ECサイトのLLMO対策 — 商品がAIに推薦されるまでの4つの層

ECサイトのLLMO対策とは何か

ECサイトのLLMO対策とは、ChatGPTやGeminiなどの生成AIが商品を推薦するとき、自社の商品が候補として挙がるように商品データと情報導線を整えることです。LLMOはLarge Language Model Optimizationの略で、日本では2025年半ばごろからこの呼び方が定着しました。対策全体の考え方はLLMO対策とは何かにまとめています。

従来のSEOとの違いは、最適化の対象が「人が見る画面」から「AIが読むデータ」へ移る点にあります。検索結果は10件のリンクが並ぶため5位でもクリックされる余地がありますが、AIが提示する候補はたいてい3つ前後です。候補に入らなければ、存在しないのと同じ扱いになります。

多くのEC事業者は、この対策をコンテンツの改善から始めます。商品説明を充実させ、レビューを増やし、記事を追加する。ところが実際に詰まっているのは、その手前であることが少なくありません。価格が読めていない状態で商品説明を丁寧にしても、AIは「価格が分からない商品」として扱い続けます。

AIクローラーが読んでいるもの、読んでいないもの

AIクローラーの動作はきわめて単純です。HTTPリクエストを送り、返ってきたHTMLを解析し、そこで処理を終えます。JavaScriptの実行を待つことも、時間をおいて再訪することもありません。

この挙動はGPTBot、OAI-SearchBot、ChatGPT-User、ClaudeBot、Claude-SearchBot、PerplexityBotのいずれにも共通しています。VercelとMERJが5億件を超えるGPTBotのフェッチを分析した調査では、JavaScriptを実行した形跡は確認されませんでした。GPTBotは約11.5%の割合でJavaScriptファイル自体はダウンロードしていたものの、実行はしていません。例外はGoogleのGeminiで、Googlebotのレンダリング基盤を利用するため描画後のページを読み取れます。

ECサイトで失われる情報は、ある程度パターンが決まっています。価格、在庫状況、オプションごとの仕様、タブ内に格納したスペック表、遅延読み込みされるレビュー本文、ポイント還元率やキャンペーン価格。いずれもリクエストのたびに取得して描画する設計が一般的な部分です。

ここから導かれる結論は明快です。Googleでの検索順位は、AIに読まれているかどうかを保証しません。GooglebotはJavaScriptを実行したうえでインデックスしますが、AIクローラーは実行しません。検索で上位を取れているページが、ChatGPTからは中身の薄いページに見えているという状態が普通に起こります。

確認に特別なツールは必要ありません。ブラウザの設定でJavaScriptを無効にして商品ページを開くか、ページのソースを表示して価格の数字を検索します。curl でHTMLを取得して確認する方法もあり、いずれも数分で終わります。

実測データが示す「推薦の固定化」

読める状態にすれば、いずれ候補に入る。そう考えたくなりますが、AIの回答は想定より安定しています。

当社では、生成AI5サービスに同じ購買相談を繰り返し投げる調査を継続しています。冷蔵庫の購入相談を対象にした調査では、家電量販店に絞った比較で75回の回答を収集しました。その結果、ChatGPTとGeminiはケーズデンキを15回中15回、いずれも1位に挙げています。Claudeはヤマダデンキを15回中11回、CopilotとPerplexityはヨドバシカメラをそれぞれ12回と9回で1位に置きました。

ここから読み取れることは2つあります。まず、AIサービスごとに答えは割れます。一方で、同じAIの中では回答がほとんど動きません。同じ質問を繰り返しても、上位に挙がる企業は変わらないということです。

同様の傾向は洗濯機の調査でも確認できました。ChatGPTとGeminiがケーズデンキ、Claudeがヤマダデンキ、PerplexityとCopilotがヨドバシカメラを1位に置いており、商品カテゴリを変えてもAIごとの傾向は維持されています。

つまり、現時点で候補に入っていない事業者が、待っていれば順番が回ってくるという構造にはなっていません。候補入りには、AIが判断に使う材料そのものを変える必要があります。

主要9ブランドの機械可読性

では、実際のECサイトはどの程度整備されているのでしょうか。当社が主要家電量販9ブランドの公式サイトを監査した調査では、到達できた商品ページの範囲で、Product/Offerのmicrodataを確認できたのは9ブランド中1ブランドにとどまりました。

暫定判定の分布も示唆に富んでいます。「読まれる前で止まる」が2ブランド、「理解される前で止まる」が6ブランド、「選ばれる前で止まる」が1ブランド。大半が理解の段階で詰まっているという結果でした。公式ページ自体は読み取れるものの、商品属性や価格、在庫、配送、返品・保証を機械可読に揃える構造化データが限定的だったためです。

加えて、AI経由の流入や商品フィード連携の効果測定に関する公開情報は、9ブランドすべてで確認できませんでした。外部から見えにくい領域のため未整備と断定はできませんが、少なくとも公開情報の範囲では計測の痕跡がない状態です。大手でこの状況であることは、裏を返せば、いま整備すれば差がつく領域が残っていることを意味します。

商品がAIに推薦されるまでの4つの層

条件には依存関係があります。下の層が満たされないまま上に投資しても効果は出ません。

層1 届く — 価格・在庫・仕様がHTMLに出ている

サーバーサイドレンダリングまたは静的生成により、主要な情報を初期HTMLに含めます。動的に変動する価格であっても、リクエスト時にサーバー側で値を埋め込めばAIクローラーが読み取れます。

すべての要素を初期HTMLに入れる必要はありません。優先順位をつけて、価格、在庫、主要スペック、レビューの要約を初期HTMLに含め、レビューの全件表示や関連商品のカルーセルは遅延読み込みのままで構いません。

改修の単位はテンプレートです。大がかりな作業に見えますが、商品ページのテンプレートを1つ修正すれば全商品に一度に反映されるため、実際の工数は想定より小さく収まることが多いです。

層2 理解される① — 商品属性を機械可読にする

Product、Offer、AggregateRatingといった構造化データで、商品名、価格、在庫、評価を明示します。GTINなどの識別子は、プラットフォームをまたいで同一商品と判定するための鍵になります。実装の考え方は商品データの構造化で解説しています。

ここで目的を取り違えると、投資判断を誤ります。構造化データを追加すればAIの引用が増えるという証拠は、現時点で確認されていません。Ahrefsが2026年6月に公開した統制実験では、JSON-LDを新たに追加した1,885ページと対照群4,000ページを比較しましたが、AI引用の有意な増加は観測されませんでした。Googleも生成AI機能向けの公式ガイドで、特別なschema.orgマークアップは必要ないと明記しています。

層2 理解される② — 公式情報とAIの回答を一致させる

読める状態になった次に問題となるのが、正しく伝わっているかどうかです。この点は想定以上に崩れています。

当社が家電量販5社の返品・保証について主要AI5種に質問した調査では、100の質問パターンのうち公式情報に照らして正答だったのは60件にとどまりました。誤答が25件、回答不能が15件です。さらに誤答のうち15件は、返品期限や長期保証の年数を公式の内容より有利・長めに案内しており、実害につながるリスクを含んでいました。

特に崩れやすいのは、送料、返品期限、保証年数、納期の4項目です。商品ページとFAQと利用規約で数字が食い違っていないかを確認してください。人間であれば文脈から補える不整合を、AIは補いません。

層3 選ばれる — 分解された観点の検索結果に出てくる

読めて、理解されても、推薦順が動かないことがあります。ここは検索結果に出てくるかどうかの問題です。

AIは受け取った質問をそのまま検索しません。複数の検索クエリに書き換えてから並行して調べます。検索語を決めるのはAIで、ユーザーが打った言葉と実際に検索される言葉は一致しません。「一人暮らし向けの静かな掃除機」という質問は、静音性、重量、集合住宅での夜間使用、価格帯といった観点に分かれて検索されます。

分解された各クエリの検索結果には、自社も他社も並びます。AIはそこに出てきたページ群をコンテキストとして読み、要約して判断します。1語で上位を取る発想は効きません。分解された観点それぞれで検索結果に出てくることが要ります。

Ahrefsが863,000キーワードと400万件のAI Overview URLを分析した調査（2026年3月）では、引用元のうち元のクエリで上位10位に入っていたのは38%でした。2025年7月の76%から半減しています。残りは、分解された別のクエリの検索結果から拾われています。

商品ページ側では、条件で絞られたときに残れるかが分かれ目になります。サイズ、対応機種、設置条件が属性として存在しなければ、その条件のついた検索で候補から外れます。

層4 測る — 推薦される割合を記録する

推薦は毎回同じ結果になるとは限りません。検索順位のように1つの数字で固定されないため、複数回の実行から推薦される割合として見ることになります。想定される購入相談のプロンプトを用意し、各AIで複数回実行して、言及の有無、推薦順、引用元URLを記録してください。あわせて、分解した観点ごとの検索順位も月次で追うと、層3の打ち手の効き目が読めます。

AIに情報が届く3つの経路

自社サイトの改善だけでは、AIに届く情報は完結しません。経路は3本に分かれており、自社サイトはそのうちの1本にすぎません。

このうち商品フィードの位置づけは、この1年で大きく変わりました。Googleは生成AI機能向けの公式ガイドで、特別なschemaは不要と述べる一方、商品情報の可視性についてはMerchant Centerフィードの利用を推奨しています。片方を不要と言い、もう片方を勧めるこの非対称は、AIが推測ではなく確定した商品データを求めていることの表れだと読み取れます。

第三者面は、自社では直接コントロールできない領域です。比較記事、レビューサイト、プレスリリースなどが該当します。Ahrefsのブランドレーダーによれば、日本語圏でAIに引用されやすいドメインはYouTube、note、Wikipedia、PR TIMESなどが上位を占めています。分解された観点のうち、自社が上位に出ないものでは、そこで上位にいる第三者面に載ることが唯一の経路になります。自社サイトの改善だけでは届かない領域があるのは、この機構によります。

推薦の先 — 購入までの導線

4つの層とは別に、小売・ECには続きがあります。候補に入っても、その先で導線が途切れれば売上にはつながりません。

直近6カ月以内に家電を購入した400人を対象とした当社の調査では、購入前または購入時に何らかの不安を感じた人が71.2%に達しました。エアコン・洗濯機・冷蔵庫のような設置型の商品では、サポート系の不安だけで50.4%を占めています。在庫と納期が読み取れるか、設置や回収の条件が明記されているか、店舗受取が可能か。これらは購入体験の要素であると同時に、AIが回答に含める材料でもあります。

Instant Checkout撤退が示した役割分担

2026年に入り、この領域で最も大きな変化が起きました。OpenAIはChatGPT内で購入まで完結する仕組みを2025年9月29日に開始しましたが、2026年3月に終了しています。現在は商品の推薦を提示し、購入は加盟店のストアフロントやアプリへ誘導する形に移行しました。

この変化からは2つの示唆が得られます。1つは、発見はAI、購入は自社サイトという役割分担が当面固まったことです。AIの回答に載ることと、着地したページの購入体験、その両方が揃わなければ売上にはつながりません。

もう1つは、それでもフィードとデータ整備は無駄にならないという点です。商品データは推薦の材料として引き続き利用されますし、エージェンティックコマースの枠組み自体は各社が拡張を続けています。

着手の優先順位

限られたリソースで進める場合、効果の大きさと前提条件から着手順はほぼ決まります。

サイト全体をどう設計し直すかはAI時代のECサイトSEO設計で扱いました。商品点数が多い場合、全商品に同じ手をかけるのは現実的ではありません。売上上位の商品群、条件で比較されやすいカテゴリ、価格と在庫の変動が大きい商品の3つを起点にすると、投資対効果が読みやすくなります。外注するかどうかの判断軸はLLMO対策会社の選び方にまとめました。

よくある質問

まとめ

ECサイトのLLMO対策は、情報を足す作業ではなく、すでに掲載している情報を届く形に整える作業から始まります。最初にやるべきことは、JavaScriptを無効にして自社の商品ページを開くことです。価格が表示されなくなるなら、そこが出発点になります。

層には順番があります。届く、理解される、選ばれる、測る。この順序を飛ばして上の施策に投資しても、効果は出ません。あわせて、自社サイト・商品フィード・第三者面という3つの経路のうち、どこが空白になっているかも確認してください。

この領域の仕様は今後も動き続けます。Instant Checkoutは5カ月で終了し、フィードの要件も変更される可能性があります。ただし価格と在庫が機械可読であるという前提は、どの経路が主流になっても変わりません。変化しない部分から着手することが、最も損失の少ない順序になります。

自社の商品がいまAIにどう扱われているかは、実際に確認しなければ分かりません。当社では小売・EC事業者向けに無料のAI可視性診断を提供しています。どのAIが、どの質問で、自社と競合の商品をどう並べているか。そこが分かれば、4つの層のどこで止まっているかも見えてきます。