットへのページのアクセス可能性を制御します。監査は、重要なページがインデックス可能であること、ディレクティブがrobots.txtと矛盾しないこと、機密ページが適切に保護されていることを確認します。

12. 構造化データの深さ

構造化データの存在を超えて、監査はその深さを評価します。名前とURLのみを含むOrganizationマークアップは不十分です。監査は、記入されたプロパティの数、ネストされた型(PostalAddress、ContactPoint、Offer)の存在、全体的なセマンティックな豊富さを測定します。

13. ボットのページ速度

サーバー応答速度は、AIクローラーがコンテンツをインデックスする能力に直接影響します。監査は、Time to First Byte(TTFB)、完全な応答時間、提供されるHTMLのサイズを測定します。遅いサーバーは、AIクロール中のタイムアウトを引き起こし、部分的またはゼロのインデックスをもたらす可能性があります。

14. モバイルレンダリング

多くのAIボットは、モバイルユーザーエージェントをシミュレートします。監査は、サイトのレスポンシブ性、meta viewportの存在、モバイルで隠されたコンテンツの不在、デスクトップ版とモバイル版のコンテンツの同等性を確認します。

15. 内部リンク構造

堅牢な内部リンクは、LLMがサイトのテーマ構造を理解するのに役立ちます。監査は、ナビゲーションの深さ、ページごとの内部リンクの数、孤立ページの存在、戦略的ページへの内部PageRankの分配を分析します。

16. 新鮮さシグナルとdateModified

LLMは最新のソースを優先します。監査は、表示されている公開日と更新日、JSON-LDマークアップのdateModifiedプロパティ、サイトマップのlastmodタグ、HTTPヘッダーのLast-Modifiedを確認します。これらは、コンテンツが維持されていることをAIに証明する技術的シグナルです。

17. セマンティックHTML構造

HTML5セマンティック要素(header、nav、main、article、section、aside、footer)の適切な使用は、LLMによるコンテンツの理解を向上させます。監査は、これらの要素の存在、一貫した使用、アンチセマンティック構造(div soup)の不在を確認します。

18. 見出し階層と代替テキスト

一貫性のあるH1-H6階層と画像の説明的なalt属性は不可欠です。監査は、H1の一意性、レベルの論理的な進行、スキップの不在(H1の直後にH4)、代替テキストの存在と品質、言語宣言(lang属性)を確認します。

19. meta titleとmeta description

meta titleは、AIがページのトピックを理解するために読む最初のシグナルです。meta descriptionは構造化された要約を提供します。監査は、その存在、ページごとの一意性、説明的品質を確認します。これらは、ソースとしての選択に強く影響する2つの単純な自動シグナルです。

20. 企業の法的透明性

3つの規制チェックを1つの項目にグループ化:登記番号の表示(フランスのSIREN/SIRET、海外の同等物)、直接の連絡先情報(メールと電話)、法的通知における代表者または出版責任者の識別。E-Commerceディレクティブで要求されるこれらの透明性シグナルにより、AIは企業の存在と正当性を検証できます。これはE-E-A-Tの柱です。

21. meta noaiの不在

<meta name="robots" content="noai">タグは、AIによるコンテンツの使用を禁止します。存在する場合、サイトは生成AIエンジンに対して見えなくなります。監査は、その存在を検出し、すぐにアラートを出します。

22. RSSまたはAtomフィード

RSS/Atomフィードは、サイトが定期的にコンテンツを公開していることをAIクローラーに通知します。PerplexityとOAI-SearchBotは、新しいコンテンツを発見するためにこれを使用します:30日未満のコンテンツは、3.2倍多く引用されます。

23. コンテンツの新鮮さ(90日未満)

90日以内に更新されたページは、LLMによって3.2倍多く引用されます。監査は、JSON-LDのdateModifiedプロパティとHTTPヘッダーのLast-Modifiedを読み取ります。90日を超えた場合、可視的な更新(最新の数字、新しいソース)が推奨されます。13週間更新されていないコンテンツは、引用適格性を失います。

24. 回答密度(40-50語の段落)

LLMは、暗黙の質問に直接答える40〜50語の短い段落を優先的に抽出します。長い説明的な段落のみで構成されたテキストは「answer-ready」ではありません。監査は、回答形式の段落の割合を測定します:推奨目標は少なくとも30%です。

25. 引用可能なブロック(LLMが優先するフォーマット)

blockquote、定義リスト(<dl>)、統計表、数値化されたボックス(stat/tldr/fact):これらのフォーマットは、AIによって帰属付きで引用されます。これらのブロックなしで長い連続した段落で書かれたページは、引用されにくくなります。監査はその存在を確認します。

26. ブランド名の一貫性(entity resolution)

ブランドが複数のバリエーション(「Brand」、「Brand SA」、「Brand France」...)で表示される場合、LLMはこれらのエンティティを統合せず、引用が希薄化します。監査はバリエーションをカウントします。目標は、サイト全体で最大2つの異なるバリエーションです。

27. 主要30用語の密度

LLMは、そのページで最も共起する30の用語からブランドのセマンティック表現を構築します。これらの戦略的用語が不在または密度が低すぎる場合、ブランドはAIにとってそれらのテーマで存在しません。監査は、この語彙カバレッジを測定します。

28. ブログまたはニュース

ブログまたはニュースセクションの存在は、継続的な編集活動を示します。監査は、このセクションの存在、その構造、サイトの残りの部分との接続を確認します。

29. 「About」ページ

完全なAboutページ(歴史、チーム、ミッション、連絡先情報)は、エンティティに対するAIの信頼を強化します。監査は、その存在、メインナビゲーションからのアクセス可能性、含まれる情報の豊富さを確認します。

9つのエキスパート推奨

これらの項目は、より微妙な質的評価を必要とし、重み付けされた推奨として提示されます。

1. E-E-A-Tシグナル

E-E-A-T(Experience、Expertise、Authoritativeness、Trustworthiness)は、LLMにとって主要な基準です。監査は、詳細な著者ページの存在、専門家の経歴、資格の言及、顧客の証言、直接的な経験のシグナルを評価します。このトピックを深めるには、2026年のE-E-A-TとAIオーソリティに関する記事をご覧ください。

2. Wikidata / Wikipediaの存在

言語モデルは、知識グラフに大きく依存しています。監査は、あなたのエンティティがWikidataのエントリ、Wikipediaのページを持っているか、そして情報があなたのサイトと一貫しているかを確認します。これらのプラットフォームでの存在は、Entity Healthと引用確率を大幅に向上させます。

3. Citation Readinessスコア

Citation Readinessは、LLMがあなたのコンテンツを引用する容易さを測定します。監査は、主張の明確さ、数値データの存在、質問回答構造、すぐに使える引用の利用可能性を評価します。

4. バックリンクオーソリティプロファイル

バックリンクの品質と多様性は、LLMがコンテンツに与える信頼に影響します。監査は、参照ドメイン、インバウンドリンクのテーマ、アンカーの分布、リンクプロファイルの全体的なオーソリティを分析します。

5. コンテンツのテーマ的深さ

テーマカバレッジは、専門分野でのコンテンツの網羅性を測定します。監査は、テーマごとのページ数、カバーされるサブトピックの粒度、セクター標準と比較した処理の深さを評価します。

6. ソーシャルプルーフシグナル

顧客レビュー、証言、ケーススタディ、メディア言及は、LLMが認識する信頼性を強化します。監査は、これらの要素の存在、構造化マークアップ(Review、AggregateRating)、その新鮮さを確認します。

7. Web上のブランド一貫性

LLMは、複数のソースからの情報をクロス参照します。監査は、NAP(Name、Address、Phone)の一貫性、ブランド説明の統一性、セクターの主要なディレクトリとプラットフォームでの存在を評価します。

8. 構造化されたFAQコンテンツ

技術的なFAQPageマークアップを超えて、監査は質問と回答の品質と関連性を評価します:実際のユーザーの質問をカバーしているか?自然言語で表現されているか?完全で自己完結した回答を提供しているか?

9. マルチプラットフォーム存在(3+)

サイト以外の少なくとも3つのプラットフォーム(LinkedIn、Wikipedia、Crunchbase、Trustpilot...)で存在するブランドは、会話型AIによって明らかに頻繁に引用されます。Schema.orgのsameAsリンクは、エンティティの曖昧性解消を強化します。監査は、この外部存在とその一貫性を評価します。

AIが結果からアクションプランを生成する方法

GEOチェックリストの主要な利点の1つは、結果を具体的なアクションに変換する能力です。38項目の分析後、システムは自動的に優先順位付けされたアクションプランを生成します。

特定された各アクションは、3つの優先度レベルに従って分類されます:

• 高優先度(赤):AI可視性に直接影響する阻害的なアクション。例:AIボットをブロックするrobots.txt、構造化データの完全な不在、SSRなし。推定実装時間:1〜5日。
• 中優先度(オレンジ):スコアを最適化する重要な改善。例:Schema.orgの充実、Open Graphタグの最適化。推定時間:1〜2週間。
• 低優先度(緑):潜在能力を最大化するための微調整。例:テーマカバレッジの改善、E-E-A-Tシグナルの強化、構造化FAQの追加。推定時間:2〜4週間。

ビフォー/アフターの例

GEOチェックリストの具体的な影響を示すために、当社のユーザーで観察された結果を以下に示します:

チェックリストで特定された9つの高優先度項目を修正したeコマースサイトは、6週間で言及率が34%増加しました。主なアクション:GPTBot用のrobots.txtのブロック解除、充実したSchema.org Productの追加、SSRの実装。

プロバイダーダッシュボードを使用するデジタルエージェンシーは、12のクライアントに同時にチェックリストの推奨を展開しました。平均結果:3か月で可視性スコアが+28%、特にネイティブスコアで顕著な改善。

スケジュールされた監査との統合

GEOチェックリストは、スケジュールされた監査と完全に統合されます。定期的な監査(週次または月次)を設定することで、時間の経過に伴うチェックリストの各項目の進化を追跡できます。ダッシュボードは、トレンドを表示し、後退を識別し、進歩を祝います。

エージェンシーにとって、この機能は特に貴重です。実行された最適化の価値をクライアントに客観的に示し、AEOへの投資を正当化できます。生成される各PDFレポートには、チェックリストの状態が含まれており、利害関係者とのコミュニケーションを促進します。

結論:監査を競争上の優位性に変える

38項目のGEOチェックリストは、単なる診断ツールではありません。AI可視性のための完全な方法論的フレームワークです。自動検証とエキスパート推奨を組み合わせることで、監査された各サイトに明確なロードマップを提供します。SEO/GEOエージェンシーとコンサルタントにとって、これは現場作業用に設計されています:クライアントを監査し、修正の優先順位を付け、特にプロバイダーダッシュボードを介して進捗を示します。

これらの38項目がグローバルなGEO戦略にどのように統合されるかを理解するために、AI可視性監査の方法論もご覧ください。そして、あなたのクライアントのブランドは?最初のクライアントのAI可視性を監査して、埋めるべきギャップを具体的に測定してください。