生成AIに「一人暮らしにおすすめの冷蔵庫は？」「乾燥肌に合う化粧水は？」と相談し、条件に合う商品を探す行動が広がりを見せています。このような環境では、AIが提示する商品候補に入ることも重要です。この記事では、EC領域におけるLLMOの考え方と、商品を発見・比較・購入してもらうために整えたい情報を解説します。

ECのLLMO/AIOは、AI上の商品選びを支える取り組み

ECのLLMOとは、AIが商品に関する回答を生成する際に、自社の商品や情報が適切に取り上げられる状態を目指す取り組みです。AIを利用した商品選びは、主に次の3つの場面に分けられます。

場面	ユーザーの質問例	整えたい情報
商品の種類を決める	一人暮らしには縦型洗濯機とドラム式洗濯機のどちらがよい？	種類ごとの違い、用途別の選び方
具体的な商品を選ぶ	10万円以下でおすすめのドラム式洗濯機は？	スペック、適した用途、レビュー
購入先を選ぶ	○○を安く早く購入できるショップは？	価格、在庫、送料、配送日、保証

EC事業者は、商品を掲載するだけでなく、それぞれの場面で必要になる情報を整える必要があります。

ECのLLMO/AIOではChatGPTショッピングにも注目する

EC領域のLLMO/AIOを考えるうえでは、ChatGPT上での商品検索・比較機能も押さえておく必要があります。ユーザーが用途や予算、好みなどを伝えると、条件に合う商品や特徴、購入先が提示されるためです。

OpenAIは、商品名や説明、価格、在庫などを提供する商品フィードの仕様も公開しています。現時点では利用できる地域や事業者が限られますが、今後はWebページだけでなく、構造化された商品データをAIへ届ける対応も重要になるでしょう。

EC領域でLLMO/AIOが重要な3つの理由

GoogleやOpenAIは、AI上で商品を探し、比較し、購入するための機能を拡充しています。EC事業者は検索順位や広告だけでなく、AIが自社商品をどのように理解しているかも確認する必要があります。

購買の入り口が「AIへの相談」へ広がっているから

ユーザーが希望条件をAIへ伝え、商品の選び方や候補をまとめて提案してもらう購買行動が広がっています。

AIが商品の選定や比較に使われるようになると、検索結果で上位に表示されていても、AI回答に自社商品が含まれない可能性があります。EC事業者にとって、AIは新たに把握すべき購買接点の一つです。

AIの比較候補に入らなければ購入機会を失う可能性があるから

AI回答で自社商品が候補に入らなければ、商品ページを見てもらう前に比較対象から外れることも少なくありません。

とくに、ユーザーが商品名を指定せず、「一人暮らし向けの冷蔵庫」「敏感肌向けの化粧水」などの条件で質問する場合、AIが提示した候補がその後の比較対象になります。AI上での候補入りは、商品の認知や購入機会に影響するでしょう。

モールの商品情報だけでは特徴を伝えきれないから

ECモールの商品ページには購入に必要な情報が掲載されている一方で、商品の開発背景や用途別の選び方、他商品との違いまでは十分に伝えられない場合もあります。

AIが商品を推薦するには、スペックだけでなく、どのような人や利用場面に適しているかを判断する情報も必要です。モールの商品情報だけでは、推薦理由となる材料が不足する可能性があります。

【500プロンプト調査】EC領域でAIに引用されたサイトの傾向

EC関連の500プロンプトにおける引用状況を、AKARUMIを用いて調査を行いました。(調査期：2026年7月18日～24日)

引用URLを質問カテゴリやサイト種別、ページ種別ごとに集計した結果、EC領域では次の3つの傾向が確認できました。

質問カテゴリによって引用されるサイト種別が変わる

AIが引用するサイトは、質問で求められる情報によって明確に異なりました。返品や支払いに関する質問では公的機関、商品探索や価格では比較メディア、ギフトではカテゴリ特化ECの使用率が高くなっています。

質問カテゴリ	上位を占めるサイト種別	代表ドメイン(使用率)
返品・保証・サポート	公的機関、次いでメーカー・EC自社の規約ページ	faq.kokusen.go.jp(5.5%)、apple.com(4.1%)、no-trouble.caa.go.jp(4.1%)
支払い・購入条件	公的機関・決済事業者	kokusen.go.jp(3.4%)、paypay.ne.jp(2.8%)
配送・在庫・受取	物流事業者	post.japanpost.jp(5.0%)、faq.kuronekoyamato.co.jp(3.4%)
商品探索・おすすめ	比較メディア	my-best.com(11.2%)、360life(3.6%)
価格・予算・コスパ	比較メディア	my-best.com(9.3%)
サイズ・相性・適合	メーカー公式サポート・比較メディア	support.apple.com(2.9%)、my-best.com(2.2%)
ギフト・贈り物	カテゴリ特化EC	giftmall.co.jp(6.8%)、giftful.jp(6.1%)
サステナビリティ・倫理	公的機関・認証団体	env.go.jp(3.3%)、fairtrade.net(2.2%)

この結果から、EC領域では特定のサイト種別が一律に引用されるのではなく、質問の種類に応じて引用元が切り替わることがわかります。裏を返せば、EC事業者が引用され得るのは、自社しか答えを持たない質問に限られます。商品の比較や取引の一般論では、比較メディアや公的機関が優先されていました。

事業会社では商品ページよりFAQや特集ページが引用されている

事業会社が運営するサイトの引用URLを確認すると、商品ページはごく少数でした。多く引用されていたのは、返品や交換に関するFAQ、条件別の商品をまとめた特集ページ、自社オウンドメディアの記事です。

ページ種別	引用されていたURLの例
FAQ・ガイド・規約	fancl.co.jp/help、faq.uniqlo.com、baycrews.jp/help、parade-shoes.jp(サイズ交換)、jp.drmartens.com/guide/returns
条件別の特集・一覧	giftmall.co.jp/respectfortheaged/、giftful.jp/features/、shopping.yahoo.co.jp/searchranking/
自社オウンドメディア	jp.narwal.com/blogs/、ec-plus.panasonic.jp、cocorostore.jp.sharp/column/
商品ページ	ごく少数にとどまる

商品ページが個別商品の価格や仕様を示すのに対し、FAQや特集ページは、返品条件や商品選びといった特定の疑問に対する答えをまとめています。今回の調査では、個別商品を販売するページよりも、質問への回答がページ内で完結するコンテンツの引用が目立ちました。

また、多くのURLは1回のみ引用されており、特定のページに引用が集中しているわけではありません。EC領域では、多数のFAQや特集ページが、質問に応じて個別に引用されている状況が確認できました。

ギフトではカテゴリ特化ECが総合ECを上回る

ギフトは、この傾向がもっとも極端に表れた領域です。ギフトに関する質問では、giftmall.co.jpやgiftful.jpなどのカテゴリ特化ECが、rakuten.co.jpを上回る使用率となりました。

ドメイン	種別	使用率	平均引用数
giftmall.co.jp	ギフト特化EC	6.8%	1.80
giftful.jp	ギフト特化EC	6.1%	2.00
bebery.jp	ギフト特化EC	4.4%	6.50
tanp.jp	ギフト特化EC	4.4%	1.30
isetan.mistore.jp	百貨店EC	4.4%	1.10
rakuten.co.jp	総合EC	2.7%	1.30

ギフトの質問では、商品の品ぞろえが幅広い総合ECよりも、贈る相手や年代、目的などの条件に特化したページを持つECサイトが多く引用されています。

とくに、今回引用されたカテゴリ特化ECには、「50代の母向け」「退職祝い向け」など、質問で指定された条件に対応する特集ページや一覧ページが用意されていました。ギフト領域では、条件に合う商品をまとめて確認できるページが引用先として選ばれていることがわかります。

【基本】EC事業者がまず取り組むLLMO/AIO対策

基本施策では、商品を比較・選択するために必要な情報を、ユーザーとAIの両方が読み取れる状態にします。ページ数を増やす前に、商品カテゴリごとの比較軸と、各商品の属性が明確になっているかを確認してください。

カテゴリ単位の選び方・比較ページを整える

カテゴリページには、商品一覧だけでなく、選び方や比較軸も掲載します。商品ごとの違いを同じ基準で示すことで、ユーザーは条件に合う商品を判断しやすくなるでしょう。AIにとっても、比較軸は推薦理由を組み立てるための材料になります。

△ 比較しにくい例	〇 比較しやすい例
肌に合った化粧水を選べます	肌質、配合成分、使用感、香料の有無で比較できる
用途に合ったパソコンを紹介しています	CPU、メモリ、重量、バッテリー時間、用途で比較できる

商品属性をテキストで記載する

スペックや成分、サイズなどは、画像だけでなく本文や表にも記載します。重要な数値が画像内にしかないと、商品同士を比較しにくくなるためです。商品名や色、価格、在庫なども、ページ上で正確に読み取れる状態にしましょう。

△ 読み取りにくい例	〇 読み取りやすい例
寸法や重量を商品画像内にだけ掲載する	幅120cm、奥行き60cm、高さ72cm、重量20kgと本文にも記載する
カラーバリエーションを画像だけで示す	ホワイト、ブラック、ナチュラルの3色とテキストで示す
在庫状況を「販売中」とだけ記載する	ブラックは在庫あり、ホワイトは入荷待ちと記載する

用途・悩み別の案内ページから商品へつなげる

商品名を知らないユーザーに向けて、用途や悩み別の案内ページを作成します。ページ内で選び方や判断基準を説明し、条件に合う商品ページへ誘導しましょう。ただし、似た内容のページを量産せず、関連する用途や悩みは一つのページにまとめます。

△ 商品へつながりにくい例	〇 商品へつながりやすい例
「おすすめデスク一覧」に商品を並べるだけ	在宅勤務向けデスクの選び方を説明し、部屋の広さや収納条件に合う商品へつなげる
「乾燥肌向け商品」を羅列する	成分の選び方を説明し、肌悩みに合う商品を紹介する

自社ECのレビューを判断材料として整理する

レビューは、星の数や短い感想だけでなく、使用環境や評価理由がわかる形で掲載します。条件が具体的であるほど、ユーザーは自分にも当てはまる評価かを判断しやすくなります。肯定的な意見だけでなく、注意点や向いていないケースも整理しましょう。

△ 判断材料になりにくい例	〇 判断材料になる例
静かで使いやすかったです	6畳の寝室で弱運転にすると、就寝時も音が気になりにくかったです
サイズがちょうどよかったです	身長160cmでMサイズを着用し、袖丈と肩幅に少し余裕がありました

価格・在庫・仕様の鮮度を保つ

古い価格や在庫情報が残ると、AIが現在の販売状況と異なる回答を生成する可能性があります。商品ページ、モール、商品フィードの情報を同期し、更新時期のずれを抑えましょう。在庫など頻繁に変わる情報は、自動更新できる仕組みも検討します。

△ 情報が不正確な例	〇 情報を統一した例
商品ページは9,800円だが、対応する商品フィードは8,800円	商品ページと対応する商品フィードの価格を9,800円に統一する
在庫切れの商品を「在庫あり」のまま掲載する	在庫データと連携し、売り切れ時に自動更新する

【商品カテゴリ別】ECのLLMO/AIOで整えたい情報

カテゴリ	AIが使う主な比較軸	整えたい情報
家電・PC	スペック、価格、設置条件	型番別スペック、用途別比較、消費電力
コスメ・ヘルスケア	成分、悩み、使用感	成分解説、対象者、使用方法
ファッション	サイズ、素材、着用シーン	実寸、着用画像、体型別レビュー
食品・ギフト	用途、価格、贈る相手	シーン別提案、賞味期限、配送条件
家具・インテリア	寸法、部屋条件、搬入	実寸、搬入経路、設置事例
日用品・消耗品	単価、容量、購入頻度	容量別単価、定期便、交換頻度

ECのLLMO/AIO対策では、商品カテゴリごとに比較されやすい項目を整理する必要があります。ユーザーが重視する条件が異なれば、AIが商品を絞り込む際に参照する情報も変わるためです。

【応用】EC事業者が取り組むべきLLMO/AIO対策

商品ページやカテゴリページを整えたあとは、商品データの提供方法や外部サイト、クローラー設定まで確認します。ここでは、ECのLLMO/AIOをさらに進めるための施策を紹介します。

GoogleやChatGPT向けの商品フィードを整える

商品フィードには、商品名、説明、価格、在庫、色などの属性を正確に登録します。商品ページとフィードの内容が異なると、AIが参照する価格や販売状況に食い違いが生じる可能性があります。

Google Merchant Centerに加え、OpenAIもChatGPTの商品表示に向けた商品フィードの仕様を公開しています。対応しているEC基盤やカートシステムを利用している場合は、連携を検討しましょう。

ECに適した構造化データを実装する

商品ページには、ProductやProductGroup、Offer、AggregateRatingなど、内容に合った構造化データを実装します。たとえば、バリエーション商品にはProductGroup、価格や在庫にはOfferを使用します。

実装するだけでAIからの引用が増えるとは限りませんが、ページ上の情報を検索エンジンへ正確に伝えるうえで有効です。

比較メディアやレビューサイトの情報を確認する

第三者サイトに掲載された商品情報についても、販売終了した型番や変更前の価格、古い成分情報が残っていないかを確認します。誤りや更新漏れがある場合は、掲載媒体へ修正を依頼しましょう。

ただし、好意的な評価やブランド名の言及を不自然に増やすのではなく、最新情報を第三者が確認できる状態にすることが重要です。

AIクローラーの許可・除外設定を見直す

商品ページやカテゴリページをAI検索へ表示させたい場合は、対象となるクローラーを誤って拒否していないか確認します。一方、カートやマイページ、会員情報など、公開する必要のないページは取得対象から除外します。

商品情報は取得できる状態にしつつ、個人情報や購入途中の画面は保護するように、ページごとに設定を分けましょう。

ECのLLMO/AIOでよくある失敗

LLMOでは、商品ページや文章を増やすだけでなく、購入者が商品を比較できる情報を整える必要があります。ここでは、ECサイトで起こりやすい3つの失敗を紹介します。

商品ページを増やすだけで選び方を説明しない

商品ページを増やしても、商品の違いや選び方がわからなければ、ユーザーは自分に適した商品を判断できません。AIにとっても、どの条件で各商品を推薦すべきか判断する材料が不足します。

カテゴリページには、比較表や用途別の選び方を掲載しましょう。商品一覧と商品詳細の間をつなぐ情報を用意することが重要です。

メーカーの公式文章をそのまま掲載する

メーカーの公式説明をそのまま掲載するだけでは、ほかの販売店との違いが生まれにくくなります。同じ商品説明が複数のECサイトに掲載されている場合、自社ページを参照する理由も弱くなります。

実際の使用感や利用環境別の注意点、スタッフによる比較、配送・保証条件など、自社で確認した情報を加えることが重要です。

商品ごとに項目が異なる

同じカテゴリの商品でも記載項目が異なると、ユーザーやAIが条件をそろえて比較しにくくなります。たとえば、一部の商品にだけ重量や対応サイズが記載されていると、情報がない商品は比較候補から外れる可能性があります。

カテゴリごとに必要な比較項目を決め、各商品ページで同じ順番と形式で掲載しましょう。該当しない項目も、省略せず「非対応」「なし」などと明示すると違いが伝わりやすくなります。

ECのLLMO/AIOでは購買場面ごとに成果を測る

購買場面	確認する内容	主な指標
商品の種類を決める	カテゴリの違いや選び方を尋ねる回答で、自社の比較・解説ページが参照されているか	自社ドメインの引用率、引用されたページ
具体的な商品を選ぶ	自社の商品名が候補に入り、特徴や用途が正確に説明されているか	商品別の推薦出現率、言及率、説明の正確性
購入先を選ぶ	自社ECや出店先が購入先として紹介されているか	購入先としての出現率、販売ページの引用率、AI経由の流入・CV

ECのLLMOでは、一般的なAI-SOVや引用率に加えて、購買のどの場面で自社の情報が利用されているかを確認します。

具体的な商品として推薦されていても、購入先としてモールだけが紹介されている場合、自社ECへの流入や売上にはつながりにくくなります。購買場面ごとに指標を分けることで、選び方の情報、商品情報、販売情報のどこに課題があるかを把握できるでしょう。

ECのLLMO/AIOに関するよくある質問

ECは整えるべき場所が多く、LLMOを始めたばかりはとくに疑問も多いでしょう。ここでは、よくある質問に回答しているので、疑問解消にお役立てください。

Q. 商品点数が多い場合、どこから着手するべきですか？

A. 売上や利益への影響が大きいカテゴリから着手します。

主要カテゴリについて、ユーザーがAIへ尋ねそうなプロンプトを用意し、自社商品が推薦されているかを確認してください。競合だけが推薦されるカテゴリや、誤った情報が回答される商品を優先すると、施策の目的が明確になります。

Q. 型番商品でもLLMO/AIOで差別化できますか？

A. 商品自体が同じでも、選び方と購入条件で差別化できます。

用途別の比較、実際の使用環境、在庫、配送、保証、設置サービスなどを具体的に示します。商品名の推薦だけでなく、購入先を選ぶ場面で自社店舗が紹介されるための情報を整えることが重要です。

Q. 商品フィードと商品ページはどちらを優先するべきですか？

A. まず商品ページを整え、その内容と一致する商品フィードを用意しましょう。

商品ページには、用途や特徴、仕様、選び方など、購入判断に必要な情報を掲載します。そのうえで、価格や在庫などを商品フィードから正確かつ迅速に提供します。

商品フィードは商品ページの代わりになるものではありません。Googleも、商品ページの構造化データとMerchant Centerの商品フィードを併用することで、掲載対象を広げ、商品情報を確認しやすくなると説明しています。

参考：Google Search Central「Productの構造化データについて」

AI時代のECではカテゴリ内で選ばれる情報が競争力になる

ECのLLMO/AIO対策では、商品ページを増やすだけでなく、AIが商品を比較・推薦しやすい情報設計を整えることが重要です。カテゴリごとの選び方、商品属性、レビュー、価格・在庫情報、商品フィードなどを一貫して整備することで、AI回答内で候補に入りやすい状態を作れます。

一方で、自社商品がどのプロンプトで推薦されているのか、競合商品とどのように比較されているのかは、通常のアクセス解析だけでは把握しにくい部分です。

AKARUMIでは、生成AI・LLM内におけるブランド認識やAI Overviewsでの露出状況、引用元・出現傾向などを可視化できます。EC領域で自社商品やブランドのAI検索上の見え方を確認したい場合は、無料トライアルをご活用ください。

EC領域のプロンプト設計から、引用元の分析、コンテンツや商品データの改善まで進めたい場合は、ipeのLLMOコンサルティングサービスもご利用いただけます。AKARUMIの計測結果をもとに、自社が優先するべき商品カテゴリや施策を整理し、実行から効果検証まで支援します。