投稿者 投稿日: カテゴリー EC×AI活用
このスキルを使うと、色やサイズの表記揺れを差分を確認しながら統一できます。
楽天市場の店舗で商品マスタを見返すと、同じ黒でも「ブラック」「黒」「クロ」「BLACK」が混在していることがよくあります。この状態だと、お客様がカラー絞り込みで「ブラック」を選んだとき、「黒」で登録した商品が結果から漏れてしまいます。商品数が1,000SKUを超える店舗では、目視でこの揺れを拾い切るのは現実的ではありません。
ALSEL Agent Skills の「product-attribute-normalizer」は、カラー・サイズ・素材・容量などの属性値の揺れを集計し、統一案と例外候補を分けて提示するスキルです。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）が、このスキルの使い方と効果を解説します。
商品属性の正規化スキルでできること
商品属性の正規化とは、カラー・サイズ・素材・容量などの属性値の表記揺れを、ルールに沿った1つの表記にそろえる作業のことです。このスキルは、その作業を「集計→分類→差分提示→確認」の流れで進めます。
入力は商品マスタの属性列です。スキルはまず出現値を「値・件数・代表的なSKU」で集計し、たとえば「ブラック120件、黒30件、クロ5件、BLACK12件」のように揺れの全体像を見える化します。そのうえで、値を3つに分類します。1つ目は黒とブラックのように機械的に統一してよい「明確な揺れ」、2つ目はキャメルとブラウンのように色相が違うため別の値として残すべき「別値保持候補」、3つ目は桃色をピンクに含めるかのようにブランド方針の確認が必要な「判断不能」です。
対象はカラーだけではありません。サイズでは「ＬＬ」「LL」「2L」を「LL」に、素材では「コットン100％」「綿100％」を「綿 100%」に、容量では「100ミリリットル」「100cc」を「100ml」にそろえる案を出します。標準30色のカラー表や、アパレル・靴のサイズ表記ルールを知識ベースとして持っている点も特徴です。
楽天・Amazon・Yahoo!ショッピングでの使い方
使い方はシンプルで、Claude Code に商品マスタのCSVを読み込ませ、「カラー名を統一して」「サイズ表記がバラバラなので整理して」「100mlと100ccをそろえて」のように依頼すると起動します。「絞り込み検索が効かない」という悩みをそのまま伝えても動きます。
スキルの処理は8つの手順で進みます。手順1で正規化する属性列を決め、手順2で出現値と件数を集計し、手順3で明確な揺れ・別値保持候補・判断不能に分類します。手順4で統一前後と件数の差分を示し、手順5で例外候補を店舗に確認します。手順6でサイズ・素材・容量など他の属性にも同じ処理をかけ、手順7で各モールの属性項目に対応づけ、手順8でバックアップと差分承認を経て反映します。
出力は、集計サマリー、統一マッピング、別値保持候補、判断が必要な値、モール別の属性対応、反映手順、最終チェックの7〜8ブロックからなるレポートです。重要なのは、スキルが勝手に一括置換しない点です。「キャメルをブラウンに統合しますか」「漢字の色名を残しますか」「英語表記のBLACKをブランドの世界観として残しますか」と、店舗側の判断が必要な点を必ず質問してきます。
モールごとの違いにも対応します。楽天市場ではカラー絞り込みに効くカタカナ表記への統一を推奨し、Amazon ではフラットファイルの color_name や size_name、バリエーションの組み合わせを指定する variation_theme との整合を確認します。Yahoo!ショッピングではスペック情報の項目、Shopify では3つまでのオプション軸、Google Merchant Center では color 属性との対応を整理します。
Google Merchant Center の場合、色の属性の公式ヘルプによると、複数の色は「/」で区切って最大3色まで、1色あたり40文字以内で指定し、値は商品ページに表示している色と一致させる必要があります。属性値だけを直して商品ページの表記を放置すると不一致になるため、スキルの反映手順どおり商品ページ側もあわせて更新することが大切です。
バリエーションの軸に使っている属性を変えると、親子の紐付けが崩れることがあります。楽天のSKU設計は楽天SKUバリエーション点検スキルの解説、Amazon の親子関係はAmazonバリエーション親子監査スキルの解説もあわせて確認してください。
導入による業務インパクト
結論として、このスキルの効果は「全行の目視」を「出現値の確認」に置き換えられる点にあります。当社の試算では、1,000SKUのカラー列を1行10秒で目視確認すると約2.8時間かかりますが、出現値が60種類に集約されれば、確認すべきは60件と例外候補だけになり、30分前後で判断を終えられる見込みです（商品構成によって変わるため目安です）。
ミスの減り方も大きな価値です。人手で置換すると、ローズピンクをピンクに、キャメルをブラウンに誤って統合し、商品の意味を壊してしまう事故が起きがちです。このスキルは別値保持候補を必ず分けて出すため、こうした誤統合を防げます。
一方で限界もあります。スキルは各モールの属性スキーマを目安として持っていますが、仕様は変わるため、最終的には各モールの公式ヘルプで最新情報を確認する必要があります。また、CSV全体の文字コードや重複の整理は別スキルの担当で、SKUの命名ルールはSKU命名ルール生成スキルが受け持ちます。反映前のバックアップ取得も必須です。
まとめ
商品属性の表記揺れは、絞り込み検索の取りこぼしに直結する見えにくい機会損失です。カラーやサイズの値が店舗内でそろっていない、複数モールで表記が違う、という事業者ほど効果が出ます。一歩目は、商品マスタのカラー列だけを書き出し、このスキルで出現値を集計してみることです。揺れの規模が数字で見えれば、どこから直すべきかが判断できます。
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）
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。
この記事を読んだ人は、こんな記事も読んでいます
