AIショッピング最適化

TL;DR — AIショッピング最適化とは、ChatGPT、GoogleのAI Mode、Copilot、PerplexityなどのAIアシスタント内で商品を推薦・購入してもらうための取り組みです。通常のEC SEOとの大きな違いは、これらのツールがウェブページだけでなく、商品フィード（商品、価格、在庫の機械可読な一覧）を大きく参照することです。各表示面がフィードとページにどの程度の重みを置くかはプラットフォームごとに異なります。つまり、ページ単位のSEOを置き換えるのではなく、その上に「完全で正確かつ最新のフィードを公開する」作業を加えます。そして混同されやすい点があります。推薦されることは主にデータ品質の問題であり、チャット内で購入されることは別の任意設定です。

AIショッピング最適化とは

AIショッピング体験は、マーチャントフィード、構造化された商品データ、ライブのウェブ情報を使えますが、要件はプラットフォームごとに異なります。 Evidence for this claim ChatGPT search can show shopping results using structured product and merchant information. Scope: OpenAI's documented shopping experience; eligibility and presentation can change and do not define every AI shopping system. Confidence: high · Verified: 2026-07-14 OpenAI: Shopping with ChatGPT search Googleの商品ドキュメントは、Merchant Centerフィードとページ上の商品構造化データを区別しています。 Evidence for this claim Google documents Product structured data and Merchant Center feeds as ways to provide product information for search experiences. Scope: Google Search and merchant surfaces; compliance can enable eligibility but does not guarantee selection or ranking. Confidence: high · Verified: 2026-07-14 Google: Product structured data

AIアシスタントで買い物をするとき、10個の青いリンクをスクロールすることはありません。「通勤用で、150ドル未満の防水バックパック」のように質問すると、アシスタントは価格、画像、理由付きで具体的な商品の短いリストを返します。

その回答を作るため、AIは人間のように商品ページを読むとは限りません。ブランド、価格、在庫状況、サイズ、色、画像など、各商品にフィールドを持つ構造化された商品データ、フィードに大きく依存します。フィードとレンダリング済みページのどちらをどの程度参照するかはプラットフォームで異なります。AIショッピング最適化とは、商品が選ばれるように、こうしたデータとそれを裏付けるページ内容をできるだけ完全で正確かつ最新にすることです。

通常のSEOとの違い

従来のEC SEOはページを最適化します。タイトル、本文、内部リンク、被リンクです。それでも重要で、AIショッピングの表示面の一部はHTMLをクロールして読みます。しかし、多くのAIショッピングエージェントはフィードにも大きな重みを置き、SEOプログラムの多くはフィードを所有も監査もしていません。

壊れた、または不完全なフィードに紐づいた美しい商品ページは、フィードデータに依存するショッピングエージェントから見えないままになることがあります。考え方を反転させる必要があります。フィードはページの代替ではなく、ページと並ぶ第一級の最適化対象です。

覚えておくべき唯一の区別

推薦されることと、購入されることは別です。

• 発見 — ChatGPT、Google AI Mode、Copilot、Perplexityに表示・推薦されることは、主にフィードとデータ品質の問題です。これに特別な統合は必要ありません。
• チェックアウト — チャット内で実際に購入できるようにすることは別の任意レイヤーです。この処理はコマースプロトコルが担います（このクラスターにはAgentic Commerce ProtocolとUniversal Commerce Protocolの専用記事があります）。

多くの記事はこの2つを混同します。分けて考えると、すべてが明確になります。まずデータを直し、準備ができたらチャット内チェックアウトを加えます。

まず実際にやること

• すべての商品に、ブランド、GTIN／MPNなどの完全な識別子と、正確な価格・在庫状況があることを確認する。
• 価格と在庫を最新に保つ。エージェントはライブデータで取引するため、古い情報は適格性を失わせることがある。
• 実際の商品仕様を加え、「誰向けで、何を解決する商品か」を平易な言葉で答える。
• レビューを集める。似た商品の間で決め手になります。

表示面、ランキング要因、測定上の問題、優先順位付きの計画を知りたい場合は、Advancedタブへ切り替えてください。

TL;DR — このカテゴリーの変化は重点の変化です。エージェントは機械可読なカタログを大きく参照するため、フィード（属性、構造化データ、鮮度）がページと並ぶ主要な表示面になります。フィードとページの正確な組み合わせはプロバイダーごとに異なり、どの表示面にも普遍的なランキング式や掲載保証の経路は公開されていません。押さえるべき区別は、発見（推薦されること）が主にフィード／データ品質で決まりプロトコルに依存しない一方、チェックアウト（ACP、UCP、Copilot Checkout）は別のオプトインレイヤーだということです。効果の大きいレバーは、属性の完全性（GTIN／MPN、ブランド、バリエーション）、価格・在庫のリアルタイムな正確さ、高解像度画像、決め手となるレビュー、自然言語の商品コピーの順です。二次資料の調査では、ChatGPTのオーガニックショッピングカルーセルがGoogle Shoppingのオーガニックランキングと大きく重なることが示されました（正確な数値を確定した扱いにする前に一次方法論を確認してください）。そのため、従来のMerchant Centerの衛生管理は複数の表示面で効果がありそうです。測定上の落とし穴は、AIを介した購入でページビューが発生しないことがある点です。ただし実際にそうなるかはプロバイダーと引き渡し設計によるため、チームはセッションだけでなくフィード可視性指標と注文単位の照合にも頼るようになっています。

カテゴリーの変化を一度で言うと

普遍的なAIショッピングのランキング式や掲載保証の経路はありません。 Evidence for this claim ChatGPT search can show shopping results using structured product and merchant information. Scope: OpenAI's documented shopping experience; eligibility and presentation can change and do not define every AI shopping system. Confidence: high · Verified: 2026-07-14 OpenAI: Shopping with ChatGPT search 正確で最新の商品データは、引用を保証するものではなく、適格性と理解を支えるインフラとして扱ってください。 Evidence for this claim Google documents Product structured data and Merchant Center feeds as ways to provide product information for search experiences. Scope: Google Search and merchant surfaces; compliance can enable eligibility but does not guarantee selection or ranking. Confidence: high · Verified: 2026-07-14 Google: Product structured data

20年間、EC SEOは人間の読者とランキングされたリンク一覧のためにページを最適化してきました。AIショッピング最適化は、カタログを読み、回答を組み立てる機械のための第2の表示面、つまりデータを加えます。これが一文でいう変化ですが、完全な置き換えではなく重点の変化です。現在の証拠が支持するのは、フィード、ページ、カタログのプロバイダー固有の組み合わせであり、普遍的な「フィードであってページではない」というルールではありません。表示面によってはHTMLをクロールして重み付けし、フィードにフィールドがない用途、FAQ、素材などの仕様詳細は依然としてページが供給します。

フィードが以前より重要になった理由は、流行ではなく仕組みにあります。AIショッピングエージェントは、レンダリング済みHTMLと並んで、機械可読な商品データ（フィードと構造化属性）をますます参照しています。GoogleがAI Modeのショッピング体験を説明するとき、クエリファンアウトと呼ぶ処理を説明しています。“AI Mode will start a query fan-out, which means it runs several simultaneous searches to figure out what makes a bag good for rainy weather and long journeys, and then use those criteria to suggest waterproof options” (翻訳)（AI Modeはクエリファンアウトを開始し、複数の検索を同時に実行して、雨天や長旅に適したバッグの条件を判断し、その基準で防水オプションを提案します）としています（Google製品管理担当VP Lilian Rincon）。ファンアウトは分解された意図を商品属性に対応付けます。キーワードを詰め込んだ本文には対応付ける対象がありませんが、完全で正確な属性セットにはあります。

発見とチェックアウト：この記事が担う区別

これはページ上で最も役に立つ思考モデルであり、競合コンテンツが最も間違えている点です。

• 発見 — オーガニックに推薦・表示されることは、主にフィードと属性のデータ品質で決まり、チェックアウトプロトコルを有効にしたかどうかとは独立しています。データ品質だけで、ChatGPT、Google AI Mode、Copilot、Perplexityに推薦されることがあります。
• チェックアウト — アシスタント内で取引を完了することは、別の追加オプトインレイヤーです。OpenAIとStripeのAgentic Commerce Protocol（ACP）はChatGPT内のチェックアウトを、GoogleとShopifyのUniversal Commerce Protocol（UCP）はGoogle AI ModeとGeminiのチェックアウトを支えます。Microsoftには独自のCopilot Checkoutがあります。

推薦されるためにACPやUCPの統合は必要ありません。チャット内で購入されるために必要です。まずデータを直し、トランザクション上の利益が開発に見合うときにチェックアウトを加えます。プロトコル記事がチェックアウトの仕組みを扱うため、この記事では意図的に再説明しません。

表示面の概要

現在重要な表示面は5つです。どれも構造化データを読みますが、キーワード密度を評価するものはありません。

Google AI Mode／Shopping Graph。 ここでの規模が、フィードを重視する理由です。Googleは2025年5月のローンチ記事で、“The Shopping Graph now has more than 50 billion product listings, from global retailers to local mom and pop shops, each with details like reviews, prices, color options and availability” (翻訳)（Shopping Graphには現在、世界的な小売業者から地域の小さな商店まで、レビュー、価格、色の選択肢、在庫状況などの詳細を含む商品リストが50 billion件以上ある）と述べ、さらに*“Every hour more than 2 billion of those product listings are refreshed on Google”* (翻訳)（その商品リストの20億件以上が毎時Google上で更新される）としています（Rincon、同じ記事）。Googleは全体を広く捉え、“Our new AI Mode experience is built for every part of shopping — from finding inspiration to buying at the right moment” (翻訳)（新しいAI Mode体験は、発想を得ることから適切な瞬間に購入することまで、ショッピングのあらゆる部分のために作られている）と説明しています（Rincon）。50 billionと2 billionの数値はローンチ記事時点の記述として扱い、ライブカウンターとはみなさないでください。Shopping Graphの深掘り記事で、より新しい公式数値を追跡します。Shopping Graph自体にも、このクラスター内の深掘り記事があります。

ChatGPT Shopping。 ChatGPTはオーガニックの商品候補を表示します。OpenAI自身のヘルプ資料によれば、広告ではなく、基本ランキングで価格や送料によって再ランキングされるものでもありません。OpenAIのショッピングヘルプは、在庫状況、価格、品質、販売者が商品のメーカーまたは主な販売者かどうかなどを商品選定の要因として説明しています（Shopping with ChatGPT Search）。OpenAIの開発者向けコマースドキュメントは現在、商品フィードの直接提出をサポートしています。これは、ChatGPTが従来、提出されたフィードではなく第三者データプロバイダーに依存していたことから意味のある進化です。OpenAIの商品ファイル仕様は現在、構築対象となるStableスキーマと、本番利用の準備ができていない計画用のDraftスキーマを分けています。また商品レコードには、検索、チェックアウト、広告の3つの適格性フラグが別々にあり、単一のオン／オフスイッチではありません。ファイルアップロード経路はSFTPで動き、少なくとも毎日の完全なカタログスナップショット、安定したファイル名、特定の圧縮形式、削除商品の明示的な処理を求めます。これは毎分のライブフィードとは異なる更新モデルなので、ほぼリアルタイムのプッシュを前提にせず、毎日のスナップショットを中心に更新パイプラインを設計してください。

Microsoft Copilot Shopping。 Microsoftのマーチャント向け説明では、Copilotによって顧客がパーソナルショッパーを得るとされ、Copilot Merchant Programによってマーチャントは*“share key product specifications with us, ensuring we have up-to-date details on all your items.”* (翻訳)（主要な商品仕様を共有し、すべての商品について最新の詳細を確保できる）と説明されています。GoogleやOpenAIのスタックほど技術的な詳細はありませんが、フィードを用意する価値のある第3の表示面です。

Perplexity Shopping。 Perplexityは、ショッピング結果はオーガニックで、ブランドが掲載料を払うことはできないと説明しています。マーチャントプログラムはカタログデータ（レビュー、価格、仕様、画像）を共有し、自然言語クエリを商品に対応付けます（Shop like a Pro）。

Geminiは同じGoogle Shopping Graphのデータを使うため、Googleのフィード衛生管理もここで有効です。

実際に差を生むもの

効果の大きい順におおまかに並べると、次のとおりです。

1. 属性の完全性。 GTIN／MPN、ブランド、正確な価格と在庫状況、サイズ／色のバリエーション、高解像度画像です。GoogleのドキュメントとOpenAIのフィード仕様がそれぞれ独立に重視しているため、効果の大きいレバーです。OpenAIのStable商品ファイルスキーマには、item_id、title、description、url、brand、image_url、通貨付き価格、availability、seller_nameなどのフィールドが必要で、各商品レコードにはis_eligible_search、is_eligible_checkout、広告適格性フラグがあります。検索適格性はチェックアウト適格性の前提ですが、フィードを提出するだけで3つの適格性が保証されるわけではありません。依存する前に、正確なフィールド名とフラグの挙動をOpenAIの現行商品ファイル仕様で確認してください。スキーマは変わります。
2. 現実的な頻度で鮮度を保つ。 価格と在庫の正確さは従来のSEOより重要ですが、「リアルタイム」が普遍的なわけではありません。Googleは毎時20億件以上を更新すると説明し、OpenAIの現行ファイルアップロード経路はライブプッシュではなく、SFTP経由で少なくとも毎日の完全スナップショットを中心にしています。表示面が実際に取り込むものに更新頻度を合わせてください。その表示面の更新期間を過ぎた古い在庫や価格は、依然として適格性を失わせます。
3. 高品質な画像。 複数の角度、きれいな背景、正しいバリエーション画像です。エージェントは画像を表示し、ときには画像を推論にも使います。
4. レビューと信頼シグナル。 それ以外は似た商品の決め手になります。Search Engine LandのAI対応商品ページの6項目スコアカードで、Visibility LabsのJeff Oxfordは1 000件の商品プロンプトにおける商品のレビュー中央値を約156件とし、AI可視性を検討する実務上の目安として約150件以上を提案しています。商品ページに明示的な詳細が必要な理由は、AIアシスタントが仕様を明確に理解し、顧客ニーズと商品を対応付ける必要があるからです。
5. 意味が通る自然言語の商品コピー。 キーワード密度ではなく、「誰向けで、どんな問題を解決するか」を書いてください。GoogleのファンアウトとPerplexity／ChatGPTの会話型マッチングが実際に消費するのは、こちらです。

見えにくいクロスプラットフォームの近道

午後の時間が1つしかないなら、最初に取り組むのはこの発見です。商品フィードとAI検索に関するSearch Engine Landの分析は、Peec AIによる43 000件以上のリスト調査を引用し、ChatGPTのショッピングカルーセル商品とGoogle Shoppingのオーガニック結果が最大**83 %**一致し、一致の約60 %がGoogle Shoppingの1〜10位から来ると報告しています。平たく言えば、**ChatGPTのオーガニックショッピングカルーセルはGoogle Shoppingのオーガニックランキングと大きく重なります。**つまりMerchant Centerフィードの衛生管理はGoogleだけの見返りではなく、複数プラットフォームにまたがる大きなレバーです。同じ記事は、AI Overviewsが現在ショッピングクエリの約14 %に表示され、2024年後半の約2 %から増えたとも記しています。両方の数値はSearch Engine LandによるPeec AI調査の報道に基づきます。自分の主張として引用する前に一次調査で再確認してください。

実務的には、Google Merchant Centerのフィードを本当に優れたものにすれば、ChatGPTの作業の大半も済みます。そこへ表示面固有のフィード（ChatGPT Product Feed、Microsoft Merchant Center、Perplexityのカタログ取込）を重ねます。それぞれスキーマと提出経路が異なります。1つのフィードで5つのエンジンに自動的に勝てるわけではありませんが、優れたフィード1つで大きく前進できます。

執筆時点でのプロバイダー差は次のとおりです。動きが速いため、これを前提に構築する前に各プログラムの現行規約を確認してください。

これに加えて、市場、アカウント、商品単位の適格性はプロバイダーごとに異なります。あるマーチャントや国で機能またはチェックアウトが有効だからといって、別のマーチャントや国でも有効とは限りません。

Stella RisingのJohn Morabitoは、フィードを単なる技術要件ではなく、戦略的なマーケティング資産として捉えています。スキーマのように構造化されながら、商品ページのように権威があり、完全性がしばしば決め手になります（Optimizing ChatGPT Shopping）。

測定：「ページビューなし」の問題

扱いにくい点は、AI経由の購入が増えるほど分析の痕跡がほとんど、またはまったく残らないことです。ページビューもGA4のセッションもない場合があります。実際にページビューを飛ばすかどうかは、プロバイダー、アシスタントとサイトの引き渡し設計、トラッキングの計装方法に依存します。すべてのAI経由購入に必ず生じる性質ではありませんが、現実に多いパターンです。プロトコル経由のチェックアウトで特に顕著です（UCP記事がページビューなしの取引を詳しく扱います）。ただしオーガニック推薦にも及び、表示した功績を記録されないまま、ユーザーが競合から購入することがあります。

そこでKPIは、セッションからフィード可視性と注文単位の照合へ移ります。

• Googleは測定レイヤーをMerchant Centerへ組み込んでいます。ヘルプドキュメントは、AIによるマーチャンダイジング提案を*“Google Merchant Center uses AI to analyze your unique products and performance data and uncover opportunities for your business”* (翻訳)（Google Merchant CenterはAIを使って固有の商品とパフォーマンスデータを分析し、ビジネスの機会を見つける）と説明し、“you’ll always remain in full control to review, adjust, or approve any changes” (翻訳)（変更を確認、調整、承認する完全な管理権を常に持つ）としています（Merchant Centerヘルプ、同じページ）。GoogleはAIショッピング体験向けのインサイトがMerchant Centerに登場することも示しており、Search Engine LandはMerchant Centerに導入されるAI Performance Insightsと会話型属性を報じています。
• それらが成熟するまでは、注文単位で照合します。取得できる紹介情報やエージェントのメタデータと注文を対応付ける、暫定策です。

戦略上の注意：選択肢の同質化

単なる戦術ではなく、戦略の問いとして押さえるべき微妙な点があります。2025年のColumbia／YaleによるAIショッピングエージェントのシミュレーター研究は、選択肢の同質化の証拠を見つけました。人間の閲覧よりもエージェントが少数の商品へ需要を集中させ、勝者総取りに近い「AI-SEO」の動きが生じる可能性を警告しています。研究はSearch Engine Journalの報道経由で引用しています。依存する前に、研究名、機関、発見を一次ソースで確認してください。要点は、10個の青いリンクの世界で同等の位置にいるよりも、推薦集合に入る価値は大きく、そこから少し外れる価値は小さいということです。これにより、上記のデータ作業の重要性が増します。

さらに深く読むには

• チェックアウトの仕組み：このクラスターにあるAgentic Commerce Protocol（ACP）とUniversal Commerce Protocol（UCP）。
• フィードの仕組みとGoogleのカタログ：AI向け商品フィードとGoogle Shopping Graphの記事に加え、属性レベルの詳細を扱うGoogle Merchant CenterとMerchant Centerフィード最適化。
• エージェント内で最初から最後まで購入を完了する方法：Agentic Checkoutの記事。

AI summary

Advanced版を短くまとめます。

• 変化の本質： 完全な置き換えではなく重点の変化です。AIショッピングエージェントは、ページと並んで機械可読なカタログ（商品フィードの属性、構造化データ、鮮度）を大きく参照します。各表示面が使うフィードとページの正確な組み合わせはプロバイダーごとで、普遍的なルールではありません。
• 土台となる区別： 発見（推薦されること）は主にフィード／データ品質で決まり、プロトコルに依存しません。チェックアウト（ChatGPTのACP、Google／GeminiのUCP、MicrosoftのCopilot Checkout）は別のオプトインレイヤーです。見えるためにプロトコルは不要で、チャット内で購入されるために必要です。
• 表示面： Google AI Mode／Shopping Graph（2025年のGoogleローンチ記事によると50 billion件以上のリストと毎時20億件以上の更新）、ChatGPT Shopping（広告ではないオーガニック候補、Stableスキーマによる直接フィード提出、SFTPの毎日スナップショット、検索／チェックアウト／広告の別々の適格性フラグ）、Microsoft Copilot Shopping、Perplexity Shopping（オーガニックで掲載料による優遇なし）、Gemini（Shopping Graphを利用）。
• 最も効果の大きいレバー： 属性の完全性（GTIN／MPN、ブランド、バリエーション）→各表示面の実際の頻度に合わせた鮮度→高解像度画像→決め手となるレビュー（約150件以上が目安）→意味が通る自然言語コピー。
• クロスプラットフォームの近道： 二次資料の調査では、ChatGPTのオーガニックカルーセルとGoogle Shoppingのオーガニックランキングが大きく重なりました（最大約83 %一致と報告。一次調査で確認してください）。Merchant Centerの衛生管理が複数表示面で効く可能性があります。
• 測定： プロバイダーと引き渡しによってはAI購入にページビューが残りません。チームはセッションに加え、フィード可視性（GoogleのAI Performance Insights）と注文単位の照合に頼るようになっています。
• 注意： 選択肢の同質化（Columbia／Yale）により、推薦集合に入る価値が不釣り合いに大きくなり、データ作業の重要性が上がります。
• 適格性の範囲： プロバイダー、国・市場、アカウント、商品単位で適格性は異なり、あるマーチャントや国で提供される機能が別の場所で保証されるわけではありません。

公式ドキュメント

AIショッピングの表示面を運営するプラットフォームの一次資料です。

Google

• Googleのショッピング：AI Modeとバーチャル試着の更新 — Shopping Graphの規模、更新頻度、クエリファンアウト（製品管理担当VP Lilian Rincon）。
• AIによる成長とインサイトを有効にする — Merchant Center内のGoogle独自のAIマーチャンダイジング提案。
• AIショッピング体験向けインサイト（近日公開） — Merchant Centerにおける将来のAI表示面レポート。
• UCPによるチェックアウトについてとUniversal Commerce Protocol開発者ガイド（FAQ） — チェックアウトレイヤーの仕組み。詳しくはUCP関連記事を参照。

OpenAI

• ChatGPTで購入：Instant CheckoutとAgentic Commerce Protocol — ChatGPTコマースの概要。ACP関連記事がプロトコルを扱います。
• ChatGPT Searchでショッピング — ChatGPTがオーガニック商品候補を選ぶ方法（広告ではない）。
• OpenAIコマース商品フィード仕様 — StableとDraftの商品ファイルスキーマ、必須フィールド、検索／チェックアウト／広告の適格性フラグ。
• OpenAIコマースのファイルアップロード概要 — SFTP提出モデル、毎日のスナップショット頻度、安定したファイル名、対応形式、削除処理。
• ChatGPTでショッピングリサーチを導入 — 新しいショッピングリサーチ機能の背景。

Microsoft

• Copilot Merchant Programの紹介 — Microsoftのマーチャント向けショッピングプログラム。

Perplexity

• プロのようにショッピング — Perplexityのショッピング機能とマーチャントプログラム（オーガニックで掲載料による優遇なし）。

ソースから残す価値のある引用

記録に残る発言です。深いリンクは、アンカーが検証されたソースページの引用箇所へ移動します。

Google — Shopping GraphとAI Mode（製品管理担当VP Lilian Rincon）

• “Our new AI Mode experience is built for every part of shopping — from finding inspiration to buying at the right moment.” (翻訳)（新しいAI Mode体験は、発想を得ることから適切な瞬間に購入することまで、ショッピングのあらゆる部分のために作られています。） 引用箇所へ
• “The Shopping Graph now has more than 50 billion product listings, from global retailers to local mom and pop shops, each with details like reviews, prices, color options and availability.” (翻訳)（Shopping Graphには現在、世界的な小売業者から地域の小さな商店まで、レビュー、価格、色の選択肢、在庫状況などの詳細を含む商品リストが50 billion件以上あります。） 引用箇所へ
• “Every hour more than 2 billion of those product listings are refreshed on Google.” (翻訳)（その商品リストの20億件以上が毎時Google上で更新されます。） 引用箇所へ
• “AI Mode will start a query fan-out, which means it runs several simultaneous searches to figure out what makes a bag good for rainy weather and long journeys, and then use those criteria to suggest waterproof options.” (翻訳)（AI Modeはクエリファンアウトを開始し、複数の検索を同時に実行して、雨天や長旅に適したバッグの条件を判断し、その基準で防水オプションを提案します。） 引用箇所へ

Google — Merchant CenterのAIツール

• “Google Merchant Center uses AI to analyze your unique products and performance data and uncover opportunities for your business.” (翻訳)（Google Merchant CenterはAIを使って固有の商品とパフォーマンスデータを分析し、ビジネスの機会を見つけます。） 引用箇所へ
• “It will present these as simple suggestions you can easily action, and you’ll always remain in full control to review, adjust, or approve any changes.” (翻訳)（それらを簡単に実行できる提案として提示し、変更の確認、調整、承認を完全に管理できるようにします。） 引用箇所へ

Microsoft — Copilot Merchant Program（Copilot Teamによる発言）

• “With Copilot, customers have a personal shopper at their service, helping guide them towards the right items and best deals.” (翻訳)（Copilotでは顧客がパーソナルショッパーを利用でき、適切な商品と最良の取引へ案内されます。） 引用箇所へ
• “Once you’re in the Copilot Merchant Program you can also share key product specifications with us, ensuring we have up-to-date details on all your items.” (翻訳)（Copilot Merchant Programに参加すれば、主要な商品仕様を共有し、すべての商品について最新の詳細を確保できます。） 引用箇所へ

業界のガイダンス

• Visibility LabsのJeff Oxfordは、AIアシスタントが商品を理解し顧客ニーズと対応付けるには、仕様を明確に記載する必要があると述べています。6項目の商品ページスコアカードを読む。
• Stella RisingのJohn Morabitoは、フィードを単なる技術要件ではなく戦略的なマーケティング資産として扱うことを推奨しています。ChatGPT Shoppingガイドを読む。
• Search Engine Journalのエージェントコマースガイドは、StripeのKevin MillerとShopifyのVanessa Leeから引用した元の発言へリンクしています。

AIショッピングのどの問題に取り組んでいますか？

これを使って、次に時間を使うべき場所を見極めましょう。多くの人は「まずプロトコルを導入しよう」と考えますが、ほとんどの場合、答えは「まずフィードを直そう」です。

AIショッピング最適化チェックリスト

上から順に進めましょう。順序はおおむね、効果の大きさに沿っています。

フィードデータの品質（最初に行う — プロトコル不要）

• すべての商品に、GTINまたはMPNの一意の識別子とブランドがある。
• タイトルと説明が完全かつ具体的である（仕様、素材、寸法）。キーワードを詰め込んでいない。
• 価格と在庫状況が正確で、頻繁に更新されている — 古い在庫・価格情報は失格シグナルです。
• すべてのバリエーション（サイズ、色）が正しい属性を持つ個別の商品として表現されている。
• 高解像度の画像、複数のアングル、バリエーションごとの正しい画像がある。
• レビューがあり、増えている（AI可視性の検討に使える実務上の目安は、およそ150件以上）。
• 商品コピーが「誰向けか／どんな問題を解決するか」に平易な言葉で答えている。

表示面のカバレッジ

• Google Merchant Centerのフィードを優先する（Shopping GraphはAI ModeとGeminiにフィードを提供し、ChatGPTのオーガニックカルーセルとも重なる）。
• ChatGPT Product Feedを直接提出する（サードパーティの集約だけに頼らない）。
• Copilot Shopping向けにMicrosoft Merchant Centerのフィードを提出する。
• Perplexityのカタログ／マーチャントプログラムを設定する。

チェックアウト（任意 — 発見が確立してからのみ）

• チャット内チェックアウトが価値に見合うかを決める。価値があるなら、ChatGPTにはACP、Google／GeminiにはUCP（または両方）を使う（各関連記事を参照）。

測定

• 多くのAI注文ではページビューが発生しないことを受け入れ、GA4のセッションだけでこのチャネルを評価しない。
• Merchant CenterのAI Performance Insights／会話型属性が展開されるのを確認する。
• 暫定策として、AI経由の注文を注文単位で照合する。

メンタルモデル

1. データはページに加わるのであって、ページを置き換えるのではない。 機械可読なフィードは、人間向けのページと並ぶ第一級の最適化対象になります。一方の面にどれだけ重みを置くかはプロバイダーごとに異なります。商品が推薦されないときは、ページのコピーが問題だと決めつける前にフィードを監査しましょう。ただし、ページが無関係だとも考えないでください。

2. 発見 ≠ チェックアウト。 推薦されるかどうかはフィード／データ品質によって決まり、プロトコルには依存しません。チャット内で購入されることは、別の任意選択レイヤー（ACP／UCP／Copilot Checkout）です。ベンダーやブログにこの2つを混同させないでください。まずデータを直し、取引上の上振れが構築に見合うときにチェックアウトを追加します。

3. 優れたフィードを1つ作り、外側へマッピングする。 1つのフィードだけで5つの検索エンジンに自動的に勝てるわけではなく、表示面ごとにスキーマがあります。それでも基礎データは大きく重なり（ChatGPTのオーガニックカルーセルはGoogle Shoppingのオーガニックランキングに沿うため）、本当に優れたMerchant Centerフィードは、残りの作業の80%に相当します。

4. 属性がランキング面になる。 クエリファンアウトと会話型マッチングが評価するのは、キーワード密度ではなく属性です。レバーになるのは構造化フィールドの完全性と正確性であり、「SEOコピーライティング」ではありません。

5. 鮮度は付加価値ではなく、失格条件である。 エージェントはライブデータを使って取引します。価格が間違っていたり、在庫ありのフラグが古かったりすると、ユーザーを困らせるだけでなく、推薦集合から完全に外れる可能性があります。

6. セッション → フィード可視性 + 注文照合。 測定モデルは逆転します。ページビューがない場合、フィード可視性レポートが先行指標になり、注文単位の照合がバックストップになります。

よくある間違い（代わりに行うこと）

「既存のSEOで、すでに対応できている。」 なぜ間違いか：従来のオンページSEO（タイトル、被リンク、コンテンツの深さ）はHTMLをクロールする表示面では依然として重要です。しかしAIショッピングエージェントの主な対象は構造化された商品フィードであり、多くのSEOプログラムはそれを所有も監査もしていません。ページが優れていてもフィードが壊れていれば、ショッピングエージェントから見えなくなる可能性があります。 代わりに行うこと：ページSEOの作業とは分けて、フィードを第一級の資産として監査・管理します。

「ChatGPTやGoogle AI Modeに表示されるには、ACPまたはUCPが必要だ。」 なぜ間違いか：オーガニックな発見可能性は、主にフィード／属性データの品質で決まり、チェックアウトプロトコルとは独立しています。チェックアウト統合は追加要素であり、表示の前提条件ではありません。 代わりに行うこと：フィードデータを直して推薦される状態にし、後からACP／UCPを追加します。追加するのは、チャット内チェックアウトが目的の場合だけです（コマースプロトコルの展開は速いため、迷ったらOpenAI／Googleの最新ドキュメントを確認してください）。

「AIショッピングの結果は、検索広告のように買える。」 なぜ間違いか：OpenAIはショッピング候補が広告ではなく、基本ランキングでは価格・配送・返品によって再順位付けされないと説明しています。Perplexityも、マーチャントプログラムの結果はオーガニックで、掲載料による優遇ではないと説明しています。 代わりに行うこと：データ品質とレビューで競います。なお、GoogleのAI表示面にショッピング広告が入るなど、有料掲載が同じ表示面のオーガニック推薦と併存することはあります。「オーガニック推薦」と「有料掲載」は両立しますが、オーガニックの候補に選ばれることを買うことはできません。

「まだ理論段階／規模が小さいので、優先する価値はない。」 なぜ間違いか：Googleの毎時20億件更新という規模、Peec AIのカルーセル重複調査、報告されているAI経由トラフィックと注文の増加という独立したシグナルは、現実の、急速に増える規模を示しています。「まだ理論段階」という見方は古くなっています。 代わりに行うこと：今すぐフィード作業を始めます。トラフィック構成がゆっくり変化する場合でも効果が積み上がり、後悔の少ない作業です。

「1つの商品フィードがどこでも使える。」 なぜ間違いか：各表示面（Google Merchant Center、ChatGPT Product Feed、Microsoft Merchant Center、Perplexityカタログ）には、基礎データが重なる一方で、それぞれ固有のスキーマと提出方法があります。 代わりに行うこと：優れた正規データセットを1つ作り、表示面ごとにマッピング・提出します。5つの別々のコンテンツプロジェクトではなく、マッピング作業として扱いましょう。

AIショッピング最適化チートシート

この順番で進める

1. 正規の商品データ： 安定したID、GTIN／MPN、ブランド、バリエーション、仕様。
2. 取引上の真実： 価格と在庫状況がライブのバックエンドと一致する。
3. 表示の入力： 正確なタイトル／説明、高品質なバリエーション画像、信頼できるレビュー。
4. 表示面へのマッピング： 正規データを各表示面の必須形式でGoogle、OpenAI、Microsoft、Perplexityへ提出する。
5. チェックアウト： エージェント内購入が構築に見合う場合に限りACPまたはUCPを追加する。
6. 測定： セッションだけでなく、フィードの可視性と注文を照合する。

発見とチェックアウトの違い

表示面マップ

優れた正規データセットを1つ作ればマッピング作業は減りますが、各表示面には依然として固有のスキーマと受付経路があります。

AIショッピング最適化の指標

適格でエラーのない商品のカバレッジ

• 指標： 有効なフィードエラーやポリシーエラーなしで発見の対象になれる、販売可能なカタログの割合。
• 分かること： ランキングやコンバージョンを考慮する前に、商品データが推薦集合に入れるほど完全かどうか。
• 取得方法： Merchant Centerの診断情報と、対応する各ショッピング表示面のフィードステータス出力を組み合わせる。
• ベンチマーク／現実的な範囲： 現在販売可能なSKUの総数を社内の分母にし、業界の割合を借りるのではなく、説明できない差をすべて調査する。
• 頻度： 毎日監視し、エラー種別ごとに毎週レビューする。

選択オファーのパリティ

• 指標： サンプリングまたは取引されたバリエーションのうち、表示されるPDP、レンダリングされたProduct／Offer JSON-LD、フィード項目、カート、チェックアウトが、商品ID、SKU、グループID、価格、通貨、在庫状況について、信頼できるバックエンドと一致している割合。
• 分かること： エージェントが推薦し購入を完了するのに十分な信頼性をデータが持つかどうか。
• 取得方法： 安定した商品IDとバリエーションで表示面のフィード出力をカタログ／チェックアウトデータと照合する。地域固有の差やチェックアウト時の再検証として説明できるものと、ひそかな差し替え・古いデータを分ける。
• ベンチマーク／現実的な範囲： 不一致は欠陥として扱う。ソースごとにベースラインを作り、チェックアウト適格な商品を優先する。
• 頻度： 変化の速いフィールドは継続的に確認し、毎日集計する。

テスト対象の母集団と親URL対バリエーションURLの戦略を定義するときは、完全なProduct Variant SEOの選択オファー契約を使用してください。

エージェントに起因する注文と売上

• 指標： 注文単位でエージェントの表示面またはプロトコルに結び付いた注文数、売上、完了率。
• 分かること： ページビューやセッションがなくても、フィードの可視性が商業的な成果を生むかどうか。
• 取得方法： チェックアウトセッションに紹介元、プロトコル、エージェントのメタデータを保存し、OMSで照合する。リダイレクト経路で公開される場合はUTMを使う。
• ベンチマーク／現実的な範囲： チャネル固有の過去のベースラインと商品構成を比較する。初期の表示面に普遍的な目標値はない。
• 頻度： 毎週の運用レビューと毎月の事業レポート。

自分で確認する：AIショッピング最適化

AIショッピング表示面の最適化について、簡単な5問です。それぞれ答えを選んでから、答えを確認してください。

役立つリソース

自分の関連記事

専用のAIショッピング記事はまだ公開していません — これは新しい領域だからです — ただし、Ahrefsで行ったいくつかの調査がここでの考え方に影響しています。「AI」と「上位表示されること」は同じではないという点については、GoogleはAI Modeがユーザーに有益だと考えているが、コンテンツはGoogleで上位表示できるほど良くないを参照してください。AIトラフィックへの期待をデータに基づいて現実的に保つことについては、ChatGPTの検索量はGoogleの12%だが、Googleはウェブサイトへ190倍多くトラフィックを送るを参照してください。そして、正確な在庫状況がエージェントの読むフィード項目になった今、以前に書いたEC記事の在庫切れ商品はどう扱うべきか？場合によりますは、執筆時よりも関連性が高くなっています。

登壇資料

• 検索の仕組み（SlideShare） — 「表示面はページではなくデータを読む」という考え方の土台になる、クロール／レンダリング／インデックス／ランキングの解説です。（私の常設の免責事項：これはこれらのシステムについての私の理解であり、100%完全または正確であるとは限りません。）

業界の資料

• Googleショッピング：AI Modeとバーチャル試着の更新（Google） — Shopping Graphの規模、更新頻度、クエリファンアウト。
• AI対応の商品ページの6項目スコアカード（Search Engine Land／Jeff Oxford） — 仕様、独自の強み、用途、FAQ、レビュー、構造化データのチェックリストと、約150件のレビューという目安。
• AI検索向けに商品フィードへオーガニック戦略が必要な理由（Search Engine Land） — Google Shoppingのオーガニック順位とChatGPTカルーセルへの掲載を結び付けるPeec AI調査。
• ChatGPT Shoppingを最適化する：商品フィードがGEOを支える仕組み（Search Engine Land／John Morabito） — フィードを戦略的資産として扱う考え方。
• AI主導のショッピング発見が商品ページ最適化を変える仕組み（Search Engine Land） — 商品ページを知識文書として捉える考え方。
• AIに売る：エージェントコマース完全ガイド（Search Engine Journal） — 経営幹部の発言とチャネル成長の統計。
• GoogleがMerchant CenterでAI Performance Insightsと会話型属性を開始（Search Engine Land） — 発展中の測定レイヤー。
• ChatGPT Searchでショッピング（OpenAI） — ChatGPTがオーガニック商品候補を選ぶ方法。

引用する価値のある統計

• GoogleのShopping Graphには50 billion件超の商品リストがあり、2 billion件超が毎時更新されています。AI ModeとGeminiの背後にあるカタログについて、Googleが示した数字です。出典
• ChatGPTのショッピングカルーセルの商品とGoogle Shoppingのオーガニック結果は最大約83 %重複します（43 000件超のリストを対象にしたPeec AIの調査で、約60 %の一致がGoogle Shoppingの1〜10位から）。Search Engine Landによる報道であり、Merchant Centerの整備を複数プラットフォームに効く施策として扱う根拠です。報道 一次のPeec AI調査で再確認してください。
• 同じSearch Engine Landの分析によると、現在ショッピングクエリの**約14 %にAI Overviewsが表示され、2024年後半の約2 %**から増えています。報道 一次データで再確認してください。
• 1 000件のECプロンプトにおけるレビュー数の中央値は約156件で、AI可視性の実務的な目安として約150件以上が提案されています（Search Engine Land経由のVisibility Labs、Jeff Oxford）。出典
• 選択肢の同質化 — 2025年のColumbia／Yaleシミュレーター研究は、人間の閲覧よりもAIショッピングエージェントが少数の商品に需要を集中させると報告し、勝者総取り型の「AI-SEO」構造への警告を示しました（Search Engine Journal経由）。研究名と機関名を一次資料で確認してください。 報道

変更履歴