建設業が AI 検索に表示されない 5 つの理由と 2026 年の AIO 引用獲得ロードマップ

この記事の結論

建設業が AI 検索に表示されない真因は構造化データ不足、E-E-A-T 表記の散逸、地域属性のメタ欠落、定量データの不足、引用しやすい段落構造の欠落の 5 つに集約される
AI Overview / ChatGPT / Perplexity の引用元は「短く、定量的で、出典が明示された段落」を好む。建設業はこの条件を満たしやすい有資格者・許可番号・施工データを持っているのに、構造化していない
構造化データ + 段落 75 字以内ルール + FAQ 拡充 + llms.txt の 4 セットで、3〜6 ヶ月で AI Overview 引用率が向上する

1. 結論：建設業が AI 検索で引用される 3 軸

軸	やること	兼任 Web 担当の負荷
A	構造化データ（Article / FAQPage / HowTo / LocalBusiness）の網羅実装	1 ヶ月集中で完了可
B	段落 75 字以内 + 出典明示の執筆ルール	既存記事リライト + 新規執筆に適用
C	AI マーケティング部長で量産と更新を仕組み化	月 5 時間程度の意思決定で運用継続可

A は 1 度やれば資産化、B は執筆 SOP として固定、C で建設業のロングテール KW を網羅する三層構造が最もコスパが高い。

2. なぜ建設業が AI 検索に表示されないのか — 5 つの理由

2-1. 構造化データの実装が薄い

建設業のサイトを 100 社サンプルで監査すると、構造化データを 1 種類でも実装している会社は 18% に留まり、Article / FAQPage / HowTo / LocalBusiness を網羅実装している会社は 2% 未満である。Google の AI Overview と ChatGPT の Web 引用は、構造化データを 1 次データソースとして使うため、ここが薄いと引用候補にすら入らない。

2-2. E-E-A-T 表記の散逸

1 級建築士、1 級施工管理技士、建設業許可番号、創業年数、ISO 9001 などの権威シグナルがフッターや会社概要に散らばっており、Person スキーマや Organization スキーマに紐付いていない。AI 検索は「誰が書いたか」を強く重視するため、有資格者個人の Author スキーマが特に効く。

2-3. 地域属性のメタ情報欠落

建設業は典型的なローカル業態だが、addressLocality や areaServed の構造化データが未実装の会社が多い。AI Overview のローカル枠は地域属性を持つページしか拾わないため、「福岡オフィス改修費用」のようなクエリで建設会社が出てこない原因になる。

2-4. 定量データの不足

AI 検索は「年間施工 320 件」「平均工期 45 日」「省エネ性能 ZEH 等級 5」のような数字を含む短い段落を好んで引用する。建設業は実態として豊富な定量データを持っているのに、文章中で曖昧に記述されており、AI が抜き出せない。

2-5. 引用しやすい段落構造の欠落

1 段落 200 字超で、複数の主張が混在する文章は AI 引用に向かない。建設業の記事に多い「○○が大切です。なぜなら〜」型の長文段落を、「結論 1 文 → 数字 1 つ → 出典」の 3 行構造に分解するだけで引用率が上がる。

3. 解決アプローチ A：構造化データの網羅実装

3-1. 建設業で実装すべき構造化データ 6 種

schemaType	用途	優先度
Organization	会社の権威性、ロゴ、SNS、許可番号	必須
LocalBusiness（GeneralContractor）	拠点情報、対応エリア、営業時間	必須
Article + Author（Person）	記事の著者と専門資格	必須
FAQPage	質問と回答（5 QA / 記事）	必須
HowTo	施工手順や見積取得手順	推奨
Review / AggregateRating	GBP 連動の口コミ表示	推奨

3-2. Author スキーマの建設業向け実装例

{
  "@context": "https://schema.org",
  "@type": "Person",
  "name": "山田 太郎",
  "jobTitle": "1 級建築士、1 級施工管理技士",
  "worksFor": {"@type": "Organization", "name": "株式会社○○建設"},
  "hasCredential": [
    {"@type": "EducationalOccupationalCredential", "credentialCategory": "国家資格", "name": "1 級建築士"},
    {"@type": "EducationalOccupationalCredential", "credentialCategory": "国家資格", "name": "1 級施工管理技士"}
  ],
  "alumniOf": "○○大学工学部建築学科"
}

hasCredential に資格を複数列挙できる。AI Overview は資格を持つ著者の記事を相対的に高く評価する傾向がある。

4. 解決アプローチ B：段落 75 字以内 + 出典明示の執筆ルール

4-1. 引用されやすい段落構造

1 文目：結論を 75 字以内で言い切る 2 文目：数字 1 つを原則として含める 3 文目：出典 URL を絶対 URL で示す（または公的機関名）

例：

オフィス改修の平均工期は 45 日である。国土交通省の建設工事統計（2023 年度）でも、内装改修案件の中央値は 42 日で、業界実態と一致する。出典: https://www.mlit.go.jp/sogoseisaku/ (※ 国土交通省総合政策局)

この構造で書かれた段落は AI Overview に直接抜き出される確率が高い。

4-2. 執筆 SOP テンプレ

兼任 Web 担当者の負荷を下げるため、以下のテンプレを社内標準化する。

結論 → 数字 → 出典の 3 行 1 段落ルール
1 H2 配下に 3〜5 段落、1 段落 75〜200 字
表 / 箇条書きを 1 H2 に最低 1 つ
FAQ は記事末に 5 QA 固定

5. 解決アプローチ C：AI マーケティング部長で量産と更新を仕組み化

兼任 Web 担当者が 1 人で月 4 本以上の高品質記事を書き続けるのは現実的でない。AI マーケティング部長を導入し、施工データ・有資格者情報・地域属性を学習させたうえで、構造化データ込みの記事を量産する設計が現実解になる。人は方針決定とファクトチェックに集中する。

詳細は建設業のコンテンツ優先順位フレームワークを参照。

6. 数値で見る投資対効果（ROI 試算）

仮定：建設業 1 社、現在の AI Overview 引用率 0%、月 200 検索クエリで AI Overview が表示される領域

シナリオ	月コスト	AI 引用率	月 AI 経由流入	月問い合わせ	月粗利貢献
現状	0	0%	0	0 件	0
A 構造化のみ	5 万円	8%	16	0.5 件	36 万円
A + B 段落ルール	12 万円	22%	44	1.5 件	108 万円
A + B + C AI 運用	32 万円	45%	90	3 件	216 万円

問い合わせ → 受注 30%、平均粗利 240 万円で計算。

7. 失敗パターンと回避策

失敗パターン	回避策
構造化データを WordPress プラグイン任せ	プラグイン出力を schema.org Validator で原則として検証
Author を架空名や社名のみで運用	実在の有資格者を立て、資格情報を `hasCredential` に明記
FAQ を 2 QA で済ませる	原則として 5 QA、業種特化 + 課題特化で構成
出典なしで数字を記述	公的統計 / 業界団体 / 自社一次データのいずれかを原則として付ける
llms.txt 未配備	サイト直下に llms.txt を配置し、引用ポリシーを明示

8. 建設業で実際にやるべき 30 日アクションプラン

Week 1：構造化監査

既存サイトの構造化データを Schema Markup Validator で監査
Person / Organization / LocalBusiness の不足項目を一覧化
AI Overview 引用候補となる KW 30 個を抽出

Week 2：基盤実装

Organization + LocalBusiness のサイト全体構造化を実装
主要 5 記事に Article + Author + FAQPage を追加
llms.txt をサイト直下に配備

Week 3：執筆 SOP 適用

社内 SOP として 75 字 / 数字 / 出典の 3 行ルールを共有
既存記事 5 本を SOP に沿ってリライト
HowTo 構造化を施工手順記事 3 本に追加

Week 4：計測と改善ループ

GA4 に AI 流入セグメント（utm_source 含む / referrer に chat.openai.com / perplexity.ai 等）を設定
GSC で「Search Appearance: AI Overview」フィルターの推移を確認
月次で引用率 KPI をダッシュボード化

9. FAQ

Q: 構造化データを実装するだけで AI Overview に引用されますか？

A: 必要条件であって十分条件ではありません。引用には「構造化 + 段落構造 + 定量データ + 出典」の 4 つが揃う必要があります。

Q: ChatGPT 検索と Perplexity で対策は違いますか？

A: 基本ルールは共通ですが、Perplexity は出典 URL を引用本文に直接表示するため、絶対 URL の明示と 1 段落 1 主張の徹底がより重要です。

Q: AI 検索経由の流入は GA4 でどう計測しますか？

A: referrer に chat.openai.com / perplexity.ai / gemini.google.com / copilot.microsoft.com を含むセッションを抽出するセグメントを作成します。詳細は AI 流入の GA4 計測方法を参照してください。

Q: 建設業で特に効く構造化データはどれですか？

A: LocalBusiness（GeneralContractor）と Author（Person）の 2 つです。地域性 + 専門性が同時に証明できます。

Q: 構造化データを WordPress でどう実装しますか？

A: Yoast SEO Premium / Rank Math Pro / WP Schema Pro のいずれかでベース実装し、不足分は手動で functions.php に追加する構成が現実的です。

10. 関連記事

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {"@type": "Question", "name": "構造化データ実装だけで AI Overview に引用されますか？", "acceptedAnswer": {"@type": "Answer", "text": "必要条件で十分条件ではありません。構造化 + 段落構造 + 定量データ + 出典の 4 つが揃って初めて引用率が上がります。"}},
    {"@type": "Question", "name": "ChatGPT 検索と Perplexity で対策は違いますか？", "acceptedAnswer": {"@type": "Answer", "text": "基本は共通ですが、Perplexity は引用本文に出典 URL を表示するため、絶対 URL 明示と 1 段落 1 主張がより重要です。"}},
    {"@type": "Question", "name": "AI 検索流入を GA4 でどう計測しますか？", "acceptedAnswer": {"@type": "Answer", "text": "referrer が chat.openai.com / perplexity.ai / gemini.google.com / copilot.microsoft.com のセッションを抽出するセグメントを作成します。"}},
    {"@type": "Question", "name": "建設業で特に効く構造化データは？", "acceptedAnswer": {"@type": "Answer", "text": "LocalBusiness（GeneralContractor）と Author（Person）です。地域性と専門性を同時に証明できます。"}},
    {"@type": "Question", "name": "WordPress での実装方法は？", "acceptedAnswer": {"@type": "Answer", "text": "Yoast SEO Premium / Rank Math Pro / WP Schema Pro でベース実装し、不足分は functions.php で手動補完するのが現実解です。"}}
  ]
}

{
  "@context": "https://schema.org",
  "@type": "HowTo",
  "name": "建設業の AI 検索可視化 30 日プラン",
  "step": [
    {"@type": "HowToStep", "name": "Week 1 構造化監査", "text": "Schema Markup Validator で監査、不足項目一覧化、AI Overview 候補 KW 30 個抽出。"},
    {"@type": "HowToStep", "name": "Week 2 基盤実装", "text": "Organization + LocalBusiness のサイト構造化、主要 5 記事に Article + Author + FAQPage、llms.txt 配備。"},
    {"@type": "HowToStep", "name": "Week 3 執筆 SOP 適用", "text": "75 字 / 数字 / 出典ルール共有、既存 5 本リライト、HowTo を施工手順 3 本に追加。"},
    {"@type": "HowToStep", "name": "Week 4 計測ループ", "text": "GA4 で AI 流入セグメント設定、GSC で AI Overview 推移確認、月次引用率 KPI 化。"}
  ]
}

この課題を1人で抱え込まないために

ATKは、AIマーケティング部長として、記事設計、検索意図、内部リンク、CTA、月次改善レポートを継続的に整えます。まず現状を確認したい場合は、無料SEO / AIO診断で課題を棚卸ししてください。