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
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。
| 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 |
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
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", ... }
}
| 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) |
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 |
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 |
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。
| 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 | 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 |
| 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 |
| 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 |
| 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 |
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
{
"$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"]
}
}
| 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