8. 業種別AIO実践：12業種のAIOを深く実践する
EC・観光・医療・金融・不動産・士業など12業種のAIO実務を1つずつ深掘りする
EC・D2C、観光・宿泊・飲食（インバウンド）、BtoB SaaS、医療、教育・スクール、金融、製造業・BtoB技術、人材・HR、不動産、士業、ローカルビジネス・店舗、メディア・パブリッシャーの12業種について、検索行動データ・クエリ分類・エンティティ戦略・構造化データ・E-E-A-T・規制コンプラ・事例・KPI設計・チェックリストまでを1業種ずつ深掘りする実践編（編VI-Aダイジェストの掘り下げ版）。
この編の学習フロー
上から推奨する受講順です。前のセクションから順に進めるとスムーズです。
EC・D2C
理解度チェック（3問）
このEC・D2Cで学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. ネットショップ担当者フォーラムの分析によると、情報収集型クエリ(「〇〇 おすすめ」等)とブランド名単体の指名検索で、AI Overviewsの表示率はどう異なるとされているか。
情報収集型クエリでは99.9%、指名検索ではわずか2.29%とされ、「調べて選ぶ」段階でAIが強く関与する一方、「もう決めている」段階ではほとんど関与しない違いがあります。詳しくはVIII-A2参照。
Q2. 景表法のステマ規制(2023年10月運用開始)がAI活用のEC実務にとって特に注意点になる理由として、レッスンが説明しているものはどれか。
ステマ規制は「誰が書いたか」ではなく「広告と分かるかどうか」で判断されるため、AIに顧客の声を創作させる行為は規制の趣旨に反します。詳しくはVIII-A6参照。
Q3. agentic commerceの「discovery」と「checkout」の現在地について、レッスンが説明する内容として正しいものはどれか。
discoveryは既に稼働している一方、checkoutは米国中心・対象加盟店限定で日本では実質的に未提供であり、OpenAIも2026年3月前後にInstant Checkoutの拡大方針を後退させたと報じられています。詳しくはVIII-A11参照。
よくある質問
Q. EC・D2C業界でAI経由の流入はどれくらい伸びていますか？
ユーロモニターの調査によれば、生成AI経由のEC流入は2025年1〜12月で前年比302%増となり、他チャネル全体の伸び(23%増)を大きく上回りました。Shopify加盟店の実績としては、AI検索経由アクセスが前年比9倍超、注文件数が15倍以上に拡大したと報告されています。
Q. EC業界でAI経由訪問者はどのページに着地することが多いですか？
Search Engine Landの調査によれば、EC業界のAI経由訪問者の着地ページは商品ページが43%を占めるとされています。教育業界のコースページ(52%)や医療の企業情報ページ(42.1%)と並べると、業界ごとに着地傾向がはっきり分かれています。
Q. EC購入検討でユーザーはAIにどんな質問の仕方をしていますか？
「一人暮らしに向く軽い掃除機」のように、キーワードの羅列ではなく自然な要望を伝える相談形式が特徴です。AIが複数の商品を比較・要約し、画像・価格・評価つきの「商品カード」として提示する購買体験になっています。
Q. EC業界で指名検索とそれ以外のクエリではAI Overviewsの表示率はどう違いますか？
ネットショップ担当者フォーラムの分析では、「比較・おすすめ・スペック検索」のような情報収集型クエリではAI Overviews表示率が99.9%に達する一方、ブランド名単体の指名検索ではわずか2.29%にとどまるとされています。「調べて選ぶ」段階ではAIが強く関与し、「もう決めている」段階ではAIがあまり出てこないという使い分けです。
Q. 中小のECブランドがAI Overviewsに掲載された成功要因は何ですか？
愛知県の草木染めブランド「UZUiRO」や石川県の「ふくべ鍛冶」の事例では、Aboutページでのブランドストーリー発信、専門分野コラムの充実、メディア掲載歴の自社サイトでの再紹介が共通する成功要因として挙げられています。外部で得た評価を自社サイト上で改めて語り直すことがAIの手がかりになります。
観光・宿泊・飲食（インバウンド）
理解度チェック（3問）
この観光・宿泊・飲食（インバウンド）で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. ホテル分野の実証研究(Nicolas Sitter, 2026年)とMeltwaterの分析を踏まえ、AIが提示する「リンク先」と「推薦の判断材料」の関係として正しいものはどれか。
リンク先としては公式サイトが多い一方、施設を推薦する判断材料としてはOTA依存度が高いという別々の指標であり、公式サイトの整備だけでは不十分だとされています。詳しくはVIII-B3参照。
Q2. 旅行業公正取引協議会の表示ルールにおいて、宿泊施設やツアーを「特選」「厳選」などと格付けして紹介する場合に求められることはどれか。
格付け表現を使う場合は選定基準を明示する義務があり、AIが要約するFAQページ等であっても表示媒体が変わるだけでこの規制は変わらないとされています。詳しくはVIII-B6参照。
Q3. 多言語対応の「落とし穴」について、このレッスンが指摘する内容として正しいものはどれか。
GoogleはAI Modeで言語ごとに専用のGemini派生モデルを開発しており、機械翻訳の貼り付けだけでは自然な文脈とズレが生じやすいとされています。詳しくはVIII-B11参照。
よくある質問
Q. 2025年の訪日外国人旅行消費額はいくらでしたか？
観光庁の調査によれば、2025年の訪日外国人旅行消費額は9兆4,559億円(前年比+16.4%)で、暦年として過去最高を更新しました。訪日外国人数は4,268万3,600人と初めて4,000万人を突破しています。
Q. 旅行者の情報収集手段は検索エンジンから生成AIへどれくらいシフトしていますか？
Phocuswrightの調査によれば、旅行者の情報収集における検索エンジン利用率は2024年下半期の51%から2025年下半期には36%へ急落し、代わって生成AIプラットフォームの利用率が6%から15%へ増加しました。世代別ではミレニアル世代(58%)が最もAI活用度が高いとされています。
Q. 訪日旅行者のAI検索利用は旅のどの場面で行われますか？
渡航前・訪日中・帰国後の3段階に分かれます。渡航前は行程作成や宿泊先比較、訪日中は近くの店探しや翻訳など即答が必要な相談、帰国後は口コミ投稿やSNS発信が中心で、帰国後の投稿が次の渡航前段階の判断材料になる循環構造を作っています。
Q. NAP一貫性とは何で、なぜインバウンド対応で重要ですか？
NAPとは名称(Name)・住所(Address)・電話番号(Phone)の頭文字を取ったローカルSEO由来の略語で、この3情報を各プラットフォームで完全に一致させることがAIが「同一の施設である」と認識するための前提条件になります。AIモデルごとに参照するプラットフォームが大きく異なるため、公式サイトだけでなくOTA(Tripadvisor・Booking.com等)を含む全プラットフォームでの一貫性が必要です。
Q. ホテルの公式サイトとOTA、AIはどちらをより参照していますか？
大規模実証研究によれば、AIが提示するリンク先の75〜91%は宿泊施設の公式サイトですが、Meltwaterの分析ではAI引用全体の55.3%がOTA(Tripadvisor・Booking.com・Expedia)向けで、公式サイトは13.6%にとどまるとされています。この2つは矛盾ではなく、リンク先としては公式サイトが多い一方、推薦の判断材料としてはOTA依存度が高いという別々の指標です。
BtoB SaaS
理解度チェック（3問）
このBtoB SaaSで学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. SaaS業界がAI検索と「相性が良い」とされる理由として、このレッスンが説明するものはどれか。
比較検討期間が長い業界ほどAIに「比較を丸投げ」されやすく、これがローカル飲食店のような即決型業界との違いだとされています。詳しくはVIII-C2参照。
Q2. SaaSのAIOコンテンツにおける景品表示法の注意点として、このレッスンが挙げる「避けるべき表現」はどれか。
「必ず」「絶対」等の断定的な効果保証表現は景表法上のリスクとして避けるべきとされ、数値を使う場合は調査主体・時点・母数の明記が基本とされています。詳しくはVIII-C6参照。
Q3. SaaS向けAIO計測において、このレッスンが強調する考え方はどれか。
表示回数の増加がそのまま問い合わせ増加に直結するとは限らないため、両者を別指標として同じ条件で継続的に記録することが重要だとされています。詳しくはVIII-C8参照。
よくある質問
Q. SaaS業界でAI経由訪問者はどこに着地することが多いですか？
Search Engine Landの調査によれば、SaaS業界でAI経由の訪問者が最も多く着地するのは「検索ページ」で34.6%を占めます。これはEコマースの商品ページ(43%)や教育のコースページ(52%)とは異なる傾向です。
Q. ChatGPTはLLMリファラルトラフィックの中でどれくらいのシェアを占めていますか？
Search Engine Landの調査によれば、ChatGPTは2026年5月時点で追跡可能なLLMリファラルトラフィックの92.4%を占め、月間セッションは64万4,478に達し、過去19か月で12.8倍に成長したと報告されています。同時期、PerplexityやCopilotのシェアは縮小傾向にあります。
Q. SaaS選定でAIに投げられやすい質問にはどんな型がありますか？
大きく2つの型があり、1つは「HR管理ツール おすすめ」のようなカテゴリ推薦型、もう1つは「〇〇 vs △△」のような直接比較型です。あるBtoB人材管理SaaS企業の事例では、施策着手前にカテゴリクエリで自社が全く推薦されず、競合1社が10件中7件で言及されていたという課題がありました。
Q. SaaS企業がAIに「カテゴリの代表格」として認識されるにはどうすればよいですか？
AI検索専門メディアExplainGEOによれば、Ramp・HubSpot・NerdWallet・Zapier・Canvaといった「勝っているブランド」に共通するのは、専門家監修・独自調査データ・比較コンテンツの継続発行という3点です。誰が書いた記事なのかを著者プロフィールで明示することも、エンティティを確立する手段の一つとされています。
Q. SaaS業界とローカルビジネスでは、購買検討の長さによってAIとの相性はどう違いますか？
比較検討期間が長いSaaS・B2Bのような業界ほど、AIに「比較」を丸投げされやすくなります。一方、ローカル飲食店のような即決型の業界では検討期間が短く、Googleビジネスプロフィールの情報充実度が結果を左右しやすいという違いがあります。
医療（YMYL）
理解度チェック（3問）
この医療（YMYL）で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 医療のようなYMYL領域において、AI Overviewsの引用元と通常のオーガニック検索トップ10が重複する割合について、レッスンが紹介するデータはどれか。
YMYL全般でAI Overviewsの引用元とオーガニック検索トップ10が重複するのはわずか17%とされ、検索順位とAIO掲載の関係が特に弱いことを示しています。詳しくはVIII-D1参照。
Q2. 2026年3月30日の医療広告ガイドライン改正の実体について、レッスンが正しく整理している内容はどれか。
5項目記載義務はこの改正で新設されたものではなく既存の要件であり、改正の実体は適用範囲の見直しと事例解説書へのSNS・動画広告例の追加の2点とされています。詳しくはVIII-D6参照。
Q3. 医療機関がAIのハルシネーション対応として、診療予約枠の空き状況についてレッスンが推奨する扱い方はどれか。
診療予約枠のようなリアルタイム性の高い情報はAIOの対象外に置き、自院の予約システム・公式サイトを一次情報源として維持する併用戦略が現実的だとされています。詳しくはVIII-D10参照。
よくある質問
Q. 医療分野のクエリでAIO表示率はクエリの種類によってどう違いますか？
症状・疾患系クエリでは93%、一般的な医療知識クエリでは74%とAIO表示率が高い一方、「近くの病院」のようなローカルクエリではわずか11%にとどまります。症状・疾患系はほぼ飽和状態にあるため、対応の有無がそのまま競合との差になりやすい領域です。
Q. 医療機関がAIに「実在する信頼できる専門家」として認識されるには何が必要ですか？
医師免許・専門医資格、所属学会、学会発表歴、論文執筆歴などの外部証跡を医師プロフィールページに一覧化し、外部の学会公式サイト等と矛盾なく一致させることが土台になります。ただし医療業界に特化したエンティティ確立の成功事例は、調査時点では確認できていません。
Q. 医療機関向けの構造化データ実装はどこから着手すべきですか？
診療科目ページ、医師プロフィールページ、よくある質問ページの3つが、患者が実際に調べる情報と直結するため優先的に構造化データを実装する候補になります。まずは既存ページへの後付けから始め、新規ページ作成を待たないのが現実的な進め方です。
Q. schema.orgにはMedicalOrganizationなど医療特化の語彙がありますか？
はい、schema.orgにはMedicalOrganizationやPhysicianといった医療領域向けの語彙が用意されています。ただし、こうした医療特化スキーマを国内医療機関が導入した具体的な事例は、調査時点では確認できていません。
Q. 医療機関で構造化データを実装する際に見落としやすい点は何ですか？
ページ内に表示されている情報と、構造化データとして記述した情報が食い違っていると、かえって信頼性を損なうおそれがあります。例えば医師プロフィールページに表示している資格情報と、構造化データ側の資格情報を完全に一致させる必要があります。
教育・スクール
理解度チェック（3問）
この教育・スクールで学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 教育業界のAI検索利用データについて、レッスンが紹介する調査結果として正しいものはどれか。
EdTech Innovation Hub/Everspring調査では、ChatGPT利用者数がGoogle利用者数の2倍以上に達し、18〜24歳の3分の2が検索エンジンよりAIツールを好むと報告されています。詳しくはVIII-E1参照。
Q2. 教育・スクール業界の広告表現について、景品表示法の観点からこのレッスンが指摘する注意点はどれか。
効果を保証するかのような言い切り表現は優良誤認表示に該当しやすく、打消し表示が強調表示と矛盾していれば不十分と判断されるおそれがあるとされています。詳しくはVIII-E6参照。
Q3. 講師のエンティティを確立するうえで、構造化データの「sameAs」プロパティが果たす役割として正しいものはどれか。
sameAsは講師ページと外部プロフィールが同一人物であるという事実をAIに直接伝えるプロパティで、講師の相互検証を技術的に実現するものです。詳しくはVIII-E4参照。
よくある質問
Q. 学生の検索行動はどれくらいAIへ移っていますか？
EdTech Innovation Hub/Everspringの調査によれば、ChatGPT利用者の約半数は18〜24歳で、この年齢層の3分の2がAIツールを検索エンジンより好むと回答しています。同調査ではChatGPT利用者数がGoogle利用者数の2倍以上に達しているとも報告されています。
Q. AI Overviewsの表示によって大学の広告効果はどう変化していますか？
同調査によれば、AI Overviewsが表示される検索ではクリック率が70〜90%低下し、高等教育関連キーワードの広告クリック単価は前年比45%上昇した一方でその効果はむしろ低下しているとされています。この数値は米国の学生・学位プログラムを対象にした単一調査によるものです。
Q. 教育・スクール業界でAIに比較検討クエリが多いのはなぜですか？
教育・スクール業界は比較検討期間が長く、金額も相応に大きい業界だからです。受講希望者からすれば、複数の講座サイトを1つずつ開いて比較するより、AIに要点だけまとめてもらうほうが手間が省けるため、比較検討をAIに委ねられやすくなります。
Q. 講師の実績をAIに信頼できる情報として認識させるにはどうすればよいですか？
自社サイトの講師紹介ページに書くだけでなく、LinkedInや登壇実績、外部メディアの記事など複数の情報源で同じ人物・同じ専門性が一致して確認できる状態を作ることが重要です。この「相互検証(クロスリファレンス)」により、第三者からの裏付けとして機能するようになります。
Q. 講座の比較コンテンツを作る際に注意すべき法的リスクは何ですか？
特定の競合名を直接名指しして優劣を断定する比較コンテンツは、景品表示法(比較優良広告)上のリスクがあります。「A社よりB社が優れている」という個別の優劣断定ではなく、選び方の軸を客観的事実で並べるチェックリスト型の比較を基本にすることが推奨されます。
金融（YMYL）
理解度チェック（3問）
この金融（YMYL）で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 金融分野のクエリについて、BrightEdgeのデータ(Search Engine Land経由)が示すAIO表示率の違いとして正しいものはどれか。
教育的クエリでは91%と非常に高い表示率である一方、株価・為替のようなリアルタイム性クエリでは2023年から2025年まで一貫して7〜8%程度の低水準にとどまっているとされています。詳しくはVIII-F1参照。
Q2. 金融商品取引法(金商法)の広告規制において、金融のAIOコンテンツで特に注意すべきとレッスンが挙げる表現はどれか。
金商法は実際より著しく優良・有利に見せる表示や利益が確実であるかのような断定的な利益保証表現を禁止しており、AIが生成した文章でもこの一線は変わらないとされています。詳しくはVIII-F6参照。
Q3. 金融分野のハルシネーション対応について、このレッスンが推奨する「併用戦略」とはどのようなものか。
教育的情報はAIOでの露出を狙う一方、株価等のリアルタイム性の高い情報は自社アプリ・公式サイトでの提供を維持する併用戦略が現実的だとされています。詳しくはVIII-F10参照。
よくある質問
Q. 金融分野のクエリは大きくどう分類できますか？
「教育的クエリ」と「リアルタイム性クエリ」の2つに分類できます。教育的クエリは「NISAとは」のように答えが数日〜数年単位で安定しているもの、リアルタイム性クエリは「今日の日経平均」のように答えが秒〜日単位で変動するものです。
Q. 金融クエリの分類が曖昧なときはどう判断すればよいですか？
その質問に半年後も同じ答えを出せるかどうかで判断するのが実務的な目安です。半年後には答えが変わりそうな要素を含むクエリは、リアルタイム性クエリ側に寄せて扱うことがおすすめされています。
Q. 金融機関向けの構造化データ実装で使われる主なスキーマは何ですか？
Organization(組織)・FAQPage(よくある質問)・Article(監修記事)・Service(提供サービス)という業界横断で使われる4種類のスキーマが考えられます。ただし金融機関に特化した構造化データ導入の事例で成果を検証したものは、調査時点では確認できていません。
Q. 金融比較コンテンツでAIに引用されやすくなる編集方針とは何ですか？
「専門家監修・透明な手法・詳細な比較」という3つの型に翻訳できます。記事ごとに監修者名・資格・肩書きを明記し、数値やデータの出典・調査時点・母数を明記し、単なる「おすすめ」ではなく条件別の比較表・メリットとデメリットの両論併記で書くことが具体的な作業です。
Q. 金融比較サイトNerdWalletがAI回答内で継続的に引用されるとされる要因は何ですか？
AI検索専門メディアExplainGEOは、専門家によるレビューと著者の明記が要因の一つだと分析しています。ただしこの分析は単一のメディアによる紹介記事であり、引用増加の具体的な倍率等の数値は公開されていません。
製造業・BtoB技術
理解度チェック（3問）
この製造業・BtoB技術で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 技術的に同等な製品でも「知名度の高いブランド」が選ばれやすいというGlobalSpec/TREW Marketing社の調査結果を踏まえ、このレッスンがAIにとっての「ブランド」をどう定義しているか。
AIはブランドの雰囲気を人間のようには感じ取れないため、拠点・専門領域・認証等を機械可読な事実として整理する「エンティティ化」がブランド認識の土台になるとされています。詳しくはVIII-G3参照。
Q2. 製造業のAIOコンテンツにおける認証表示について、このレッスンが指摘する注意点はどれか。
未認証にもかかわらず「準拠」「取得済み」と断定する表現は不正競争防止法・景品表示法違反のリスクがあり、認証範囲・認証機関名を正確に記載する必要があるとされています。詳しくはVIII-G6参照。
Q3. このレッスンが紹介する、AI検索の要約を鵜呑みにするリスクの具体例として正しいものはどれか。
検索要約に出た「建設・工業・伝統工芸企業」の事例と伸び率は、一次ページを直接確認すると実在しない情報だったことが判明したと紹介されています。詳しくはVIII-G10参照。
よくある質問
Q. 製造業の購買担当者はどれくらいAIを購買プロセスで使っていますか？
Forrester社の調査によれば、世界の企業購買者約1.8万名のうち94%が直近の購買で何らかの形でAIを使用し、55%がAIツールでベンダーを比較していました。Gartner社の調査でも645名の購買者のうち45%が主にベンダー・製品情報の収集を目的に生成AIを使用しています。
Q. 製造業の購買者はAIの回答をそのまま信じていますか？
いいえ、GlobalSpec/TREW Marketingの調査によれば、69%が購買プロセスでAIを活用する一方、AI回答への信頼度スコアは10点満点中4.7点にとどまりました。AI生成サマリーに気づいた人の69%が実際の検索結果も確認しに行くと回答しており、AI要約だけで十分と答えたのはわずか6%です。
Q. 購買担当者と設計エンジニアでは製造業製品を調べる観点がどう違いますか？
購買担当者や調達部門はコスト・納期・サプライヤーの信頼性・認証を比較検討する立場で、「A社とB社どちらが信頼できるか」といった質問をします。一方で設計エンジニアは技術仕様・CADデータ・材料特性を起点に部材を選定し、「この仕様を満たす部材はどれか」といった質問をします。
Q. 技術的に同等な製品がある場合、エンジニアは何を基準に選びますか？
GlobalSpec社とTREW Marketing社の調査によれば、技術的に同等な2製品がある場合、70%のエンジニアが「より知名度の高いブランド」を選ぶ可能性が高いと回答しています。53%が直近の購買で「馴染みのあるブランドかどうか」が影響したとも回答しています。
Q. 製造業の会社が「AIにとってのブランド」を確立するにはどうすればよいですか？
AIはブランドの雰囲気や好感度を人間のようには感じ取れず、技術仕様・部品番号・材料・認証規格などを事実として直接抜き出せる形に整理した「エンティティ化」された情報を認識します。会社種別・沿革・保有認証、対応可能な拠点・エリア、専門領域を機械可読な事実として整理することが推奨されています。
人材・HR
理解度チェック（3問）
この人材・HRで学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. Omnieclipse社の調査によると、人材紹介・採用関連事業者1,700社のうちChatGPTの推薦に表示されたのはどれくらいの割合だったとされているか。
1,700社中202社(11.9%)しかChatGPTの推薦に表示されておらず、業界全体でAI検索からの可視性が低いことを示しているとされています。詳しくはVIII-H1参照。
Q2. 求人票の「的確表示義務」についてこのレッスンが説明する内容として正しいものはどれか。
職業安定法の的確表示義務は、求人情報を正確かつ最新の状態に保ち虚偽や誤解を生じさせる表示を禁じるものであり、AIが下書きした文言も公開前の人によるチェックが必要だとされています。詳しくはVIII-H6参照。
Q3. 人材業界のAIO施策の効果を計測するうえで、このレッスンが重視する考え方はどれか。
出現から成約までを4段階に分けて記録し、「出現した回数」と「成果につながった件数」を別々の指標として追うことで施策の効果を正しく評価できるとされています。詳しくはVIII-H8参照。
よくある質問
Q. 人材業界はAI検索の中でどれくらい認識されていますか？
AI検索可視性分析企業Omnieclipseの調査によれば、人材紹介・採用関連の事業者1,700社のうちChatGPTの推薦の中に表示されたのはわずか202社(11.9%)にとどまったと報告されています。ただしこの数値はAI検索可視性の分析ツールを販売する企業自身による調査であり、調査方法の詳細開示は確認できていません。
Q. なぜ人材業界はAIから見えにくいと考えられていますか？
明確な原因を示す調査は見つかっていませんが、求人内容が頻繁に更新・終了し情報が安定しにくいこと、「どの職種・業界に強いか」が機械可読な形で明記されていないサイトが多いこと、成約件数や対応実績が具体的な数字で示されていないことの3点が業界の構造から考えられる理由です。
Q. 人材紹介会社を探す質問は、企業側と求職者側でどう違いますか？
企業側は「エンジニア採用に強い人材紹介会社は?」のように専門領域を軸に聞き、求職者側は「未経験からでも使えるエージェントは?」のように自分の状況を軸に聞きます。同じ「人材紹介会社を探す」行為でも、聞き手によってAIに投げる質問も期待する答えも変わります。
Q. 人材紹介会社がAIに「この分野に強い会社」と認識されるには何が必要ですか？
専門領域・実績・所在地・対応エリア・メディア掲載歴といった事実を、機械が読み取りやすい形で1か所に集約し直すことが土台になります。すべての職種・業界に対応できると謳うより、「IT業界の中途採用に強い」のように専門領域を絞って明記したほうが、比較・推薦型の質問に対して名前が挙がりやすくなります。
Q. 人材業界でAIにまだ見えていない状況はチャンスと捉えられますか？
はい、9割近くの企業がまだAIに見えていないという状況は、裏を返せば今対策に着手した企業ほど競合より先にAIの推薦枠を確保できる「先行者優位」が働きやすい業界だとされています。SEOの世界ではすでに競合がひしめいていますが、AI検索の世界において人材業界はまだスタートラインに近い場所にあります。
不動産
理解度チェック（3問）
この不動産で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 不動産クエリの3分類のうち、「渋谷 不動産」のような地域×業種型クエリについて、このレッスンが説明する特徴はどれか。
地域×業種型クエリではローカルパックが優先されAI Overviewは出にくいとされ、Googleビジネスプロフィールの整備を優先すべき領域とされています。詳しくはVIII-I2参照。
Q2. AI合成した完成予想図やバーチャルステージング画像の表示について、このレッスンが正確に整理している内容はどれか。
表示規約施行規則を全文照合しても「AI」「CG」の文言は存在せず、既存の第22号・23号の準用解釈であり、AI生成でも宅建業法・景表法の責任は変わらないとされています。詳しくはVIII-I6参照。
Q3. AI検索時代の不動産集客について、200プロンプト分析(akarumi, 2026年)を踏まえてこのレッスンが導く結論として正しいものはどれか。
SUUMO・LIFULL HOME'Sが引用の4分の1超を占める一方、オウンドメディアも4割程度引用されており、ポータルをやめるのではなく併存させる戦略が支持されるとしています。詳しくはVIII-I10参照。
よくある質問
Q. 住宅探しでAIツールを使う人は海外でどれくらい増えていますか？
米Veterans Unitedの2026年3月調査によれば、住宅探しでAIツールを利用したと回答した人が45%に達し、2025年第2四半期の37%から上昇しました。53%が「人の直接関与なしに住宅を購入することに抵抗がない」とも回答しています。
Q. 国内の戸建住宅購入検討者はどれくらい生成AIを情報収集に使っていますか？
伸和エージェンシー・ECマーケティングの調査(戸建住宅購入検討者240人対象)によれば、28.3%が生成AIを情報収集に活用していたと報告されています。ただしn=240という調査規模のため、業界全体の実態を正確に代表していると言い切ることはできません。
Q. 不動産クエリは種類によってAIの表示のされ方がどう違いますか？
「渋谷 不動産」のような地域×業種型クエリではローカルパックが優先されAI Overviewは表示されにくく、「住宅ローン控除 条件」のような情報・知識型クエリではAI Overviewが表示されやすいとされています。「◯◯市でおすすめの不動産会社は」のような比較・相談型クエリではChatGPT等での直接的な回答生成が起こりやすいとされています。
Q. 不動産会社・エージェントをAIに認識させるためのスキーマは何がありますか？
Organization・LocalBusiness・RealEstateAgentという3つのスキーマの実装が推奨されています。それぞれ会社全体の基本情報、店舗・拠点の所在情報、担当エージェント個人の専門性を表現するのに使われます。
Q. 構造化データを実装すればAIに引用されることが保証されますか？
いいえ、構造化データの実装は「前提条件」であって「十分条件」ではありません。「構造化データを入れたからといって、直接LLMOの成果につながるわけではない」と明記する実務系記事もあり、エリアページの独自コンテンツやFAQの充実と組み合わせて初めて効果が出るとされています。
士業
理解度チェック（3問）
この士業で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 弁護士ドットコムの意識調査によると、「打ち明けやすさ」への期待と「実際に相談したい相手」について、AIと弁護士の関係はどのように示されているか。
打ち明けやすさへの期待はAIが上回る一方、実際の相談利用意向は弁護士が大きく上回っており、「情報収集はAI、依頼は専門家」という使い分けの構図を示しています。詳しくはVIII-J1参照。
Q2. 弁護士法72条・27条・74条の役割について、このレッスンが正しく整理している内容はどれか。
72条は行為そのもの、27条は非弁提携、74条は虚偽標示をそれぞれ禁止する条文であり、「74条=非弁提携」という書き方は誤りだと指摘されています。詳しくはVIII-J6参照。
Q3. Mata v. Avianca, Inc.事件について、このレッスンが紹介する内容として正しいものはどれか。
ChatGPTが生成した架空の判例を含む書面が提出され、米国連邦地裁が制裁金5,000ドルを命じた事例で、生成AIによる誤情報混入の広く報道された事例とされています。詳しくはVIII-J11参照。
よくある質問
Q. 士業サイトのAI検索対策で重視される要素にはどんなものがありますか？
士業専門のホームページ制作会社の解説記事によれば、資格・登録番号、所属団体リンク、取扱業務の宣言、執筆者の紐づけ、実績の外部参照、技術的土台という6点が共通して重視される要素として整理されています。資格名や所属団体名を書くだけでなく、そのリンクが実際にたどれることが重要とされています。
Q. 士業サイトのFAQ・解説記事でE-E-A-Tを強化するにはどうすればよいですか？
執筆者の資格・実績・所属団体との紐づけを明示することと、公開日・最終更新日を明記して制度改正への追随を示すことの2つの軸で強化できます。法律・税務・労務の解説記事は制度改正が頻繁であるため、「いつの法令に基づいているか」という鮮度が信頼性評価に直結しやすいとされています。
Q. 司法書士と弁理士では、明示すべき権限情報はどう違いますか？
司法書士であれば簡裁訴訟代理権認定の有無、弁理士であれば対応できる技術分野など、業種ごとに異なる資格・権限情報の明示が重要だと指摘されています。同じ「資格」という言葉でも、業種によって利用者が確認したい中身は異なります。
Q. 士業のAIOでKPIをどう設計すればよいですか？
業界標準の指標を待つのではなく、依頼確認型クエリを意識した主要プロンプトを自分で10個程度作り、月1回複数のAIに投げて回答を記録するという方法が現実的な出発点です。士業のAIO計測について、業界標準となる定量的なベンチマークは調査時点では確認できていません。
Q. 士業サイトで自事務所が引用されなかった場合、何を見直すべきですか？
専門家エンティティ、構造化データ、E-E-A-T、広告規制順守のどこに手薄な部分があるかを、順番に見直すことが推奨されています。いきなり完璧な計測ツールを揃える必要はなく、手作業でのプロンプト計測から始め、3〜6カ月分たまってから傾向を見る程度で十分とされています。
ローカルビジネス・店舗
理解度チェック（3問）
このローカルビジネス・店舗で学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. ローカルクエリの「即決型」と「比較検討型」について、このレッスンが説明する違いとして正しいものはどれか。
即決型はGBPの情報充実度が結果を左右しやすく、結婚式場等の高単価業態では比較検討型の比重が大きくなり専門性コラムや口コミが効いてくるとされています。詳しくはVIII-K2参照。
Q2. 景品表示法とステルスマーケティング規制について、このレッスンが説明する内容として正しいものはどれか。
景品表示法は事業規模を問わず適用され、2023年10月からは広告であることを明示しない口コミ依頼等がステマ規制の対象に加わったとされています。詳しくはVIII-K6参照。
Q3. ローカルビジネスのKPI設計について、このレッスンが推奨する考え方はどれか。
ローカルビジネスでは売上データを直接切り出すのが難しいため、GBPインサイトの行動データとAI言及の有無を先行指標として組み合わせて追うことが現実的だとされています。詳しくはVIII-K8参照。
よくある質問
Q. ローカルクエリには即決型と比較検討型の2タイプがありますが、それぞれ何が効きますか？
即決型クエリ(「近くの〇〇」)ではGoogleビジネスプロフィール(GBP)の情報充実度が結果を左右しやすく、比較検討型クエリでは専門性を語るコラムや口コミ・実績の積み上げが効いてきます。飲食店・美容室のように来店までの検討時間が短い業態は即決型が中心、結婚式場・リフォーム会社のように単価が高く選択のやり直しが利きにくい業態は比較検討型が中心になりやすい傾向があります。
Q. 個店がGoogleビジネスプロフィールだけに頼らず、他に何を整えるべきですか？
自社サイトでの専門性発信と、メディア掲載実績の可視化を組み合わせることが推奨されています。GBP・自社サイト・メディア掲載実績の3つを組み合わせて初めて、AIが「信頼できる情報源」として認識しやすくなるとされています。
Q. ローカルビジネスの構造化データ実装で注意すべき点は何ですか？
実装した情報とGoogleビジネスプロフィールの登録情報が食い違わないよう整合性を保つことが最優先事項です。GoogleのAI OverviewsはGBPのデータ・口コミ内容・サイト内テキストを組み合わせて回答を合成する構造になっているため、構造化データがどれだけ精緻でもGBPと食い違っていては逆効果になりかねません。
Q. FAQのリッチリザルトが廃止された今、FAQPageスキーマは意味がありますか？
Google検索のFAQリッチリザルト自体は2026年5月7日付でGoogleが廃止しましたが、FAQPageスキーマは無意味になったわけではありません。ChatGPT・Perplexity・Claude等のAIが特定の質問への回答を抽出する用途では、FAQPageスキーマは引き続き有効とされています。
Q. 地方の専門事業者がAIに紹介された国内事例にはどんなものがありますか？
愛知県西尾市の草木染めブランド「UZUiRO」が「レディースファッション 染め物ブランド おすすめ」検索で、石川県能登の「ふくべ鍛冶」が「包丁修理サービス」検索でAI Overviewsに掲載された事例が報告されています。この2社はEC業種の事例ですが、地域に根ざした専門事業者がAIに指名的に紹介されたローカルビジネス的な成功例への応用として読み解けます。
メディア・パブリッシャー
理解度チェック（3問）
このメディア・パブリッシャーで学んだ内容を、3問のクイズで振り返ります。全問正解すると、このセクションの理解度チェックが「合格」として記録されます（何度でも再挑戦できます）。
Q1. 英国調査(Authoritas)および米国のDigital Content Next調査が示す、メディア業界のAIOインパクトデータとして正しいものはどれか。
AI Overviews表示時にクリック率がデスクトップ47.5%・モバイル37.7%低下する一方、表示回数自体は増加する例もあり、「表示回数とクリック率が逆方向に動く」現象が確認されています。詳しくはVIII-L1参照。
Q2. 生成AIによる記事の学習・要約・引用をめぐる著作権上の論点について、このレッスンが正確に伝えている内容はどれか。
Thomson Reuters対Ross Intelligence訴訟の判断は地裁段階のものであり、著作権とAI学習の論点は国内外で議論・係争が継続中で確立した結論はまだないとされています。詳しくはVIII-L6参照。
Q3. メディア業界のAIO計測について、このレッスンが強調する考え方はどれか。
表示回数は増えてもクリック率が下がるという逆説的な現象があるため、CTRだけでなく指名検索数・会員登録数などの下流指標もあわせて追跡することが推奨されています。詳しくはVIII-L8参照。
よくある質問
Q. AI Overviewsが表示されるとニュースサイトのクリック率はどれくらい下がりますか？
英国の調査会社Authoritasの調査によれば、AI Overviewsが表示されたページでは、デスクトップでクリック率が47.5%低下、モバイルでは37.7%低下したと報告されています。「健康」「占い」といった一部カテゴリでは表示率(浸透率)が50%まで上昇するとされています。
Q. 米国大手メディア19社の検索由来トラフィックはどれくらい変化しましたか？
Digital Content Next(DCN)の調査によれば、2025年5月から6月の8週間で、Google検索からの紹介トラフィックは前年同期比の中央値で-10%、企業別には-1%から-25%の幅で下落し、下落した企業数が上昇した企業数を2対1で上回りました。業種別ではニュース以外のメディアのほうが影響を強く受けています。
Q. メディア業界がAI時代にE-E-A-Tを強化する最も強力な武器は何ですか？
他社が簡単には真似できない独自取材・独自調査そのものです。自社アンケートや取材で得た定量的な成果数値を定期的に発表し、第三者から引用されやすい「一次情報源」の地位を作ることが有効だと考えられています(編集部の実務仮説)。
Q. ニューヨーク・タイムズはAI検索によるトラフィック減少にどう対応していますか？
TechCrunchの報道によれば、ニューヨーク・タイムズのオーガニック検索由来トラフィック比率は2025年4月時点で36.5%となり、3年前の44%から低下しました。この状況の中で同社はAmazonとライセンス契約を結んでいます。
Q. メディア業界でAI経由訪問者の着地ページとサイト全体への浸透率はどうなっていますか？
業界横断の分析では、メディア/パブリッシャー業界のAI経由訪問者の54%がニュースページに着地しているものの、サイト全体の流入に占めるAI経由の浸透率はわずか0.11%にとどまると報告されています。「検索に出ている回数」と「実際にクリックされて読まれる回数」は、もはや同じ動きをするとは限りません。