結論・概要

「渋谷でランチするならどこがいい？」「子連れで行けるイタリアンは？」——こうした質問を、PerplexityやChatGPTに投げかける人が急増しています。飲食店の場合、**「今すぐ食べたい」**という即時意思決定が多いため、AIのおすすめリストに載るかどうかが来店数に直結します。

本記事では、飲食店がAIに「おすすめ」として表示されるための3つの原則を、専門用語を避けながら解説します。

この記事でわかること

  • 飲食店にAEO（AI検索対策）が必要な理由
  • 3つの原則：Entity Clarity / Local Presence / Social Proof
  • メニュー情報のテキスト化の方法
  • シーン別LP（デート・ランチ等）の作り方

3行サマリー

  1. AIは「何の店か・どこにあるか・評価はどうか」で判断する
  2. 画像メニュー・営業時間の不一致は致命的
  3. まずRestaurant SchemaとGBP口コミ返信から始める

用語の整理

用語意味
AEOAI（ChatGPT等）の回答に自店を出してもらうための対策
Entity ClarityAIに「何の店か」を明確に伝えること
Local PresenceGoogleマップ等で「どこにあるか」を正確に示すこと
Social Proof口コミ・評価など「お客様の声」で信頼性を示すこと
Restaurant SchemaAIが読める形式で「これはレストランです」と宣言する仕組み
GBPGoogle Business Profile。Googleマップの店舗情報

01背景・課題 — なぜ「Googleマップに載ってる」だけでは足りないのか

飲食店特有の「今すぐ」ニーズ

ホテルと違い、飲食店は**「今から1時間以内に食べたい」**という即時性の高い検索が多いです。

  • 「渋谷 今から行ける ランチ」
  • 「新宿 子連れ イタリアン 予約なし」
  • 「Best ramen near Shibuya station」

AIは営業時間の正確性とGBP情報の鮮度を重視します。定休日や臨時休業がGBPと公式サイトで不一致だと、「営業中か不明」と判断され、競合店舗を優先的に推薦します。

よくある問題

問題具体例AIへの影響
メニューが画像だけPDFやJPEGのメニュー表料理名・価格を読み取れない
営業時間が不正確GBPと公式サイトで違う「営業中か不明」と判断
口コミ未返信口コミに返信していない「アクティブでない店」と判断
Restaurant Schema未実装構造化データがない「何の店か」判断できない

[DATA] エビデンス — 出典: BrightLocal Local Consumer Review Survey 2024

  • 消費者の87%がGoogle口コミを最も信頼する情報源と回答

02原則1：Entity Clarity — AIに「何の店か」を伝える

これは何か

Entity Clarity（エンティティの明確さ）とは、AIに「この店はイタリアンレストランで、渋谷にあり、17:00–23:00営業」とはっきり伝えることです。

やること：Restaurant Schemaの実装

Schema.org/Restaurantという共通フォーマットで、次の情報をWebページに書き添えます。

  • 店名（name）
  • 料理ジャンル（servesCuisine：Italian, Japanese等）
  • 住所（address）
  • 営業時間（openingHoursSpecification）
  • 電話番号（telephone）
  • 予約URL（acceptsReservations）

詳しいコード例は構造化データ完全ガイドを参照してください。

メニューのテキスト化

画像やPDFのメニューはAIに読めません。 料理名・価格・主要アレルゲン情報をHTMLテキストで公開してください。

NGOK
メニュー表のJPEG画像HTMLテーブルで料理名・価格を記載
PDFメニューのダウンロードリンクのみページ内にテキストでメニュー一覧
「詳しくは店頭で」「黒毛和牛ステーキ 3,800円（税込）」

POS（レジシステム）連携でメニュー情報を自動構造化する事例も増えています（例: Toast）。

03原則2：Local Presence — Googleマップを正確に整える

これは何か

**Local Presence（ローカル存在感）**とは、Googleマップ（GBP）で「どこにあるか・今営業中か」を正確に示すことです。

GBPで整える項目

項目推奨AIへの影響
写真料理・内装・外観を定期更新視覚情報の引用源
営業時間祝日・臨時休業も即時更新「営業中」判定
口コミ返信全件返信（返信率90%以上）信頼性スコア向上
カテゴリ正確な業種カテゴリを設定検索マッチ精度

OpenTable（米国）はRestaurant SolutionsでSchema自動生成・GBP連携を店舗向けに提供。予約プラットフォーム経由で店舗情報の構造化を支援しています。

04原則3：Social Proof — 口コミと評価で信頼性を示す

これは何か

**Social Proof（社会的証明）**とは、口コミ・星評価・返信内容で「お客様から評価されている店」であることを示すことです。

BrightLocal 2024調査では、87%の消費者がGoogle口コミを最も信頼する情報源と回答。AIも星評価・口コミ件数・返信の有無を信頼性判断の材料にします。

口コミ返信のポイント

  • 返信率90%以上を目標
  • 5★には具体的メニュー名を入れて感謝
  • 1〜2★には謝罪 + 具体的改善策（言い訳禁止）

詳しくはGoogleマップ口コミ返信戦略を参照。

05シーン別LP — 「デート」「ランチ」で検索される

Perplexityの複合クエリ（「渋谷 デート イタリアン」）で引用されやすくするには、シーン別のランディングページを作ります。

シーンページ例載せるFAQ
デート/date個室は？コース料理は？
ランチ/lunchセット価格帯は？ランチタイムは？
テイクアウト/takeout注文方法は？配達エリアは？

各ページにFAQPage Schemaを実装すると、AIがQ&A形式で直接引用しやすくなります。

06国際成功事例

OpenTable（米国）— Schema自動生成・GBP連携・口コミ管理を店舗向けに一括提供。予約可能レストランの情報整備を支援。

Toast（POS）— POS連携でメニュー情報のデジタル化・構造化を支援。POS→Schema→検索可視性のパイプライン構築事例が増加。

Noma（コペンハーゲン）— 英語FAQ・詳細メニュー説明・予約ポリシーを整備。「世界最高のレストラン」等のクエリで引用される好例。

073ヶ月ロードマップ

月着手する対策期待できる効果
1ヶ月目Restaurant Schema + GBP口コミ全件返信AIが店舗情報を認識
2ヶ月目メニューテキスト化 + シーン別LP 3ページ複合クエリで引用されやすく
3ヶ月目FAQ 10問 + FAQPage Schema + llms.txt引用率の底上げ

08実装チェックリスト

  • Restaurant Schema（JSON-LD）をトップページに実装
  • メニューをHTMLテキスト化（画像PDFだけにしない）
  • GBPの写真・営業時間・口コミ返信を継続更新
  • シーン別LP（デート・ランチ等）を3ページ以上作成
  • FAQ 10問 + FAQPage Schema
  • llms.txt設置

09取るべきアクション

  1. 現状把握（15分） — 無料AEO診断で自店の42項目スコアを確認する。
  2. 1週間目 — Restaurant Schemaを実装し、未返信の口コミをすべて返信する。
  3. 1ヶ月目 — メニューをHTMLテキスト化、GBPの営業時間を最新に更新する。
  4. 3ヶ月目 — シーン別LP 3ページ + FAQ 10問 + llms.txtまで完了する。

参考文献

本記事はAEO総研編集部が公開情報をもとに執筆しました。