FUKUOKA EC福岡EC

AI検索で上位表示されても問い合わせが増えない理由とエンティティ設計で判断すべき基準とは

2026.05.20 AI　福岡ECサイト　

福岡ECサイト株式会社
代表鳥井敏史

この記事を書いた人

福岡ECサイト株式会社　代表　鳥井敏史

ECサイト制作・AI検索対策の実務コンサルタント。15年以上にわたりECサイトの売上構造改善と集客設計を支援。売上改善・集客改善の実務支援を中心に企業のECサイト構造の再設計を行う。

専門分野

ECサイト制作 ECサイトリニューアル AI検索対策 SEO / コンテンツ設計

ECサイト改善の主な実績

・ECサイト制作歴15年以上・MakeShopアンバサダー・JBEA EC業界SEO部門2025受賞・月商100万円 → 月商2,000万円・BtoB EC 月商100万円 → 月商1,000万円・支援企業：JR九州 / JAL / 名鉄など

この記事の監修

福岡ECサイト株式会社　代表　鳥井敏史

AI検索で上位表示されても問い合わせが増えない理由

AI検索で上位に表示されるようになったのに、問い合わせが一向に増えない。そんな悩みが増えています。

Google検索では順位が上がっても売上につながる企業は多くありません。AI検索の場合、さらに複雑です。

AI検索で上位表示されても問い合わせが増えない理由とは、AIが引用する情報が「信頼できる会社の情報」として設計されていないためです。つまり、コンテンツとしては選ばれても、その企業が顧客の課題を解決できる相手として選ばれていない状態が起きています。

ここ、意外と見落とされやすいポイントなんです。

AI検索では「検索順位が上がる＝問い合わせが増える」という単純な構造ではなく、「AIが引用する→ユーザーが企業情報を確認する→信頼する→問い合わせする」という多段階の判断が存在しているからです。

AI検索の引用構造とエンティティ設計がもたらす差

AI検索とGoogle検索は選ばれるための構造が異なります。Google検索では「キーワード×ページ品質」で順位が決まります。一方、AI検索では「キーワード×引用価値×信頼度」で判断されます。

引用価値とは、AIが「このコンテンツはユーザーの質問に直接答えているか」という観点です。信頼度とは「このコンテンツを提供している企業は信頼できるか」という観点です。この信頼度を担う仕組みをエンティティ設計と呼びます。

エンティティ設計とは、AIが「この企業は本当に信頼できるのか」と判断するための情報構造設計のことです。つまり、会社概要・実績・レビュー・メディア掲載・第三者証明などの要素を、どの段階で・どの順番で・どの量提供するかを設計することです。

Google検索とAI検索の引用構造の違い

Google検索では「特定キーワードの検索意図に対して、最も適切なページを1つ提示する」という構造です。

ユーザーは順位1位のページを開き、その企業情報を確認します。検索結果＝信頼選別の入口になっているわけです。

AI検索では「ユーザーの質問に対して、複数サイトの情報を統合して回答を生成する」という構造です。その過程で「このコンテンツはどこから引用されたのか」というクレジットが表示されます。つまり、AI生成回答を見たユーザーが「この企業について詳しく知りたい」と思ったときが、初めて企業情報を確認するタイミングになります。

この違いは重要です。Google検索では「検索順位＝信頼選別」ですが、AI検索では「引用される＝情報提供者」という関係に変わります。引用されるだけでは足りず、引用された後の「クレジット表示時に企業として選ばれるかどうか」が問い合わせの分岐点になるのです。

AI検索で引用されるがクリックされない現象

実際の現場では、GoogleのAI Overviewで引用されているのに、クリック数が増えていない企業があります。

Search Consoleで「エンティティ」または「引用元」という項目を確認すると、自社コンテンツが引用されているのにクリック率が1%未満のままという状況です。

これは「AI生成回答の中では情報として役立つが、企業情報としては選ばれていない」という意味です。GA4でこの流入を追跡してみると、企業のお問い合わせページに到達する前に離脱しているパターンがほとんどです。つまり、クレジットから企業ページへ遷移したものの、会社概要やサービス紹介を見て「この企業には頼みたくない」と判断されているわけです。

ここが見逃されやすいポイントです。AI引用対策の関心が「コンテンツをAIに選ばせる」に集中して、「企業情報でユーザーを説得する」という段階が設計されていないのです。

AI検索における問い合わせまでの5つの段階構造

AI検索では、引用から問い合わせまでに複数の判断段階があります。

AI検索で問い合わせに至るプロセスは、5つの段階で構成されます。このうち1つでも欠けると、問い合わせ数は伸びません。

AIが質問内容とマッチするコンテンツを検出する 検索キーワードとコンテンツのテーマが合致し、AIが「このページは引用に値する」と判断する段階。AI引用対策の大部分がここに集中しています。
AIが生成回答に当該コンテンツを統合する 複数サイトの情報を統合する際に、自社コンテンツが含まれるかどうかが決まる段階。ここで落とされると、存在しないのと同じです。
ユーザーがAI回答を読む中で企業名を認識する AI生成回答内に企業名やクレジットが表示されたとき、ユーザーが「この企業は何をしている会社なのか」と認識する段階。生成回答内でのコンテキストが重要です。
ユーザーがクレジットをクリックして企業ページに遷移する AI回答内のクレジット表示から企業のWebサイトに移動する段階。ここでのクリック判断は「企業情報として信頼できるか」が基準になります。
企業ページの情報を確認した上で問い合わせを判断する 企業ページに到達した後、会社概要・実績・顧客事例・代表者情報などを確認して、最終的に問い合わせするかどうかを決める段階。ここが「エンティティ設計」の領域です。

多くの企業は1と2の段階に力を入れています。AI引用対策の記事内容を充実させ、構造化データを整備し、情報設計を最適化します。これは間違っていません。ただし、3から5の段階が設計されていないため、引用されても問い合わせにつながらないのです。

第3段階での離脱：企業認識が形成されない理由

AI生成回答内での企業名表示は、デフォルトではシンプルです。例えば、「CVR改善の方法について」という質問への回答が生成されるとき、AIが複数の企業のコンテンツを参考にしている場合、生成回答内では企業名だけが「引用元：A社」という形で表示されることがあります。

この段階でユーザーが「A社とは何か」を認識していなければ、クリックの判断材料がありません。つまり、AIが引用する際に「この企業は◯◯分野の専門企業である」という背景情報が含まれていなければ、単なる情報提供者としてしか見られないわけです。

福岡ECサイト株式会社が支援した企業で、実際にこの現象が起きていました。ECサイト制作に関する記事がGoogle AI Overviewで引用されていたものの、クリック率は0.8%でした。原因を調べると、AI生成回答内では企業名が記載されているだけで、「この企業はECサイト制作を専門にしている企業である」という文脈がなかったのです。そこでコンテンツ内に「福岡を中心としたECサイト制作・AI検索対策を行う企業」という明確な記述を加えたところ、クリック率が3.2%に上がりました。

第4段階での離脱：クレジットからの遷移が起きない理由

AI生成回答内にクレジット表示があっても、ユーザーがクリックするとは限りません。クリック判断は「この企業について詳しく知りたい」という主観的な判断に左右されます。

この判断に影響する要素は、AI生成回答内での企業の「見え方」です。複数企業のコンテンツが統合されている場合、「A社と書かれているだけの企業」と「A社（EC事業で年商100億の企業）と書かれている企業」では、クリック確度が変わります。

つまり、生成回答内で「企業情報をどれだけ充実させるか」が、クリック率を左右するということです。ただし、これは企業側がコントロールできる領域ではありません。AIが生成回答を作成する際に、どの情報を引用するかはAIが判断するからです。

ここで重要なのは「コンテンツ内にエンティティ情報を明示的に含める」という設計です。エンティティ情報とは、会社名・設立年・従業員数・事業領域・実績・代表者名などの企業属性です。これをコンテンツ内に自然に織り込むことで、AIが生成回答を作成する際に「参考にする情報」として利用しやすくなります。

第5段階での離脱：企業ページで信頼が失われる理由

クレジットからのクリックを経て、企業ページに到達したユーザーが最終的に問い合わせしない理由は、エンティティ設計の欠落です。

AI検索経由のユーザーは「特定の課題を解決したい」という明確な動機を持っています。AI生成回答で「この企業のコンテンツが引用されている」という情報を得た上で、企業ページを訪れます。その際、ユーザーが確認する情報は以下の優先順位で決まります。

企業が「自分の課題」をどう解決するか AI生成回答で学んだ知識に対して、その企業が「実装段階でどうサポートするか」を知りたい。つまり、ノウハウから実装への橋渡しができる企業かどうかの判断。
同じような課題を解決した実績がるか 実例を通じて「この企業なら本当に解決できる」という確信を持ちたい。事例企業の属性や成果の具体性が重要です。
代表者・担当者の専門性や顔 匿名の企業ではなく、誰がサポートするのかという人間性の確認。これは信頼判断の重要な要素です。
会社自体の信頼性 いつ設立されたのか、どんな企業に選ばれているのか、メディアに掲載されているか、という背景情報。

ここでの問題は、企業ページが「会社情報」を中心に構成されている場合、ユーザーの確認順序とズレが起きるということです。トップページに会社概要が最初に表示され、「サービス内容→実績→会社情報」という構成になっていると、ユーザーは「まず自分の課題解決の方法を知りたい」という動機とマッチしません。

Shopify導入を検討しているEC企業の例で考えてみます。AI検索で「Shopifyで売上を伸ばすには」という回答を得た企業が、Shopify対応のEC制作会社のクレジットをクリックしたとします。そのページに到達した企業が最初に見たいのは「Shopifyで売上を伸ばすための具体的な実装方法」であり、「弊社は2010年設立で〜」という会社情報ではないのです。

この段階での離脱を防ぐには、ランディングページの構成を「AI検索経由ユーザーの確認優先順位」に合わせる必要があります。これが、エンティティ設計における「情報配置の構造」です。

エンティティ設計が企業ページに求める4つの情報構造

AI検索から流入したユーザーが問い合わせに至るための企業ページは、以下の4つの情報を、この順番で設計する必要があります。

課題解決の道筋を示す「方法論」情報 AI生成回答で学んだ知識を実装するための、企業独自のアプローチや方法論。「考え方」から「実行方法」への翻訳機能。
同じ課題を解決した「実績」情報 業種・売上規模・課題の内容が自社に似た企業の具体的な事例。数字を含むビジュアル化された改善結果。
支援内容と「顔」を結ぶ「人」情報 代表者や主要メンバーのプロフィール。専門分野・経歴・実績を通じて、誰がサポートするのかを明確にする。
企業の信頼性を示す「背景」情報 設立年・大型案件の実績・メディア掲載・第三者評価・顧客リスト。企業としての信頼スコアを累積する。

ここで重要なのは「この4つの情報が、別々に存在してはいけない」ということです。多くのサイトでは「会社情報ページ」「実績ページ」「代表者プロフィール」が分散しており、ユーザーが確認するのに複数のページ遷移が必要になります。

AI検索経由のユーザーは「すぐに判断して問い合わせしたい」という状態にあります。Slack通知で問い合わせ案件が来たとき、営業担当者がすぐに顧客情報を確認するように、AI検索経由のユーザーも「できるだけ少ないクリックで、すべての判断材料を集めたい」という心理です。

つまり、ランディングページ内に「方法論＋実績＋人＋背景」の4つが統合されている設計が必要になります。この統合設計を「エンティティ統合ランディング」と呼びます。

方法論情報：企業の「考え方」を最初に見せる

AI検索から流入したユーザーは、すでに基礎知識を持っています。AI生成回答で一般的な方法を学んでいるため、「一般的な方法を復習する」という段階は不要です。

代わりに、ユーザーが求めているのは「この企業は、この問題をどう考えているのか」という独自の視点です。つまり、業界平均的な方法ではなく、その企業が「なぜこの方法を選んでいるのか」という思想背景です。

例えば、ECサイト売上改善に関する企業の場合、「CVR改善の方法」という一般的なコンテンツがあります。ただ、AI検索経由のユーザーは、すでに複数企業のCVR改善方法を比較できています。その段階で「なぜこの企業を選ぶのか」という差別化要因になるのが「考え方」です。

福岡ECサイト株式会社の場合、「CVR優先順位理論」という独自の考え方があります。これは「CVR改善は導線→商品→信頼→集客の順番で行うべき」という体系です。この理論を企業ページの最初に提示することで、「一般的なCVR改善」と「この企業の考えるCVR改善」が異なることが明確になります。

AI検索経由のユーザーは、この「違い」を見ることで「同じ業界でも、この企業は違う視点を持っている」と認識し、実績を確認してみたくなるわけです。

実績情報：「自社に似た例」を具体的に見せる

実績は「数字の大きさ」ではなく「自社との類似性」で判断されます。

AI検索経由のユーザーが確認したいのは「年商100億の大企業の実績」ではなく「自分たちと同じくらいの規模で、同じような課題を持つ企業がどう改善したのか」です。

例えば、月商500万円のECサイト運営企業が、「月商100万円→2,000万円に成長」という実績を見たとします。この企業は「自分たちのサイズ感に近い企業が、同じプロセスで成長している」と認識でき、実現可能性を感じます。

一方、「年商60億のWeb企業を年商80億へ成長させた」という実績は、規模が大きすぎるため「自分たちには当てはまらない」と判断されてしまいます。

エンティティ設計における実績情報の原則は「規模別・業種別・課題別に実績を分類し、ユーザーの属性に合致した事例を優先表示する」ことです。つまり、1つのランディングページに「全ての実績」を詰め込むのではなく、ユーザーセグメント別に異なるランディングページを用意する、または動的にコンテンツを切り替える設計が必要ということです。

人情報：代表者・専門チームのプロフィール表示

AI検索経由のユーザーの問い合わせ判断は、最終段階で「人」を見ます。これは信頼経済が進むほど重要になります。

B2B企業の場合、特にこの傾向が強いです。営業担当者がGA4で新規問い合わせ案件を確認して、企業ページを訪問したユーザーが「実際に誰が対応するのか」という人間確認をします。

ここで重要なのは「肩書きだけではなく、その人の専門分野・経歴・過去の成果を明確にする」ことです。

例えば「営業担当：田中太郎」と書くだけでは、ユーザーは誰がどんな分野を担当するのか判断できません。代わりに「ECサイト売上改善専任：田中太郎（楽天・Amazon・Shopifyの3年以上の実装経験、月商100万→2,000万の成長を5件以上支援）」という情報があれば、ユーザーは「この人なら自社の課題に対応できそう」と判断できます。

つまり、人情報は「名前」ではなく「専門性の可視化」が本質です。

背景情報：企業信頼スコアを段階的に示す

最後の確認段階で、ユーザーは「この企業そのものの信頼性」を判断します。これを「エンティティスコア」と呼びます。

エンティティスコアを構成する要素は、以下の通りです。

設立年（歴史の長さ）
大型案件の実績（規模感）
顧客リスト（採用企業の知名度）
メディア掲載（外部評価）
第三者認証・受賞（客観的信頼）
SNSフォロワー数・記事PV（コミュニティサイズ）

ここで勘違いされやすいのは「全ての要素を揃えなければいけない」と考えてしまうことです。実際は違います。企業の成長段階に応じて、強化すべき要素は異なります。

設立1年の企業が「設立20年」という歴史をアピールすることはできません。代わりに「JR九州などの大型案件の実績」や「Exellent企業賞の受賞」という現在の成果を示すことが、信頼スコアの構築になります。

つまり、エンティティ設計における背景情報は「現在地に合わせた信頼要素の戦略的選択」が必要ということです。

AI検索経由ユーザーのクリック判断フロー

AI検索で上位表示されても問い合わせが増えない企業の多くは、このフローの1つ以上の段階を見落としています。

AI生成回答内での出現 ユーザーの質問に対するAI回答内に、自社コンテンツが引用されているかどうか。ここは「AI引用対策」の領域です。
生成回答内での企業認識 AI回答内に「企業名＋企業属性」が含まれているかどうか。例：「福岡ECサイト株式会社（ECサイト制作・AI検索対策）」。ここは「コンテンツ内エンティティ設計」の領域です。
クレジットのクリック判断 「この企業について詳しく知りたい」というユーザー心理が発生するかどうか。AI生成回答内での見え方が影響します。
企業ページ到達後の確認 「方法論→実績→人→背景」の4つの情報が、すぐに目に入る配置になっているかどうか。ここが「ランディングページ構造設計」の領域です。
問い合わせボタンのクリック ユーザーが「この企業に相談したい」という確信を持つかどうか。判断に必要な情報がすべて揃っているかどうかで決まります。

一般的なWebサイト構造では、このフローのうち4番目の「ランディングページ構造」と5番目の「問い合わせボタン」に力を入れます。ただし、AI検索経由のユーザーの場合、1番目から3番目の段階も同じくらい重要です。

むしろ、1から3の段階で「問い合わせ可能性のあるユーザー」に絞られてしまう傾向があります。AI生成回答でユーザーが企業を認識しなければ、ランディングページの完成度が高くても意味がないわけです。

従来のSEO施策とAI検索経由のエンティティ設計の違い

SEO時代のエンティティ設計と、AI検索時代のエンティティ設計は異なります。

項目	SEO時代（検索順位重視）	AI検索時代（引用価値＋信頼度重視）
企業情報の配置	会社情報ページ（サイト最下部）に集約	コンテンツ内・ランディング最上部に統合
企業属性の表記	「弊社について」という単純な紹介	「福岡ECサイト株式会社（設立2015年、ECサイト制作300社以上）」という具体的な属性
実績情報の構成	実績ページで全企業を一覧表示	ユーザーセグメント別に事例を分類・優先表示
代表者情報	会社情報ページに小さく掲載	サービス説明とセットで専門性を強調
メディア掲載・受賞	「メディア掲載」という単一ページ	サービス説明内・実績内に状況別に埋め込み
問い合わせボタン設計	ページ下部に固定配置	各情報セクション後に配置（情報確認後すぐに行動できる）

ここでの最大の違いは「情報の分散 vs 統合」です。SEO時代は「どのページを訪問するか」が重要だったため、サイト構造を「複数ページに分散する設計」にしていました。一方、AI検索時代は「クレジットから最初に訪問するランディングページで判断が完結する」ことが求められます。

つまり、AI検索対策としてのエンティティ設計は「ランディングページの内部構造」にシフトしているわけです。ここが従来とは大きく異なる点です。

エンティティ設計で見落とされやすい失敗パターン

AI検索経由で上位表示されても問い合わせが増えない企業の事例では、以下のパターンが多く見られます。

失敗パターン1：実績を「数字の羅列」で見せている

「月商100万円→2,000万円」「売上10倍」「PV月間300,000」という数字が、ランディングページに箇条書きで並んでいるパターンです。これは「実績がある」という情報伝達にはなりますが、ユーザーが「自社に当てはまるかどうか」を判断できません。実は、ここで多くの企業が機会損失を起こしています。

正しい設計は「業種・売上規模・課題」を明示した上で、それぞれの実績を紹介することです。例えば「EC企業で月商100万から2,000万に成長（同じく初期段階のEC企業向け）」と「大規模Web会社の年商を60億から80億へ（大型案件対応の実績）」では、紹介順序も配置場所も異なるべきです。

失敗パターン2：企業ページが「階層構造」になっている

トップ→サービス→実績→会社情報→お問い合わせという階層的なサイト構造では、AI検索経由のユーザーが情報収集に複数ページ遷移を強いられます。

GA4で確認すると、AI検索経由ユーザーはトップページからサービスページへ進むが、その後実績ページへ遷移せずに離脱するパターンが多く見られます。これは「1つのページで全ての判断材料を集めたい」というユーザー心理とサイト構造がズレているためです。

正しい設計は「AI検索経由ユーザー向けランディングページ」という単一ページ内に「方法論＋実績＋人＋背景」を統合することです。これにより、ユーザーはページスクロールだけで情報収集を完結できます。

AI検索対策におけるサイトリニューアルの判断基準

現在のWebサイトが「AI検索経由での問い合わせ増加」に対応しているかどうかは、以下の基準で判断できます。

リニューアル優先度が高い企業：

AI Overviewで引用されているが、クリック率が1%未満である
ランディングページの階層が3階以上で、企業情報ページとサービスページが分散している
実績がリスト表示されているだけで、業種別・課題別の分類がない
代表者プロフィールが会社情報ページにのみ掲載され、サービス説明ページには出ていない
問い合わせボタンが1つのみで、ページ内の複数箇所に配置されていない

リニューアル不要で改善でよい企業：

既にランディングページにコンテンツ統合がされている
実績が業種別・課題別に分類されている
代表者情報がコンテンツ内の複数箇所に含まれている
問い合わせボタンが各セクション後に複数配置されている

Shopify移行と同様、AI検索対策のサイトリニューアルも「全体構造の見直し」ではなく「ランディングページの構造最適化」という段階的なアプローチが効果的です。

エンティティ統合ランディングの構造設計

AI検索経由でのユーザー流入を問い合わせに変換するランディングページは、以下の5つのセクションで構成されます。

問題提起セクション AI検索で学んだユーザーが「でも実装するときはどうするのか」と感じる疑問を明言する。ユーザーの現在地を確認する段階。
方法論セクション 企業独自の考え方・アプローチを説明。「なぜこの方法なのか」という思想背景。AI回答とは異なる視点を示す段階。
実績セクション ユーザーの属性に合致した事例を優先表示。「同じような企業がどう改善したのか」をビジュアル化。実現可能性を示す段階。
実装セクション 「実績を出すまでの具体的なプロセス」を説明。月単位・段階別にどう進むのか。実装不安を払拭する段階。
信頼セクション 代表者プロフィール・メディア掲載・受賞・顧客リストなど、企業の信頼スコアを示す。最終判断の確信を作る段階。

各セクションの終わりには「問い合わせボタン」を配置し、情報確認後の行動を促進します。つまり、1つのランディングページ内に「5回の問い合わせ機会」が存在するわけです。

AI検索で上位表示されても問い合わせが増えない企業向けのQ&A

AI検索での引用と検索順位は関連しているのか

完全には関連していません。Google検索で1位のページが、AI Overviewでも引用されるケースもありますが、3位～10位のページが優先的に引用されるケースもあります。

これはAIが生成回答を作成する際に「検索順位」ではなく「回答の多角性」を重視しているためです。同じテーマでも複数の視点からの情報を統合するため、意図的に異なる企業のコンテンツを選択します。つまり、SEOで1位を取ることとAI引用の対策は別の構造です。

AI生成回答内で企業名が出ない場合、どう対策するのか

企業名が出ないのは「引用価値」か「信頼度」のどちらかが低いと判断されている可能性があります。

対策としては、まずコンテンツ内に企業の背景情報（設立年・実績・メディア掲載）を自然に織り込むことです。これにより、AIが「信頼できる企業のコンテンツ」と判断しやすくなります。次に、構造化データ（Organization schema）を整備し、企業情報をメタデータとして明示することです。

AI検索経由のクリック率が低い場合、まず何をすべきか

GA4でAI Overviewからの流入データを確認し、以下を段階的に改善します。

第1段階：AI生成回答内での出現位置を確認。どのような文脈で企業名が出ているかを分析します。第2段階：ランディングページ到達後の離脱ポイントを確認。ユーザーがどこで離脱しているかで、足りない情報が何かが判断できます。第3段階：不足している情報を優先順位に応じて追加。「方法論が不明確」なら方法論セクションを強化、「実績が見えない」なら実績セクションを充実させます。