お問い合わせ

再生可能エネルギー業界では、AI検索を活用した情報収集が広がりつつあります。 「関東エリアで年間発電量500MWh以上の実績があるEPC業者」のような複合条件での検索に対して、AIは構造化された数値データを持つページを優先的に引用します。

この記事では、太陽光発電を中心とする再エネ事業者が、発電実績とEPC情報をGEO対応させるための具体的な手順を解説します。

再エネ業界の検索行動がAIでどう変わるか

太陽光発電の導入を検討する法人は、従来から「地域名 + 太陽光 + 容量」のような条件検索を行ってきました。 Google検索ではポータルサイトや一括見積もりサイトが上位を占め、個別のEPC事業者が直接見つかりにくい状況がありました。

AI検索では、ユーザーが「愛知県で産業用50kW以上の太陽光発電を設計・施工できるEPC業者を比較してください」のように自然言語で問い合わせます。 AIは複数のサイトから情報を収集し、施工実績・対応容量・地域などの条件で比較回答を生成します。

このとき、施工実績や対応スペックが数値として構造化されているページが引用されやすくなります。 「多数の実績があります」のような曖昧な表現では、AIが比較回答に含めるための情報として不十分です。

発電実績データの構造化

再エネ事業者のGEO対策で最初に取り組むべきは、発電実績データの構造化です。 施工実績や発電実績は、数値とともに条件を明記することが重要です。

実績ページに記載すべき項目

各案件の実績ページには、以下の情報を機械可読な形式で記述します。

「設置容量120kW、年間発電量145MWh（2023年4月〜2024年3月実測値）、設備利用率13.8%」のように、数値と計測条件をセットで記述します。

実績一覧のテーブル化

施工実績を一覧表として掲載する場合、HTMLの<table>タグを使い、ヘッダーを<th>で明示します。

案件名所在地設置容量年間発電量設備利用率竣工年月
A工場屋根愛知県豊田市120kW145MWh13.8%2023年9月
B物流倉庫埼玉県久喜市350kW410MWh13.4%2024年2月

AIはテーブル形式のデータを比較回答に直接取り込みやすいため、一覧表の整備は優先度が高い施策です。

EPC情報のJSON-LD構造化

EPC事業者の情報は、Organization schemaとService schemaを組み合わせて構造化します。

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "サンプルソーラー株式会社",
  "areaServed": [
    {
      "@type": "State",
      "name": "愛知県"
    },
    {
      "@type": "State",
      "name": "静岡県"
    }
  ],
  "hasCredential": [
    {
      "@type": "EducationalOccupationalCredential",
      "credentialCategory": "建設業許可",
      "name": "電気工事業 愛知県知事許可（般-5）第XXXXX号"
    }
  ],
  "makesOffer": {
    "@type": "Offer",
    "itemOffered": {
      "@type": "Service",
      "name": "産業用太陽光発電 EPC",
      "description": "設計・調達・施工の一貫対応。10kW〜2MW規模に対応。",
      "additionalProperty": [
        {
          "@type": "PropertyValue",
          "name": "対応容量範囲",
          "minValue": "10",
          "maxValue": "2000",
          "unitText": "kW"
        },
        {
          "@type": "PropertyValue",
          "name": "累計施工容量",
          "value": "15",
          "unitText": "MW"
        }
      ]
    }
  }
}

areaServedで対応地域、hasCredentialで許認可情報、makesOfferで提供サービスの詳細を記述します。 AI検索で「愛知県の産業用太陽光EPC業者」と質問されたとき、この構造化データが引用の根拠になります。

発電シミュレーションと比較コンテンツ

再エネ分野では「太陽光とその他の電源を比較してください」「地域ごとの発電量の差はどの程度ですか」のような比較クエリが多く発生します。

地域別の発電量データ

NEDO日射量データベースなどの公的データを引用しながら、地域別の年間予想発電量を記述します。 数値には必ず算出条件（傾斜角、方位角、システム損失率など）を添えます。

出典：NEDO日射量データベース（MONSOLA-20）に基づく推計値

パネル種別の比較

結晶シリコン系、CIS系、ペロブスカイトなどのパネル種別ごとに、変換効率・温度特性・コスト感を比較するコンテンツも有効です。 条件と推奨の対応関係を明示する構成にします。

許認可・認定情報の明示

再エネ事業者にとって、許認可情報は信頼性の根幹です。 以下の情報をWebサイト上で明示し、構造化データにも反映します。

Aggarwal et al.（2023）の研究が示すように、GEOでは出典と根拠の明示が引用率に寄与します。 許認可情報は「根拠」そのものであり、AIが回答を生成する際の信頼性判定に直接影響します。

O&M（運用・保守）情報のコンテンツ化

太陽光発電の導入後のO&M（運用・保守）に関する検索は増加傾向にあります。 「太陽光発電のO&Mで何を確認すべきか」「パワーコンディショナーの交換時期の目安」といったクエリに対して、具体的な数値を含む回答コンテンツを整備します。

O&Mコンテンツに含めるべき情報

こうした数値データを段落ごとに独立したトピックとして記述することで、AIのRetrieverが適切なパッセージを取得できます（Gao et al., 2024）。

クローラー対応とサイト技術要件

robots.txtの設定

AI検索のクローラー（GPTBot、PerplexityBot、ClaudeBot、GoogleOther-Extended）が施工実績ページや技術コンテンツにアクセスできることを確認します。 施工事例が会員限定コンテンツになっている場合、基本的な実績データだけでもパブリックページとして公開することを検討します。

サイトマップの整備

施工実績が多い場合、地域別・年度別にXMLサイトマップを分割します。 各ページの<lastmod>を正確に記録し、実績データの更新をクローラーに伝えます。

レンダリング方式の確認

発電量のグラフやシミュレーション結果をJavaScriptで動的に表示している場合、SSR / SSGでHTMLとして出力されている状態を確保します。 クライアントサイドレンダリングのみでは、AIクローラーがデータを取得できない可能性があります。

実装ロードマップ——3か月で始めるGEO対策

月1：現状把握と基盤整備

月2：コンテンツ整備

月3：計測と改善

まとめ

太陽光・再エネ事業者のGEO対策は、発電実績データの構造化とEPC情報のJSON-LD実装から始まります。 施工容量・発電量・設備利用率などの数値を計測条件とともに明示し、許認可情報を構造化データに反映させることが基本です。

再エネ業界は数値データが豊富な業界です。 この特性は、定量的な根拠と出典の明示を重視するGEOの評価基準と相性がよいといえます。 まずは主要施工実績のOrganization / Service schema実装から着手し、3か月で基盤を整えることを推奨します。

参考文献