EC ブランドのための GEO と SEO：検索が回答レイヤーになると何が変わるのか
GEO は SEO の置き換えではありません。商品ページ、コンテンツ、フィード、構造化データ、計測が、順位だけでなく回答生成にも使われるという基準の変化です。
続きを読む
EC商品のAIショッピング可視性を確認する方法
AIショッピング可視性は、EC SEOの新しい実務レイヤーになりつつあります。商品ページがインデックスされているかだけでは不十分です。Google、ChatGPT、Geminiなどの買い物アシスタントが商品事実を読み、情報が新しく一貫していると判断し、買い手の自然な質問に商品を結び付けられるかが重要です。
DTCチームが見るべき問いは「どこにでも表示されているか」ではありません。買い手が自社商品に近いニーズを質問したとき、主要な発見システムがカタログを理解し、商品を正しく説明し、購入意図の高い訪問を自社ページへ戻せるかです。
これは一つのスコアではなく、運用プロセスとして確認します。固定した商品セット、固定したクエリ、プラットフォーム診断、手動AIショッピングチェック、構造化データ、フィード、ファーストパーティ分析を同じリズムで見ます。
まず可視性スコアカードを作る
スクリーンショットだけでは判断材料になりません。チェック前に、次の4つの信号を決めます。
- カバレッジ：商品カード、AI要約、参照元、候補リストに商品やブランドが出ているか。
- 正確性：価格帯、素材、用途、サイズ、在庫、配送・返品条件が正しく説明されているか。
- 一貫性：公開ページ、Product JSON-LD、Merchant Centerフィード、画像、バリエーション、ポリシーページが同じ事実を伝えているか。
- 事業影響：商品ページの表示、訪問、カート追加、再訪、ブランド検索が改善作業の後にどう変わったか。
この形式にすると、一回のAI回答に振り回されず、商品、SEO、グロースの各担当が毎月同じ基準でレビューできます。
1. 重要な商品だけを先に選ぶ
最初から全カタログを見ないでください。20〜50商品を選びます。
- すでに需要があるベストセラー
- 発見性が上がると利益に効く高粗利商品
- 初期シグナルが必要な新商品
- 素材、サイズ、互換性、認証など質問されやすい商品
- 購入前に比較されやすい商品
各商品について、正規URL、タイトル、ブランド、現在価格、セール価格、在庫、メイン画像、対象市場、言語、テスト時点のページバージョンを記録します。後でページやフィードが変わったとき、どの変更がどの信号に対応するかを追えます。
2. 実際の買い物質問に近いクエリを作る
AIショッピングの質問は、従来のキーワードより長く具体的です。例えば次のようなものです。
- “蒸し暑い日に着られる100ドル以下の軽いリネンシャツ”
- “食洗機対応の無毒な幼児用食器セット”
- “iPhone 16 Proとジェルを入れられるマラソン練習用ランニングベルト”
- “冬の旅行向け、乾燥敏感肌に使えるスキンケアギフト”
- “初心者にはセラミックノンスティックとステンレス鍋のどちらが良いか”
各商品に5〜10個のクエリを用意し、用途、予算、素材・属性、比較、市場文脈を含めます。文言は固定します。毎回プロンプトを変えると、可視性が変わったのか、テストが変わったのか分からなくなります。
3. Google側の信号を順番に読む
Googleが販売者に返している情報から確認します。
Merchant Center AI insights が利用できる場合は最初に見ます。Google Merchant Centerのヘルプでは、AI Mode、SearchのAI Overviews、Geminiに関するAI-powered shopping experience insightsとして、可視性、商品語句、ファネル、属性の完全性を確認できると説明されています。商品がどの言葉で見つかり、どの属性が不足しているかを判断する材料になります。
Merchant Center diagnostics では、不承認、限定的な掲載資格、識別子不足、画像問題、価格不一致、在庫不一致、配送・返品ポリシー不足、国別フィード問題を見ます。Merchant Centerで乱れている商品は、AIショッピングでも説明されにくくなります。
Search Console では公開ページ側を確認します。GoogleのAI features文書では、AI機能からのクリック、表示、掲載順位がSearch Consoleに反映されると説明されています。商品ページの表示回数、長い質問型クエリ、ランディングページ、商品データ変更前後の差分を同じ商品セットで見ます。
4. 機械が読む前提で商品ページを見る
AIショッピングは、一つの説明文だけではなく複数の情報源から商品理解を組み立てます。商品ページでは次を確認します。
- 商品タイプが分かるタイトル
- ブランド、型番、素材、サイズ、色、フィット、互換性、認証
- 価格、セール価格、在庫、配送目安、返品条件
- 情報量のある画像altテキスト
- フィードと対応するバリエーション
- 表示内容と一致したProduct構造化データ
- 関連ガイド、比較記事、コレクションページからの商品導線
目的はキーワードを増やすことではありません。曖昧さを減らすことです。ページ、フィード、サイズ表、レビューが別々の言い方をしているなら、商品事実を一本の説明に揃える必要があります。
5. ページ、schema、フィードを項目ごとに照合する
実務上の問題はここで見つかります。サンプル商品について、PDP本文、Product JSON-LD、Merchant Centerフィード、画像情報、バリエーション、配送・返品・支払いポリシー、対象市場のローカライズページを比べます。
まず衝突を探します。古い価格、フィードにないセール価格、色やサイズの不明確なマッピング、SKUと違う画像、市場ごとに違うポリシー文言、ページ本文にしかない重要な主張が典型です。
AIショッピングでは、一貫性そのものが成長資産です。検索システム、買い物システム、実際の顧客が同じ商品理解を持てるようになります。
6. 手動チェックは調査ログとして残す
手動チェックは、AIがカテゴリをどう理解しているかを見るために有効です。ログには、日付、市場、デバイス、アカウント状態、商品URL、正確なプロンプト、テスト面、結果タイプ、引用された商品事実、不足・不正確な事実、次の対応を入れます。
「表示されたか」だけでは足りません。AIがカテゴリ内で何を重視しているかを見ます。たとえば、食洗機対応、幅狭足向け、硫酸塩不使用、米国発送といった事実が繰り返し出るなら、その情報を本文の奥に埋めず、商品データとして明確に持つべきです。
7. Analyticsに接続する
AIショッピング可視性は、最終的には行動データに戻して見ます。商品ページセッション、エンゲージドセッション、検索・参照トラフィック、カート追加率、再訪、ブランド検索、市場別の変化を追います。
Product JSON-LD更新、フィード修正、商品ページ改稿、購入ガイド追加、sitemap送信などの作業日は必ず記録します。作業と流入・転換の変化を同じタイムラインで見られるようにします。
8. 信号を次の作業に変える
| 信号 | 起きている問題 | 次の作業 |
|---|---|---|
| 商品は出るが事実が違う | ページ、フィード、schemaの不一致 | 商品事実を修正し、関連データを再送信する |
| 属性クエリで競合が出る | 属性不足または本文が曖昧 | 属性、用途、比較情報を追加する |
| 表示はあるがクリックが弱い | タイトルや導入文が弱い | title、meta description、冒頭、オファーを改善する |
| Merchant Centerに問題がある | フィードまたはポリシー不足 | 先に阻害要因を直す |
| AI回答がカテゴリ助言で終わる | 商品を支える文脈が足りない | ガイド、比較ページ、FAQを作る |
| 流入は増えたが転換しない | 着地ページの信頼や条件が弱い | 価格、配送、返品、レビュー、速度を見る |
Foundaxでの進め方
Foundaxは、DTCチームが制御できる商品事実、公開ページ、フィード準備、コンテンツ、ローカライズ、測定を同じ運用フローにまとめます。
商品データを整え、サーバー側Product JSON-LD付きのPDPを公開し、Google Merchant Centerのpreflightを見てから同期し、Search Console検証とsitemap送信を行い、Content Studioで補助コンテンツを公開し、ファーストパーティ分析とGA4診断で変化を見る。この流れにすると、AIショッピング可視性は抽象的な話ではなく、毎月改善できる運用になります。
Related Reading
- AI Shopping Visibility Guide
- AI Shopping Visibility Checklist
- AI Shopping Visibility Measurement Guide
- Product Page SEO Checklist for AI Search
よくある質問
AIショッピング可視性とは何ですか？
AIショッピングアシスタントやAI検索体験が、関連する買い物質問に対して商品を理解し、参照し、説明し、商品ページへ訪問を戻せる度合いです。
まず何を見るべきですか？
小さな商品セットを選び、Merchant Center AI insights、Merchant Center診断、Search Console、Product構造化データ、フィード整合性、手動プロンプト、分析の順に確認します。
ChatGPTショッピングはどう確認しますか？
市場と言語ごとに同じ買い物プロンプトを使い、自社商品、競合、カテゴリ助言、引用された事実、不足情報、次に直す商品データを記録します。
どの頻度で見直しますか？
安定したカタログは月次で十分です。価格、在庫、フィード、画像、テンプレート、ポリシー、ローカライズを変えた後は早めに見直します。