知識ベースとLLMの関係
LLMのトレーニングデータには、Wikipedia、Wikidata、Common Crawlなどの大規模知識ベースが含まれています。これらの知識ベースに自社の正確な情報が掲載されていることは、LLMが自社を「認知」する前提条件です。
RAG（検索拡張生成）を使うAI検索においても、知識ベースは参照先の候補として高い優先度を持ちます。特にWikipediaは最も影響力のある知識ベースの一つです。
- Wikipediaの情報はLLMのトレーニングデータに直接含まれる
- WikidataはGoogleナレッジパネルの主要データソース
- 業界ディレクトリはRAGの参照先になりうる
- 知識ベースの情報は「事実」としてAIに認識されやすい
Wikipedia・Wikidataへの掲載
Wikipediaへの掲載はGEO/LLMOにおいて非常に大きな効果がありますが、Wikipediaには厳格な「特筆性」基準があります。自社の掲載可能性を正しく判断し、適切なアプローチを取ることが重要です。
- 特筆性の確認: 第三者による有意な報道・言及が複数あるか
- 自社記事の直接作成は避ける（利益相反に該当する）
- まず外部メディアでの露出を増やし、特筆性の根拠を作る
- Wikidataへの登録はWikipediaよりハードルが低い（構造化データの登録）
- 既存のWikipediaページに自社情報を追加する（関連セクションへの出典付き追記）
Wikipedia掲載を目標にする場合、まずは業界メディア3〜5媒体で取材記事を獲得することから始めよう
業界ディレクトリ・データベース
Wikipedia以外にも、業界固有のディレクトリやデータベースに登録することでGEO効果が得られます。
- Crunchbase（テック企業・スタートアップ向け）
- LinkedIn企業ページ（ビジネス全般）
- 業界団体の会員名簿・企業データベース
- 地域の商工会議所ディレクトリ
- Google Business Profile（ローカルビジネス）
- 専門家データベース（医師、弁護士、会計士等）
情報の一貫性管理
複数の知識ベースに登録する際、最も重要なのは情報の一貫性です。企業名、住所、連絡先、事業内容などがバラバラだと、AIが同一エンティティとして認識できません。
- 公式名称を統一する（株式会社○○、(株)○○、○○ Inc. 等の表記ゆれを排除）
- 住所・電話番号のフォーマットを統一する
- 事業説明・キャッチフレーズを統一する
- 変更があった場合、全プラットフォームを同時に更新する
- 定期的に掲載情報を棚卸しする
実践チェックリスト
- Wikidataに自社エンティティを登録する（未登録の場合）
- Wikipedia掲載の特筆性を評価し、掲載戦略を立てる
- 主要業界ディレクトリに登録する
- Google Business Profileの情報を最新化する
- 全プラットフォームの情報に一貫性があるか確認する
- 半年に1回、掲載情報の棚卸しを行う
よくある質問
Q. Wikipediaに自社の記事を自分で書いても良いですか？
Wikipediaでは利益相反に該当するため、推奨されません。自社について直接記事を作成・編集するのではなく、まず外部メディアでの露出を増やし、第三者が特筆性に基づいて記事を作成できる環境を整えましょう。
Q. 小さい会社でもWikidataに登録できますか？
はい。WikidataはWikipediaよりも登録のハードルが低く、法人登記がある企業であれば基本的に登録可能です。正確な情報（設立年、所在地、事業内容等）を構造化データとして登録しましょう。