AI検索に推薦される店になる——llms.txtと構造化データで「引用される飲食店」を作る実務ガイド
AI検索に「推薦される店」になるために本当に必要なのは、概念の理解ではなく、サーバーに置く2つのファイルだ。ひとつはサイトのトップに置くllms.txtという案内文。もうひとつはメニューや営業時間をAIが誤読しないように書くSchema.org構造化データ。この記事では、その2つを「実際に何のファイルを作り、どこに置き...
AI検索に「推薦される店」になるために本当に必要なのは、概念の理解ではなく、サーバーに置く2つのファイルだ。ひとつはサイトのトップに置くllms.txtという案内文。もうひとつはメニューや営業時間をAIが誤読しないように書くSchema.org構造化データ。この記事では、その2つを「実際に何のファイルを作り、どこに置き、効果が出るまで何を測るか」まで、レストランオーナーの言葉で解説する。
30秒でわかる
| 項目 | 内容 |
|---|---|
| ひとことで | AIに自店の情報を誤読させないための、サーバーに置く2つのファイル(llms.txtと構造化データ) |
| お店での意味 | 営業時間・定休日・メニュー・住所をAIが推測ではなく「事実」として引用するようになる |
| なぜ今 | ChatGPT・Perplexityが回答に店名を出す比率が上がり、出ない店との来店差が開き始めた |
| コスト感 | ファイル作成は実費ゼロ。サイト制作会社に頼んでも数万円規模。月額課金ではない |
| 効果が出るまで | AIがクロール→学習に反映するまで数週間〜2、3ヶ月。即効性はない |
まず、よくある誤解をほどく
「AI検索対策＝評価点を上げること」と思っているなら、半分は当たっていて、半分は外れている。
AI検索に出てくる店になりたい、という相談はこの半年で急に増えた。多くのオーナーが最初に口にするのは「口コミの星をあと0.2上げないと」という話だ。評価点が効くのは事実だが、それは「AIが自店の存在と中身を正しく把握できている」ことが前提になる。土台がないところに星だけ積んでも、AIはそもそも自店を回答候補のテーブルに乗せられない。
もうひとつの誤解は「良いホームページがあればAIも読んでくれる」というもの。人間にとって見やすいサイトと、AIにとって読みやすいサイトは別物だ。トップページに大きな写真とおしゃれなキャッチコピーが並び、営業時間は画像の中に焼き込まれている——人間は雰囲気で「いい店だ」と感じるが、AIはその画像の文字を読み取れず、営業時間を「不明」と処理する。結果、AIは「夜やっているかわからない店」として、確実に営業時間が判明している競合を先に推薦する。
問うべきは「どうやって評価を上げるか」ではなく、「自店の素の情報を、AIが誤読しようのない形でどう置き直すか」だ。その置き直しの具体的な道具が、これから説明するllms.txtと構造化データになる。
llms.txtとは、AIに渡す「店の案内状」
llms.txtは、サイトを訪れたAIに「うちの店で大事な情報はこことここにあります」と教えるための、1枚のテキストファイルだ。
馴染みのあるrobots.txtを思い出してほしい。あれは検索エンジンのクローラーに「このページは見ていい/見ないで」と伝える昔からの仕組みだ。llms.txtはその発想を生成AI向けに発展させたもので、2024年後半から提案され、2025年以降に対応サイトが増えてきた新しい慣行になる。中身はMarkdown形式のただのテキストで、サイトの最上位、つまりhttps://お店のドメイン/llms.txtでアクセスできる場所に置く。
飲食店の場合、書く内容はシンプルでいい。店名と一言説明、そして「営業時間ページ」「メニューページ」「アクセスページ」「予約ページ」へのリンクと、それぞれの短い説明を並べる。AIが自店のサイトを読みに来たとき、何百枚もあるかもしれないページを手当たり次第に見るのではなく、この案内状を最初に読んで「重要なのはこの4ページだな」と当たりをつけられる。膨大な情報の中から店主が「ここを見てほしい」と指し示す——それがllms.txtの役割になる。
飲食店向けのllms.txtは、たとえばこう書ける。
# 居酒屋 まんま亭
> 東京・神楽坂の路地裏にある、日本酒と季節のおばんざいの店。カウンター8席、テーブル12席。
## 基本情報
- [営業時間・定休日](https://example.com/hours): 平日17時〜23時、日曜定休
- [アクセス](https://example.com/access): 神楽坂駅徒歩4分、住所と地図
## メニュー
- [お料理メニュー](https://example.com/menu): 季節のおばんざい、刺身、一品料理
- [日本酒リスト](https://example.com/sake): 常時20種以上、月替わりの銘柄
## ご予約
- [予約ページ](https://example.com/reserve): ネット予約、コース予約の案内
注意したいのは、llms.txtはまだ「業界の正式な標準規格」ではなく、提案段階の慣行だという点だ。すべてのAIが必ず読む保証はない。それでも置くデメリットはほぼなく、対応するAIが増えるほど効いてくる。「読まれたら得、読まれなくても損はしない」性質のものなので、早めに置いておく価値がある。
構造化データとは、情報に貼る「AI用のラベル」
構造化データは、ページに書いてある営業時間や住所に「これは営業時間です」「これは住所です」という見えないラベルを貼り、AIの誤読を防ぐ仕組みだ。
人間がサイトを見れば「17:00〜23:00」という数字が営業時間だと一目でわかる。だがAIにとって、ページ上の数字はただの文字列で、それが営業時間なのか、席数なのか、価格なのかは文脈から推測するしかない。推測がずれれば、AIは「ランチは何時から?」という質問に自店の夜の営業時間を答えてしまう。構造化データは、この推測をなくす。
使うのはSchema.orgという、世界の検索エンジンが共同で決めた語彙のルールだ。飲食店ならRestaurantという型が用意されていて、店名、住所、電話番号、営業時間、提供する料理ジャンル、価格帯、メニューのURLといった項目を、AIが100%確実に解釈できる形式で記述できる。書き方はJSON-LDという、HTMLの中に小さなコードのかたまりを埋め込む方式が推奨されている。
飲食店向けの最小限の構造化データは、おおむね次のような姿になる。
{
"@context": "https://schema.org",
"@type": "Restaurant",
"name": "居酒屋 まんま亭",
"servesCuisine": "日本料理",
"priceRange": "3000円〜5000円",
"address": {
"@type": "PostalAddress",
"addressLocality": "新宿区神楽坂",
"addressRegion": "東京都"
},
"telephone": "+81-3-0000-0000",
"openingHours": "Mo-Sa 17:00-23:00",
"menu": "https://example.com/menu"
}
このラベルが貼ってあれば、AIは「この店は日本料理、予算3000〜5000円、月〜土の17時から営業」と、推測ゼロで把握する。「神楽坂で日本酒が飲める店」という質問が来たとき、AIは曖昧な店より、事実が確定している自店を選びやすくなる。llms.txtが「どのページを見てほしいか」の案内状なら、構造化データは「そのページの中身が何なのか」のラベル。役割の違う2つを揃えて、はじめてAIは自店を安心して引用できる。
始めるなら、ここから
自分でコードを書く必要はない。順番と勘どころさえ押さえれば、サイト制作会社への依頼も的確になる。
最初の一歩は、ファイルづくりではなく現状確認だ。Googleが無料で公開している「リッチリザルトテスト」に自店サイトのURLを入れると、構造化データがすでにあるか、あるなら何が不足しているかがその場でわかる。多くの飲食店サイトは、制作時に何も入っていないか、住所だけ入って営業時間が抜けている状態になっている。ここで「今どこにいるか」を知る。
次に、構造化データを整える。WordPressで作ったサイトなら専用プラグインでRestaurant型の項目を埋めるだけで済むことが多い。制作会社に任せているサイトなら、「Schema.orgのRestaurant型で、店名・住所・電話・営業時間・料理ジャンル・価格帯・メニューURLをJSON-LDで入れてほしい」と伝える。この一文がそのまま発注書になる。専門用語に見えても、制作者にとっては定型作業だ。
そのうえでllms.txtを用意する。これはテキストエディタで書ける。店名、一言説明、見てほしい4〜6ページのリンクと短い説明——それだけのファイルを作り、サイトの最上位に置いてもらう。https://自店ドメイン/llms.txtでブラウザに表示されれば成功だ。制作会社には「サーバーのルートにこのファイルを置いてほしい」と渡せばいい。
最後に、効果の測り方を決めておく。ここを誤解しているオーナーが多い。llms.txtも構造化データも、設定した翌日に来店が増える類のものではない。AIが自店サイトを再びクロールし、その内容が回答に反映されるまで、数週間から2、3ヶ月かかる。だから測るのは来店数ではなく、まず「AIが自店を正しく言うか」だ。月に一度、ChatGPTやPerplexityに「(自店のエリア)で(自店のジャンル)のおすすめは」と実際に聞いてみる。自店の名前が出るか、出たとして営業時間や定休日を正しく言えているか。これを記録していく。名前が出るようになり、情報が正確になってきたら、その数ヶ月後に予約数や指名来店の変化を見る。順番は「正しく認識される」が先、「集客が増える」は後だ。
一度ファイルを置けば終わり、ではない。メニューを変えたら構造化データの料理ジャンルも、季節の臨時休業を決めたら営業時間の記述も更新する。AIは古い情報を平気で引用する。設定して放置された情報は、いつか「定休日なのに開いていると言われた」というクレームになって返ってくる。AI検索対策の本質は、派手な新技術ではなく、自店の事実をAIが読める場所に置き続ける——その地味な習慣のことだ。
