AIは「取り出せる情報」しか使わない

AIのサブクエリは非常に具体的です。「発送はどのくらいかかるか」「素材は何か」「どんな部屋に向いているか」。こうした問いに答えるためにAIがページを参照するとき、探しているのは「信号（Signal）」です。固有名詞、数値、技術仕様、これらは信号対雑音比（Signal-to-Noise Ratio）が高く、AIに取り出してもらいやすい。「すぐ届きます」は雑音で、「14時までのご注文は、ヤマト運輸にて当日発送します」が信号です。

構造化データは、この取り出し作業をさらに確実にします。RAG（検索拡張生成、Retrieval-Augmented Generation）の環境では、スキーママークアップ（Schema Markup）はAIにとっての「優先レーン」です。AIがコンテンツの意味を推測しなくてもよくなるからです。急須を販売しているなら、スキーマに陶磁器生産地（例：常滑焼）・容量（ml）・重量を明示する。Product・Review・HowTo・FAQのスキーマを積極的に使うことで、AIはページから情報を即座に確認できます。

メタタイトルと見出しも同じ役割を果たします。AIはこれらを「アンカー」として使い、その下の文章がユーザーの条件（「価格」「サイズ」など）に関連するかを判断します。見出しが曖昧なページは、AIにとって地図のない建物です。

AIが引用するのは「すべて」ではなく「チャンク」

AIは2,000字の記事を丸ごと引用しません。特定のチャンク（Chunk）だけを取り出します。これはGEOにとって重要な含意を持ちます。記事全体の完成度より、「ひとつの段落が単独で意味をなすか」が問われるということです。

段落をひとつ切り取り、初めて読む人に見せたとき、何の話か即座にわかるか。わからなければ、その段落はAIに引用されません。段落ひとつにつきサブトピックひとつ、H2・H3の見出しを明確に使うのが意味単位への整理（Semantic Chunking）の基本です。

可読性も同じ文脈で捉えてください。AIモデルは可読性（Readability）を優先するよう設計されています。難解な文体は「専門性の証明」にはなりません。AIが一読して解析できる文章は最終的な合成に組み込まれやすく、長すぎる文や曖昧な構造はその逆です。箇条書きや番号付きリストを使うことは、読者への配慮であると同時にAIへの配慮でもあります。

AIが「推薦できる」と判断するには根拠がいる

AIが概要に情報を引用するとき、そこには「推薦する責任」が伴います。だからこそ、権威性（Authority）が問われます。権威性の実体は、レビュー・実績・公式性・情報の鮮度です。

この文脈で注目すべきがユーザー生成コンテンツ（UGC、User-Generated Content）です。GoogleのAIによる概要は、「リアルな視点」、つまりReddit・専門フォーラム・自社サイトのレビュー欄に投稿された実際のユーザー体験を頻繁に引用します。一人称の体験談は、AIが重視する「真正性（Authenticity）」の信号として機能するからです。

購入者に対して、具体的な使用シーンを書いてもらうよう働きかけることが施策になります。「よかったです」ではなく、誰が・どんな場面で・不安はどう解消されたかを語るレビューが推薦判断の証拠になります。「この加湿器は6畳の部屋にちょうどよく、間口が広いので給水も簡単です」というレビューは、AIにとって非常に価値があります。

小売・EC市場は、精度と信頼のうえに成り立っています。GEOは、その価値観をデジタルで表現したものにすぎません。データを具体的にし、専門知識を「取り出せる形」にする。それを実現したとき、AIはあなたの言葉で語るようになります。

EC事業者のためのロードマップ

現代のEC事業者にとって、検索エンジンへのキーワード入力の時代から、AIが意思決定を支援するコンシェルジュとして機能する時代へと、勝負の構造は大きく変わりました。もはやクリックを最適化するだけでは不十分です。自社ブランドをAIにとっての「信頼できる情報源」として設計すること、そしてAIが「この商品は、このユーザーの、この条件に合っている」と判断できる、関連性の証拠が揃った存在として位置づけることが求められています。

何が変わったか

消費者の検索行動は「キーワード検索」から「プロンプト入力」へと移行しました。ChatGPTへのプロンプトは平均60〜75語、Googleのキーワード検索は依然として平均3〜4語。この語数の差が、返ってくる回答の具体性の差をそのまま生み出しています。

ユーザーが入力するプロンプトには、何を探しているか（主題）、誰がどんな状況で使うか（文脈）、何を求めているか（意図）、予算や条件（制約）という4つの要素が含まれています。商品ページがこれら4つに事前に答えられているかどうかが、AIに推薦されるかどうかの分岐点です。

技術的には、検索は語句の一致から意味理解に基づく情報の取得（Retrieval）へと進化しました。埋め込み表現（Embeddings）とTransformerによって、現在の検索では単語や文章だけでなく、検索に関わるあらゆる対象がベクトル（Vector）として表現されています。GoogleはこのベクトルをもとにブランドのSEO上の権威を複数の言語とモダリティにわたって把握しており、文字の一致に頼らず「意味が近い」「文脈が一致する」という判断を行います。

回答生成の仕組みはRAG（検索拡張生成）が用いられています。AIはあなたのウェブサイトを「教科書持ち込み可」の試験の教科書として参照しながら回答を生成します。Googleがひとつのクエリを数十のサブクエリへと展開し（質問の分解と同時並行探索、Fan Out）、最も細かい事実を探しにいく構造も、前回解説した通りです。

EC事業者が持ち帰るべき3つの認識

可視性 ≠ 順位：　検索結果に「表示される」ことはAI時代における出場資格に過ぎません。AIによる概要に引用されるためには、コンテンツが取り出せる形でなければなりません。機械があなたのページからサブクエリへの答えを取り出せないなら、あなたはその問いに対して存在しないも同然です。

流入量は減るが、意図は深まる：　AIが直接回答するケースが増えることで、上位ファネルのトラフィックは減少します。しかし実際にサイトを訪れるユーザーは、意思決定のより進んだ段階にいます。AIの合成によって「事前に購買意欲を高められた」状態で来訪するため、1アクセスの価値はむしろ高まります。

構造化が新しいSEOになる：　 AIモデルは表・箇条書き・スキーママークアップを好みます。商品スペックが美辞麗句に埋もれているなら、AIに余計な解読作業を強いています。データを「すぐ取り出せる形」にすることで、AIはあなたと競合他社を容易に比較できるようになります。

どこから始めるか

SEOで候補集合に入り、GEOで理解・信頼・推薦を取りに行く。この評価プロセスを設計することが出発点になります。

技術基盤の整備（機械可読性フェーズ）：　まずスキーマを修正してください。AIが価格・在庫状況・素材を即座に確認できない状態では、候補評価の段階にそもそも到達しません。

専門性の監査（信号フェーズ）：　主要な商品ページ上位10件を確認してください。マーケティング的な形容詞を20%削除し、その分だけ技術的な事実や具体的な使用シーンを追加してください。

原子的な書き直し（意味単位フェーズ）：　長い説明文を、明確な見出し付きの自己完結したチャンク（Chunk）に分割してください。「特徴」の列挙を、顧客が実際に入力するプロンプトに対応した「課題と解決策」の構成に書き換えてください。

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