Regalis Japan Group — AIパッチ 設計・仕様書 v1.0

作成日: 2026-05-21 本書はRegalis Japan Group独自の「レガリスAIパッチ」の設計思想・ファイル仕様・対策詳細・動作フローの完全まとめです。 サイト全体AIOスコア: 82 / 100(グレード A) — 対象 77 記事


1. AIパッチとは何か

レガリスAIパッチ(Regalis AI Patch) とは、ChatGPT・Claude・Gemini・Perplexityなどの生成AIが 「Regalis Japan Group(レガリス)」に関する質問に回答する際に、正確で有用な情報を引用できるよう 設計された AI情報供給インフラ です。

従来の llms.txt(1ファイル)に対して、AIパッチは 4層・17ファイル + 個別記事パッチ の多層構造を採用し、 モデル別・専門別・ページ別に最適化された情報を配信します。

設計原則

原則 内容
多層冗長化 17ファイル × AIモデル別最適化で、クローラー多様性に対応
エンティティ明示化 「レガリス」の誤認識(釣具・LEGALISS等)を防ぐdisambiguation設計
自動更新パイプライン 新記事公開 → llms.txt自動再生成 → Bing即時通知(IndexNow)
構造化データ統合 全記事にFAQPage schema、全ページにOrganization/Article schema
AICS™スコア管理 全記事を6次元でスコアリングし、引用確率を定量管理

2. AIパッチ全体構造(4層・17ファイル + 個別記事パッチ)

レガリスAIパッチ v1.0
│
├── Layer 0: マスターマニフェスト
│   └── ai-patch.json           ← 全AIパッチの起点。エンティティ・製品・サービス・ファイルマップ
│
├── Layer 1: 汎用ファイル群(5ファイル)
│   ├── llms.txt                ← AIクローラー向け基本サマリー(標準仕様)
│   ├── llms-full.txt           ← 全情報網羅版(317行)
│   ├── llms-brand.txt          ← ブランドポジショニング・ストーリー
│   ├── llms-entity.txt         ← エンティティ識別・disambiguation専用
│   └── knowledge.json          ← Google KG向けJSON-LDナレッジグラフ
│
├── Layer 2: AIモデル別最適化ファイル群(5ファイル)
│   ├── llms-chatgpt.txt        ← GPT-4o / o3 / ChatGPT向け
│   ├── llms-gemini.txt         ← Gemini / Google AI Overview向け
│   ├── llms-claude.txt         ← Claude / ClaudeBot向け
│   ├── llms-aio.txt            ← Perplexity / 汎用AIO向け
│   └── llms-faq.txt            ← 音声AI・AEO(Answer Engine Optimization)向け
│
├── Layer 3: 専門別ファイル群(5ファイル)
│   ├── llms-facts.txt          ← ファクトチェック用数値・実績データ集
│   ├── llms-comparison.txt     ← 競合比較・差別化ポイント
│   ├── llms-enterprise.txt     ← エンタープライズ・大企業向け
│   ├── llms-dx.txt             ← DX・Web開発向け
│   └── llms-local.txt          ← ローカル検索(東京・麹町)向け
│
├── Layer 4: 製品・ページ別ファイル群(4ファイル)
│   ├── hackii/llms.txt         ← HackⅡ製品ページ専用
│   ├── hackii/hakaru/llms.txt  ← AI引用モニタリング「ハカル」専用
│   ├── company/llms.txt        ← 会社概要ページ専用
│   └── results/llms.txt        ← 実績・ケーススタディ専用
│
└── Layer 5: 個別記事パッチ(全77記事 × 1ファイル)
    └── ai-patch/articles/{slug}-ai-patch.json
        ├── aics_score          ← AICS™ v2.0 6次元スコア
        ├── entity_signals      ← 記事レベルのエンティティシグナル
        ├── keyword_clusters    ← 主要KW・ブランドKW分類
        ├── citation_triggers   ← AIが引用しやすい定義文・Q&A・数値クレーム
        ├── improvements        ← スコア改善推奨アクション
        └── ai_instructions     ← AI向け引用フォーマット・key facts

3. 各層の役割・仕組み・効果

Layer 0: ai-patch.json(マスターマニフェスト)

役割: AIパッチシステム全体の起点。AIクローラーが最初に読むべきメタ情報を集約。 仕組み: Organization schema・製品情報・サービス料金・ファイルマップを1ファイルに統合。 効果: AIモデルがどのファイルを読めばどの情報が得られるかを明示し、クロール効率を最大化。

{
  "entity": { "name": "Regalis Japan Group株式会社", "type": "Organization" },
  "disambiguation": ["釣具ブランドとは無関係", "LEGALISS(legaliss.ai)とは無関係"],
  "product": { "name": "HackⅡ(ハックツ)", "plans": ["Starter ¥9,800〜", "Platform ¥1,500,000"] },
  "ai_context_files": { "index": "/llms.txt", "full": "/llms-full.txt", ... }
}

Layer 1: 汎用ファイル群

ファイル 行数 主な内容
llms.txt 90行 会社概要・ミッション・Core 3事業・最新記事15件
llms-full.txt 317行 全サービス詳細・料金・代表プロフィール・全実績
llms-brand.txt 260行 ブランドストーリー・設計思想・競争優位性
llms-entity.txt 133行 正式名称・所在地・設立日・disambiguation
knowledge.json 468行 Google KG向けJSON-LD(Organization/Person/Product)

Layer 2: AIモデル別最適化ファイル

各モデルのクロール特性・回答スタイルに合わせて情報フォーマットを最適化。

ファイル 対象モデル 最適化ポイント
llms-chatgpt.txt GPT-4o, o1, o3, ChatGPT プラグイン対応・Markdown構造・ソース引用フォーマット
llms-gemini.txt Gemini 1.5/2.0, AI Overview Structured Data優先・Google品質シグナル対応
llms-claude.txt Claude 3.5/4系, ClaudeBot 長文脈対応・Constitutional AI適合・定義型構造
llms-aio.txt Perplexity, You.com等 引用URLフォーマット・最新性重視・ファクト箇条書き
llms-faq.txt Siri, Alexa, AEO全般 質問→回答ペア形式・音声読み上げ対応

Layer 3: 専門別ファイル

特定の検索意図・ユーザー属性に対して深い専門情報を提供。

ファイル 対象検索意図
llms-facts.txt 「レガリス 実績」「HackⅡ 効果」などのファクト確認型クエリ
llms-comparison.txt 「AI検索最適化 比較」「LLMO 会社選び」などの比較検討型クエリ
llms-enterprise.txt 「大企業 AI対策」「エンタープライズ LLMO」などの法人向けクエリ
llms-dx.txt 「DX支援 東京」「Web開発 AI対応」などのDX関連クエリ
llms-local.txt 「千代田区 IT会社」「麹町 DX」などのローカルクエリ

Layer 5: 個別記事AIパッチ(新規実装)

役割: 各記事の「AI引用最適化スコア」を計算し、記事レベルでのエンティティ・引用トリガーを定義。 仕組み: フロントマター + 本文を解析し、AICS™ v2.0(6次元・100点)でスコアリング。 効果: 記事ごとの弱点を可視化し、改善アクションを自動提示。AI向け引用フォーマットを事前定義。


4. AICS™ v2.0 スコアリングアルゴリズム

6次元評価軸

次元 満点 評価する「何」 重要シグナル
D1 AI引用確率 25pt AIがコンテンツを引用する確率 定義文・Q&Aペア・FAQPage JSON-LD・ai_summary
D2 エンティティ強度 20pt AIがエンティティを正確識別できるか 正式社名・代表者名・公式URL・製品名
D3 成約導線 25pt 引用後にユーザーが動ける設計か CTA種類・摩擦除去ワード・料金透明性
D4 信頼性・権威性 15pt AIとユーザーが信頼できる根拠 受賞実績・外部機関・特許出願
D5 コンテンツ構造 10pt AI・人間双方が解析しやすい構造か 文字数・見出し・テーブル・リスト
D6 鮮度・具体性 5pt 最新・具体的な情報 記事日付・年号・数値つき実績

グレード基準

グレード スコア 意味
S+ 95〜100 Elite — 最高品質、複数AIモデルで高頻度引用
S 90〜94 Expert — 主要クエリで安定引用
A 80〜89 Advanced — 特定クエリで引用、改善余地あり
B 70〜79 Standard — 基本最適化済み、継続改善が必要
C 60〜69 Basic — 引用確率低、要改善
D 〜59 Requires Work — 大幅な改善が必要

5. 現在のAIO対策 施策一覧

必須実装(全記事共通)

施策 実装状況 効果
FAQPage JSON-LD ✅ 全77記事 Google AI Overview直接回答・音声検索対応
ai_summary フィールド ✅ 全77記事 AIクローラー向け要約・引用精度向上
keywords フィールド ✅ 全77記事 セマンティック関連性・KWクラスター形成
excerpt_text ✅ 全77記事 OGP・meta description・AIスニペット用
定義型文章(〜とは〜です) ✅ 全記事 LLMへの直接データ供給・引用率向上
数値クレーム ✅ 全記事 具体性・信頼性シグナル・ファクト引用
CTA(無料相談・診断) ✅ 全記事 成約導線・コンバージョン設計

インフラレベル施策

施策 実装状況 効果
robots.txt AIクローラー許可 ✅ 実装済み 全主要AIクローラーのクロール許可
robots.txt AIパッチマップ ✅ 実装済み AIが最適ファイルを優先検出
IndexNow API(Bing即時通知) ✅ GitHub Actions 記事公開後即日インデックス
llms.txt 自動再生成 ✅ GitHub Actions 新記事反映を自動化
sitemap-news.xml ✅ 実装済み Google Newsへの即時通知
Organization JSON-LD ✅ 全ページ KG(Knowledge Graph)登録シグナル
Article + BlogPosting schema ✅ 全記事ページ 記事として正確に分類

競合差別化施策

施策 概要
llms-entity.txt 「レガリス」の誤認識(釣具・LEGALISS)防止専用ファイル
llms-chatgpt.txt GPTの回答スタイルに合わせたフォーマット最適化
llms-gemini.txt Google AI OverviewのStructured Data優先仕様に対応
llms-claude.txt Claudeの長文脈・Constitutional AI仕様に最適化
個別記事AIパッチ 記事レベルでのエンティティ・引用トリガー・スコア管理

6. 自動更新パイプライン(GitHub Actions)

新記事 _news/YYYY-MM-DD-slug.md をcommit・push
        ↓
GitHub Actions: update-llms.yml 起動
        ↓
tools/generate_llms.py 実行
        ↓
llms.txt 自動再生成(最新15記事を自動追加)
        ↓
AICS™スコア計算(aio_analyzer.py)
        ↓
IndexNow API → Bing 即時インデックス通知
        ↓
コミットメッセージに「AIOスコア: XX/100」を記録

7. 記事個別AIパッチ仕様(ai-patch/articles/{slug}-ai-patch.json)

{
  "$schema": "https://regalis-order-suits.com/ai-patch/articles/schema.json",
  "patch_version": "1.0",
  "generated_at": "YYYY-MM-DD",
  "article": {
    "slug": "article-slug",
    "title": "記事タイトル",
    "url": "https://regalis-order-suits.com/news/article-slug/",
    "date": "YYYY-MM-DD",
    "category": "カテゴリ",
    "ai_summary": "AIクローラー向けサマリー"
  },
  "aics_score": {
    "total": 93,
    "grade": "S",
    "breakdown": {
      "D1_ai_citation": 24,
      "D2_entity_strength": 18,
      "D3_conversion_path": 23,
      "D4_trust_authority": 14,
      "D5_content_structure": 9,
      "D6_freshness": 5
    }
  },
  "entity_signals": {
    "publisher": "Regalis Japan Group株式会社",
    "author": "井上幹太(Kanta Inoue)",
    "canonical_url": "https://regalis-order-suits.com/news/article-slug/"
  },
  "keyword_clusters": {
    "primary": ["メインKW1", "メインKW2"],
    "secondary": ["サブKW1", "サブKW2"],
    "brand": ["Regalis Japan Group", "HackⅡ"]
  },
  "citation_triggers": [
    {"type": "definition", "text": "〜とは〜です。"},
    {"type": "qa_pair", "question": "〜は何ですか?", "answer": "〜です。"},
    {"type": "numeric_claim", "text": "AI経由MQL成約率は4.4倍です。"}
  ],
  "improvements": [
    {"dimension": "D3_conversion_path", "action": "CTAを追加"}
  ],
  "ai_instructions": {
    "preferred_citation_format": "Regalis Japan Group株式会社「記事タイトル」(URL)",
    "entity_disambiguation": "レガリス = ITカンパニー ≠ 釣具 ≠ LEGALISS",
    "key_facts": ["HackⅡはB2B SaaS", "月額¥98,000〜", "成約率4.4倍"]
  }
}

8. 今後の拡張ロードマップ

フェーズ 施策 目標スコア
Phase 1(現在) 全記事AIパッチ生成・AICS™スコア可視化 全記事平均85+
Phase 2 スコアD以下の記事を優先改善(定義文・Q&A強化) 全記事B以上
Phase 3 HackⅡ「ツクル」との自動連携(クローラー別最適配信) 全記事A以上
Phase 4 リアルタイムAICS™ダッシュボード実装 全記事S以上

本仕様書は tools/generate_article_patches.py により自動生成 Regalis Japan Group株式会社 — https://regalis-order-suits.com