集約評価（aggregateRating）

指標としての集約評価は、商品ページに寄せられた全レビューを一つの数値にまとめたもので、通常はレビュー件数とともに5点満点の値として表示されます。schema.orgマークアップとしてのaggregateRatingタイプは、その数値を機械が読み取れる形式で保持します。検索エンジンが検索結果に星評価を表示するかどうかを判断する際に読み取るのが、まさにこの部分です。ただし平均値は信号の半分にすぎません。その隣に並ぶ件数が、その平均にどれだけの重みを置いてよいかを読者に伝えます。6件のレビューによる4.9と、800件による4.6は同じ主張ではありません。表示される数字の大きさが前者で上回っていても、買い手はこの二つを別物として読み取ります。

GoogleはマークアップにratingValueと、reviewCountまたはratingCountのいずれかを含めることを求めており、厳格なルールを課しています。構造化データ内の件数と値は、ページ上で実際に見えるレビューと一致していなければなりません。買い手が確認できない評価をマークアップしたり、件数を水増ししたりすることはポリシー違反であり、リッチリザルトの表示権を完全に失う可能性があります。安全な手順は、表示しているレビューと同じデータからマークアップを生成することです。

単一の主力商品、たとえばメリノウールのインナーを販売するShopifyストアを考えてみます。商品ページには214件の公開レビューが表示され、平均は4.7です。aggregateRatingブロックには、ちょうどratingValueに4.7、reviewCountに214を記載し、新しいレビューが承認されたり古いものが非表示になったりするたびに再計算すべきです。後にこの商品を3つのカラーバリエーションに分割する場合、その判断は意図的に行います。全バリエーションで一つの共通の集約評価を保つか、または各バリエーションを自身のレビューだけで個別にマークアップするか、どちらかです。両者を混ぜること、たとえば9件のレビューしか表示していないバリエーションページに214件をそのまま表示することは、スニペットを失わせるまさにその不一致です。

この用語はAI検索においても重要です。AI回答エンジンは集約評価を、簡潔で引用しやすい事実として扱うからです。ChatGPT、Perplexity、またはGoogle AI Overviewsがインナー製品を比較するよう求められたとき、整ったratingValueとreviewCountは、モデルが正確に引用できる材料を与えます。そして件数は、その平均がどれだけ信頼できるかを示します。レビューがJavaScriptウィジェットとしてのみ表示され、対応する構造化データがないページは、これらのシステムに読み取れるものを何も与えないことが多く、その結果、商品は自身の裏付けを欠いたまま要約されてしまいます。

既存のレビューを検索とAIが読み取れて、裏付けがあり、引用される状態にすること。これがBeyondReviewsの埋めるギャップです。そして正しいaggregateRatingこそが、誠実なレビュー件数を、クリックを生む星のスニペットとAI回答エンジンの引用へと変える仕組みです。