Rufus経由CVR2倍｜Sensor Tower実測と商品ページ改修5手順

齋藤竹紘2026年10月12日2026年10月12日EC×AI活用

Rufusとは、Amazonが提供する会話型のAI買い物アシスタントです。

Amazon の商品ページを「検索キーワードに合わせて書く」時代は終わりに近づいています。アプリ分析企業 Sensor Tower が米国の6万人の購買者を追跡した実測では、Rufus を使ったセッションの転換率は使わないセッションのおよそ2倍、Rufus と対話した買い物客は購入に至る確率が2.74倍でした。2025年のブラックフライデーでは、Rufus 経由のセッションが全体の約4割で、購入の約66%を占めたという分析もあります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）の現場知見にもとづき、これらの数字をどう読み、Amazon.co.jp の商品ページをどの順に作り直すかを5つの手順とプロンプト5本で解説します。自店の主力3商品について、来週どこから直すかが決まる状態を目指します。

Rufus経由の転換率が2倍になる構造を数字から読む

結論は、Rufus の数字は「AIが売っている」のではなく「迷いの深い買い物客が Rufus に集まり、そこで決めている」と読むのが正確だ、ということです。Sensor Towerが2026年4月に公開した分析によると、米国の6万人の Amazon 買い物客を2025年から2026年の商戦期にわたって追跡した結果、Rufus 起点のセッションは2025年10月の水準から約90%増え、Rufus と対話した買い物客は購入する確率が2.74倍、セッション単位の転換率は Rufus を使わないセッションのおよそ2倍で、この差はWebとアプリの双方で一貫していました。対話が最も深いセッションでは半数以上が購入に至っています。

商戦期の規模感は、The Drumが2026年1月29日に掲載した Kiri Masters のコラムが引用する分析に表れています。2025年のブラックフライデーでは Rufus を介したセッションが全体の約40%にのぼり、購入の約66%を占め、転換率は Rufus なしのセッションの3.5倍でした。10月1日からブラックフライデー週までの伸びは、Rufus セッションが90%増に対し、Rufus なしは8%増です。Amazon の CEO Andy Jassy は、Rufus が年間100億ドル超の追加売上をもたらす見込みだと述べ、2024年2月のベータ公開から2年足らずで利用者は2億5,000万人、月間利用者は前年比140%増、対話数は210%増と報じられています。

別の集計では数字の取り方が違います。mind Retailが2026年1月15日に報じた内容では、ブラックフライデーに Rufus が登場したセッションは米国で38%、Rufus 起点のセッションは前年比で2倍、Rufus なしのセッションは20%増でした。「約40%」「38%」「2倍」「3.5倍」と数字が並ぶのは、分析主体と定義（Rufus 起点か、途中で Rufus を使ったか）が異なるためで、どれが正しいかではなく「どの定義でも Rufus 経由の方が買っている」という方向が一致している点を押さえれば十分です。

ここで重要なのは、Rufus 利用者の内訳です。The Drum のコラムが引用する分析は買い物客の行動を10パターンに分けており、最も多い「検索アシスタント型」はセッションの28%で転換率35%、カートに入れたあとに Rufus で再検討する「カート再考型」はセッションの7%で転換率50%でした。つまり Rufus は、検索結果を眺めるだけの客ではなく、比較と確認の最終段階にいる客の質問に答えています。商品ページに「その質問の答え」が書かれていなければ、Rufus は別の商品の答えを読み上げます。これが転換率2倍の差が開く場所です。

日本のAmazon.co.jpで何が変わるか：COSMOとRufusが読む場所

Rufus は日本の Amazon.co.jp でも提供されており、検索アルゴリズムの COSMO（2024年以降）と合わせて、商品ページのテキストを「買い物客の質問に答えられるか」で評価する方向に動いています。うるチカラではAmazonのAI時代SEO｜COSMOとRufusに評価される商品ページの作り方で基本を、Amazon Rufus対策で初動を整理しましたが、本記事では米国の実測値を踏まえて「どの要素を、どの順に直すか」に絞ります。

Rufus が参照するのは、Amazon が公表している範囲では、商品タイトル、箇条書き（バレットポイント）、商品説明、A+コンテンツ、カスタマーレビューと Q&A、そして Amazon 全体のカタログと購買データです。出品者が直接書き換えられるのは前半の4つで、レビューと Q&A は間接的にしか動かせません。Seller Central の仕様では、商品タイトルは半角200文字以内（カテゴリにより50〜200文字）、箇条書きは最大5項目で各項目200〜500バイト（カテゴリ依存）、商品説明は半角2,000文字以内、検索キーワード（裏側の Generic Keywords）は250バイト以内です。この文字数の中に「比較と確認の段階で出る質問の答え」を入れる作業が、Rufus 対策の中身になります。

現場で繰り返し見るのは、箇条書き5項目のすべてが「高品質」「使いやすい」「人気」といった評価語で埋まり、サイズ・重量・互換性・対象・保証といった事実が商品説明の末尾か画像内にしかない構成です。買い物客が Rufus に「このケースは○○の機種に合いますか」と聞いたとき、Rufus はテキストに書かれた互換情報を探します。画像内の文字は読み取れる保証がなく、評価語は答えになりません。

もう1つの変化は、Rufus の次に来る動線です。RufusからAlexa for Shoppingへ｜Amazon出品者が今やるAI検索対策5つで触れたように、Amazon は会話型の買い物体験を音声や他の接点にも広げています。接点が増えても、参照されるのは同じ商品ページのテキストです。

商品ページを作り直す5手順とプロンプト5本

手順は「Rufus に聞かれる質問の洗い出し」「箇条書きの事実化」「商品説明への回答埋め込み」「レビューと Q&A からの不足情報抽出」「A+コンテンツの比較表テキスト化」の5つです。各手順に ChatGPT・Claude・Gemini のいずれでも使えるプロンプトを1本ずつ付けました。順番どおりに進めると、主力1商品あたり半日で一巡できます。

手順1は、自店の商品について買い物客が比較と確認の段階で Rufus に聞きそうな質問を、商品ジャンル別に20〜30個洗い出すことです。レビューの低評価、既存の Q&A、カスタマーサービスへの問い合わせ履歴が材料になります。

プロンプト1：Rufus に聞かれる質問の洗い出し

あなたは Amazon.co.jp で買い物をする慎重な消費者の視点を持つECコンサルタントです。
以下の商品について、購入直前の比較・確認段階で買い物客がAIアシスタント（Rufus）に聞きそうな質問を25個作成してください。

質問の分類（各分類5個）：
1. 仕様・互換性（サイズ・容量・対応機種・素材）
2. 使い方・使用感（手順・音・重さ・匂いなど感覚に関するもの）
3. 比較（同カテゴリの他商品や上位・下位モデルとの違い）
4. 耐久性・保証・サポート（寿命・保証期間・交換条件）
5. 配送・返品（到着日・ギフト対応・返品可否）

材料：
- 商品情報：{商品名・仕様・価格}
- 低評価レビューの要旨：{レビュー要旨}
- 既存のQ&A：{Q&A}
- 問い合わせで多い内容：{問い合わせ}

出力：分類ごとに質問5個と、現在の商品ページに「答えがある／部分的／ない」の判定

手順2は、箇条書き5項目を「事実＋それが買い物客にもたらす意味」の構造に作り直すことです。評価語を削り、手順1で「答えがない」と判定された質問のうち、重要度の高い5つの答えを箇条書きに入れます。各項目は200〜500バイトの範囲に収めます。

プロンプト2：箇条書き5項目の事実化（Amazon.co.jp、各項目200〜500バイト）

あなたは Amazon.co.jp の商品ページを最適化するコピーライターです。
以下の商品について、箇条書き（バレットポイント）5項目を作成してください。

各項目の構造：
【属性名】事実（数字・単位つき）→ それが買い物客にとって何を意味するか（1文）

条件：
- 5項目のうち少なくとも3項目は、以下の「答えが無かった質問」への回答を含める
- 「高品質」「人気」「おすすめ」「最高」「No.1」などの評価語・最大級表現を使わない
- 各項目は全角100〜200字（半角200〜500バイト相当）に収める
- 医薬品的な効能（治る・改善・痩せる）を書かない
- Amazon の規約で禁止されるレビュー依頼や外部URLを含めない

商品情報：{商品名・仕様・素材・サイズ・保証}
答えが無かった質問（手順1より）：{質問リスト}

出力：箇条書き5項目と、各項目の文字数

手順3は、商品説明（半角2,000文字以内）に、残りの質問への回答を「質問と答え」の形で埋め込むことです。商品説明は箇条書きより長く書けるため、使い方の手順、互換性の一覧、保証条件のような説明を要する内容をここに置きます。見出し的な短文で区切り、1段落を3〜4文にします。

プロンプト3：商品説明（半角2,000文字以内）への質問回答の埋め込み

あなたは Amazon.co.jp の商品説明を書く担当者です。
以下の商品について、商品説明を全角800字以内（半角2,000文字以内）で作成してください。

構成：
1. 冒頭2文：誰が・どんな場面で使う商品か
2. 「よくあるご質問」として、以下の質問から6つを選び、質問1文＋回答2文の形で並べる
3. 末尾1文：保証・サポートの連絡方法（Amazon のメッセージ機能経由であることを明記）

条件：
- 箇条書きに書いた内容を繰り返さず、補足する
- 数字には単位を付ける
- 評価語・最大級表現・医薬品的な効能表現を使わない
- 外部サイトのURL、SNS、レビュー依頼を書かない

商品情報：{商品情報}
箇条書き5項目（手順2の出力）：{箇条書き}
質問リスト（手順1で「答えがない／部分的」のもの）：{質問リスト}

手順4は、レビューと Q&A から「商品ページに書かれていないのに買い物客が気にしている情報」を抽出することです。レビューは書き換えられませんが、レビューで繰り返し出る疑問は、Rufus が買い物客に伝える内容でもあります。ここで見つかった不足は手順2・3に戻して反映します。Amazon の規約では、レビューの見返りに特典を渡すことや、高評価を依頼することは禁止されているため、取れる対策は商品ページ側の情報を増やすことに限られます。

プロンプト4：レビュー・Q&Aからの不足情報抽出

あなたは Amazon.co.jp の商品ページを改善する分析担当です。
以下のカスタマーレビュー（実在）とQ&Aを読み、商品ページに追記すべき情報を抽出してください。

抽出の観点：
1. 複数のレビューで繰り返される疑問・誤解（サイズ感、互換性、使い方など）
2. 低評価の原因のうち、購入前に情報があれば防げたもの
3. 高評価レビューに書かれている、商品ページには無い具体的な利点
4. Q&Aで出品者が答えているのに商品ページには反映されていない情報

出力：
- 観点ごとに「レビュー・Q&Aの要旨」「商品ページへの追記案（箇条書き向け／説明文向けを明記）」
- 追記案は事実のみ。レビューの文章をそのまま転記しない

レビュー（実在、星の数つき）：{レビュー}
Q&A：{Q&A}
現在の商品ページの箇条書きと説明文：{現状}

手順5は、A+コンテンツ（ブランド登録者のみ利用可）の比較表を、テキストでも読める形にすることです。A+ の比較表モジュールは画像ではなくテキストで入力するため、Rufus が参照しやすい構造化情報になります。自社の上位・下位モデルの違いを、買い物客が Rufus に聞く言葉で書きます。

プロンプト5：A+コンテンツ比較表のテキスト設計（自社ラインナップ内）

あなたは Amazon ブランド登録済み出品者の A+ コンテンツを設計する担当です。
以下の自社商品3〜5点について、比較表モジュール用のテキストを作成してください。

比較表の行（属性）を6〜8個選ぶ基準：
- 買い物客が「どれを選べばいいか」を決めるときに見る属性（容量・サイズ・対応機種・付属品・保証期間・価格帯など）
- 自社商品間で値が異なる属性を優先する
- すべて事実（数字・単位・あり／なし）で書き、評価語を使わない

出力：
1. 比較表（行＝属性、列＝商品）の値を一覧で
2. 各商品の「こんな方向け」1文（30字以内）
3. 比較表の下に置く説明文（150字以内、選び方の案内）

自社商品情報：{商品A・B・C…の仕様}

5手順を通したあとの商品ページは、「箇条書きが事実で埋まり、説明文に質問の答えがあり、レビューで繰り返される疑問が事前に解消され、ラインナップの違いが表で読める」状態になります。ある家電ジャンルの中規模店舗で試したケースでは、手順1で出た25問のうち、既存の商品ページに答えがあったのは8問だけでした。17問分の情報を箇条書きと説明文に移しただけで、問い合わせの件数が目に見えて減り、転換率の改善はその後に続きました。順序としては「問い合わせが減る」が先に起き、「売れる」が後から来ます。

失敗例と回避策：評価語・画像依存・規約違反

1つ目の失敗は、箇条書きを評価語で埋めることです。「高品質」「大人気」「おすすめ」は検索キーワードとしては弱く、Rufus の回答にもなりません。回避策は、手順2の構造「属性名＋事実＋意味」を全商品の型にし、評価語が入ったら事実に置き換えるルールにすることです。

2つ目は、仕様を画像にだけ載せることです。メイン画像や商品画像の中に書いたサイズ表や対応機種は、人には伝わりますが、Rufus がテキストとして参照できる保証はありません。回避策は、画像で見せる情報を必ず箇条書きか説明文のテキストにも書くことです。

3つ目は、Rufus 対策のつもりで規約の線を越えることです。レビューの見返りに特典を渡す、高評価を依頼する、箇条書きに外部サイトのURLや他社比較を書く、A+ に外部誘導を入れる、といった行為は Amazon の規約に反し、出品停止のリスクがあります。回避策は、対策を「商品ページ内のテキストを事実で増やす」ことに限定することです。広告側の調整はスポンサープロダクト広告とRufusで扱ったように、商品ページとは別の軸で進めます。

KPI設計と費用・工数の目安

KPIは3つです。1つ目は「質問カバー率」で、手順1で洗い出した25問のうち商品ページに答えがある比率を、着手前と後で比べます。現場感覚では着手前は3〜4割の商品が多く、8割を目標にします。2つ目は Seller Central のビジネスレポートで見るセッション転換率で、改修した商品群の前後4週間を比べます。Rufus 経由だけを分離する指標は出品者向けには提供されていないため（2026年10月時点）、商品群単位の比較が代替になります。3つ目は購入前の問い合わせ件数で、減少が最初に表れる指標です。

費用は、本記事の5手順を社内で回す限り、AIツールの利用料だけです。ChatGPT Plus、Claude Pro、Google AI Pro はいずれも月額20米ドル前後で、A+コンテンツはブランド登録済みであれば追加費用なしで作成できます。工数は、主力1商品あたり手順1〜5で半日、主力10商品で1週間が目安です。自社商品がどのAIに拾われているかの確認は、自社商品はどのAIに拾われているか｜4大AIショッピングの露出を調べる手順の手順と組み合わせると、改修の優先順位を決めやすくなります。

今後の展望：Rufusの数字は「商品ページが答える力」の測定値になる

Rufus の利用者が2億5,000万人に達し、ブラックフライデーの購入の過半に関わる規模になったことで、Amazon の商品ページは「検索に出る」ための文書から「質問に答える」ための文書へ役割を変えました。この変化は Amazon に限りません。楽天市場のAIコンシェルジュは商品比較と詳細質問に答える機能を2026年7月に加え、Google の Gemini は UCP 経由で小売の商品発見と決済を取り込んでいます。モールごとに書き方の制約は違いますが、求められる中身は「事実で書かれた仕様、用途、比較ポイント、注意点」で共通です。

出品者側の次の論点は、Rufus 経由の流入を測る手段です。2026年10月時点で Seller Central に Rufus 単位の指標はなく、米国の数字も外部の分析企業が出しています。Amazon が出品者向けに Rufus の参照状況や質問の傾向を開示すれば、商品ページの改修は「推測」から「計測」に変わります。開示が始まる前に、手順1の質問リストを自店で持っておくことが、その日の準備になります。

よくある質問

Rufus 経由のセッションは本当に転換率が2倍ですか

はい、Sensor Tower の2026年4月の分析では、米国6万人の追跡で Rufus セッションの転換率は非 Rufus セッションのおよそ2倍で、Webとアプリの双方で一貫していました。ただしこれは「迷いの深い客が Rufus に集まる」ことの反映でもあり、Rufus が自動的に売ってくれる意味ではありません。

日本の Amazon.co.jp でも同じ傾向ですか

日本向けの Rufus 利用データは2026年10月時点で公表されていないため、米国と同じ比率かは要確認です。ただし Rufus は Amazon.co.jp でも提供されており、商品ページのテキストを参照する仕組みは共通です。本記事の5手順は日本の商品ページにそのまま適用できます。

ブランド登録をしていない出品者は何ができますか

商品タイトル、箇条書き5項目、商品説明、検索キーワードの4か所の改修です。A+コンテンツはブランド登録者限定ですが、手順1〜4はブランド登録なしで実行できます。多くの店舗で改善幅が大きいのは箇条書きの事実化です。

レビューを増やす施策は必要ですか

いいえ、レビューの見返りに特典を渡すことや高評価の依頼は Amazon の規約で禁止されています。レビューで繰り返される疑問を商品ページに先回りして書く（手順4）ことが、規約内で取れる現実的な対策です。Amazon Vine などの公式プログラムを使う場合は規約の範囲で行います。

ChatGPT・Claude・Gemini のどれを使うべきですか

どれでも構いません。本記事のプロンプト5本は特定のモデルに依存せず、2026年10月時点の各社の主力モデルで同様に動きます。重要なのはプロンプトに入れる材料（レビュー・Q&A・問い合わせ履歴）の質で、ツールの差より材料の差が結果を左右します。

導入の最初の一歩は何ですか

主力1商品について、プロンプト1で25問を洗い出し、商品ページに答えがあるかを判定することです。半日で終わり、どの情報が欠けているかが数字で見えます。その結果をもとに箇条書きから直し始めます。

外注は必要ですか

いいえ、5手順は社内で完結できます。商品数が数百点を超え、箇条書きと説明文を一括で更新する段階になったら、フラットファイル（一括登録用ファイル）の整形を外部に依頼する選択肢が出てきます。

著者：齋藤竹紘（株式会社オルセル編集長／5,000社以上のEC支援実績／書籍3冊）

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）

齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。齋藤竹紘のすべての投稿を表示