AIショッピングの主役は商品フィード、商品ページではない――SEL報道

AIショッピングの主役は商品フィード、商品ページではない――SEL報道

要点: Search Engine Landが2026年7月31日、「AI shopping starts with your product feed, not your product page」と題する記事を公開した。ChatGPT・Gemini・Perplexity・Microsoft Copilot・Amazon RufusといったAIショッピング機能は、商品ページのスクレイピングではなく、Google Merchant Centerの構造化フィードデータを主な情報源として商品を選出・推薦していると指摘する内容だ。 記事はGoogle Marketing Live 2026(5月20日)で発表された「会話型属性(Conversational Attributes)」を軸に、フィードの適格性・網羅性・鮮度を点検する実務チェックリストを提示している。フィードを放置している事業者は、商品ページをどれだけ作り込んでもAIショッピングでは選ばれない構造になりつつある。

最終更新日: 2026年8月2日

何が起きたのか

2026年7月31日、Search Engine LandにWasim Kagzi氏(編集: Angel Niñofranco氏、レビュー: Danny Goodwin氏)による記事「AI shopping starts with your product feed, not your product page」が公開された。出典は次のURLで確認できる。

https://searchengineland.com/ai-shopping-product-feed-page-484060

記事の核心的な主張は明快だ。"AI shopping uses structured product data to decide what shoppers see" ――AIショッピングは構造化された商品データに基づいて、ユーザーに何を見せるかを決めている、という一文に集約される。従来のSEOでは、商品詳細ページ(PDP)のコンテンツの質や構造化データ(Product schema等)が可視性を左右する中心的な要素だった。しかし記事は、AIショッピングの時代において、その主役が商品ページから「Google Merchant Centerのフィードデータ」へと明確にシフトしていると論じる。

Google Marketing Live 2026で発表された「会話型属性」

記事が背景として重視するのが、2026年5月20日に開催されたGoogleの広告主向けカンファレンス「Google Marketing Live 2026」で発表された、Merchant Centerの新機能「会話型属性(Conversational Attributes)」だ。これはAI Mode・Gemini・その他のエージェント駆動型ショッピング体験がAIによって商品を理解しやすくするための、任意の商品データフィールド群として2026年5月以降グローバルで順次展開されている。記事が挙げる主な項目は次の5種類だ。

• 質問と回答(Q&A): 商品ごとに構造化されたQ&Aペアを登録できる
• 関連製品: often_bought_with(よく一緒に購入される商品)、required_part(必須パーツ)、accessory(付属品)、substitute(代替品)といった関係性を定義できる
• ドキュメントリンク: PDFのマニュアルや仕様書をフィードに紐づけられる
• アイテムグループタイトルとバリアントオプション: 色・サイズなどのバリエーションとその選択肢をAIが理解できる形でマッピングする
• 人気度ランク: カタログ内での相対的なパフォーマンス(売れ筋度合い)をスコアとして提供する

記事は "None of these affect whether your product is approved" ――これらの属性はいずれも商品の「承認可否」には影響しない、任意の強化フィールドだと明記している。つまり会話型属性を設定しなくても商品はMerchant Centerに掲載されるが、設定しなければAIが商品の文脈やユースケースを理解する材料が乏しいままになる、という位置づけだ。

プラットフォームごとの依存度

記事が紹介するデータを整理すると、主要AIショッピング機能のフィード依存度は次のように報告されている。

ChatGPT: マーケティングアナリストのTom Wells氏による2026年3月の調査(Search Engine Land既報)によれば、ChatGPTのカルーセル商品の約83%がGoogle Shoppingの検索結果上位40件と一致する。ChatGPTは「shopping query fan-outs」と呼ばれる、ユーザーの1つの質問を複数の派生クエリに展開する仕組みでGoogle Shopping相当のデータを取得しているとみられる。GEO分析企業Profoundの分析では、フィード由来の商品取得比率が6週間で約4.3%から約20%へと急伸したことが確認されている(この数値の詳細な調査手法は、aiseo-llmo.comのChatGPTの引用が「見えない検索パイプライン」切替で激変、商品フィード由来も急増で既に詳報している)。

Bing: Google検索結果と一致する商品はわずか11%にとどまり、しかもその大半はそもそもGoogleでも見つかる商品だったと報告されている。

Gemini・Perplexity: 記事が参照するデジタルコマース分析では、カテゴリー構造(商品カテゴリーの階層設計)そのものは推奨可能性(レコメンドされやすさ)にあまり影響を与えていないことが判明している。むしろ両プラットフォームとも、フィードデータの正確性・網羅性の方が重要な要因として扱われている。

プラットフォームごとに細かな差異はあるものの、記事全体を通じて強調されているのは「いずれのAIショッピング機能も、Googleのフィードデータへの依存度が非常に高い」という共通項だ。

引用された市場データ

記事は主張を補強するため、複数の調査データを引用している。

• Adobeの2026年第2四半期(Q2)レポート: 米国小売サイトへのAIトラフィックは前年同期比で約393%増加。12月までの通期では1,150%以上の増加が見込まれるとしている
• コンバージョン率の逆転: 2026年3月時点で、AI経由の紹介トラフィックの42%が非AIトラフィックのコンバージョン率を上回った
• Salesforceのデータ: グローバルのオンライン休日商戦売上の約20%(約2,620億ドル相当)がAI・エージェント経由と推計されている。AI経由トラフィックのコンバージョン率は、ソーシャルメディア経由トラフィックの約8倍という数値も示されている
• Profoundのフィード品質データ: フィード由来で取得された商品情報は、ブランド名・画像・販売者情報・「最安値」タグをほぼ100%の確率で含んでいる一方、商品ページのスクレイピングから取得された情報はこれらの要素を0〜21%の確率でしか含まない
• SE Rankingのデータ: Google AI Modeに表示された広告主のうち、同じクエリでオーガニック順位も獲得できていたのはわずか約2.32%
• Adobeのコンテンツ品質スコア: 商品詳細ページ(PDP)のAI可読性スコアは平均63.5点にとどまり、ホームページやガイド系コンテンツ(80点台)と比べて低い
• Walmartのチェックアウトテスト: OpenAIがホストするチェックアウト経由の購入完了率は、Walmart自社サイト経由と比べて約3分の1にとどまったという検証結果も紹介されている

これらの数値はいずれも、AIショッピング経由の流入規模が急拡大している一方で、商品ページ単体の情報の質や、AIがホストするチェックアウト体験には、まだ大きな改善余地があることを示している。

背景――なぜ「フィード優位」の構造が生まれたのか

この構造変化の背景には、2026年を通じて急速に整備が進んだ「エージェント型コマース」の標準規格がある。OpenAIが主導する Agentic Commerce Protocol(ACP)と、Googleが主導する Universal Commerce Protocol(UCP)は、いずれもAIエージェントが商品情報・在庫・価格・決済手段をリアルタイムに参照するためのデータ交換規格だ。両プロトコルとも、参照する商品データの実体は事実上フィード(構造化データベース)であり、AIエージェントが商品ページのHTMLを都度スクレイピング・解析するよりも、あらかじめ標準化されたフィード形式でデータを取得する方が、応答速度・正確性の両面で圧倒的に効率が良い。

言い換えれば、「AIがページを読みに来る」時代から「AIがフィードを問い合わせに来る」時代への移行が、今回のSearch Engine Landの報道が指摘する現象の土台になっている。この移行は今後さらに加速する可能性が高く、ページのコンテンツ品質だけを追求してきたSEO/LLMO担当者にとっては、フィード管理・データフィード基盤への投資配分を見直す転換点になりつつある。

今後の見通し

会話型属性は2026年5月の発表以降、グローバルで順次展開されている段階であり、2026年8月時点では全ての小売業者・全地域で一律に利用可能というわけではない。Googleは今後、対応する属性の種類や利用可能な地域・カテゴリーを拡大していく方針を示しており、Search Engine Landの一連の報道(Merchant Center AI Performance Insightsを含む)を踏まえると、フィードデータの充実度そのものが検索広告・オーガニックリスティング双方のパフォーマンス指標として扱われる流れが強まると予想される。

また、ChatGPT・Gemini以外のプラットフォーム(Perplexity・Amazon Rufus・Microsoft Copilot Shopping等)についても、それぞれ独自の商品データ連携の枠組みを拡張する動きが続いている。今回の報道を「Google Merchant Centerだけの話」と捉えるのではなく、「AIエージェントは構造化された商品データを優先的に参照する」という業界横断的な原則の一事例として理解し、各プラットフォームが提供するフィード・カタログ連携の仕組みに順次対応していく姿勢が求められる。

aiseo-llmo.com ユーザーへの影響

「商品ページを作り込めば安心」という前提が崩れる

これまでECサイトの担当者の多くは、商品詳細ページ(PDP)のコンテンツ・構造化データ・レビューを充実させることが、検索経由の集客とAI引用の両方に効くと考えてきた。もちろんPDPの品質は今も無関係ではないが、今回の報道が示すのは、AIショッピング機能がPDPを直接クロール・解析する前に、Merchant Centerのフィードデータという「中間レイヤー」を主要な情報源として参照している、という構造だ。

つまり、どれだけ丁寧に作り込まれたPDPを持っていても、フィード側が不承認(disapproval)状態だったり、属性が欠落していたりすれば、AIショッピングの候補にすら上がらない可能性がある。これはSEOとLLMO/GEOの担当領域が事実上、マーケティング部門(PDPのコンテンツ)からEC運用・フィード管理部門(Merchant Centerの設定)へと重心を移しつつあることを意味する。

業種別の実務インパクト

ファッション・アパレルEC

サイズ・カラーバリエーションが多い業種では、会話型属性の「アイテムグループタイトルとバリアントオプション」の設定精度が、AIが「このワンピースの赤のMサイズは在庫があるか」といった会話型の問い合わせに正確に答えられるかを左右する。バリアント設定が不十分だと、AIが誤った在庫・サイズ情報を提示してユーザー体験を損なうリスクがある。

家電・PC周辺機器

required_part(必須パーツ)やaccessory(付属品)の関係性を正しく登録しておくことで、「このプリンターに合うインクカートリッジは?」のような付随購買を促す会話型の質問にAIが正確に答えやすくなる。関連製品の登録漏れは、クロスセル機会の損失に直結する。

BtoB・専門性の高い製造業向けEC

ドキュメントリンク(PDFマニュアルや仕様書)の登録は、技術仕様の確認を伴う購買検討プロセスにおいて特に効果が大きいと考えられる。専門性の高い製品ほど、AIが仕様書の内容を参照して回答できるかどうかが、商談化の可否を左右しうる。

中小規模のD2C・独立系EC

Merchant Centerのフィード管理は工数がかかるため、専任担当者を置けない中小事業者ほど後回しにされがちな領域だ。しかし記事が指摘するように、フィード側の情報が薄い事業者は、AIショッピングの検討テーブルに乗る前に脱落するリスクが高まっている。逆に言えば、大手が手薄なフィード属性の整備に先んじて取り組むことは、中小事業者にとって数少ない差別化の機会にもなり得る。

今すぐできる対応策

記事が提示する4つの重点領域(適格性・カバレッジと具体性・会話型属性・鮮度)に沿って、実務で着手できる手順を整理する。

ステップ1: Merchant Centerの適格性(Eligibility)を点検する

1. Google Merchant Centerの診断(Diagnostics)画面を開き、不承認(disapproved)状態の商品がないか確認する
2. 不承認理由(価格の不一致、必須属性の欠落、ポリシー違反など)を一覧化し、優先度の高い商品から修正する
3. 不承認の商品はAIエージェントの候補にすら表示されないという前提を、EC運用チーム全体で共有する

ステップ2: 売上上位商品のタイトル・説明のカバレッジと具体性を見直す

1. 売上上位50商品を抽出する
2. 各商品のタイトル・説明文が、購入検討者が気にする具体的な特徴(素材・サイズ規格・対応機種・保証期間など)を明記しているかをチェックする
3. 汎用的な表現(「高品質」「人気商品」など)を、検証可能な事実情報(数値・規格・型番)に置き換える

ステップ3: 会話型属性(Conversational Attributes)を設定する

1. Merchant Center管理画面で会話型属性の設定項目(Q&A、関連製品、ドキュメントリンク、バリアントオプション、人気度ランク)が有効になっているか確認する
2. 売れ筋商品から優先的に、想定される質問と回答のペアを3〜5件登録する
3. often_bought_with・required_part・accessory・substituteの関係性を、実際の購買データ(併売データ)に基づいて登録する
4. 技術仕様書やマニュアルがある商品は、PDFのドキュメントリンクを紐づける

ステップ4: フィードの鮮度(Freshness)を運用ルール化する

1. 現在のフィード更新頻度を確認する。記事は "a feed that updates just once a day is already behind"(1日1回の更新では既に後れを取っている)と警告している
2. 価格・在庫情報については、可能な限りリアルタイムに近い頻度での同期(API連携等)を検討する
3. 更新頻度をボトルネックにしている技術的要因(ECプラットフォームとMerchant Centerの連携方式、CSVアップロードの手動運用など)を洗い出し、自動化できる箇所から着手する

ステップ5: 商品ページとフィードの両輪運用体制を整える

商品ページの改善(コンテンツ・構造化データ)とフィードの改善(Merchant Center属性)は、どちらか一方で完結するものではない。EC運用担当・マーケティング担当・場合によっては開発チームが、月次でフィードの適格性・カバレッジ・会話型属性の設定状況をレビューする定例の場を設けることを推奨する。

よくある質問

Q1. 「商品ページより商品フィードが重要」とは、商品ページの最適化が不要になるということですか?

いいえ、そうではありません。記事は商品ページの価値を否定しているわけではなく、AIショッピング機能が商品を「発見・選出」する際の主要な情報源がフィードデータであることを指摘しています。商品ページはユーザーが実際に訪問・比較検討する際の受け皿として引き続き重要ですが、そもそもAIの候補に上がらなければ商品ページの品質を評価される機会自体が失われる、という優先順位の問題です。

Q2. 会話型属性(Conversational Attributes)を設定しないと商品が販売できなくなりますか?

いいえ。記事は明確に「これらの属性はいずれも商品の承認可否には影響しない」と述べています。会話型属性はあくまで任意の強化フィールドであり、未設定でも通常の商品掲載・販売は可能です。ただし、AIがその商品の文脈やユースケースを理解する材料が乏しくなるため、AIショッピングでの推薦・引用の機会を逃しやすくなります。

Q3. どのAIプラットフォームが最もGoogle Merchant Centerのフィードに依存していますか?

記事で紹介されているデータでは、ChatGPTのカルーセル商品の約83%がGoogle Shoppingの検索結果上位と一致するとされており、依存度が高いことが示されています。Gemini・AI Modeも同じGoogleのフィードデータ基盤を直接利用しています。一方Bingは、Google検索結果との一致率が約11%にとどまるという報告もあり、プラットフォームによって依存の度合いには差があります。

Q4. Amazon Rufus や Microsoft Copilot Shopping にも同じ考え方は当てはまりますか?

各プラットフォームは独自の商品データ基盤(Amazonであれば商品カタログ、Microsoftであれば提携データソース)を持つため、Google Merchant Centerのフィードがそのまま使われるわけではありません。ただし「構造化された商品データを主な判断材料とする」という基本構造は共通しており、各プラットフォームが提供する商品フィード・カタログ登録の仕組みを整備しておくことが同様に重要です。aiseo-llmo.comではAmazon Rufus/楽天AIショッピングアシスタント最適化、Microsoft Copilot Checkout加盟店プログラムでそれぞれの仕組みを詳しく解説しています。

Q5. 中小規模のECサイトでも会話型属性の設定に取り組む価値はありますか?

あります。会話型属性は大規模カタログを持つ大手小売業者だけの施策ではありません。むしろ商品数が限られる中小事業者の方が、売れ筋商品への集中的な属性登録を短期間で終えやすいという利点があります。フィード管理が後回しにされがちな中小事業者にとって、早期に着手すること自体が競合との差別化要因になり得ます。

Q6. フィードの更新頻度はどの程度が適切ですか?

記事は「1日1回の更新では既に後れを取っている」と警告しており、可能な限りリアルタイムに近い頻度、特に価格・在庫情報の同期を推奨しています。すべての商品属性を常時更新する必要はありませんが、価格変動や在庫切れが頻繁に起こるカテゴリー(セール商品・数量限定品など)については、優先的に更新頻度を上げる運用が望ましいと考えられます。

Q7. Profoundが指摘する「フィード由来の商品情報は品質が高い」というデータは何を意味しますか?

Profoundの分析では、フィード由来で取得された商品情報がブランド名・画像・販売者情報・価格情報をほぼ100%の確率で含んでいたのに対し、商品ページのスクレイピングから取得された情報はこれらの要素を0〜21%の確率でしか含んでいなかったとされています。これは、AIにとってフィードデータの方が「信頼できる構造化された情報源」として扱いやすいことを示しており、AIが商品ページよりもフィードを優先する合理的な理由の一つと考えられます。

Q8. Walmartのチェックアウトテストの結果は何を示していますか?

OpenAIがホストするチェックアウト機能経由での購入完了率が、Walmart自社サイト経由の購入完了率の約3分の1にとどまったという検証結果が紹介されています。これは、AIエージェント経由での商品発見・推薦が進んでいる一方で、AIがホストする決済体験そのものはまだユーザーの信頼や利便性の面で発展途上であることを示唆しています。フィード最適化で発見されやすくなっても、最終的な購入完了までは自社サイトへの誘導が有利に働く場面が当面残ると考えられます。

Q9. 会話型属性の設定と、これまでのSEO向け構造化データ(Product schemaなど)はどう違いますか?

Product schemaなどの構造化データは、主に検索エンジンやAIが商品ページの内容を正しく解釈するための「ページ内マークアップ」です。一方、会話型属性はGoogle Merchant Centerのフィード側に登録する「商品データベースの拡張フィールド」であり、ページのマークアップとは別の管理画面・データフローで設定します。両者は競合するものではなく、ページ側の構造化データとフィード側の会話型属性を並行して整備することで、AIによる商品理解の精度を多面的に高められます。

Q10. この動きは日本のECサイトにも当てはまりますか?

Google Merchant Centerと会話型属性の仕組みそのものはグローバル共通の機能であり、日本国内のGoogleショッピング広告・無料商品リスティングを利用している事業者にも適用されます。ChatGPT・Gemini・Perplexityの日本語での商品検索・買い物提案機能は英語圏に比べて発展途上な面もありますが、これらのプラットフォームの拡大速度を踏まえると、フィードの適格性・網羅性・鮮度を早期に整備しておくことは、日本のEC事業者にとっても先行者優位につながる可能性があります。

関連記事

• LLMOとは何か――完全ガイド
• AI検索最適化ガイド――GEO・LLMOの実践
• ChatGPT Shopping商品表示の仕組みとMerchant Center最適化【2026年版】
• ChatGPTの引用が「見えない検索パイプライン」切替で激変、商品フィード由来も急増
• Amazon Rufus/楽天AIショッピングアシスタント最適化
• Microsoft Copilot Checkout加盟店プログラムと商品可視性【2026年版】
• Gemini vs ChatGPT――AIショッピングにおける商品最適化の違い
• 用語集：構造化データ
• 用語集：LLMO（Large Language Model Optimization）
• 用語集：GEO（Generative Engine Optimization）