はじめに：20年変わらなかった、ただ一つの原則

私がeコマース業界で20年過ごす中で、「今すぐ購入（Buy Now）」ボタンが初めて登場した時代から、モバイル革命まで、eコマースの風景が大きく変わるのを見てきました。しかし、そのすべての変化を通じて、一つだけ変わらなかった考えがあります。

「テクノロジーは変わる。だが、目的は変わらない。

それは“顧客が見ている場所に存在すること”だ。」

日本の小売事業者にとって、それが楽天のエコシステムを極めることであれ、Amazon Japanを攻略することであれ、Yahoo!ショッピングに商品を掲載することであれ、本質は変わりません。

ただし今、デスクトップからモバイルへの移行以上に、はるかに本質的な変化が起きています。私たちはいま、生成AI最適化（Generative Engine Optimization：GEO）の時代に入りつつあります。

「青いリンクの終焉（Fall of the Blue Links）」が意味するもの

もし最近、Googleからのオーガニックトラフィックが大きく変動していたり、検索結果の最上部に「AIによる要約回答（AI Overview）」が表示されるようになったことに気づいているなら、あなたはいま「青いリンクの終焉」を目撃しています。

これは、過去20年の検索体験の歴史の中でも、おそらく最大級の変化です。そして同時にこれは、小売事業者に対する先見性ある転換（a call for a visionary pivot）を求める明確なシグナルでもあります。

新しいデジタル店舗：検索は「Search」から「Synthesis」へ

20年間、検索は「図書館」だった

20年にわたり、検索は図書館のような存在でした。ユーザーはキーワードを入力し、Googleはリンクの一覧を返します。小売事業者は、その一覧の中で「最初のリンク」になるために競い合ってきました。検索エンジンの役割は明確でした。

• 情報を含む可能性のあるすべての情報源を網羅的に集めること

• それらを関連性の高い順に並び替えること

ユーザーはその結果として提示されたリンクを、一つひとつクリックしながら、どこかにある「本当の答え」にたどり着く必要がありました。このように、リンクを何度も行き来しながら答えを探す行動は、反復的な探索プロセス（iterative process）だったのです。

2026年、検索は「コンシェルジュ」になる

2026年、検索はもはや無限に並ぶリンク集ではありません。それは、質問を理解し、条件を整理し、最適な答えを提示するコンシェルジュ型サービス（Concierge Service）へと進化します。

たとえば顧客が、次のように尋ねたとします。「湿気の多い夏でも蒸れにくく、小さい部屋に置ける、オフィスチェアのおすすめは？」顧客が求めているのは、10個のリンクではありません。

• 素材（通気性）

• サイズ（狭い住環境）

• 日本の梅雨というローカルな文脈

これらを考慮した統合された答え（Synthesis）です。

ゼロクリック検索（0 Clicks Result）の時代

このとき顧客は、もはやリンクをクリックする必要がありません。質問を投げると、信頼できる一つの答えが返ってくる。このように、検索結果がクリックを伴わない現象を0クリック検索（0 Clicks Result）と呼びます。

かつて0クリック検索は、「質問の質が低く、表示されたリンクが役に立たなかった」ことを意味していました。しかし今は違います。完璧な答えが生成され、クリックが不要になったそれこそが、0クリック検索の意味になりつつあります。

生成AI最適化（GEO）とは何か

ここで登場するのが、生成AI最適化（Generative Engine Optimization：GEO）です。GEOとは、ChatGPT、Google Gemini、Perplexityといった生成AIが、「このブランドなら推薦できる」と信頼する状態をつくる実践です。AIという“コンシェルジュ”に、十分に信頼され、推薦される存在になること、それがGEOの目的です。

「デジタル握手（Digital Handshake）」の進化

なぜこの変化が起きているのかを理解するために、私たちはオンラインで物を探す方法の歴史を振り返る必要があります。過去20年間、顧客が小売事業者を見つける瞬間、いわばデジタル握手（Digital Handshake）は、3つの時代を経て進化してきました。

1. ディレクトリの時代（1990年代）

インターネット初期は、巨大で整理されていない図書館でした。店舗を見つけるために使われていたのが、Yahoo! JapanやDMOZのようなディレクトリです。これらは人の手で編集された一覧であり、見つけてもらうにはサイトをカテゴリに「登録申請」する必要がありました。これは、分厚い電話帳（イエローページ）に広告を載せる感覚に近いものでした。

すべてが手作業で、静的で、「関連性」は人間の編集者によって判断されていました。

2. キーワードとリンクの時代（2000〜2015年）

次に訪れたのが、Google主導の「青いリンク革命」です。検索はアルゴリズムによって制御されるようになりました。この時代を定義づけたのが、語彙検索（Lexical Search）です。

小売事業者の戦略（The Retailer’s Strategy）

顧客が「絹の着物」と検索するなら、商品ページに「絹の着物」という言葉を10回登場させる。それが基本戦略でした。

評価の通貨（The Currency）

評価軸は、被リンク（Backlinks）でした。他のサイトからのリンクは、信頼の投票（votes of confidence）として機能しました。

目的（The Goal）

目的は極めてシンプルです。キーワードオークション（keyword auction）、あるいは順位競争に勝ち、検索結果で最初の青いリンクになること。

使われたツール（The Tool）

使われていたのは、検索結果ページのスクレイピング（Search Engine Result Page Scraping）と分析です。これにより小売事業者は、ビジネスに関連するキーワードを特定し、検索結果における商品ページの順位を分析することが可能になりました。

3. 意図理解の時代（2015〜2023年）

GoogleはRankBrainやBERTといった仕組みを導入し、検索を「文字列（strings：文字）」から「概念（things：概念）」へと進化させました。検索エンジンは類義語を理解するようになります。たとえば、「北海道でも暖かい冬服」と検索すれば、「防寒ジャケット」も同じ意図として理解されます。検索は、意図（Intent）の時代に入ったのです。

第四の時代：リレバンスエンジニアリング（Relevance Engineering）

そして現在、私たちは第四の時代に入っています。もはや「インデックスされる」ことや、「順位を取る」ことだけでは不十分です。必要なのは、

• 情報として取得されること（Retrieved）

• 回答の一部として統合されること（Synthesized）

この変化が、リレバンスエンジニアリングという考え方を生み出しました。

リレバンスエンジニアリングとは何か

従来のSEOが、「アルゴリズムを欺いて順位を取る（tricking an algorithm）」行為だったとすれば、リレバンスエンジニアリングは、AIが答えを組み立てるための部品として使えるよう、 ブランドの知識を構造化する技術的・創造的な実践です。

定義：リレバンスエンジニアリング

リレバンスエンジニアリングとは、コンテンツ制作、技術的な実装、そしてブランドとしての認知された権威性を組み合わせ、特定の質問やプロンプトにおいて、最も関連性が高く、最も取得されやすい情報源になるための取り組みです。

なぜEC事業者は関連性を設計する必要があるのか

生成AIは、サイトを単に“見る”のではありません。情報を取り込み（Ingest）、処理します。

その際に使われるのが、ベクトル埋め込み（Vector Embeddings）です。ベクトル埋め込みとは、言葉を数値に変換し、意味の3次元空間に配置する技術です。

曖昧な表現が生む問題

もし商品説明が、「誰にでも合う高品質な靴」のように曖昧であれば、その情報は意味空間の中で混み合った、ぼやけた場所に配置されます。

関連性を設計した表現

一方で、「東京の硬いコンクリート路面向けに設計された、梅雨でも快適な吸湿速乾素材のエルゴノミック・ウォーキングシューズ」のように関連性を設計すれば、意味空間の中で、正確で鋭い座標を持つことになります。AIが特定の解決策を探すとき、このように“設計されたコンテンツ”が際立ちます。

「順位」から「引用」へ

日本の小売事業者が理解すべき、最も先見的な変化はこれです。引用（Citation）が、新しい1位になる。AIによる要約回答では、AIが段落を生成し、その末尾に小さなリンクとして引用元を示します。この引用を得るために必要なのは、最も多くの被リンクではありません。必要なのは、その特定のサブトピックにおいて、最も高い関連性スコアを持つことです。だからこそ、これは「エンジニアリング」なのです。商品ページや仕様の書き方、顧客レビュー、そしてあなたやあなたの商品について言及している、 あらゆる第三者（any third party）によるコンテンツが重要になります。

未来展望：先見性ある視点「見えない検索」の時代へ

この連載を通じて覚えておいてほしいのは、関連性エンジニアリングの目的は、

クリックを獲得することではない、という点です。目的は、日本の消費者がスマートフォンや車、スマートグラスに向かって「おすすめは？」と尋ねたとき、あなたのブランドが、AIの答えそのものになることです。

次回予告

次回は、ユーザーがAIにどのような「プロンプト（Prompt）」でAIとコミュニケーションするのか。その変化が、AIによる提案や推薦の内容にどのような影響を与えるのかを、深く掘り下げていきます。

著者：プロフィール

Pavel Zaslavsky（パベル・ザスラフスキー）

イスラエル工科大学（Technion）MBAプログラムにて、eコマースおよびデジタルリテール分野を教える講師。 20年以上にわたり、ECプラットフォーム、商品検索、商品カタログ管理、コンテンツ最適化といった領域において、実務と研究の双方に携わってきた。現在は、日本とイスラエルの共同スタートアップであるLISUTO株式会社のイスラエル拠点責任者（General Manager）としても、EC事業者向けコンテンツAIソリューションの企画・開発・グローバル展開を統括している。これまでにeBayにてグローバルカタログオペレーションの創設者兼責任者を務め、世界各国のマーケットプレイスを横断する商品データ基盤を構築。 また、Shopping.com（eBayグループ）では、ヨーロッパ全域のカタログオペレーションを立ち上げ、運用モデルを確立した。その後も複数の大手EC多国籍企業においてアドバイザーとして参画し、商品データ設計、検索品質改善、業務オペレーションの高度化を支援。 大学教育と実務の両面から、オンラインリテールにおけるAI活用とEC運営の進化を発信している。

LISUTOおよびAIタッガーについて

LISUTO株式会社は、EC事業者向けに商品コンテンツを最適化するグローバルAIソリューションを提供する、日本・イスラエル発のスタートアップです。主力ソリューションである「AIタッガー」は、商品データを自動解析し、検索、レコメンド、業務効率の改善に直結する高品質なタグ情報を生成するコンテンツAIです。大学で教えられているeコマース理論と、グローバルECの現場で培われた実務知見を融合した設計により、人手依存や表記揺れといった商品データ運用の構造的課題を解消し、EC運用の再現性とスケーラビリティを高め、継続的な改善を可能にしています。楽天市場、Yahoo!ショッピングなど、複数のECプラットフォームに対応しており、商品点数やカテゴリ規模を問わず導入できます。

■関連資料

AIが変えるECの未来を解く AI検索と構造化データへの対応戦略 2025

【AIタッガー】SEO×AI検索時代の“見つかる力”を最大化