AIは商品ページを人間のように「閲覧」するのではなく、情報を項目ごとに「分解」します。ユーザーがChatGPT、Perplexity、Geminiに「月額1,000ドル以内で、サポート体制のあるプロジェクト管理ソフトを探して」と依頼したとき、エージェントが読むのは、作り込まれたヒーローセクションや動きのある演出ではありません。ページの裏側にある、機械が再利用できる構造です。データが欠けている、古い、あるいは画面上の記載と食い違っていれば、どれほど優れた商品でも、エージェントの候補リストから消えてしまいます。
AIは商品ページをどう「読む」のか
従来の検索エンジンは、ページ全体の本文、タイトル、リンクを収集し、アルゴリズムに基づいて順位を決めます。一方、AIショッピングエージェントの動きは異なります。数十件の候補ページから、価格、通貨、在庫、プラン内容、評価、返金ポリシーといった比較可能な項目を数秒で抽出し、それらを回答文にまとめてユーザーに推奨します。ページの情報が整理され、項目が充実しているほど、引用される可能性は高まります。商品ページGEOの核心もここにあります。文章を華やかにすることではなく、重要な事実をエージェントが一度で持ち出せる形式に整えることです。
エージェントが情報を抽出する経路は2つあります。第1はJSON-LD形式の構造化データを読む方法で、最も速く、信頼性の高い情報源です。第2は、構造化データがない場合に、画面上のプレーンテキストを解釈する方法です。多くのB2B SaaSの商品ページは、第1の対応も半分しかできていません。Product schemaは実装していても、offersやaggregateRatingが抜けているため、エージェントは商品名を取得できても、価格や評判を比較できず、結果として候補順位を下げてしまいます。
実装すべき項目は何か
Productを実装すれば、商品ページの構造化データ対応は完了だと考える人は少なくありません。しかし、AIショッピングエージェントにとって、Productは対象を示すラベルにすぎません。実際の比較に使われるのは、その中にネストされた項目です。以下のいずれかが欠けるたびに、推奨される機会も減っていきます。
- Product本体：name、description、brand、skuを設定し、それが何で、どのブランドの商品なのかをエージェントに伝えます。
- offers（Offer）：price、priceCurrency、availability、priceValidUntilを設定します。エージェントが予算や在庫状況で候補を絞るための基礎情報です。B2Bのサブスクリプションでは、月額か年額かも明示する必要があります。
- aggregateRatingとreview：ratingValue、reviewCountを設定します。エージェントは商品を推奨する際、評価を信頼性のシグナルとして引用することがほとんどです。
- FAQPage：「何に対応していますか」「無料トライアルはありますか」といった実際の質問と回答を記載します。エージェントが回答全体を取り出し、ユーザーへの説明に使いやすくなります。
- OrganizationとsameAs：G2、Capterra、業界メディア上のプロフィールを関連付け、信頼できるブランドであることをエージェントが確認できるようにします。
offersとaggregateRating：エージェントが特に重視する2項目
修正できる項目が2つだけなら、offersとaggregateRatingを優先してください。理由は明快です。ユーザーがエージェントに尋ねるときは、「もっと安いもの」「評価が高いもの」「実績のあるもの」のように、予算や信頼性に関する条件を伴うことが多いからです。こうした質問に答えるには、エージェントがoffersから価格を、aggregateRatingから評価スコアを読み取れなければなりません。価格が画像にしか書かれておらず、構造化されていなければ、エージェントは正確に読み取れません。これは価格比較の候補から自ら外れるのと同じです。B2B SaaSでよくある「価格はお問い合わせください」という表記も、そのままでは引用できません。少なくとも開始価格やプランの価格帯を示し、エージェントが比較できる基準を用意しましょう。
商品ページは「質問され、引用される」ことを前提に書く
構造化データには、エージェントを必要な項目へ導く役割があります。一方、本文には、エージェントがその情報を自然な回答として「話せる」ようにする役割があります。ユーザーが「これはリモートチームに向いていますか」と尋ねた場合、エージェントは価格だけでなく、ページ本文から根拠になる一文を探します。そのため、商品ページの各段落は、それだけで意味が通るように書くのが理想です。1つの訴求点、1つの対象ユーザー、1つの具体的な利用場面を明確にし、3枚のスライドを見なければ要点が分からないような構成は避けましょう。よくある質問で扱う条件、制限、互換性は、短い回答として直接記載してください。形容詞を重ねるよりも、エージェントが段落ごと引用しやすくなります。
最も多いミス：構造化データと画面表示の不一致
クライアントの商品ページをGEO監査すると、最も多く見つかる問題はschemaの未実装ではなく、schemaの内容と画面上の表示が食い違っていることです。プランを新しい月額料金に変更したのに、JSON-LDには昨年の価格が残っている。画面には「期間限定90%オフ」と書かれているのに、構造化データの価格は通常価格のまま、といったケースです。エージェントは構造化データを優先するため、誤った数字で商品を推奨します。ユーザーがページを訪れ、価格の不一致に気づけば、信頼は損なわれます。さらに悪いのは、評価を5.0、reviewCountを数千件と偽って記載するケースです。こうした明らかに不自然なシグナルは検索エンジンに削除される可能性があり、ページ全体の信頼性まで疑われます。構造化データの第1原則は、正直さと同期です。虚偽の情報を付けるくらいなら、項目が少ない方がまだ適切です。
今日から実施できるチェックリスト
ここまでの原則を実行可能な作業に落とし込みます。商品ページGEOでは、少なくとも次の項目を確認してください。
- 構造化データのテストツールを使い、各商品ページのProduct、Offer、aggregateRatingがエラーなく解釈できることを確認します。
- 構造化データの価格が画面表示と完全に一致していることを確認し、価格変更の業務フローに「JSON-LDも同時に更新する」工程を追加します。
- 商品ページで特によく聞かれる3つの質問をFAQPage schemaに記載し、回答は段落全体をそのまま引用できる長さに収めます。
- OrganizationのsameAsが、G2やCapterraなどの第三者サイトと正しく関連付けられ、エンティティの信頼性を補強できているか確認します。
- 実地確認：実際のユーザーが尋ねる3つの質問を主要なAIエンジンに入力し、自社商品が回答内で言及されるかを確認します。
商品ページGEOは、一度きりの技術対応ではありません。表示内容と構造化データを継続的に同期し、保守する取り組みです。10個のタブを開く代わりに、まずAIへ相談する購買行動が増えるなか、エージェントが商品情報を抽出し、正しく引用できるかどうかが、新たな購買導線での可視性を左右します。AIショッピングエージェントから見て、どの項目が不足し、どの情報が誤って引用されているのかを確認したい方は、30分間のGEO診断をご予約ください。実際のAIエンジンで検証し、現状とのギャップをお見せします。
