お問い合わせ

データセンター選定において、AI検索の影響力が増しています。 「東京 データセンター Tier III」「PUE 1.3以下 国内DC」といったクエリに対して、ChatGPTやPerplexityが回答を生成するとき、自社施設の情報が含まれるかどうかは商談の入口に関わります。

データセンター事業者のWebサイトには、AIが情報を取得しにくい特有の問題があります。 スペック情報がPDFの設備仕様書にしかない、立地情報がGoogleマップの埋め込みだけ、ティア認証やPUEの数値がプレスリリースの中に埋もれているといった状態です。

この記事では、データセンター事業者が取り組むべきGEO対策を、設備スペックの構造化から立地情報の設計、環境指標の公開方法まで解説します。

データセンターサイトがAI検索で不利になる要因

データセンター事業者のサイトは、物理設備の情報をデジタル上で正確に伝えることが求められます。 しかし、多くのサイトでは以下の構造的な問題を抱えています。

電力容量、空調方式、ネットワーク接続性といった定量スペックが、PDF形式の設備仕様書でしか公開されていません。 AIクローラーはPDFも処理できますが、HTMLページに比べて情報の抽出精度は下がります。

立地に関しては「都心部から○分」「主要IXに近接」といった表現が多く、具体的な住所や接続先IXの名称が明記されていないケースが見られます。 AIが「大手町IX直結のデータセンター」というクエリに回答するには、具体的な接続情報が必要です。

施設情報のJSON-LD設計

データセンターの基本情報は、Place schemaとOrganization schemaを組み合わせて構造化します。

{
  "@context": "https://schema.org",
  "@type": "Place",
  "name": "○○データセンター 東京第1",
  "description": "Tier III認証取得、総床面積5,000㎡、受電容量20MW。PUE年間平均1.28。",
  "address": {
    "@type": "PostalAddress",
    "addressLocality": "東京都",
    "addressRegion": "東京都",
    "addressCountry": "JP"
  },
  "geo": {
    "@type": "GeoCoordinates",
    "latitude": "35.6762",
    "longitude": "139.6503"
  },
  "amenityFeature": [
    {
      "@type": "LocationFeatureSpecification",
      "name": "ティア認証",
      "value": "Tier III (Design & Facility)"
    },
    {
      "@type": "LocationFeatureSpecification",
      "name": "PUE年間平均",
      "value": "1.28"
    },
    {
      "@type": "LocationFeatureSpecification",
      "name": "受電容量",
      "value": "20MW"
    },
    {
      "@type": "LocationFeatureSpecification",
      "name": "総床面積",
      "value": "5,000㎡"
    }
  ],
  "isAccessibleForFree": false
}

amenityFeatureを使うことで、データセンター固有のスペックをキーバリュー形式で構造化できます。 Uptime Instituteのティア認証レベル、PUE実績値、受電容量、ラック数、総床面積など、選定時に比較される主要指標をすべて含めてください。

立地とネットワーク接続性の情報設計

データセンター選定では、立地とネットワーク接続性が重要な判断基準です。 AIが「東京 キャリアニュートラル データセンター」のようなクエリに回答できるよう、以下の情報をHTML本文で明記します。

災害リスク。 ハザードマップ上の位置づけ（洪水浸水想定区域外、液状化リスク低など）を具体的に記述します。 「首都直下地震の想定震度6弱エリアに位置し、免震構造を採用」のような記述は、AIにとって引用しやすい情報です。

ネットワーク接続。 接続先IX（JPIX、JPNAP、BBIXなど）、接続キャリア数、提供帯域をリスト化します。 「国内主要IX 3拠点に直結、接続キャリア数15社以上」のように、具体的な数値を含めてください。

アクセス。 最寄り駅からの所要時間、主要空港からの所要時間を記載します。 運用担当者の現地訪問が必要な場合に比較される情報です。

立地情報はHTMLの<table>要素でまとめることで、AIが表形式で取得しやすくなります。

<table>
  <thead>
    <tr><th>項目</th><th>仕様</th></tr>
  </thead>
  <tbody>
    <tr><td>所在地</td><td>東京都内</td></tr>
    <tr><td>耐震等級</td><td>新耐震基準適合・免震構造</td></tr>
    <tr><td>浸水リスク</td><td>洪水浸水想定区域外</td></tr>
    <tr><td>接続IX</td><td>JPIX / JPNAP / BBIX</td></tr>
    <tr><td>接続キャリア</td><td>15社以上</td></tr>
    <tr><td>最寄り駅</td><td>○○駅 徒歩10分</td></tr>
  </tbody>
</table>

PUEと環境指標の公開方法

データセンターの環境性能は、選定基準として重要度が増しています。 「PUEが低いデータセンター」「再エネ比率が高いDC」といったクエリに対応するために、環境指標を構造化して公開します。

公開すべき環境指標は以下です。

PUE（Power Usage Effectiveness）の年間平均値と測定方法。 The Green Grid（2012）の定義に基づき、カテゴリ（PUE Category 1〜3）を明記すると、AIが比較可能な形で引用できます。

再生可能エネルギー比率。 「電力調達の40%を再エネ証書で賄っている」のような具体的な数値と方法を記載します。

CO2排出量またはカーボンニュートラルへの取り組み状況。 「2030年までにScope 1・2のカーボンニュートラルを目標」のように、期限と範囲を明示します。

環境指標のページにはArticle schemaを適用し、dateModifiedを設定して情報の鮮度を示します。 PUEは季節変動するため、「2025年度年間平均値。四半期ごとに更新」のように更新頻度を明記してください。

サービスメニューの構造化

コロケーション、マネージドホスティング、クラウド接続といったサービスメニューは、Service schemaで構造化します。

{
  "@context": "https://schema.org",
  "@type": "Service",
  "name": "コロケーションサービス",
  "provider": {
    "@type": "Organization",
    "name": "企業名"
  },
  "description": "1ラック単位から契約可能。電力密度最大15kW/ラック、N+1冗長空調。",
  "offers": {
    "@type": "Offer",
    "priceCurrency": "JPY",
    "price": "150000",
    "priceSpecification": {
      "@type": "UnitPriceSpecification",
      "price": "150000",
      "priceCurrency": "JPY",
      "unitText": "月額/ラック"
    }
  },
  "areaServed": "JP",
  "serviceType": "Colocation"
}

料金を公開できる場合は、ラック単価や電力単価の目安を記載します。 「フルラック月額15万円〜（電力・冷却込み）」のような記載は、AIが料金比較クエリに回答する際に引用されやすくなります。

robots.txtの設計

データセンター事業者は、セキュリティ上の理由からサイト全体をクロール制限しているケースがあります。 しかし、公開情報であるサービス紹介・施設概要・環境指標まで制限することは、AI検索での機会損失です。

User-agent: GPTBot
Allow: /facilities/
Allow: /services/
Allow: /sustainability/
Allow: /blog/
Disallow: /customer-portal/
Disallow: /monitoring/

User-agent: Google-Extended
Allow: /facilities/
Allow: /services/
Allow: /sustainability/
Allow: /blog/

施設の物理セキュリティ情報（警備体制の詳細、入退室管理の具体的な仕組みなど）はクロール対象から除外し、選定に必要なスペック情報は許可する設計が適切です。

比較・選定コンテンツの作成

データセンター選定を支援するコンテンツは、AI検索で引用されやすい資産です。 以下のテーマでブログやナレッジページを作成することを検討してください。

データセンター選定時のチェックリスト（ティア、PUE、接続性、契約条件など）。 コロケーションとクラウドの使い分け判断基準。 ティア認証の各レベルの違いと選び方。

これらのコンテンツはFAQPage schemaやHowTo schemaで構造化し、選定プロセスにおける自社の専門性をAIに示します。

実装ロードマップ

フェーズ1：基盤整備（1〜2週間）。 Place schemaの実装、主要スペック情報のHTML化、robots.txtの見直し。

フェーズ2：コンテンツ整備（2〜4週間）。 施設ごとのスペックページ作成、環境指標ページの公開、Service schemaの実装。

フェーズ3：継続運用（四半期）。 PUE実績値の更新、設備増強情報の反映、選定支援コンテンツの拡充。

まとめ

データセンター事業のGEO対策は、物理設備の情報をデジタル上で機械可読に公開することが核心です。 Place schemaでの施設情報構造化、立地・接続性の具体的な記述、PUE・環境指標の定期更新が主要な施策になります。

データセンター選定は長期契約を前提とするため、意思決定者が比較検討するフェーズでAI検索に情報を提供できるかどうかが重要です。 PDFに閉じ込めたスペック情報をHTMLに展開し、構造化データで補完することで、AI検索での発見可能性を高めてください。

参考文献