越境ECのGEO監査が必要かどうかを手早く判断するには、購入者が実際に使いそうな言葉でChatGPTやPerplexityに質問してみるのが近道です。「特定の商品カテゴリーで、おすすめのブランドをいくつか教えて」と尋ね、自社ストアの名前が挙がるかを確認します。候補に入らなければ、失っているのは検索順位だけではありません。「AIが消費者の商品選びを支援する」という新たな流入経路そのものです。従来のSEO監査では、Googleがサイトをクロールし、検索結果に表示・評価できるかを調べます。一方、GEO監査で見るのは、AIエンジンが商品を理解し、ブランドを信頼し、回答を生成する際の参照元として扱えるかどうかです。両者には共通点がありますが、チェックリストをそのまま流用できるわけではありません。
まず、ECサイトのGEO監査で何を確認するのかを整理しましょう。
ECサイトのGEO監査で答えるべき問いは、大きく三つあります。第一に、AIエンジンが商品データを取得できるか。ここでは、クローラーのアクセス可否、レンダリング、構造化マークアップを確認します。第二に、AIエンジンが商品情報を正しく理解できるか。HTMLを取得できるだけでは不十分で、仕様、素材、利用シーン、価格、在庫などを構造として読み取れる必要があります。第三に、商品カテゴリーについて質問されたとき、AIが自社を推薦または引用するか。この段階を左右するのは、自社サイトだけでなく、ウェブ全体でブランドがどのように語られているかです。多くの越境EC事業者は、予算を第一・第二レイヤーの技術改修に集中させ、第三レイヤーにはほとんど手を付けていません。その結果、サイトの技術要件は整っているのに、AIの回答には一向に登場しないという事態が起こります。
第一レイヤー：AIは商品データを抽出できるか
越境ECサイトの多くは、JavaScriptによるレンダリングに大きく依存したフロントエンド構成を採用しています。商品名、価格、レビューなどが、ブラウザでJSを実行して初めて表示されるケースです。Googlebotには二段階のレンダリング処理がありますが、OAI-SearchBot、PerplexityBot、ClaudeBotなど、多くのAIクローラーはJSを実行しないか、限定的にしか処理しません。監査の第一歩は、JavaScriptを無効にして商品ページに何が残るかを確認することです。ページの外枠しか残らなければ、AIにも空のページとして見えています。
- 商品名、価格、仕様がフロントエンドJSではなく、初期HTML内で確認できるか
- robots.txtでGPTBot、OAI-SearchBot、PerplexityBot、ClaudeBotなどのAIクローラーを誤って拒否していないか。越境ECサイトでは、外部CDNのデフォルト設定によって遮断されるケースが少なくありません
- 商品画像に「product-01.jpg」のようなファイル名だけでなく、内容を説明するaltテキストが設定されているか
- 多言語版にhreflangが正しく設定され、英語版と中国語版などが重複コンテンツとして扱われない状態になっているか
- 販売終了・在庫切れの商品に正しいステータスコードとschemaマークアップが設定され、AIが三か月前の在庫情報を使って消費者に回答しない状態になっているか
第二レイヤー：構造化データがECサイトGEOの土台になる
コンテンツ中心のサイトなら、ArticleやFAQPageのschemaを整えることで、一定の対応はできます。しかし、ECサイトは事情がまったく異なります。AIエンジンはショッピング提案を生成する際、Product、Offer、AggregateRatingの構造化データを重視し、仕様、価格、評価を比較します。ProductにBrand、Gtin、Material、color、sizeが含まれているか、OfferにPrice、PriceCurrency、Availability、PriceValidUntilがあるか、AggregateRatingのratingValueとreviewCountがページの表示内容と一致しているかを確認してください。どれかが食い違えば、AIがデータ全体の信頼性を疑う理由になります。
構造化データは、Google向けに付け足すだけの情報ではありません。商品情報を、AIが直接引用・比較できる形式へ「翻訳」する役割を担います。構造化されていなければ、AIは内容を推測するしかありません。そして多くの場合、必要なデータをきちんと提示している競合商品が選ばれます。
越境ECで特に注意したいのが、価格と通貨の不整合です。同じSKUを米国ではUSD、日本ではJPY、台湾ではTWDで販売しているにもかかわらず、schemaのpriceCurrencyが市場に応じて切り替わらなければ、AIは矛盾する価格を取得し、どれも採用しない可能性があります。監査は「市場・通貨・ストア」の組み合わせごとに実施する必要があります。
第三レイヤー：勝負を決めるAI推薦率
ここまでの対応で得られるのは、あくまで候補に入るための参加資格です。AIが実際に自社を推薦するかどうかを左右するのは、ウェブ全体でブランドが語られている「密度」です。AIはショッピング提案を生成するとき、自社サイトだけでなく、メディア、Redditや各種フォーラム、価格比較サイト、コミュニティ投稿、YouTubeなども参照します。このレイヤーを監査するには、自社サイトの外へ目を向け、AIからブランドがどう見えているかを検証しなければなりません。
- 実際の購入者が使いそうな表現で5〜10個の質問を用意し、ChatGPT、Perplexity、Geminiでそれぞれ質問する。自社ブランドが何回登場したか、どのように説明されたか、どの商品が紹介されたかを記録する
- AIが推薦する競合について、引用元となった第三者メディア、ランキング記事、掲示板などを比較する。そこが自社の広報・コンテンツ施策の不足している領域です
- AIの回答にブランド名の誤記や説明の誤り・欠落がないかを確認する。問題があれば、外部に流通している情報を能動的に修正する必要があります
- 同じ質問を継続的に追跡し、数週間で回答がどう変化したかを確認する
この作業を人手で続けるのは、すぐに限界を迎えます。質問グループ、プラットフォーム、時間という三つの軸で管理すると、作業量が一気に膨らむためです。TentenのBrand Radarは、これを継続運用できるダッシュボードへ変えようとしています。購入者の質問セットを固定し、複数プラットフォームで定期実行し、AI回答内でのブランドの可視性と推移を測定することで、第三レイヤーを感覚ではなく数値で把握できるようにします。
監査結果を、実行可能な優先順位に落とし込む
越境ECのGEO監査は、一度きりのプロジェクトではなく、「計測・修正・再計測」を繰り返す運用です。商品の追加や販売終了、価格改定、競合の参入に加え、AIモデルも数週間単位で変化します。どれか一つの変数が動くだけで、AI推薦率は入れ替わる可能性があります。この新しい流入経路を維持するには、三層のチェックリストを定型化し、定期的に実行する必要があります。
次のステップ
自社がどのレイヤーでつまずいているのか分からない場合――AIが商品情報を取得できないのか、取得はできても推薦されないのか――まず計測するのが最短ルートです。中核となる商品カテゴリーの質問を使ってクロスプラットフォームでテストし、三層それぞれの課題を同じ表に整理できます。AIから自社商品がどう見えているのかを確認してみましょう。
