0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@ai-visibility-index(AI-Visibility-Index)

東京の高級ホテル4社のJSON-LDを解析したら、構造化データの「実装格差」が見えてきた

0
Last updated at Posted at 2026-04-01

東京の高級ホテル4社のJSON-LDを解析したら、構造化データの「実装格差」が見えてきた

TL;DR

  • 東京の高級ホテル4社の公式サイトをスキャンし、構造化データ（JSON-LD）の実装状況を4軸100点満点で評価
  • 全社JSON-LDは設置済みだが、スキーマ型の網羅性が全社で致命的に不足（推奨10種中、最大1種のみ実装）
  • 最高級ホテルが50点、カジュアルホテルが62点というブランド力と構造化データ整備度の逆転現象
  • ホテル業界に限らず、生成AI時代のWebサイトには「AIに読ませる設計」が必要
  • 実装すべきJSON-LDのコード例を掲載

はじめに

生成AI（ChatGPT、Perplexity、Gemini等）がWebサイトの情報を回答に利用する際、大きな手がかりとなるのがJSON-LD形式の構造化データです。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "サンプルホテル東京",
  "address": { ... }
}
</script>

Googleが公式に推奨するこの形式は、検索エンジンのリッチリザルト表示だけでなく、生成AIがエンティティ情報を正確に把握するための重要なデータソースになっています。

今回、筆者が開発したAI Visibility Indexを使い、東京の高級ホテル4社のJSON-LD実装状況を技術的に分析しました。

評価手法

スキャン対象

各ホテルの公式サイトのトップページを対象に、以下を自動取得・解析しています。

  • HTMLの<meta>タグ群（noindex, description, canonical, OGP）
  • <script type="application/ld+json">ブロック
  • JSON-LD内の@typeフィールド（スキーマ型）
  • JSON-LD内の実データフィールド数と内容

スコアリング（4軸・100点満点）

軸 満点 評価内容
基本メタ情報 30 noindex有無、meta description、canonical、OGP
JSON-LD存在 20 JSON-LDブロックの有無と数
業界スキーマ型 30 Schema.orgの業界推奨型の実装数
フィールド充実度 20 JSON-LD内の実データフィールド数

ホテル業界で推奨されるスキーマ型は以下の10種です。

Hotel, HotelRoom, LodgingBusiness, BedAndBreakfast,
Motel, Resort, Offer, AggregateOffer,
AggregateRating, Review

結果

総合スコア

順位 ホテル 総合 メタ JSON-LD スキーマ型 フィールド
1 ホテルA 69 30/30 20/20 5/30 14/20
2 ホテルB 63 30/30 20/20 5/30 8/20
3 ホテルC 62 23/30 20/20 5/30 14/20
4 ホテルD 50 30/30 20/20 0/30 0/20

業界平均: 35点（全社が上回り）

※ホテル名は匿名化しています。

発見1: JSON-LDは「ある」が「中身」に差がある

4社すべてがJSON-LDを設置済み（20/20点）。しかし、中身を見ると大きな差があります。

ホテルC（62点）のJSON-LD — フィールドが充実

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "ホテル名",
  "address": { "@type": "PostalAddress", "..." },
  "telephone": "03-XXXX-XXXX",
  "checkinTime": "15:00",
  "checkoutTime": "11:00",
  "numberOfRooms": 79,
  "petsAllowed": false,
  "smokingAllowed": false,
  "amenityFeature": [ ... ],
  "geo": { "@type": "GeoCoordinates", "..." },
  "image": "https://...",
  "description": "...",
  "brand": { "@type": "Brand", "..." },
  "parentOrganization": { "@type": "Organization", "..." }
}

→ 20フィールドが充填。AIが施設の詳細を把握可能。

ホテルD（50点）のJSON-LD — ほぼ空

{
  "@context": "https://schema.org",
  "@graph": [ ... ]
}

→ @contextと@graphのみ。@typeすら明示されておらず、AIがこのサイトをホテルとして認識できない可能性がある。

発見2: スキーマ型の多様性が全社で不足

ホテル業界で推奨される10種のスキーマ型に対する実装状況：

AggregateOffer  — 全社未実装
AggregateRating — 全社未実装
BedAndBreakfast — 全社未実装
Hotel           — 3社実装 / 1社未実装
HotelRoom       — 全社未実装
LodgingBusiness — 全社未実装
Motel           — 全社未実装（対象外のため妥当）
Offer           — 全社未実装
Resort          — 全社未実装
Review          — 全社未実装

Hotel型以外のスキーマ型を実装しているホテルは0社でした。

これは技術的には大きな機会損失です。例えばHotelRoom型を実装すれば、AIは客室タイプごとの詳細情報を把握できます。AggregateRatingがあれば口コミ評価を回答に反映できます。

発見3: canonicalタグの見落とし

4社中1社でcanonicalタグが未設定でした。

<!-- 未設定の状態 -->
<!-- canonicalタグなし → 重複URLがインデックスされるリスク -->

<!-- 正しい設定 -->
<link rel="canonical" href="https://example.com/hotel-page" />

www有無、http/https、パラメータ付きURLなど、同一コンテンツが複数URLで存在すると、AIが「正式なページ」を判断できず、情報の一貫性が損なわれます。

実装ガイド: ホテルサイトの理想的なJSON-LD

以下は、スコア80点以上（Excellent評価）を目指すための実装例です。

ベース: Hotel型 + 詳細フィールド

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "サンプルホテル東京",
  "description": "東京都心に位置するラグジュアリーホテル。全200室。",
  "url": "https://www.sample-hotel-tokyo.jp/",
  "logo": "https://www.sample-hotel-tokyo.jp/logo.png",
  "image": "https://www.sample-hotel-tokyo.jp/exterior.jpg",
  "telephone": "+81-3-1234-5678",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "千代田区丸の内1-1-1",
    "addressLocality": "東京都",
    "postalCode": "100-0005",
    "addressCountry": "JP"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": 35.6812,
    "longitude": 139.7671
  },
  "checkinTime": "15:00",
  "checkoutTime": "11:00",
  "numberOfRooms": 200,
  "starRating": {
    "@type": "Rating",
    "ratingValue": "5"
  },
  "priceRange": "¥30,000〜¥150,000",
  "amenityFeature": [
    { "@type": "LocationFeatureSpecification", "name": "無料Wi-Fi", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "フィットネスセンター", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "スパ", "value": true },
    { "@type": "LocationFeatureSpecification", "name": "屋内プール", "value": true }
  ],
  "availableLanguage": ["ja", "en", "zh"],
  "petsAllowed": false,
  "smokingAllowed": false
}

追加: HotelRoom型（客室情報）

{
  "@context": "https://schema.org",
  "@type": "HotelRoom",
  "name": "デラックスツイン",
  "description": "45㎡の広々とした客室。東京タワービュー。",
  "bed": {
    "@type": "BedDetails",
    "numberOfBeds": 2,
    "typeOfBed": "シングルベッド"
  },
  "occupancy": {
    "@type": "QuantitativeValue",
    "maxValue": 3
  },
  "offers": {
    "@type": "Offer",
    "priceCurrency": "JPY",
    "price": "45000",
    "availability": "https://schema.org/InStock",
    "validFrom": "2026-04-01"
  }
}

追加: AggregateRating型（口コミ評価）

{
  "@context": "https://schema.org",
  "@type": "Hotel",
  "name": "サンプルホテル東京",
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.6",
    "bestRating": "5",
    "ratingCount": "1284",
    "reviewCount": "856"
  }
}

検証方法

実装後は以下のツールで検証できます。

Googleリッチリザルトテスト
https://search.google.com/test/rich-results

Schema.orgバリデータ
https://validator.schema.org/

AI Visibility Index（筆者開発）
https://ai-visibility-index.streamlit.app/batch_scan

考察: 生成AI時代のWebサイト設計

今回の分析から見えてきたのは、従来のSEO対策と「AIに読ませる設計」は異なるスキルセットだということです。

meta descriptionやOGPといった従来のSEO基盤は、高級ホテルであれば当然のように整備されています（4社中3社が満点）。しかし、生成AIが必要とする構造化された実データの充実度には大きなばらつきがあります。

これは「AIO（AI Optimization）」とも呼ばれる新しい最適化領域であり、今後のWeb制作において標準的な要件になると考えています。

ホテル業界に限らず、以下の業界でも同様の課題があると推測されます。

  • 飲食業: Restaurant, Menu, MenuItem型の不足
  • EC: Product, Offer, AggregateRating型の不足
  • 医療: MedicalOrganization, Physician型の不足
  • 不動産: RealEstateListing, Apartment型の不足

まとめ

発見 技術的インパクト
JSON-LDの有無より「中身」が重要 @typeなしのJSON-LDはAIに認識されない
スキーマ型は1種では不十分 HotelRoom, Offer, AggregateRating等の追加で情報量が飛躍
canonicalタグの見落としは盲点 重複URLでAIの参照先が分散するリスク
ブランド力とAI可視性は無相関 技術実装の質がスコアを決める

参考リンク

※本診断は各企業の公開Webサイトの構造化データを技術的に解析したものであり、企業の優劣を評価するものではありません。ホテル名は匿名化しています。

筆者はAI Visibility Indexの開発者です。診断ツールはこちらから無料でお試しいただけます。

自社サイトのAI可視性スコアを無料で確認する

この記事で解説した項目を、URLを貼るだけで自動診断できます。
現在4月30日まで無料キャンペーン中です。

👉 無料で診断レポートを受け取る

  • 総合スコア・4軸詳細・改善提案（全件）をPDFでお届け
  • 申込後30分以内に自動配信
  • 通常¥2,980 → 4/30まで¥0
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?