ChatGPT ShoppingやPerplexityは、Googleのように商品ページを一語ずつ読み、順位を決めたうえで推奨するわけではありません。選定の土台となるのは、機械が読み取れる商品データと、複数サイトにまたがるレビューの総意です。そのためAIショッピングで選ばれやすいのは、最も美しいページを持つ販売者ではなく、仕様、価格、在庫、評価について、最もクリーンで一貫した情報を提供している販売者です。まずはこの現実を押さえておきましょう。
まず、AIショッピングエンジンが商品を選ぶ仕組みを理解しましょう。
ChatGPTのショッピング機能の裏側には、事業者の商品データソース（product feed）と、集約されたレビューシグナルがあります。ユーザーが伝えた要望に応じて、仕様、価格帯、評価、返品・返金ポリシーを比較し、会話の中に複数の候補と購入リンクを直接提示します。Perplexityのショッピング機能も同様の流れです。商品構造化データに加え、多数の第三者評価や議論を収集し、「販売者自身の説明」と「外部での評価」を照合して推奨の判断材料にします。
ここが、従来のEC SEOとの大きな違いです。これまでは、Googleにおける個別商品ページの検索順位を上げることが中心でした。これから問われるのは、「同じ商品について、インターネット全体のデータが一致しているか」です。公式サイトではNT$1,290、ショッピングプラットフォームではNT$1,490、レビューサイトには古い仕様が残っている――このようにシグナルが食い違うと、AIエンジンにとって最も安全な判断は、その商品を候補から外し、データが整った別の商品を推奨することです。
ステップ1：機械が読み取れる商品データを整備する
出発点は、商品データの構造化です。各商品には少なくとも、ページ内のProduct Schema（JSON-LD）と、送信可能な商品フィードの両方が必要です。前者はクローラーがページ上で商品情報を解釈するためのもの、後者はChatGPTのように事業者のデータ提供網を利用するシステムが、信頼できる最新情報を取得するためのものです。
- 各商品ページに完全なProduct JSON-LDを実装します。name、image、description、brand、sku、gtin（またはmpn）を記載し、Offerにはprice、priceCurrency、availability、priceValidUntilを含めます。
- 実際のレビューに基づくaggregateRatingを設定し、ratingValueとreviewCountをページ上の表示と完全に一致させます。数字を水増ししてはいけません。AIエンジンは複数の情報源を照合します。
- Google Merchant Center／商品フィードを維持し、価格、在庫、GTINなどの項目を公式サイトのSchemaと同期させます。情報源によって内容が食い違う状態を避けてください。
- 送料、返品可能日数、保証について、構造化された項目または明確なルールとして記載します。いずれも、AIがユーザーに代わって商品を比較する際に頻繁に確認する要素です。
ステップ2：第三者レビューによる評価の総意を形成する
自社サイトの5つ星評価もAIエンジンは参照しますが、それだけで判断することはありません。重視されるのは、複数の情報源に共通するシグナルです。Redditでの議論、YouTubeの公開レビュー、専門レビューサイト、価格比較プラットフォームなどの情報が積み重なって初めて、AIはその商品を安心して推奨できます。公式サイトだけが高く評価し、外部ではまったく言及されていない商品は、Perplexityの回答にほとんど登場しません。
ステップ3：回答エンジンが正確に抽出できる商品ページを作る
構造化データを整えていても、ページ自体から情報を抽出しにくければ、引用や参照にはつながりません。AIが好むのは、マーケティング文から答えを組み立てることではなく、まとまった回答をそのまま切り出せる構成です。ユーザーがよく探す情報をQ&Aや明確な表にまとめると、採用される確率は大きく高まります。
- 商品ページに「仕様」と「適した利用シーン」のセクションを設けます。形容詞を並べるのではなく、「どのような人に向き、どのような人には向かないか」を明確に答えてください。
- 短いFAQを追加します。サイズの選び方、前世代モデルとの違い、到着までの日数、返品の可否などを取り上げ、各質問に2〜3文で回答します。
- 曖昧な表現を具体的な数字に置き換えます。「超長時間」より「18時間持続」のほうが明確です。AIエンジンは前者を引用できませんが、後者なら引用できます。
- こうした内容は、クローラーが取得できるHTMLとして実装します。クリックが必要なブロックや、フロントエンド側で後から読み込まれる領域だけに隠さないでください。
ステップ4：AIショッピング上の成果を追跡する
改善後は、施策が機能しているかを確認する必要があります。しかし、従来のキーワード順位計測ツールでは把握できません。追跡すべきなのは、ChatGPTやPerplexityが自社商品を推奨するか、何番目の候補として表示するか、どの文章を引用するか、表示価格が正しいかです。これは新しい可視性指標であり、AIエンジンの回答を専門的に追跡して計測する必要があります。
AIショッピングで問題になるのは、検索順位が10位で見つけにくいことではありません。提示される3つの候補に、自社商品が入っていないことです。最初に見るべき数字は、推奨結果への出現率です。
優先順位とよくあるミス
リソースが限られている場合、優先順位は明確です。まず、導入の前提となるProduct Schemaと商品データの整合性を修正します。次に、AIが安心して推奨できるかを左右する第三者レビューの接点を増やします。最後に、ページからの情報抽出性を改善します。順序を逆にして、サイト外での言及を先に増やしても、商品ページの価格が食い違い、データに空欄があれば効果は限定的です。
特によくあるミスは3つです。Schema内の評価とページ表示が一致していない、商品フィードの価格と公式サイトの価格が同期されていない、仕様を画像だけで掲載しているためエンジンがテキストを読めない――この3点です。いずれもAIエンジンが商品を候補から外す原因になりますが、従来の分析ツールでは影響を確認できません。自社商品がChatGPT ShoppingとPerplexityで選ばれるために何が不足しているのかを知りたい方は、30分のGEO診断をご利用ください。実際の商品とショッピングに関する質問を使って検証し、改善すべき箇所をご提示します。
