【ECのAI検索対策】 エージェンティックコマース時代の商品情報設計とは？

「ChatGPTでうちの商品を聞いたら、競合ばかり出てきてしまう」EC担当の方から、この手の相談が今年に入って一気に増えました。検索からの流入は少しずつ減っている。楽天もYahoo!ショッピングもAIエージェントを標準機能にした。GoogleのAIモードは米国でホテルの予約や商品の購入まで代行し始め、ChatGPTの中では楽天やメルカリの商品を会話で探せるようになりました。それなのに、自社ECの何を直せばいいのかは、誰もはっきり教えてくれません。

私たちも最初は、記事向けのLLMOのやり方をそのまま商品ページに当てはめればいいと思っていました。ところが実際のECサイトを見ていくと、まったく別の問題が出てきます。セール価格を更新したのに構造化データは定価のまま。色違いが別商品として登録されていて、AIが「27cmはありません」と答える。レビューは100件あるのに、AIからは0件に見える。勝負どころは文章ではなく、商品情報の作り方にありました。

この記事では、エージェンティックコマースとは何か、これから買い物とECサイトの役割がどう変わるのかを国内外の一次情報で示したうえで、商品情報をAIに正しく読ませる5つの設計と、自社の商品ページに当てられる20項目のチェックリストをまとめました。読み終えるころには、どこから直せばいいか、そして1ページの手直しで済む話なのかどうかが判断できるはずです。

AI時代にECサイトはどうなる？探す・比べる・買うがAIの中で終わる時代へ

エージェンティックコマースとは？

エージェンティックコマースとは、AIエージェントが人の代わりに商品を探し、比べ、条件が合えば購入まで進める買い物の形のことです。英語のagentic commerceをそのまま読んだ言葉で、エージェントコマースと縮めて呼ばれることもあります。コンサルティング会社のBainは「第三者や小売のAIエージェントが開始、影響、または完了した購買」と定義していて、AIに相談して人が買うだけの状態は含めていません。

ECサイトから見ると、お客様の代わりにAIがやって来る、ということです。AIが読めない商品情報は、AIに選ばれない。これが、ECサイトのAI検索対策を記事コンテンツのLLMOとは別物にしています。

ここからは、これから数年で買い物の流れがどう変わるのかを、すでに起きている事実だけで描きます。未来予測ではなく、2026年9月時点で米国と日本で実際に動いているものです。

買い物の流れの変化。従来は検索して比べてECサイトで買う。これからはAIが探して比べ、代行して買い、人はAIの提案を確かめるだけになる

これまでの買い物は、検索して、いくつかのサイトを見比べて、気に入ったECサイトで買う、という流れでした。これからは、AIに「予算3万円で通勤用のリュック、A4が入って軽いもの」と話しかけると、AIが候補を探し、価格とレビューを比べ、条件が合えば買うところまで代行します。人がやるのは、AIの提案を確かめて「それでいい」と言うことだけ。ECサイトはこの流れの中で、人に見られる回数が減り、AIに読まれる回数が増えます。

GoogleのAIモードは、予約や購入の代行を始めている

Googleは2025年11月、AIモードとGeminiアプリで代理購入を米国で始めました。ほしい商品と予算を伝えておくと、AIが価格を追跡し、予算内に入った時点でGoogle Payで購入まで済ませます。同時に「Let Google Call」という機能で、AIが近くの店に電話をかけて在庫や価格を聞いてくる仕組みも出しました。2026年5月には複数の店の商品をひとつのカートにまとめるUniversal Cartを発表し、Google Marketing Liveではホテルの予約やフードデリバリーへ広げると説明しています。

日本ではAIモードそのものは2025年9月から日本語で使えますが、代理購入やUniversal Cartは2026年9月時点で米国、カナダ、オーストラリアまでで、日本は対象外です。ただ、Googleは展開を国ごとに順番に進めていて、日本のECが対象になるのは時間の問題だと私たちは見ています。

ChatGPTはアプリとMCPで、ECサイトを「呼び出す」ようになった

ChatGPTの側は、少し違う道を選びました。2025年9月に始めたInstant Checkoutという決済代行を、2026年3月に取り下げています。代わりに広げているのが、ChatGPTの中で動くアプリです。Walmartは自社のAIエージェントであるSparkyをChatGPTのアプリとして提供し、会員情報や決済はWalmart側で扱う形にしました。日本でも2026年5月にYahoo!ショッピングが、6月にメルカリが、ChatGPTのアプリを公開しています。

このアプリの裏側で使われているのが、MCPという接続の仕組みです。ECサイトの側が「商品を検索する」「在庫を返す」「カートに入れる」といった機能を決まった形で公開しておくと、ChatGPTがそれを会話の途中で呼び出せます。メルカリは約2,300万点の商品を、この仕組みでChatGPTから探せるようにしました。OpenAIが公開している商取引の共通規格も、2026年4月の改訂でカート・注文・MCPに対応しています。

ここで押さえておきたいのは、ECサイトが「AIに読まれる」だけでなく「AIから呼び出される」対象になったことです。呼び出されるためには、商品データが整理されていて、機械が扱える形で外に出せる状態でなければなりません。ページの見た目をいくら整えても、この土台がなければAIはサイトを使えません。

ECサイトへの影響｜検索は減り、AI経由の客は少ないが濃い

ECサイトに何が起きるかを、数字で見ます。

まず検索が減ります。2025年12月の国内調査では、生成AIを使う人の約44%が「検索エンジンを使う回数が減った」と答えました。商品を探す起点はAmazonが49.7%、楽天が25.7%で、Googleは5.3%です。私たち自身も、AI Overviewsの表示で自社記事の流入が最盛期の約95%減った実例を持っていて、別の記事で数字のまま公開しています。

次に、AI経由の客は少ないが濃い、という現象が起きます。Adobe Analyticsによると、米国小売サイトへの生成AI経由の流入は2026年1〜3月に前年比+393%。3月にはAI経由で来た人の転換率が、通常の流入より42%高くなりました。1年前の同じ月はAI経由のほうが38%低かったので、この1年で「AIで下調べしてから来る人」が「買う気のある人」に変わったことになります。私たちの自社サイトでも、AI経由の流入は月220セッションと少ない一方で、問い合わせ率はオーガニックの約36倍でした。

そして、AIに勧められたあとに検索される、という動きも残ります。PLAN-Bの2026年6月の調査では、AIの提案を受けたあと87.4%の人がGoogle検索で確かめ直していました。AIに出ることと、そのあと検索されたときに信頼できる受け皿があること。両方が要ります。

同じAdobeの調査には、もうひとつ見逃せない数字があります。小売サイトの商品ページの約34%が、AIから読み取れない状態でした。買う気の強いお客さんが増えているのに、その人たちに商品ページを読ませられない店が3軒に1軒あるわけです。

合わせて読みたい

AIO対策の始め方とは？AI検索で自社サイトを表示させる実践ガイド

これからのECサイトが担う3つの役割

ここまでを踏まえると、ECサイトの役割は「人が見て買うページ」から3つに広がります。

これからのECサイトが担う3つの役割。AIが読むデータの倉庫、AIが呼び出せる窓口、人が最後に確かめる場所

3つのうち、いま日本のECサイトに最も足りていないのが1つ目の「データの倉庫」です。2つ目の窓口は日本ではまだ規格の整備待ちですが、1つ目ができていれば、窓口を開ける準備は半分終わっています。この記事の後半で扱う5つの設計は、この1つ目を作るための手順です。

ChatGPTに自社の商品を聞くと、何が起きるか

自社の現在地を知るために、3分だけ手を動かしてみてください。ChatGPT、Gemini、Perplexityのどれでも構いません。次の3つを聞いてみます。

EC担当の方と一緒に試すと、結果はだいたい次の3つのどれかになります。

ChatGPTに自社商品を聞いたときの3つの結果。出てこない、古い情報や競合が出る、正しく出る

正しく出てくるサイトは、正直なところ少数派です。多くは「出てこない」か「出るけど情報が古い」のどちらか。このとき、AIの側で起きていることは3つに絞れます。

ひとつ目は、AIが商品ページを読めていない。商品名や価格をJavaScriptで後から表示しているページは、ChatGPTやPerplexityのクローラーからは空っぽに見えます。ふたつ目は、読めてはいるが材料が足りない。商品名と写真と「詳細はこちら」しかないページからは、AIは勧める理由を組み立てられません。3つ目は、自社サイト以外のどこにも語られていない。AIは第三者のレビューや記事を重ねて商品を評価するので、自社サイトの中だけで完結している商品は候補に入りにくいのです。

この記事は、この3つを順番に潰していく構成にしています。

ECサイトのAI検索対策とは？

先に言葉を揃えておきます。ここを曖昧にしたまま進めると、記事コンテンツの対策と商品ページの対策が混ざって、やることが増えるだけになりがちです。

ECサイトのAI検索対策は何が違う？

ECサイトのAI検索対策とは、ChatGPTやGeminiなどのAI検索や、楽天・Amazonのようなモール内のAIが商品を探して比較するときに、自社の商品を正しく理解し、候補として提示してもらうための取り組みです。中心になるのは商品情報の設計で、価格・在庫・仕様・レビュー・販売者といったデータを、人だけでなく機械にも読める形で整えます。

記事コンテンツ向けのLLMOと違うのは、対象が「文章」ではなく「商品データ」だという点です。ブログ記事なら結論を先に書き、FAQを付け、一次情報を示せば引用されやすくなります。商品ページで効くのは、それよりも価格や在庫が正しく機械に伝わっているか、色やサイズの違いが構造として表現されているか、レビューがAIから見える場所にあるか、といったデータの問題です。LLMO全体の考え方は、こちらの記事に地図があります。

合わせて読みたい

LLMOとは？意味とGEO・AIOとの違い、対策の全体像を解説

エージェンティックコマース・生成AIショッピング・ChatGPTショッピングの違いは？

ニュースで見かける言葉を、ECサイトから見た意味で並べます。

用語の違いに振り回される必要はありません。ECサイトがやることは、どの言葉で呼ばれていても「AIに商品を正しく読ませる」に集約されます。

エージェンティックコマースの現在地｜日本に来ているもの、まだ来ていないもの

海外の動きは速いうえに、行ったり来たりしています。慌てて対応する前に、2026年9月時点で何が確定していて、何が日本に来ていないのかを事実で押さえます。

ChatGPTショッピングで起きたこと｜Instant Checkoutは半年で撤回された

エージェンティックコマース年表（2025年4月〜2026年6月）。ChatGPTショッピング開始、Instant Checkout開始と撤回、Google UCP、日本勢のApps in ChatGPT対応

2025年4月、OpenAIがChatGPTの検索に商品カードを出す機能を追加しました。同年9月にはStripeと組んで、ChatGPTの中で決済まで終わるInstant Checkoutを米国で始め、そのための共通規格としてAgentic Commerce Protocolを公開します。Googleも11月にAIモードとGeminiで代理購入を米国で開始し、2026年1月にはShopify、Etsy、Walmart、Targetと共同でUniversal Commerce Protocolという別の規格を発表しました。

ところが2026年3月、OpenAIはInstant Checkoutを事実上取り下げます。理由は「初期版では求める柔軟性を提供できなかった。加盟店には自社のチェックアウトを使ってもらい、私たちは商品の発見に集中する」というものでした。決済の代行は後退し、ChatGPTの中で商品を探して比べる機能は残る。この方針転換で、ECサイトの対策の焦点が「決済への対応」ではなく「発見と比較の候補に入ること」だと、はっきりしたわけです。

楽天・Yahoo!ショッピング・Amazon.co.jpの実数

「海外の話でしょう」と言われることがあります。私たちも国内の一次情報を集めるまではそう思っていました。実数を並べます。

いちばん重い数字は、Yahoo!ショッピングの「取扱高の約20%がAIエージェント経由」でしょう。モールの中では、すでに5件に1件の買い物にAIが関わっています。一方で、ChatGPTのInstant Checkoutは日本に来ないまま終わり、GoogleのUniversal CartもAIモードの代理購入も日本では使えません。モール内AIはもう来ている、外部AIによる代理購入はまだ来ていない。この温度差が、日本のECの現在地です。

日本の利用者側の数字も並べておきます。総務省の令和8年版情報通信白書では、個人の生成AI利用経験は58.8%で、前年の26.7%から倍増しました。PLAN-Bの調査では、生成AIがきっかけで商品を買った経験のある人は54.1%です。

AIが商品を選ぶ場所は2層ある｜モール内AIと外部AI

この記事でいちばん覚えて帰ってほしいのが、この2層の整理です。「AIに商品を選ばれる」と言っても、AIがいる場所は2つあって、読んでいるデータが違います。

モール内AIと外部AIの二層構造。モール内AIは出店者の登録データを読み、外部AIはクロールとフィードで自社ECを読む

モール内AI｜登録した商品データがそのままAIの材料になる

Rufus、Rakuten AI、Yahoo!ショッピングのAIエージェントは、モールの中で動きます。読んでいるのは、出店者が管理画面に登録した商品名、説明文、属性、価格、在庫、レビューです。Webを巡回して集めているわけではありません。

だからモール内AIへの対策は、商品登録の質そのものになります。属性項目を空欄のまま出品していれば、AIは「30代女性向けの通勤バッグで、A4が入って、撥水加工」という判断材料を持てません。楽天市場では出店者の約半数が毎月AI機能を使い、商品数を1,000点から10,000点超に増やした店舗もあると報じられていますが、増やした商品の属性が空欄なら、AIエージェントの提案には乗りにくいままです。

外部AI｜商品ページのクロールと商品フィードで読まれる

ChatGPT、Gemini、GoogleのAIモード、Perplexityは、モールの外にいます。これらが自社ECの商品を知る経路は2つ。クローラーが商品ページを取りに来るか、事業者が商品フィードを提出するかです。

クロールについては、OpenAIが公式に「検索用クローラーのOAI-SearchBotを拒否したサイトは、ChatGPTの検索回答に表示されない」と書いています。GoogleのAI OverviewsとAIモードは通常のGooglebotが読むので、Google検索に出ていればAI機能の対象にもなります。

フィードについては、OpenAIが商品フィードの仕様を公開していて、Googleのフィード形式なら自動で読み替えると明記されています。ただし2026年9月時点で、ChatGPTへのフィード登録は承認されたパートナーに限られ、日本の加盟店の正式な受付は確認できていません。今できるのは、Google Merchant Centerにフィードを整えて登録しておくこと。同じデータがChatGPT側にもそのまま使える設計なので、先にやっておいて損はありません。

自社ECとモールの両方を運営しているなら、この2層は別々の仕事ではありません。同じ商品マスタから、モールの登録データと自社ECの構造化データとフィードを生成すれば、両方に同時に効きます。この話は④の設計で詳しく扱います。

AIが商品を選ぶときに見ている5つの情報

AIは何を根拠に商品を勧めているのでしょうか。公式の仕様と第三者の調査から確認できている範囲で、5つに絞りました。

AIが商品を選ぶときに見ている5つの情報。在庫と価格、識別子と仕様、レビューの量と質、配送・返品・サポート、誰が売っているか

5つのどれも「文章の上手さ」ではないことに気づかれたでしょうか。記事のLLMOで語られる「結論を先に」「FAQを付ける」は、商品ページでは効きが弱いという研究もあります。2025年11月に公開されたE-GEOという研究では、Amazonの商品を対象に5つのAIで試したところ、FAQ追加の効果はごくわずかで、広告っぽい文章やストーリー仕立ての説明はむしろ順位を下げました。効いたのは、買う人が実際に聞きそうな言葉との一致、誇張のない事実、購入前の不安に答える情報です。

商品ページで勝つのは、盛った文章ではなく、正確に埋まったデータ。次の章で、その埋め方を5つの設計にして示します。

ECサイトの商品情報をAIに正しく読ませる5つのサイト設計

ここからが本題です。5つの設計は、商品詳細ページから始めて外側へ広がる順に並べました。上から順に手を付ければ、効果の出やすいところから直せます。

①商品詳細ページ｜ECサイトでの価格・在庫・仕様を、機械が読める形にする

最初にやるのは、商品詳細ページの情報を「人が読めばわかる」から「機械が読んでもわかる」に変えることです。具体的には、Product構造化データを必須項目まで埋め、その中身をページに表示している内容と一致させます。

Googleが「購入できるページ」向けに定めている項目を表にしました。

ここで大事な注意がひとつ。Googleは2026年に更新した公式ページで「AI OverviewsやAIモードに表示されるための追加要件はなく、新しい機械可読ファイルやマークアップを作る必要もない」と明言しています。要件は、検索の技術要件を満たすこと、robots.txtでクロールを許可すること、構造化データが「ページの表示テキストと一致する」こと、Merchant Centerを最新に保つことです。

もうひとつ、見落とされがちなのがJavaScriptです。

JavaScriptで描画した商品ページは、人には価格や在庫が見えるが、ChatGPTやPerplexityのクローラーには空のページに見える

VercelとMERJの調査によると、ChatGPT、Claude、Perplexityのクローラーはページ上のJavaScriptを実行しません。商品名や価格をJavaScriptで後から描画しているECサイトは、これらのAIからは空のページに見えます。ヘッドレス構成やSPA型のECを運用しているなら、商品情報がサーバー側で描画されているかを最初に確認してください。Adobeの調査で「商品ページの約34%がAIから読み取れない」と出た背景には、この描画方式の問題が含まれていると私たちは見ています。

構造化データの書き方そのものは、こちらの記事で実装手順まで解説しています。

合わせて読みたい

構造化データとは？AIO対策に必須の理由と実装方法を徹底解説

②バリエーションとカテゴリ｜「27cmはありますか」に答えられる構造にする

ECサイトでいちばん混乱を生むのが、色違い・サイズ違いのバリエーションです。「このスニーカーの27cmはある？」とAIに聞かれたとき、27cmが別URLの別商品として登録されていれば、AIは親商品との関係がわかりません。逆に、全サイズを1ページに押し込んで在庫を書き分けていなければ、AIは「在庫あり」と答えてしまい、来店したお客さんが「ないじゃないか」となります。

Googleはバリエーション用にProductGroupという構造化データを用意しています。親商品にproductGroupIDを持たせ、色やサイズなど何で分かれるかをvariesByで示し、各バリエーションが親を参照する形です。1ページに全バリエーションを載せる場合と、バリエーションごとにページを分ける場合で書き方が変わるので、自社のURL設計に合わせて選びます。ページを分けるなら、代表ページをcanonicalで示し、各ページの構造化データにはそのバリエーションの価格と在庫だけを書きます。

カテゴリページも、AIにとって大事な入口です。「通勤用のリュックでおすすめは」と聞かれたAIは、商品単体よりも先に、カテゴリの全体像を理解しようとします。カテゴリページの上のほうに、そのカテゴリは何を基準に選ぶものか、どんな軸で絞り込めるか、価格帯はどのくらいか、という説明を置いてください。商品を並べただけのカテゴリページと、選び方まで書いてあるカテゴリページでは、AIが「このサイトはこの商品群に詳しい」と判断する材料の量が違います。

URLにも小さな差があります。Ahrefsが2026年4月に140万件のプロンプトで調べたところ、検索で取得されたページのうち、自然な言葉が入ったURLは89.8%が引用され、意味のないIDだけのURLは81.1%でした。差は大きくありませんが、カテゴリやバリエーションのURLに商品群を表す言葉が入っているかは、見直す価値があります。

③レビューとQ&A｜AIが推薦の根拠に使える形で残す

AIが商品を勧めるとき、根拠として最も使いやすいのがレビューです。Bazaarvoiceの2025年調査では、商品探しに生成AIを使う消費者は約24%、18〜34歳では41%に達し、高評価と多数のレビューを両方持つ商品がAIエージェントから最も強く優先されると報告されています。

見直したいのは、レビューを「集める」だけでなく「AIが読める場所に残す」ことです。レビューがJavaScriptのウィジェットで後から読み込まれていれば、①で書いたとおり多くのAIには見えません。レビュー100件、平均4.5点の商品が、AIからは0件に見える。もったいない話です。件数と平均評価はAggregateRatingとしてページ本体の構造化データに含め、代表的なレビュー本文はHTMLに直接置きます。

もうひとつ、質問と回答の形が効きます。OpenAIの商品フィード仕様には質問と回答を対にして渡す項目があり、Googleも2026年5月に、Merchant Centerへ商品に関する質問と回答、マニュアルのPDF、関連商品などを渡せる「会話型属性」を追加しました。「洗濯機で洗えますか」「iPhone 17に対応していますか」という購入前の質問と回答を、商品ページとフィードの両方に持たせておくと、AIが会話の中でそのまま使えます。

E-GEOの研究でも、効いた要素のひとつは「買う人の不安に答えるFAQ」でした。ただし、聞かれてもいない質問を大量に並べるのは逆効果です。カスタマーサポートに実際に届いた質問から上位5〜10問を選ぶのが現実的です。

④商品情報の一元管理｜本文・構造化データ・フィードを矛盾させない

ECのAI検索対策で、私たちが最も大事だと考えている設計です。同じ商品の情報が、商品ページの本文、構造化データ、Merchant Centerのフィード、楽天やYahoo!ショッピングの登録データ、SNSの投稿で食い違っていないか。この「三者一致」が崩れているサイトは、驚くほど多いのです。

商品ページ本文・構造化データ・商品フィードの三者一致。ひとつの商品マスタから3つを生成する

現場でよく見る食い違いを挙げます。セール価格をCSVで一括更新したのに、構造化データは定価のまま。在庫切れになった商品のフィードが「在庫あり」で翌日まで残る。自社ECでは「ワイドフィットデニム」、楽天では「ゆったりデニムパンツ」、Instagramでは型番だけ。人間なら文脈で同じ商品だとわかりますが、AIは別の商品として扱うか、信用できない情報源として扱います。

一致が求められる根拠は公式にあります。Googleは構造化データが「表示テキストと一致する」ことをAI機能の要件に挙げています。OpenAIは、同じ商品を複数の店が売る場合に在庫と価格で判断すると説明し、フィードは毎日の全量更新と日中の差分更新を推奨しています。価格や在庫が古いフィードは、それだけで比較の土俵から外れかねません。

対策の考え方はシンプルです。商品情報の正本をひとつに決め、そこから各チャネルへ出力する。いわゆる商品情報管理の発想ですが、専用のPIMツールを入れなくても始められます。まず商品マスタに、正式な商品名、型番、GTIN、仕様、用途、対象、価格、在庫の項目を持たせる。次に、商品ページの構造化データとMerchant Centerのフィードを、そのマスタから自動で生成する。モールの登録データも同じマスタから書き出す。更新の起点をひとつにすれば、矛盾は構造的に起きなくなります。

私たちがヘッドレスCMSでECの商品情報を設計するときは、CMS側の商品データを正本にして、ページ本文、JSON-LD、フィードの3つを同じデータから出す形にしています。AI検索対策の相談で「構造化データを付けてほしい」と言われて商品データを見ると、直すべきは構造化データではなく、その上流の商品マスタだった、ということがよくあります。私たちが手がけたECサイトの構築事例は、こちらからご覧いただけます。

ECサイトの制作実績

⑤ブランドと販売者の情報｜「誰が売っているか」をAIに覚えさせる

最後は、商品ページの外側です。AIは商品を評価するとき、その商品を誰が作り、誰が売っているかも見ています。OpenAIが一次販売者かどうかを判断材料に挙げているのは、メーカー直販と転売業者を区別するためです。

2025年9月に公開された研究では、ChatGPT、Perplexity、Geminiのいずれも、ブランド自身の発信より第三者の権威あるソースを優先し、大きなブランドほど有利だと報告されています。2026年6月の別の研究では、10万件以上のAI回答を分析した結果、グローバル大手がAIの回答に出る率は73%だったのに対し、ニッチブランドは11%でした。引用元の約78%は企業サイトで、「おすすめ〇選」型の記事が約21%を占めています。

中小のECが取る道は2つです。ひとつは、自社サイト側で「何者か」をはっきりさせること。会社概要ページにOrganizationの構造化データを入れ、公式SNSやモール店舗をsameAsで結び、メーカー直販なのか正規代理店なのかを商品ページとフィードの両方に書きます。もうひとつは、第三者に語ってもらうこと。業界メディアへの掲載、比較記事への登場、専門家やユーザーのレビューです。AIは「他人がどう言っているか」を重く見るので、自社サイトの中だけでは完結しません。

1ページの最適化では効かない理由｜商品データから外部露出まで、面で設計する

5つの設計を読んで「まず商品ページに構造化データを入れてみよう」と思われたかもしれません。それ自体は正しい第一歩です。ただ、私たちのところに来る相談の多くは、1ページを手直ししたあとに「変わらなかった」という形で来ます。なぜ点の対策で止まると効かないのか、根拠を4つ挙げます。

構造化データを付けるだけでは、引用は増えない

Ahrefsが2026年5月に公開した検証では、スキーマを新しく追加した1,885ページと対照群を比べても、AI Overviews、AIモード、ChatGPTのどれでも引用は有意に増えませんでした。600万URLを見ると、AIに引用されるページはJSON-LDを持っている率が約3倍高いのですが、それは「整ったサイトは構造化データも持っている」という相関で、付ければ増えるという因果ではありません。一方で、価格・評価・仕様まで埋めた構造化データは引用率が高い。効いているのは、構造化データそのものではなく、その中に入っている正確なデータと、それを支える商品マスタです。

文章の工夫は、商品ページでは効きが弱い

E-GEOの研究では、FAQを足す、見出しを付ける、といった記事向けの手法は商品ページではほとんど効かず、広告調やストーリー仕立ての文章はむしろ順位を下げました。商品説明を上手に書き直しても、AIが見ている在庫・価格・識別子・レビュー・販売者の5つが空いていれば、候補に入りません。

検索で上位にないページは、AIにも引用されない

2026年2月の研究では、ChatGPTとGeminiが引用したページを検索順位で分けると、1位のページは43%引用され、7位では5%まで落ちました。順位を揃えて比べると、構造化データの有無はほぼ影響しません。AIに引用されるためには、その前にGoogleやBingで商品ページやカテゴリページが上位にいる必要があります。サイトの内部リンク、カテゴリ構造、表示速度、被リンクといった従来のSEOの土台が、そのままAI検索の土台になります。

決め手の7割は、自社サイトの外にある

2026年6月の研究では、AIの回答の引用元の約78%が企業サイトで、「おすすめ〇選」型の記事が約21%でした。同時に、ニッチブランドがAIの回答に出る率は11%です。自社サイトを整えるのは必要条件で、そのうえで第三者の記事、比較サイト、メディアの掲載、レビューが揃わないと、AIは「他の店ではなくこの店」を選ぶ根拠を持てません。

まとめると、効かせるために揃えるべきものは、商品マスタの正本、サーバー側で描画される商品ページ、そこから生成される構造化データとフィード、モールの登録データとの一致、検索で上位に出るためのサイト構造、第三者に語られるための外部露出、そしてそれらを月次で測る計測の7つです。1ページの手直しでは、このうち1つしか動きません。カートシステムやCMSの改修、商品データの設計、フィードの運用まで含めて、面で組み立てる仕事になります。

ECサイトのAI検索対策チェックリスト20項目

5つの設計を、自社の商品ページに当てられる20項目にしました。○×を付けてみてください。

チェックリストの判定。×が2個以下なら自力で直す、3〜4個なら一元管理から着手、5個以上なら商品データの上流から設計し直す

判定の目安です。×が2個以下なら、この記事の内容で自力で直せます。3〜4個なら、④の一元管理から着手すると、連鎖してほかも直ります。×が5個以上、特に①と④に集中しているなら、商品データの上流から設計し直す段階です。その場合は、AI検索での露出の現状を数字で見るところから始めるのをおすすめします。クーシーのAI検索診断では、主要AIでの商品の出方、クローラーの受け入れ、構造化データとフィードの整合を一度に確認し、直す順番を提案しています。

合わせて読みたい

AI検索診断｜LLMO／AIO／GEO対応のサイト診断

自社ECがAIに選ばれているかを確認する4つの手順

チェックリストで直す箇所が決まったら、直す前と後で何が変わったかを測れるようにしておきます。特別なツールは要りません。

手順①主要AIに商品名とカテゴリで聞く

冒頭で試した3つの質問を、ChatGPT、Gemini、Perplexity、GoogleのAIモードの4つで、月に1回同じ聞き方で繰り返します。自社商品が出たか、出典に自社サイトが入ったか、価格と在庫は正しかったか。この3つを表に記録するだけです。AIの回答は日によって変わるので、1回の結果に一喜一憂せず、3か月の傾向で見てください。

手順②GA4でAI経由の流入と購入を切り分ける

GA4の探索レポートで、参照元にchatgpt.com、gemini.google.com、perplexity.aiを含むセッションを抜き出し、購入完了までの転換率を通常のオーガニック流入と比べます。私たちの自社サイトでは、AI経由の流入は2026年7月で月220セッションと少ない一方、問い合わせ率はオーガニックの約36倍でした。ECでも量より質で見るのが現実的で、Adobeの米国調査でもAI経由の転換率は通常より高く出ています。ただしアプリ内ブラウザからの流入は参照元が消えてDirectに入るため、GA4の数字は下限値だと考えてください。

手順③robots.txtでAIクローラーを止めていないか見る

自社ドメインのrobots.txtを開き、OAI-SearchBot、PerplexityBot、Googlebotを拒否していないかを確認します。学習用のGPTBotやGoogle-Extendedを拒否しても検索やAI機能への表示には影響しませんが、検索用のクローラーを拒否すると回答から消えます。「AIに学習させたくない」という理由で一括拒否した設定が残っていて、検索用まで止めていたケースを何度か見ました。

手順④Merchant Centerとリッチリザルトテストで警告をなくす

Google Merchant Centerの商品診断で、価格や在庫の不一致、必須属性の欠落の警告を確認します。あわせてGoogleのリッチリザルトテストで商品ページを検証し、Product構造化データのエラーと警告をゼロにします。この2つの警告は、AIに読ませる以前に、Googleがその商品情報を信用していないサインです。

なお、GoogleはMerchant Centerに「AIを活用したショッピング体験の分析」を2026年5月に追加しましたが、対象は英語クエリで米国・カナダ・オーストラリア・インド・ニュージーランドのみ。日本ではまだ使えないので、当面は手順①の手動観測で代替します。

プラットフォームごとの対策の違いは、こちらの記事で整理しています。

合わせて読みたい

AI検索で選ばれる対策とは？「自社サイトを最適化する秘訣」5つ

FAQ

ECサイトがAI検索で商品をおすすめされるには、何から始めればいいですか？

商品詳細ページの価格・在庫・仕様が、JavaScriptを切っても表示され、Product構造化データと一致している状態を作るところからです。AIは勧める前に商品を「正しく読む」必要があり、ここが崩れていると他の施策が効きません。次にGoogle Merchant Centerへフィードを登録し、毎日更新します。OpenAIのフィード仕様はGoogle形式を自動で読み替えるので、将来ChatGPTのフィード受付が日本で始まっても同じデータが使えます。

商品カテゴリページをAIに理解されやすくする方法は？

商品を並べるだけでなく、カテゴリの上部に「何を基準に選ぶか」「どんな軸で絞り込めるか」「価格帯はどのくらいか」を説明する文章を置きます。AIは「通勤用リュックでおすすめは」という聞き方に対して、カテゴリの全体像を先に理解しようとするためです。あわせて、カテゴリのURLに商品群を表す言葉を入れ、絞り込みパラメータ付きのURLはcanonicalで代表ページに寄せます。

ECサイトのレビュー情報はAI検索に影響しますか？

影響するという調査があります。Bazaarvoiceの2025年調査では、高評価と多数のレビューを両方持つ商品がAIエージェントから最も強く優先されると報告され、OpenAIの商品フィード仕様にもレビュー数と評価の項目があります。ただし、レビューがJavaScriptのウィジェットで後から読み込まれていると多くのAIには見えません。件数と平均評価をAggregateRatingとして構造化データに含め、代表的なレビュー本文はHTMLに直接置いてください。

ChatGPTのInstant Checkoutは終了したと聞きました。ECのAI検索対策はまだ必要ですか？

必要です。OpenAIは2026年3月にInstant Checkoutを事実上取り下げましたが、その理由を「加盟店に自社のチェックアウトを使ってもらい、商品の発見に集中するため」と説明しています。ChatGPTの中で商品が探され、比べられる機能は続いていて、Walmartやメルカリのようにアプリとして入り込む動きが本流になりました。日本ではもともとInstant Checkoutが提供されていなかったので、やることは変わりません。

アパレルECがAI検索でブランド名を出してもらうには？

自社サイトの中だけでは難しく、第三者に語ってもらう必要があります。2025年と2026年の研究では、AIはブランド自身の発信より第三者の権威あるソースを優先し、ニッチブランドがAIの回答に出る率は11%にとどまると報告されています。会社概要ページにOrganizationの構造化データを入れ、公式SNSとモール店舗をsameAsで結んで「何者か」をはっきりさせたうえで、業界メディアへの掲載や比較記事への登場を増やしてください。商品ページ側では、素材・サイズ感・使うシーンなど、AIが比較に使う属性を埋めることが効きます。

SEO流入が減ったECサイトは、AI検索対策で戻せますか？

減った分がそのまま戻るというより、別の経路が育つと考えるのが現実的です。AI経由の流入は量としてはまだ小さく、私たちの自社サイトでも2026年7月で月220セッションです。一方でAdobeの米国調査では、AI経由で来た人の転換率は通常の流入より42%高く、日本の調査でもAIの提案後に87.4%がGoogle検索で確かめ直しています。AIに正しく読まれる商品情報を整えると、AI経由の質の高い流入と、そのあとの検索からの流入の両方に効きます。

ECサイトのAI検索対策のご相談はクーシーへ

ECサイトのAI検索対策は、記事を書く話でも、1ページに構造化データを足す話でもありません。商品マスタを正本にして、サーバー側で描画される商品ページと、そこから生成される構造化データとフィードを揃え、モールの登録データと一致させ、検索で上位に出るサイト構造を作り、第三者に語られる状態を育て、月次で測る。この一連を面で設計し直す仕事です。

クーシーは制作会社を母体に、ECサイトの構築と運用、ヘッドレスCMSでの商品情報設計、カートシステムとの連携、構造化データとフィードの実装、AI検索での可視性診断までを一社で担当しています。自社サイトでAI検索による流入の減少と、AI経由の問い合わせ率をどちらも実測し、数字のまま公開しているのも私たちのやり方です。自社の商品がAIにどう読まれているか、どこから直せばいいか。まずは現状の診断からご相談ください。

合わせて読みたい

AI検索診断｜LLMO／AIO／GEO対応のサイト診断

クーシーのサービス｜ECサイト制作

ECサイトの制作実績