要点： 検索は青いリンクからAIによる回答へと進化しました。しかし、すべてを通じて一貫したものがあります。それがKnowledge Graphです。この記事では、Sam Davisが、YextのKnowledge Graphが従来のリスティング、AI生成の検索、未来に向けた標準での可視性をサポートし、顧客が次にどこで検索しても英国のブランドが発見可能性を維持する方法について説明します。
検索は常に進化し続けています。
私は、情報、製品、サービスを検索する際に、カタログやイエローページをくまなく調べるしかなかった時代を覚えています。その後、検索エンジンが頭角を現し（Alta VistaやAsk Jeevesを覚えていますか？）、Googleは複数の青いリンクからマップパック、音声アシスタント、AIエージェントへと私たちを導いてきました。人々が情報を発見する方法は何度も変化を遂げてきました。しかしブランドにとって、ここで問うべき本当の質問は「 検索で何が変わったか 」ではありません。「 次にどんな変化が起こっても発見可能性を維持する方法とは？ 」なのです。
そこでKnowledge Graphが登場します。この機能は単なる検索戦略の一部ではなく、すべてをまとめるインフラストラクチャであり、
しばらくそうあり続けてきました。
過去：Listingsが発見可能性を強化し、Knowledge Graphがlistingsを強化しました
10年以上にわたり、検索発見はGoogleという1つの主要なプラットフォームを中心に展開してきました。これは、ウェブ全体で正確で、一貫したリスティングデータを持つことを意味しました。
Googleは、営業時間、場所、電話番号、サービスなどのビジネス情報を検証するために、データアグリゲータとパブリッシャーのネットワークに依存していました。そのデータが一貫でない場合や同期されていない場合、可視性が損なわれ信頼度が低下しました。
Knowledge Graphが重要だったのはそれが理由です。Knowledge Graphは、ブランドがビジネスデータを一元化し、Googleやその他のプラットフォームが必要とする形式で、必要な場所に公開するのを可能にしました。構造化され、一貫性があり、検証されたデータは検索可視性の基盤となりました。
複数の拠点を持つブランドで、数百（または数千）のエンティティにわたってこれらすべてを管理しようとしている場合、Knowledge Graphはそれに役立つだけでなく、それを可能にしました。つまり、従来の検索の時代に、Knowledge Graphはすでにブランドデータを構造化し、同期し、発見可能な状態に保つという大変な役目を買っていたのです。
現在：検索に重要なのは回答であり、構造が可視性を促進します
検索はリンクに限られたものではなくなりました。ユーザーはスクロールし、質問し、スワイプし、チャットして、どこにいても迅速で役立つ回答を期待しています。その体験はAIによってさらに強化されています。
AIには、コンテンツだけでなくコンテキストも解釈できるデータが必要です。
構造化され、ブランド管理されたデータが大きな違いを生むのはそこです。
Yextの最近の調査によると、AI引用の86%は、ChatGPT、Gemini、Perplexityの回答に含まれる情報源であり、ウェブサイト、リスト、レビュープラットフォームなどブランドがすでに管理している場所から収集されたものです。つまり、AIの可視性はランダムではありません。ブランドが影響を与えることができるものです。
それを可能にするのがKnowledge Graphです。
Knowledge Graphは、ビジネス情報（場所、営業時間、製品、サービス、よくある質問など）を機械が読み取り可能なエンティティに構造化することで、AIがデータを理解し、表示する準備が整っているのを確実にします。ウェブサイトのAI体験であろうと、GeminiやChatGPTなどのサードパーティモデルであろうと、Knowledge Graphはブランドの可視性を高める基盤となります。
未来：統合が検索の決め手となる
私たちは新たな段階に突入しています。AIモデルがただウェブを検索するのではなく、ブランドシステムと直接相互作用する段階です。
モデルコンテキストプロトコル（MCP）のような新しい標準は、これを正式化することを目的としています。MCPを使用すると、大規模言語モデル（LLM）が登録済みの機械可読エンドポイントから構造化データにアクセスできるようになり、AIは検証済みのビジネスロジック、リアルタイムインベントリ、分析ソース、場所固有のデータなどからデータを取得できます。
これがAIを活用した発見の未来です。
しかし、重要なのは、これはプラグアンドプレイではなく、インフラストラクチャが必要であるという点です。データは一元管理され、構造化され、統合の準備が整っている必要があります。
Knowledge Graphがすでに導入されていると、ゼロから始めるのではなく、すでに優位な位置から始めることができます。
1つのシステムで、あらゆる時代の検索に対応。
貴社が：
何百もの場所とパブリッシャーでリスティングを管理している
AI生成の回答でブランドが表示される方法を追跡している
MCPなどのプロトコルを通じて、信頼できる機械可読データをLLMに公開する準備をしているなら、
Yext Knowledge Graphという1つのプラットフォーム上で実行できます。
Yextを使用すると、営業時間、メニュー項目、保険適用範囲、FAQ、記事、ヘルプとサポートのコンテンツなどのブランド情報を構造化されたエンティティに変換し、検索が行われるあらゆる場所での可視性を高めることができます。
ファイアウォールの内側にあるアプリケーションを含む、従来の検索エンジンから新興のAIプラットフォームまで、Yext Knowledge Graphが貴社の基盤となります。
次のステップに備えていますか？Scoutから始めましょう。
Yext Scoutは、Knowledge Graphに構築されたブランド可視性エージェントです。ウェブサイト、チャット、デジタルチャネル全体で迅速かつ正確な回答を提供します。詳細についてはこちらをクリックしてください。
よくある質問：
1. 現代の検索におけるKnowledge Graphの役割とは？ Knowledge Graphは、場所、サービス、よくある質問などのブランドデータを機械が読み取り可能なエンティティに構造化します。この構造により、従来の検索エンジンとAIを活用したプラットフォーム（ChatGPTやGeminiなど）の両方で、情報が正確に表示されることが保証されます。
2. ブランドがAI生成検索結果で可視性を維持するためにYextが支援する方法とは？ Yextは、ブランドがデータを一元化し、構造化して、発見に備えることを支援します。最近の調査によると、AI引用の86%はウェブサイトやリスティングなどのブランドが管理する情報源から来ており、Yextはまさにこのようなデータの整理と公開を支援しています。
3. MCPとは何ですか？また、それはKnowledge Graphとどのように関連していますか？ モデルコンテキストプロトコル（MCP）は、AIモデルが信頼できるブランドシステムから構造化データを直接引き出せるようにする新しい標準です。Yext Knowledge Graphは、構造化されたエンティティデータをMCPサーバーに直接供給するために必要な完璧な基盤を提供します。これにより、データを大規模にAI対応させることができます。
4. マーケティング担当者が今行動すべき理由とは？ 検索は急速に変化しています。AI生成の回答が標準になりつつあり、MCPなどの新しい標準がすでに採用されています。今日、Knowledge Graphを中心とした構造化データに投資するブランドは、検索の次の時代で勝つための位置を確保しています。
