AIが「読む」：クエリの意図と条件を解析する

ユーザーがプロンプトを入力したとき、Google AIが最初に行うのは、その文章を分解し「何が本当に問われているのか」を理解することです。

まず行われるのが、意図の分類（Intent Classification）です。システムはプロンプトをカテゴリに振り分けます。「ナビゲーション」意図（特定のショップを探している）なのか、「情報収集」意図（商品やテーマについて学びたい）なのか、それとも「購買」意図（今すぐ買いたい）なのか。その判断の上で、そのクエリが「AI概要に適しているか」を決定します。

次に、条件の特定（Slot Identification）が行われます。AIはユーザーのリクエストに含まれる条件を一つひとつ拾い上げます。たとえば「幅広甲の足に合う、軽量ランニングシューズで15,000円以内」というプロンプトであれば、[商品：シューズ]、[用途：ランニング]、[重さ：軽量]、[フィット：幅広]、[価格：15,000円以下]という条件が特定されます。

重要なのは、自社の商品ページや説明文がこれらの条件（素材・サイズ・用途・価格帯など）を明確に記載していない場合、AIが候補として拾い上げられずに最初の段階で弾かれてしまうという点です。

さらにGoogleは、書き換えと多様化（Rewrites and Diversifications）によって、入力クエリを複数のバリエーションに展開し、見落としがないよう探索します。「幅広甲」に対して「4E」や「リラックスフィット」といった同義語や関連概念も含め、選択肢を広げます。

加えて、先読みのサブ質問（Speculative Sub-Questions）も機能します。これはAIの「想像力」にあたる機能であり、ユーザーが次に必要とするであろう問いを先取りして生成します。高級カメラを検索した場合、AIは「レンズの互換性」「旅行時のバッテリー持続時間」「日本国内での保証サポート」といった問いも先回りして考えます。

AIが「選ぶ」：情報源と掲載内容の二段階選別

AIが1つのプロンプトを10前後のサブクエリへと展開すると、次に行うのは「どこから取るか」と「何を使うか」の二段階の選別です。

まず、情報源の選別が行われます。すべてのサブクエリが同じ送り先に向かうわけではありません。「ユーザーレビュー」に関するクエリはGoogleマップや専門フォーラムへ、「技術仕様」は商品ページへ、「ビジュアルスタイル」はGoogle画像検索やYouTubeへと振り分けられます。EC事業者として重要なのは、自社ブランドがこれらすべての情報源において存在感を持っていることです。

同時に、AI検索にはGoogle側に相当の計算コストが発生します。このコストを管理するため、システムは「最も抵抗の少ない経路」——つまり表示が速く、解析しやすく、答えを含む可能性が高い情報源を優先します。サイトの表示が遅かったり、構造が複雑だったりすると、AIがそのページを読み込む前に別の情報源へ移ってしまうことがあります。

情報源が決まると、次は掲載内容の選別が始まります。AIが評価する第一の基準は、情報の密度です。「東京で一番のショップです！」という宣伝文句が9割を占め、「24時間配送に対応」という事実が1割しかない文章は、密度が低いと判断されます。AIが好むのは、すべての語が具体的かつ検証可能な事実を担い、要約に抽出しやすい文章です。

第二の基準は、スコープの明確さと適用可能性です。その情報はサブクエリに対して具体的に答えているか。AIが「夏の通気性」を探しているときに「オールシーズン対応の快適さ」を謳っているだけでは、スコープが曖昧だと判断されます。AIは、ユーザーの特定条件（たとえば日本の夏の湿度）にフィットするデータを求めています。

第三の基準は、権威性と鮮度のバランスです。Googleは、そのブランドが特定のジャンルで"信頼できる発信源"として認識されているかを評価しています。商品価格には「鮮度」（当日のデータ）が求められ、素材や製法に関する情報には「安定性」（長期にわたる権威ある情報）が求められます。

最後の基準は、安全審査です。確立された事実に反するもの、安全基準に違反するものはすべて除外されます。どれほど関連性が高いコンテンツであっても、この審査を通過できなければ採用されません。

AIが「引用する」：生成される回答と、選ばれるページの条件

「読む」と「選ぶ」を経て、Google AIは最終的な回答を生成します。Google AIの概要に選ばれ、可視性を維持するためには、自社データがたどる旅路を理解する必要があります。

ユーザーのプロンプトが入力されると、Googleはリクエストの背後にある「なぜ」を掘り下げます。続いてシステムは複数の検索を同時に起動し、表示が速く、機械が読みやすく、権威ある情報を優先的に取得します。そして最終的に、最も有用な情報を提供した情報源を引用しながら、カスタムの回答を生成します。引用されるのは「一番売れているページ」ではなく、「一番答えているページ」です。

Googleに引用されるページとは、キーワードを並べたページではなく、ユーザーの問いに対して具体的・明確・正確に答えられるページです。商品説明・ブランドストーリー・FAQ——これらすべてが、AIの回答候補になり得ます。

「上位表示」の対象は、もはやトップページだけではありません。自社ブランドが持つあらゆる具体的な知識が、その対象になります。このクエリ処理の全体像を理解することで、「キーワード対策」から「情報の設計」へと発想を転換できます。自社サイトを、AIが答えを探しに来たときに迷わず引用できる、精度の高い情報の集合体として設計してください。

最終回となる次回では、EC事業者として、AI概要の中で引用・言及されるために実践すべき戦略と戦術を振り返ります。

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コマース分野を教える講師。 現在は、LISUTO Israel のゼネラルマネージャーとしても、EC向けグローバルコンテンツAIの開発および事業統括を担っている。eBayおよびShopping.comにて、グローバル規模のカタログオペレーション構築を主導した実務経験を持ち、大学教育と現場実装の両面からオンラインリテールの進化とAI活用を研究・実践している。
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