インフォグラフィックや比較チャート、図解にしっかり投資しているのに、ChatGPTやGeminiの回答に「自社の図が引用されない」「テキストの記事ばかりが拾われる」と感じたことはありませんか。その違和感は正しい直感です。これまでのAEO（Answer Engine Optimization）は、テキストと構造化データ（Schema）を最適化すれば届く、という前提で組み立てられてきました。しかし2026年、AI回答エンジンは画像を「見て」読む時代に入っています。装飾としての画像ではなく、視覚アセットそのものを引用源にさせる——これが、テキスト中心だった既存のAEOに抜け落ちている新しいレイヤーです。
本記事は、これまで当サイトで扱ってきたAEO群（FAQ・料金・比較など、いずれもテキスト＋Schemaが前提）に対して、「視覚情報をAIに解釈・引用させる」という新レイヤーを足す拡張ガイドです。alt・キャプション設計から、図中テキストのOCR可読性、チャート横のデータテーブル併記、ImageObject Schema、画像サイトマップまで、視覚コンテンツをAI回答エンジンに読ませ・引用させるための実装を整理します。
「画像はAEOに無関係」がもう通用しない理由
長らく画像SEOは「JPEGを圧縮し、altに一文の説明を書く」程度の作業として扱われてきました。検索エンジンが画像の中身を理解できなかったため、altテキストという「テキストの代理情報」を読ませるしかなかったからです。
2026年、この前提は崩れています。GPT-5.5やGemini 3.1 Proといったマルチモーダルモデルは、altテキストを読むだけでなく、コンピュータビジョンで画像のピクセルそのものを解析し、画像内に書かれた文字をOCR（光学文字認識）で読み取ります。チャートのトレンドを解釈し、インフォグラフィックの数値を抽出し、その画像が安価なストック画像か、独自に作られた一次資産かまで評価しようとします。Google Lensの視覚検索が月間200億回規模に達しているという数字も、画像が「ニッチな機能」ではなく主要な発見チャネルになったことを示しています。
つまり、AIにとって画像は「テキストの付録」ではなく、テキストと並ぶ独立した情報源になりました。にもかかわらず、多くの運用者はいまだに旧来のテキストクローラ向けに画像を最適化しています。低コントラストや過剰圧縮で画像内のテキストが読めなければ、AIはその情報を取りこぼすか、最悪の場合は内容を取り違えて（ハルシネーションして）しまいます。「AIに読める画像」を設計することが、引用される視覚コンテンツの出発点です。
AIが画像から読む4要素
AI回答エンジンが1枚の画像から情報を取り出すとき、見ているのは大きく4つの層です。altテキストだけに頼る最適化は、このうち1層しか満たしていません。
1. altテキストとキャプション（明示的なメタ情報）
altは画像の内容を簡潔に説明する基礎であり続けますが、もはや「これだけ書けば十分」な要素ではありません。altは画像が何であるかを一文で宣言する役割、キャプション（figcaption）は画像が記事文脈の中で何を意味するかを補う役割、と分けて設計します。altに装飾的なキーワードを詰め込むのではなく、図が示す「結論」を端的に書くのがコツです。
2. 周辺テキスト（画像が置かれた文脈）
AIは画像単体ではなく、その画像を囲む本文・見出し・直前直後の段落から「この図は何の話か」を補完します。図を貼るだけで本文に説明がないと、AIはその図を解釈する文脈を失います。図の前後に、図が示す主張を1〜2文で言語化したテキストを必ず置くのが基本です。
3. 画像内テキストのOCR可読性（ピクセルから読む文字）
ここが旧来の画像SEOと決定的に違う層です。マルチモーダルAIは画像内に焼き込まれた数値・ラベル・凡例をOCRで読み取ります。逆に言えば、装飾フォント・極端な細字・低コントラスト・過剰圧縮で文字がつぶれている画像は、AIにとって「読めない画像」になります。図中の重要な数値ほど、太く・高コントラストで・素直なフォントで描くことが、そのままAEOの可読性に直結します。
4. 構造化データ（ImageObject Schema）
altやOCRが「画像から推定する」情報だとすれば、Schemaは「運用者が明示的に宣言する」情報です。ImageObjectで画像のURL・キャプション・作成者・ライセンスを構造化しておくと、AIや検索エンジンは画像をより確かなエンティティとして扱えます。詳細は後述します。
4要素を整理すると次のようになります。
| 要素 | AIが読む対象 | 最適化のポイント |
|---|---|---|
| alt・キャプション | 明示されたテキスト説明 | 図の「結論」を端的に。装飾キーワードを詰めない |
| 周辺テキスト | 画像を囲む本文・見出し | 図の主張を前後の文で言語化する |
| 画像内テキスト（OCR） | ピクセルに焼き込まれた文字 | 高コントラスト・太字・素直なフォントで可読化 |
| 構造化データ | ImageObject等の明示宣言 | caption・creditText・licenseまで埋める |
図表・チャート最適化——「見た目のグラフ」の横に「読めるデータテーブル」を必ず併記する
本記事で最も実践的なルールがこれです。視覚的に美しいグラフを1枚置くだけで終わらせず、その横（または直後）に、同じ数値を持つHTMLのデータテーブルを必ず併記する。
理由はシンプルです。グラフ画像はOCRで読み取れる場合もありますが、棒の高さや折れ線の傾きといった「視覚的に表現された量」を正確な数値として抽出するのは、AIにとって不確実な作業です。一方、HTMLのテーブルは構造化されたテキストなので、AIは行・列・数値を確実に読み取れます。つまり、グラフは人間の直感のため、テーブルはAI（と読み上げ環境）の正確な読み取りのためという二重化です。
これは、ネットワーク運用で「ダッシュボードのグラフ」と「生のメトリクス数値」を両方残しておくのと同じ発想です。グラフは傾向を一瞬で掴ませ、数値テーブルは機械が正確に処理できる。どちらか一方では情報が欠ける、という構造を視覚コンテンツにも適用します。
| 項目 | グラフ画像のみ | グラフ＋データテーブル併記 |
|---|---|---|
| 人間の直感的理解 | ○ 速い | ○ 速い |
| AIによる正確な数値抽出 | △ OCR依存・誤差あり | ◎ 構造化テキストとして確実 |
| 引用源としての採用されやすさ | 低い | 高い |
| アクセシビリティ（読み上げ） | 低い | 高い |
実装上は、チャートを画像で出すなら直後に同じ数値の表を置く。可能であれば、チャート自体をSVGや表ベースで描画し、テキストとして読める形にしておくとさらに堅牢です。
インフォグラフィック最適化——主要数値は「装飾文字」でなく「OCR可読な本文テキスト」で置く
インフォグラフィックは情報密度が高く、人間には魅力的ですが、AEOの観点では落とし穴が多い形式です。最大の問題は、主要な数値やキーメッセージが「デザインされた装飾文字」として画像に埋め込まれ、本文テキストにはどこにも存在しない状態になりがちなことです。
装飾の効いた巨大な数字（例：「導入企業の88%が…」を凝ったフォントで大きく配置）は、人間には刺さりますが、AIのOCRが確実に拾える保証はありません。対策は二段構えです。
- 画像内のテキストはOCR可読に： 装飾を効かせる主要数値ほど、高コントラスト・十分な太さ・素直な書体で描く。背景に文字を重ねるなら、文字の可読性を最優先する。
- 同じ情報を本文にも書く： インフォグラフィックで提示した主要な数値・結論は、必ず記事本文のテキストとしても記述する。「図に書いたから本文では省略」が最も危険なパターンです。
原則は明快です。「画像にしかない情報」を作らない。インフォグラフィックは本文の要約・視覚化であって、本文の代替ではない、と位置づけます。
ImageObject等のSchemaと画像サイトマップ
OCRと周辺テキストが「AIに推定させる」アプローチだとすれば、構造化データと画像サイトマップは「運用者が明示的に宣言する」アプローチです。両方を併用することで、視覚アセットを確かなエンティティとしてAI・検索エンジンに渡せます。
ImageObjectで宣言すべきプロパティ
多くのサイトは画像のURLだけを宣言して終わりにしていますが、ImageObjectは本来もっと豊かなプロパティを持ちます。最低限、contentUrl（画像ファイルのURL）に加えて、caption（説明）・name（ページ主題に沿った名前）・creditText（出典・自社名）・license（ライセンス）まで埋めると、画像が「素性の明確な一次資産」として扱われやすくなります。JSON-LDの最小例は次のとおりです。
<script type="application/ld+json">
{
"@context": "https://schema.org",
"@type": "ImageObject",
"contentUrl": "https://example.com/wp-content/uploads/2026/06/chart.png",
"url": "https://example.com/wp-content/uploads/2026/06/chart.png",
"caption": "2026年のAI導入率を業種別に比較した自作チャート",
"name": "業種別AI導入率の比較",
"creditText": "AI Guide Expert",
"license": "https://creativecommons.org/licenses/by/4.0/",
"width": 1200,
"height": 630
}
</script>WordPressでRank MathやYoastなどのSEOプラグインを使っている場合、アイキャッチ画像のURLは自動でSchemaに入りますが、caption・name・creditText・licenseは自動では埋まらないことが多い点に注意してください。引用源として効かせたい図には、手動でこれらを補うだけの価値があります。
画像サイトマップ
クロール対象としての画像を確実に拾わせるには、画像サイトマップ（または通常のXMLサイトマップに画像情報を含める形式）を用意します。重要な図解・チャートを多用するサイトほど、画像が発見されずに眠っている可能性があるため、サイトマップ経由で「ここに視覚アセットがある」と明示する効果は大きくなります。
「図そのもの」が引用される独自性・一次性
AIが画像を引用するかどうかを最終的に分けるのは、技術的な可読性だけではありません。その図が「他では手に入らない一次情報」かどうかです。どこかで見たことのあるストック画像や、汎用的なイメージカットは、AIにとって引用する動機が薄い。一方、自社が独自に集計したデータを可視化したチャートや、独自の分類フレームを図解したものは、その情報源がそのサイトにしか存在しないため、引用源として選ばれやすくなります。
- 自作データの可視化： 自社調査・実測値・独自集計をチャート化する。数値の出典（誰がいつ集計したか）を図と本文の両方に明記する。
- 独自フレームの図解： 既存の概念を独自の切り口で整理した図は、その整理自体が一次性を持つ。
- 出典の明示： creditTextやキャプションで「この図は誰が作ったか」を宣言し、引用時に帰属されやすくする。
技術的にAIが読める状態（OCR可読・テーブル併記・Schema宣言）を整えたうえで、中身が一次情報であること——この2つが揃って初めて、「図そのもの」が引用される視覚コンテンツになります。
効果測定と流入計測への接続
視覚コンテンツのAEO最適化も、効果を測れなければ改善できません。テキスト記事のAEOで使ってきた効果測定・流入計測の枠組みを、そのまま画像にも接続します。
具体的には、AI回答エンジン経由の流入（リファラやランディングの傾向）をモニタリングし、画像最適化を施した記事とそうでない記事で、引用・流入の差が出ているかを継続的に観測します。AEOの効果測定の考え方はAEOの効果測定ガイドで、AI経由の流入をどう捉えるかはAI流入の計測ガイドで詳しく扱っています。視覚コンテンツの最適化は、これらの計測レイヤーに「画像という新しい変数」を1つ足す作業だと捉えると、運用に乗せやすくなります。
また、本記事の視覚最適化は、図解資産を多く持つ既存記事すべてに横展開できます。たとえばAEOの比較コンテンツ最適化やAEOの料金ページ最適化では比較表やチャートが、AEOのFAQ最適化では図解が、それぞれ「AIに読める形」になっているかを点検する価値があります。なお、時間軸メディアであるYouTube動画のAEOや、コードブロックの構造化を扱う技術ブログのAEOは、本記事の「静止画・図表」とは別レイヤーなので、合わせて押さえると視覚・時間軸の両面をカバーできます。
視覚コンテンツAEOチェックリスト
| レイヤー | チェック項目 |
|---|---|
| alt・キャプション | altは図の結論を端的に書いているか。figcaptionで文脈を補っているか |
| 周辺テキスト | 図の前後に、図の主張を言語化した本文があるか |
| OCR可読性 | 図中の主要数値が高コントラスト・太字・素直な書体で読めるか |
| テーブル併記 | グラフ画像の横に同じ数値のHTMLテーブルがあるか |
| 本文への重複記載 | 画像にしかない数値・結論を作っていないか |
| ImageObject | caption・name・creditText・licenseまで埋めているか |
| 画像サイトマップ | 重要な図解がサイトマップで発見可能になっているか |
| 一次性 | その図は他にない一次情報（自作データ・独自フレーム）か |
| 計測接続 | 効果測定・流入計測のレイヤーに画像を変数として接続しているか |
よくある質問（Q&A）
Q1. altテキストをしっかり書けば、画像のAEOは十分ですか？
不十分です。altは4要素のうち1つにすぎません。2026年のマルチモーダルAIは、altに加えて画像のピクセルそのものをコンピュータビジョンで解析し、画像内の文字をOCRで読み取り、周辺テキストから文脈を補い、構造化データを参照します。altだけの最適化は、AIが見ている情報の1層しか満たしていない状態です。
Q2. グラフ画像の横にデータテーブルを併記するのは冗長では？
冗長ではなく、役割分担です。グラフは人間に傾向を直感的に伝えるため、HTMLのデータテーブルはAIや読み上げ環境が数値を正確に読み取るためにあります。グラフ画像からの数値抽出はOCR依存で誤差が生じやすい一方、テーブルは構造化テキストとして確実に読まれます。引用源として採用されやすくする最も効果的な一手です。
Q3. インフォグラフィックは作らないほうがいいのですか？
そうではありません。問題は「主要な情報が画像にしか存在しない」状態です。インフォグラフィックは本文の視覚化として有効ですが、（1）画像内のテキストをOCR可読に描く、（2）同じ数値・結論を本文にもテキストとして書く、の2点を守れば、人間にもAIにも届く資産になります。「画像にしかない情報」を作らないことが原則です。
Q4. ImageObject Schemaは本当に効果がありますか？
Schemaは直接の順位要因ではありませんが、画像を素性の明確なエンティティとしてAI・検索エンジンに渡す効果があります。多くのサイトが画像URLしか宣言していない現状では、caption・name・creditText・licenseまで埋めるだけで相対的な優位が生まれます。特に引用時の帰属（クレジット）を狙うなら、creditTextの宣言は有効です。
Q5. どんな画像から優先して最適化すべきですか？
一次性の高い図——自社が独自に集計したデータのチャートや、独自フレームを整理した図解から着手するのが効果的です。汎用的なストック画像は引用される動機が薄いため、限られた工数は「他にない情報を持つ図」に集中投下するのが合理的です。そのうえで、図解資産の多い既存記事（比較・料金・FAQなど）へ横展開していきます。
まとめ——テキスト中心のAEOに「視覚」の層を足す
これまでのAEOは、テキストと構造化データを最適化すれば届く、という前提で組み立てられてきました。しかし2026年、AI回答エンジンは画像を「見て」読みます。要点は3つです。
1. 画像はテキストの付録ではなく独立した情報源。 マルチモーダルAIはalt・周辺テキスト・画像内OCR・構造化データの4層から画像を読みます。altだけの最適化では1層しか満たせません。
2. 「画像にしかない情報」を作らない。 グラフには同じ数値のデータテーブルを併記し、インフォグラフィックの主要数値は本文にもテキストで書く。視覚は人間のため、構造化テキストはAIのため、と二重化します。
3. 技術的可読性と一次性をセットにする。 OCR可読・テーブル併記・ImageObject宣言で「AIに読める」状態を作り、自作データ可視化など「他にない一次情報」を中身に持たせる。この2つが揃って初めて、図そのものが引用されます。
テキストと構造化データだけでは届かない領域に、視覚コンテンツという新しいレイヤーを足す——これが、デザインへの投資をAIの引用に変えるための2026年のAEOの基本姿勢です。
参考リンク
免責事項： 本記事は2026年6月時点の公開情報および各標準仕様に基づく一般的な情報提供であり、特定のAI回答エンジンでの引用・表示を保証するものではありません。AI回答エンジンの挙動・仕様や構造化データの取り扱いは継続的に変化するため、最新情報は各公式ソース（Schema.org、各検索・AIプラットフォームの公式ドキュメント等）でご確認ください。実装は自社サイトの環境・運用方針に照らして検討してください。
コメント