エンティティSEOを実際にやった — Wikidata QID取得からsameAs実装まで、当サイトのリアル全記録

archives/64で「これから実施🔧」と予告してから、今日ついにやった。Wikidata QIDの取得、toppage.phpへのsameAs追加、Knowledge Graphへの登録——全部で1日。手順は思ったより簡単だった。この記事は「エンティティSEO、やるべきだと分かっているけど手が出せていない」WEBディレクターのための、リアルな実施記録だ。

「順位1位でも、AIには引用されない」— その答えがWikidataにあった

前回（archives/64）でこう書いた。

検索結果Top10とAI引用元の重なりは、かつての約70%から20%未満まで低下した。順位が高いだけでは、AIの引用対象に入らないのだ。

では、AIに引用されるためには何が必要か。その答えのひとつがエンティティの確立だ。GoogleをはじめとするLLMは、ウェブ上の情報を「テキスト文字列」として処理するだけでなく、「検証済みのエンティティ」として認識しようとしている。

Elvis Presley（Q303）、Google LLC（Q95）——Wikidataには現在50億以上のエンティティが登録されており、Google Knowledge Graphの最大の情報源として機能している。あなたのサービスがこの「戸籍」に登録されるかどうかが、AI引用を左右する基盤になる。

そして今日、当サイト（website.usersupports.com）はWikidata Q140030002として登録された。

Wikidataとは何か — Knowledge Graphのエンティティ戸籍

Wikidata（wikidata.org）は、WikimediaがWikipediaと並行して運営する構造化データのデータベースだ。誰でも編集でき、各エンティティには「Q番号」（QID）が付与される。

このQIDが「エンティティの戸籍番号」として機能する。

• Google Knowledge Graph: QIDをエンティティ識別のシグナルとして参照
• Gemini / ChatGPT / Perplexity: LLMの学習データにWikipedia/Wikidataが大量に含まれており、QIDで一意のエンティティとして認識
• AI Overview: 「このウェブサイトは何者か」を判断する基準のひとつにKnowledge Graphを参照

つまり、Wikidata QIDを取得することは「Googleの辞書にあなたのサービスを登録する」ことに近い。

なぜWikipediaではなくWikidataか

Wikipedia掲載には高い「特筆性（Notability）」が求められる。世界中に認知された企業・人物でないと掲載は難しい。一方、Wikidataは検証可能な出典があれば中小企業・ローカルサービスも登録できる。公式サイト、法人登記番号、プレスリリース——これらが「出典」として機能する。

Wikipedia記事なしでWikidata項目を持てること、これが中小規模のWEBサービスにとって現実的なエンティティSEOの入口だ。

当サイトのWikidata登録 — Q140030002を取るまでの全工程

実際にやったことを、そのままの手順で記録する。

Step 1: 既存エンティティの確認

まずWikidata APIで「website.usersupports.com」が既に登録されているか確認した。

https://www.wikidata.org/w/api.php?action=wbsearchentities
  &search=website+usersupports&language=ja&format=json

結果は空（登録なし）。新規作成に進む。

Step 2: Wikidataアカウント作成

wikidata.orgで専用アカウントを作成した。メールアドレスはどれでも機能するが、長期管理のしやすさで選ぶこと。パスワードリセットが必要になったとき確実に届くメールアドレスが正解だ。

Step 3: 新規エンティティ作成

ログイン後、以下のURLから新規項目を作成する：

https://www.wikidata.org/wiki/Special:NewItem

入力した内容：

項目	入力値
Label（英語）	Website User Supports
Label（日本語）	ウェブサイトサポート
Description（英語）	A Japanese web service supporting web directors
Description（日本語）	WEBディレクターを支援するウェブサービス

「CrEATe」を押すと、即座にQ140030002が付与された。

Step 4: プロパティを追加

QIDを取得しただけでは不十分。Knowledge Graphに「何者か」を伝えるプロパティを追加する。

• P31（instance of）: website — 「このエンティティはウェブサイトである」
• P856（official website）: https://website.usersupports.com/ — 公式URLとの紐付け

どちらも「+ add STATement」から検索・選択するだけで追加できる。

Step 5: toppage.phpのsameAsに追加

Wikidata登録だけでは不完全だ。自サイトの構造化データから「このWikidataエンティティが当サイトである」と宣言する必要がある。toppage.phpのOrGAnizationスキーマを編集した。

"sameAs": [
  "https://www.facebook.com/WebsiteSupportPage",
  "https://x.com/WEB481001540613",
  "https://www.wikidata.org/wiki/Q140030002"
]

バックアップを取ってから1行追加、HTTP 200確認、IndexNow送信まで完了した。

sameAs × Wikidata QID の組み合わせが「エンティティ確信度」を上げる理由

SEO研究では「エンティティ確信度スコア」という概念が語られている。GoogleがあなたのサービスをKnowledge Graphに「確定的なエンティティ」として認識する確実性の指標だ。これを最大化するのは、以下の3要素の組み合わせだとされている。

• Wikidata QID: エンティティの一意識別（「この組織とあの組織は別物」と確定する）
• sameAsスキーマ: エンティティの紐付け（QID・公式SNS・公式サイトが「同一主体」と宣言する）
• Entity Home（公式ウェブサイト）: 一次情報源の明示（このドメインが「エンティティの本拠地」と宣言する）

この3つが揃うことで何が起きるか。

• LLMが「テキスト文字列」ではなく「検証済みエンティティ」として扱う → AI引用の重みが2〜3倍（MLforSEO / Norbert Kathriner 研究）
• Proper schema markupを実装したページはAI Overview引用を獲得する確率が3倍（複数ケーススタディより）
• 情報一貫性のあるブランドはそうでないブランドと比べ3.2倍のAI引用を獲得（CrOSS-Platform Entity Consistency研究）

ただし注意点がある。Knowledge Graphがこれらを再処理・認証するまで通常4〜8週間かかる。今日登録して明日から変わるものではない。観察を続けることが必要だ。当サイトも今日登録したばかりで、効果測定は7〜8月以降になる見込みだ。

Wikidata登録で削除されないための「出典」の付け方

Wikidataには「特筆性（Notability）」の基準があり、出典なしのエントリは削除される。WEBサービスがWikidataに残るためのポイントを整理する。

有効な出典の優先順位

1. 第三者メディア掲載: 業界メディアや新聞への記事・インタビュー記事（最も強い）
2. プレスリリース: PR TIMES等の公開プレスリリース（中程度）
3. 法人登記情報: 法人番号・商業登記（検証可能な公的情報として有効）
4. 公式サイトのみ: 弱い（自己申告とみなされる）

「公式サイト + SNS + 法人登記 + メディア掲載」の複数ソースを組み合わせるほど削除リスクは下がる。当サイトは現時点では公式サイトと公式SNSのみだが、今後の認知拡大施策（メディア掲載・プレスリリース常態化）と連動して出典を強化していく方針だ。

Wikidata以外のエンティティ登録手段 — 代替・補完データベース

Wikidataは最もLLMへの影響力が高いが、唯一の選択肢ではない。以下のデータベースも「エンティティの外部証明」として機能する。

データベース	特徴	難易度
Wikidata	Google KGの#1情報源。QIDがLLM学習に直接反映	中（出典が必要）
Google ビジネスプロフィール	ローカルビジネスに最も即効性が高い。Googleが直接管理	低（誰でも登録可）
Crunchbase	スタートアップ・企業情報の権威データベース。LLMの学習データに含まれる	低〜中
LinkedIn 企業ページ	LLMが高頻度で参照する信頼性の高いビジネスソース	低
JPNIC / 法人番号公表サイト	日本国内の公的登録。Wikidataの出典として使える	低（自動登録）

これらを組み合わせることで、Knowledge Graphに「複数の独立した情報源が同じエンティティを指している」というシグナルが蓄積される。Wikidata単体より、複数データベースへの一貫した情報登録の方が長期的な効果は高い。

WEBディレクターが今すぐできる5つのアクション

エンティティSEOは「やるべきだと分かっている」のに手が出ない施策の代表格だ。実装コストは低い。今日できることを5段階で整理する。

Action 1: OrGAnizationスキーマの整備（1時間）

まずtoppage.phpまたはサイト共通headファイルのOrGAnizationスキーマを確認する。最低限必要なフィールド：

• @type: "Organization"
• name: 正式名称
• url: 公式URL
• sameAs: 公式SNSのURL（Facebook・X・Instagram等）

✅ 当サイト実施済

Action 2: Wikidata QID取得（半日）

wikidata.org でアカウントを作成し、Special:NewItemからエンティティを作成する。ラベル・説明・P31（instance of）・P856（official website）を設定する。本記事で示した5ステップで完了できる。

✅ 当サイト実施済（Q140030002）

Action 3: sameAsにQIDを追加（30分）

OrGAnizationスキーマのsameAs配列に、取得したWikidata URLを追加する。

"sameAs": [
  "https://www.facebook.com/YourPage",
  "https://x.com/YourHandle",
  "https://www.wikidata.org/wiki/Q【QID番号】"
]

✅ 当サイト実施済

Action 4: 複数プラットフォームで情報を一致させる（1〜2時間）

サイトのOrGAnizationスキーマ・Google ビジネスプロフィール・SNSプロフィール・Wikidata——これら全てで「名称・URL・説明」を統一する。LLMはクロスプラットフォームの一貫性を「エンティティの信頼シグナル」として参照する。

🔧 当サイト着手中

Action 5: 出典を増やし続ける（継続）

プレスリリース・メディア掲載・業界団体への参加——外部メディアからの言及が「エンティティの社会的証明」になる。技術的な実装（QID・sameAs）は出発点に過ぎない。外からの言及が積み重なることで、Knowledge Graphのエンティティとしての位置が強化される。

🔧 当サイト継続中（メディア向け実メアド収集・プレスリリース準備中）

エンティティSEOと組み合わせるべき4つの補完施策

Wikidata QIDとsameAsはエンティティSEOの基盤だが、AI引用を獲得するための「唯一の手段」ではない。エンティティの確立と並行して実施することで、相乗効果が生まれる4つの施策を整理する。

補完施策①: FAQPage・HowToスキーマ（AI引用率+2〜3倍）

Princeton大学のGEO研究（2025〜2026年）で実証されたFAQPage・HowToスキーマの効果は、エンティティ登録と組み合わせると特に強力に働く。「エンティティが確立されたサイトのFAQを、LLMが一次情報源として引用する」というチェーンが成立するからだ。

当サイトはコウゾウ（構造化データ生成ツール）でFAQPage JSON-LDを生成できる。✅ 当サイト実施済

補完施策②: 著者情報の明示（E-E-A-T）

Googleの評価基準E-E-A-T（Experience・Expertise・Authoritativeness・Trustworthiness）において、著者エンティティの確立は記事の信頼性を直接高める。著者のOrGAnizationスキーマ・個人のWikidata QID・公式SNSのsameAsを組み合わせることで、「誰が書いたか」がLLMに正確に伝わる。

AI Ronブログでは著者情報をArticleスキーマで明示している。✅ 当サイト実施済

補完施策③: 被リンク・ブランドメンション獲得

外部メディアからの言及は、Wikidataの出典強化と同時にエンティティの「社会的証明」としても機能する。特に「WEBディレクター 支援」「エンティティSEO 実践」といったクエリに関連するメディアからのリンクは、Knowledge GraphへのシグナルとLLMの学習データへの露出を同時に高める。

当サイトは現在メディア向け実メアド75件体制で認知拡大施策を進行中。🔧 当サイト継続中

補完施策④: コンテンツの出典明記（Source Attribution）

Princeton GEO研究で最も即効性が高いとされた手法が「Source Attribution（出典明記）」だ。統計データに出典URLを付け、権威ある研究・報告書への参照リンクを設けることで、LLMが「このコンテンツは検証された情報に基づいている」と判断しやすくなる。

本記事での主要統計の出典:

• AI引用の重みが2〜3倍: MLforSEO "CrOSS-Platform Entity Consistency" / Norbert Kathriner "Evidence Weighting"
• AI Overview引用確率3倍: 12AM Agency "Structured Data 2026"
• 情報一貫性ブランドのAI引用3.2倍: MLforSEO CrOSS-Platform Entity Consistency研究
• Knowledge Panel再処理まで4〜8週間: Linkflow "Google Knowledge Panel Optimization"

当サイトのAI Ronブログは各記事末尾に参照元を明記している。✅ 当サイト実施済

これらが揃うことで、LLMが「検証済みのエンティティが、権威ある著者による、出典のある、FAQとして構造化されたコンテンツ」として認識する。エンティティSEOは単体の施策ではなく、他の施策と組み合わせて初めて最大効果を発揮する。

→ 関連: エンティティSEOの理論と観察記録（archives/64） / 構造化データとLLM：役立つ場合と役立たない場合 / AI主導のローカル検索を強化するFAQの作成方法

エンティティSEOと組み合わせるべき4つの補完施策

Wikidata QIDとsameAsはエンティティSEOの基盤だが、AI引用を獲得するための「唯一の手段」ではない。エンティティの確立と並行して実施することで、相乗効果が生まれる4つの施策を整理する。

補完施策①: FAQPage・HowToスキーマ（AI引用率+2〜3倍）

Princeton大学のGEO研究（2025〜2026年）で実証されたFAQPage・HowToスキーマの効果は、エンティティ登録と組み合わせると特に強力に働く。「エンティティが確立されたサイトのFAQを、LLMが一次情報源として引用する」というチェーンが成立するからだ。

当サイトはコウゾウ（構造化データ生成ツール）でFAQPage JSON-LDを生成できる。✅ 当サイト実施済

補完施策②: 著者情報の明示（E-E-A-T）

Googleの評価基準E-E-A-T（Experience・Expertise・Authoritativeness・Trustworthiness）において、著者エンティティの確立は記事の信頼性を直接高める。著者のOrGAnizationスキーマ・個人のWikidata QID・公式SNSのsameAsを組み合わせることで、「誰が書いたか」がLLMに正確に伝わる。

AI Ronブログでは著者情報をArticleスキーマで明示している。✅ 当サイト実施済

補完施策③: 被リンク・ブランドメンション獲得

外部メディアからの言及は、Wikidataの出典強化と同時にエンティティの「社会的証明」としても機能する。特に「WEBディレクター 支援」「エンティティSEO 実践」といったクエリに関連するメディアからのリンクは、Knowledge GraphへのシグナルとLLMの学習データへの露出を同時に高める。

当サイトは現在メディア向け実メアド75件体制で認知拡大施策を進行中。🔧 当サイト継続中

補完施策④: コンテンツの出典明記（Source Attribution）

Princeton GEO研究で最も即効性が高いとされた手法が「Source Attribution（出典明記）」だ。統計データに出典URLを付け、権威ある研究・報告書への参照リンクを設けることで、LLMが「このコンテンツは検証された情報に基づいている」と判断しやすくなる。

本記事での主要統計の出典:

• AI引用の重みが2〜3倍: MLforSEO "CrOSS-Platform Entity Consistency" / Norbert Kathriner "Evidence Weighting"
• AI Overview引用確率3倍: 12AM Agency "Structured Data 2026"
• 情報一貫性ブランドのAI引用3.2倍: MLforSEO CrOSS-Platform Entity Consistency研究
• Knowledge Panel再処理まで4〜8週間: Linkflow "Google Knowledge Panel Optimization"

当サイトのAI Ronブログは各記事末尾に参照元を明記している。✅ 当サイト実施済

これらが揃うことで、LLMが「検証済みのエンティティが、権威ある著者による、出典のある、FAQとして構造化されたコンテンツ」として認識する。エンティティSEOは単体の施策ではなく、他の施策と組み合わせて初めて最大効果を発揮する。

→ 関連: エンティティSEOの理論と観察記録（archives/64） / 構造化データとLLM：役立つ場合と役立たない場合 / AI主導のローカル検索を強化するFAQの作成方法

まとめ — 「やった」記録を残すことが次の読者を動かす

この記事で伝えたかったことは、手順だけではない。

archives/64で「これから🔧」と書いた。その予告を今日実行した。Wikidataのアカウントを作り、ラベルと説明を入力して「CrEATe」を押し、Q140030002が付与され、toppage.phpに1行追加した。全部で半日かかっていない。

エンティティSEOは「難しい」と思われている。でも実際にやってみると、技術的に難しい部分はほとんどない。難しいのは「始める決断」だ。

WEBディレクターに伝えたいのはこれだ。Knowledge Graphの再処理には4〜8週間かかる。だから今日始めた人が、8週間後に一歩先にいる。

当サイトのエンティティSEOの現在地はここだ。効果測定結果は今後のarchivesで正直に報告する。

📌 関連コンテンツ

• 📝 順位1位でも、AIには引用されない — エンティティSEOという「次の入口」（前回記事・この記事の予告編）
• 📝 Google Search Agentsが今夏やってくる — WEBディレクターが今から問い直すべき3つのこと
• 🔧 AI対応診断ツール — 構造化データの実装状況を20項目でチェック
• 🔧 コウゾウ — 構造化データ生成ツール — OrGAnizationスキーマのJSON-LDを即生成
• 🔧 WEBサイト総合分析ツール — 構造化データ・エンティティシグナルを診断
• 📰 エンティティと時間、被リンクとアンカーテキスト

参照: Wikidata Notability Policy / ReputationX "Wikidata for SEO 2026" / MLforSEO "CrOSS-Platform Entity Consistency" / Norbert Kathriner "Evidence Weighting: How LLMs decide who gets cited" / Digital Applied "Entity SEO & Knowledge Graph Optimization Guide 2026" / 12AM Agency "Structured Data to Improve Knowledge Panel 2026"

エンティティSEOと組み合わせるべき4つの補完施策

Wikidata QIDとsameAsはエンティティSEOの基盤だが、AI引用を獲得するための「唯一の手段」ではない。エンティティの確立と並行して実施することで、相乗効果が生まれる4つの施策を整理する。

補完施策①: FAQPage・HowToスキーマ（AI引用率+2〜3倍）

Princeton大学のGEO研究（2025〜2026年）で実証されたFAQPage・HowToスキーマの効果は、エンティティ登録と組み合わせると特に強力に働く。「エンティティが確立されたサイトのFAQを、LLMが一次情報源として引用する」というチェーンが成立するからだ。

当サイトはコウゾウ（構造化データ生成ツール）でFAQPage JSON-LDを生成できる。✅ 当サイト実施済

補完施策②: 著者情報の明示（E-E-A-T）

Googleの評価基準E-E-A-T（Experience・Expertise・Authoritativeness・Trustworthiness）において、著者エンティティの確立は記事の信頼性を直接高める。著者のOrGAnizationスキーマ・個人のWikidata QID・公式SNSのsameAsを組み合わせることで、「誰が書いたか」がLLMに正確に伝わる。

AI Ronブログでは著者情報をArticleスキーマで明示している。✅ 当サイト実施済

補完施策③: 被リンク・ブランドメンション獲得

外部メディアからの言及は、Wikidataの出典強化と同時にエンティティの「社会的証明」としても機能する。特に「WEBディレクター 支援」「エンティティSEO 実践」といったクエリに関連するメディアからのリンクは、Knowledge GraphへのシグナルとLLMの学習データへの露出を同時に高める。

当サイトは現在メディア向け実メアド75件体制で認知拡大施策を進行中。🔧 当サイト継続中

補完施策④: コンテンツの出典明記（Source Attribution）

Princeton GEO研究で最も即効性が高いとされた手法が「Source Attribution（出典明記）」だ。統計データに出典URLを付け、権威ある研究・報告書への参照リンクを設けることで、LLMが「このコンテンツは検証された情報に基づいている」と判断しやすくなる。

本記事での主要統計の出典:

• AI引用の重みが2〜3倍: MLforSEO "CrOSS-Platform Entity Consistency" / Norbert Kathriner "Evidence Weighting"
• AI Overview引用確率3倍: 12AM Agency "Structured Data 2026"
• 情報一貫性ブランドのAI引用3.2倍: MLforSEO CrOSS-Platform Entity Consistency研究
• Knowledge Panel再処理まで4〜8週間: Linkflow "Google Knowledge Panel Optimization"

当サイトのAI Ronブログは各記事末尾に参照元を明記している。✅ 当サイト実施済

これらが揃うことで、LLMが「検証済みのエンティティが、権威ある著者による、出典のある、FAQとして構造化されたコンテンツ」として認識する。エンティティSEOは単体の施策ではなく、他の施策と組み合わせて初めて最大効果を発揮する。

→ 関連: エンティティSEOの理論と観察記録（archives/64） / 構造化データとLLM：役立つ場合と役立たない場合 / AI主導のローカル検索を強化するFAQの作成方法