あなたのSaaSを購入候補に残すかどうかを決めるのは、もはや人間とは限りません。ユーザーがChatGPTに「Slackと連携でき、SSOに対応し、月額5,000未満のプロジェクト管理ソフトを探して」と依頼すると、エージェントは代わりに10のWebサイトを読み、重要な事実を抽出して、3つの候補を提示します。そのとき、商品ページはマーケティングコンテンツではなく仕様書として読まれます。価格を抽出できない、連携サービスの一覧を取得できない、プランの違いを理解できない――それだけで、比較検討や稟議の候補に入る前に姿を消し、断られる機会すら得られません。
この変化は、多くのB2Bチームの予想を上回る速さで進みました。エージェントコマースは、単に「AIが決済を手伝う」という狭い概念ではありません。購入前の調査、比較、絞り込みをエージェントが担い、人間は最後の意思決定だけを行うということです。つまり、これまで懸命に説得してきた決裁者の手前に、新たなゲートキーパーが置かれます。それはブランドストーリーを読まず、構造化された事実だけを認識するプログラムです。エージェントが読み取れなければ、決裁者の目にも届きません。
AIエージェントは、これまで想定してきたユーザーとは違う
AIエージェントは、待たず、スクロールせず、アニメーションにも反応しない、せっかちな訪問者だと考えてください。ヒーローセクションのフェードインを待つことも、コミュニティの推薦コメントに心を動かされることも、3階層のドロップダウンメニューをたどって価格を探すこともありません。行うことは極めて機械的です。ページをクロールし、構造を解析し、必要な項目を抽出し、他の候補と比較したうえで、人間に見せるショートリストへ入れるかを判断します。
ここには厳しいギャップがあります。大きな画像、十分な余白、洗練されたインタラクションによって、人には美しく見えるページでも、エージェントに見えているのは、意味構造の崩れた<div>の集まりかもしれません。価格は画像の中、ソリューションの説明はJavaScriptによる動的読み込み、重要な仕様は資料請求後にダウンロードするPDFの中――これでは、人には見えても機械には取得できません。エージェントコマースの世界では、機械が取得できない情報は、存在しないのと同じです。
エージェントはページ上の何を探しているのか
クライアントのGEO監査では、あえて単純な方法を使います。商品ページの生のHTMLをモデルに渡し、「この製品はいくらで、どのサービスと連携でき、誰に適しているか」と尋ねるのです。答えられない、あるいは誤った回答が返るなら、エージェントも正しく回答できない可能性が高いでしょう。実際、エージェントが繰り返し探しているのは、次のような事実です。
- 価格と請求条件：「お問い合わせください」だけで済ませず、明確な金額、通貨、課金期間を示します。
- 機能と連携先：ソフトウェアで何ができ、どのシステムと接続できるのかを、列挙可能な一覧として示すのが理想です。
- 対象と制約：何人規模のチームやどの業界に適しているか、利用上限や前提条件があるかを明記します。
- プランの違い：各プランの差を、マーケティング的な形容詞ではなく、比較可能な項目で示します。
- 信頼性を示す情報：利用規約、セキュリティ準拠状況、返金ポリシーなどは、慎重な購入者に代わってエージェントが先に確認する項目です。
構造化データ：装飾からインターフェースへ
Schema.orgのマークアップを、SEO施策における付加要素と捉えている人は少なくありません。追加すれば、検索結果に星評価が表示されるかもしれない、という位置づけです。しかしエージェントコマースでは、その役割が変わります。構造化データは、企業とエージェントをつなぐ正式なインターフェースになります。Product、Offer、Organization、FAQPageなどのタイプを使えば、価格、在庫・提供状況、よくある質問を、機械がひと目で理解できる形式で明示できます。エージェントがレイアウトを見て、どこが価格で、どこがプラン説明なのかを推測する必要もありません。
セマンティックHTMLと、正確に抽出できるコンテンツ
構造化データが明示的な項目を担う一方、それ以外の文章はセマンティックHTMLに依存します。エージェントはテキストを抽出する際、見出しの階層、リスト、表などの構造から、どの文が重要で、どの項目が並列の選択肢なのかを判断します。<h2>と<h3>で階層を整理し、プラン比較に実際の表を使い、機能をリスト化したページなら、モデルは内容を正確に取得しやすくなります。すべてを<div>に詰め込み、CSSだけで配置したページは、階層のない単語の塊としてしか認識されません。
ここでは、Markdownの考え方が役立ちます。ページの内容を頭の中でMarkdownに置き換え、見出し、リスト、列のそろった表として明快に記述できるなら、そのページはエージェントにも読みやすい可能性が高いでしょう。反対に、視覚的に見なければ理解できないページは、エージェントにも理解しにくい傾向があります。私たちがクライアントにisitagentreadyでのセルフチェックを勧めるのもそのためです。まず機械が情報を取得できるかを確認し、その後で、取得した内容を正しく理解できるかを検証します。
価格と取引可能性：エージェントが最も行き詰まりやすい領域
ここまでの2つの領域は、多くのチームが構造化データを追加することで改善できます。本当に難しいのは最後の領域、取引可能性です。理想的には、ユーザーがトライアルを開始し、購入手続きへ進み、あるいは予約を完了できるところまで、もう一歩踏み込む必要があります。そのためには、プログラムから操作できる入口、明確なアクション、安定したフォーム、人の判断に頼らず完了できる次のステップが欠かせません。次のステップが、10項目のフォームへの入力、営業からの折り返し待ち、見積もりのための3通のメールのやり取りであれば、エージェントはそこで止まります。ユーザーを手作業のプロセスへ戻している間に、ユーザーは最後まで手続きを進められる競合製品をすでに選んでいるかもしれません。
私たちは数多くの商品ページを見てきました。担当チームは情報を十分に掲載しているつもりでも、モデルに渡すと価格すら抽出できないことがあります。その差を生むのは、多くの場合、事実が機械可読な形式で書かれているかどうかです。— Tenten GEO
今日から始める機械可読性チェックリスト
ここまでの内容を実行可能な形にまとめると、クライアントに最初の取り組みとして提案するのは、費用対効果の高い順に並べた次の5項目です。
- 価格とプランの違いを、クロール可能なページ本文と実際の表に記載します。画像やPDFの中だけに置かないでください。
- 主要な商品ページにProduct、Offer、FAQPageの構造化データを追加し、ページ上の内容と文言まで一致させます。
- 見出しの階層、機能一覧、プラン比較表を整え、セマンティックHTMLでコンテンツを再構成します。
- 購入前によく寄せられる質問を、質問と回答の組み合わせごとに個別抽出できる文章として掲載します。
- トライアル、予約、見積もり依頼などの「次のステップ」をプログラムから完了できるか確認し、人の対応を待たずに進められる手段を用意します。
このチェックリストのために、サイト全体を作り直す必要はありません。既存ページに構造を加え、事実を補い、導入や商談までの摩擦を減らすだけで対応できる項目がほとんどです。難しいのは、何が欠けているかを見極めることです。そもそも機械が読めないのか、読めてはいるもののショートリストに残るだけの情報が足りないのか。AIエージェントから見た商品ページの姿と、どこで処理が止まっているかを確認したい方は、30分のGEO診断をご予約ください。実際の抽出テストを使いながらご説明します。
