AI時代の検索最適化：Wantedlyの構造化データ実装記

検索の未来が変わっている
実装に入る前の技術的な考慮事項
何をしたのか：構造化データの体系的な実装
エンティティ関係の重要性：@graphと@id
表現力と拡張性
@graphと@idのメリットまとめ
ページ別実装の詳細
企業ページ
募集詳細ページ
ストーリーページ
モニタリング
プラットフォーム別トラフィック分析
SEOの変化
今後期待される効果
最後に

検索の未来が変わっている

AIが新しい「入り口」になりつつある

いま、多くの人がAIアシスタントを使って情報を探すようになっています。
「おすすめの求人サービスを知りたい」と自然な言葉で質問したとき、AIは検索エンジンの順位ではなく構造的に整理されたデータをもとに情報を提示します。

そのため、どれだけ良いコンテンツがあってもページの構造が整っていなければAIが正しく理解できず、ユーザーに届かない可能性があります。

情報が「見つからない」リスクを防ぐために

AI検索が普及する今、「見つけられること」自体がブランド価値に直結します。
もしWantedlyの情報がAIに正しく認識されなければ、存在していても他社の情報に置き換えられてしまうリスクがあります。

この課題を解決するため、AI時代に最適化された情報構造の整備を進めてきました。

構造化データでAIに「理解される」サイトへ

このたびウォンテッドリーではマーケティングとエンジニアが連携し、重要ページに対して構造化データ（Schema.org）の実装を完了しました。
AIや検索エンジンがページの内容をより正確に理解できるように、以下のような構造を導入しています。

JobPosting（募集ページ）
Organization（企業ページ）
Article（ストーリー）

それぞれのページタイプに合わせて最適なデータ構造を設計し、AIがウォンテッドリーの情報を正確に認識・提示できるようになりました。

これにより検索エンジンからの流入だけでなく、AIを経由した新しいトラフィック経路も期待できるようになります。

実装に入る前の技術的な考慮事項

1. 効率的な実装戦略

全社のすべてのページに手作業で JSON-LD を追加する方法では拡張性が低く、ページタイプごとの共通点も見えにくい状態でした。より効率的に実装を進めるために以下の仕組みを検討・導入しました。

バックエンドで動的に JSON-LD を生成する構造
- JSON-LDは構造化データの形式として推奨されている
再利用可能なヘルパー関数とモジュール化
データモデルとの自動同期メカニズム

2. コンテンツ変更時の自動反映

ページコンテンツが変更されるたびに、構造化データが自動的に更新されるようになっています。

ページデータ(採用情報、企業情報、ストーリーなど)が変更されると対応する構造化データも自動的に更新され、手作業で JSON-LD を修正する必要がありません。

3. SEO 検証

実装後には以下の方法で検証しました。

Google Rich Results Test による構造化データの有効性確認
Schema.org 標準への準拠状況
実際の画面でのリッチスニペット表示の確認

何をしたのか：構造化データの体系的な実装

Schema.org 標準を活用してプラットフォームの主要ページに構造化データを JSON-LD 形式で実装しました。

構造化データを正しく実装することと共にドメイン全体でエンティティ間の関係を明確に表現することを重視しました。

エンティティ関係の重要性：@graphと@id

@graph とは？
JSON-LD で複数のエンティティ(Entity)を1つの統合コンテキスト下で定義できる文法です。

今回の実装において最も重要な技術的決定の1つは@graph文法と@idの使用です。これで構造化データを単なる「ページ内情報」ではなく、ドメイン全体のエンティティ関係までGoogle Search RobotとAIに明確に提示しています。

@graphを使用しない例

// Schema A
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Company A"
}


// Schema B
{
  "@context": "https://schema.org",
  "@type": "JobPosting",
  "hiringOrganization": { "name": "Company A" }
}

@graphを使用した例

{
  "@context": "https://schema.org",
  "@graph": [
    { "@type": "Organization", "@id": "#org", "name": "Company A" },
    { "@type": "JobPosting", "hiringOrganization": { "@id": "#org" } }
  ]
}

すべてのエンティティが1つの@contextの下に定義される
「1セットの情報」としてまとめられたJSONが作成できる
- 人間が読みやすい情報はAIも読みやすい

表現力と拡張性

@graph文法を仕様すると1つのエンティティのタイプを定義する同時に、他のエンティティの下位タイプとしても定義することができます。

特にエンティティが増えて複雑になった場合、柔軟に拡張・組み合わせることができるメリットを持っています。

より複雑なケースで@graphを使用した例

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "Organization",
      "@id": "https://www.wantedly.com/#organization",
      "name": "Wantedly",
      "url": "https://www.wantedly.com/",
      "sameAs": ["https://wantedlyinc.com", "https://www.facebook.com/wantedly"]
    },
    {
      "@type": "WebSite",
      "@id": "https://www.wantedly.com/#website",
      "publisher": { "@id": "https://www.wantedly.com/#organization" }
    },
    {
      "@type": "WebPage",
      "@id": "https://www.wantedly.com/companies/wantedly#webpage",
      "isPartOf": { "@id": "https://www.wantedly.com/#website" },
      "publisher": { "@id": "https://www.wantedly.com/#organization" },
      "mainEntity": { "@id": "https://www.wantedly.com/companies/wantedly#organization" }
    },
    {
      "@type": "Organization",
      "@id": "https://www.wantedly.com/companies/wantedly#organization",
      "name": "Wantedly, Inc.",
      "url": "https://www.wantedly.com/companies/wantedly"
    }
  ]
}

@graphと@idのメリットまとめ

@graph
- すべてのエンティティが1つの@context下で定義される
- 人間もAIも「これらは 1 セットの関連情報」として認識
@id
- @idで各エンティティを一意に識別
- 同じ@idはどこでも同じエンティティを意味する
- 重複定義を完全に排除

ページ別実装の詳細

企業ページ

https://www.wantedly.com/companies/wantedly

Schema 構造

Organization (Wantedlyプラットフォーム)
WebSite (プラットフォーム全体)
WebPage (企業詳細ページ)
Organization (企業情報)
ItemList - JobPosting (最大 3 件の採用情報)
ItemList - BlogPosting (最大 3 件のストーリー)
SiteNavigationElement (ナビゲーション)
BreadcrumbList (パンくずリスト)

含まれる情報

企業情報
- 企業名、ロゴ (必須)
- 設立日、従業員数
- 企業紹介、スローガン
- 主要ソーシャルネットワークリンク
- 住所 (国、地域、市町村)
- 法務情報 (法人名など)
採用情報 (最大3件)
- 職務タイトル、説明
- 公開日
- 雇用形態、職種カテゴリ
ストーリー (最大3件)
- タイトル、説明
- 公開日、更新日
- 著者、企業情報
- サムネイル画像

{
  "@type": "Organization",
  "@id": "https://www.wantedly.com/companies/example#organization",
  "name": "Example Corp.",
  "url": "https://www.wantedly.com/companies/example",
  "logo": {
    "@type": "ImageObject",
    "url": "https://example.com/logo.png"
  },
  "foundingDate": "2010-09-01",
  "numberOfEmployees": {
    "@type": "QuantitativeValue",
    "value": 120
  },
  "description": "ビジネスSNSを通じて、個人と企業をマッチング",
  "slogan": "シゴトでココロオドル人を増やす",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "東京都港区白金台5-12-7",
    "addressRegion": "東京都",
    "addressLocality": "港区",
    "postalCode": "108-0071",
    "addressCountry": "JP"
  },
  "sameAs": ["https://example.com", "https://www.facebook.com/example", "https://twitter.com/example"],
  "areaServed": [
    { "@type": "Country", "name": "JP" },
    { "@type": "Country", "name": "SG" }
  ]
}

AI が理解できる内容

「この企業はどのような企業か？」
→ Organizationのdescription、sloganで把握


「最新の採用情報は？」
→ ItemListの最新3件のJobPostingで提示


「企業のストーリーは？」
→ BlogPosting ItemListで推奨


「企業の全体像」
→ @graphで プラットフォーム → WebSite → WebPage → Organization の関係性を認識

募集詳細ページ

https://www.wantedly.com/projects/1159802

Schema 構造

Organization (Wantedlyプラットフォーム)
WebSite (プラットフォーム全体)
WebPage (募集詳細ページ)
JobPosting (採用情報 - メインエンティティ)
Organization (採用企業)
BreadcrumbList (パンくずリスト)

含まれる詳細情報

採用情報 (必須フィールド)
- タイトル (title)
- 説明 (description)
- 公開日 (datePublished)
- 雇用形態 (employmentType)
- 採用企業 (hiringOrganization)
- 勤務地 (jobLocation)
採用情報 (選択フィールド)
- 職種カテゴリ (occupationalCategory)
- 募集終了日 (validThrough - 募集が終了している場合のみ)
- 採用情報画像 (image)
- ダイレクト応募可否 (directApply: true/false)
- 採用職に必要な経験 (記事の説明から抽出)

{
  "@type": "JobPosting",
  "title": "Senior Frontend Engineer",
  "description": "We're seeking an experienced frontend engineer...",
  "datePosted": "2024-08-26",
  "employmentType": "FULL_TIME",
  "hiringOrganization": {
    "@type": "Organization",
    "@id": "#company-org",
    "name": "Wantedly Company"
  },
  "jobLocation": {
    "@type": "Place",
    "address": {
      "@type": "PostalAddress",
      "addressCountry": "JP",
      "addressRegion": "東京都",
      "addressLocality": "港区"
    }
  },
  "occupationalCategory": "ソフトウェアエンジニア",
  "validThrough": "2024-10-26",
  "image": "https://example.com/job-image.jpg",
  "url": "https://www.wantedly.com/projects/123",
  "directApply": true
}

AI が理解できる内容

「東京のフロントエンドエンジニア募集」
→ jobLocation.addressRegion + occupationalCategory でマッチング


「3年以上経験のエンジニア」
→ description + occupationalCategory で検索


「まだ募集中の職務」
→ validThrough で募集期間を確認


「〇〇企業の採用情報」
→ hiringOrganization の @id で企業別フィルタリング

ストーリーページ

https://www.wantedly.com/companies/wantedly/post_articles/929480

Schema 構造

Organization (Wantedlyプラットフォーム)
WebSite (プラットフォーム)
WebPage (ストーリーページ)
BlogPosting (ブログポスト)
BreadcrumbList (パンくずリスト)

含まれる情報

headline (タイトル)
description (説明、記事本文から抽出)
datePublished (公開日)
dateModified (更新日)
author (企業 Organization)
publisher (Wantedlyプラットフォーム Organization)
image (記事画像)
mainEntityOfPage (ページ URL)

{
  "@type": "BlogPosting",
  "headline": "採用ストーリー: 〇〇氏のキャリア転換記",
  "description": "記事の要約",
  "datePublished": "2024-08-26T10:00:00Z",
  "dateModified": "2024-08-27T15:30:00Z",
  "author": {
    "@type": "Organization",
    "@id": "企業 Organization の ID"
  },
  "publisher": {
    "@type": "Organization",
    "@id": "Wantedly プラットフォーム Organization"
  },
  "image": "https://example.com/story-image.jpg",
  "mainEntityOfPage": {
    "@type": "WebPage",
    "@id": "https://www.wantedly.com/stories/123#webpage"
  }
}

AI が理解できる内容

「Wantedly の最新ニュース」
→ BlogPosting の datePublished で最新コンテンツを推奨


「特定トピックの企業ストーリー」
→ headline、description ベースのセマンティック検索


「〇〇企業の成功事例」
→ author (Organization) で企業別フィルタリング