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

齋藤竹紘2026年7月30日2026年7月30日EC×AI活用

AIショッピングエージェント露出調査とは、生成AIが自社商品を推薦するか確かめる作業のことです。

自然検索の順位はサーチコンソールで毎日見ているのに、ChatGPTやGeminiに「30代向けの無添加スキンケアを3つ教えて」と聞いたとき自社商品が出てくるかは誰も測っていない、という店舗が大半です。ここは推測でしか語られていない領域なので、まず実測から入るのが速い進め方になります。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、ChatGPT、Gemini、Microsoft Copilot、Perplexityの4つで自社商品の露出を調べる手順と、記録用のプロンプト5本を提示します。

先に到達点を書きます。この記事の手順を1回通すと、ジャンル別の質問30本に対して自社商品が何回出たかという「露出率」が数字で出ます。その数字があれば、商品データのどこを直すべきか、どの経路の対策を優先すべきかを社内で議論できます。所要時間は30本の質問なら2時間前後、うち集計が30分程度です。

AIごとに商品データの入り口が違うという前提

最初に押さえるべきは、4つのAIが商品情報を取る経路がそれぞれ違うという点です。同じ商品ページを見て順位を付けているわけではないので、1か所を直せば全部に効くという発想は成り立ちません。

ChatGPTの商品情報は、Googleの商品フィードに大きく依存していると複数のEC支援ベンダーが報告しています。ChatGPT Shoppingの商品データのうち約83%がGoogle Shoppingのフィード由来という試算も出ていますが、これはベンダー側の推計値であり、OpenAIの公表値ではないため要確認です。加えてOpenAIは自社の出品申請の窓口を用意しており、Agentic Commerce Protocol（ACP、AIエージェント経由の購買を扱うためのプロトコル）でフィードを渡す経路があります。

Perplexityは商品識別子の要求が厳しめです。無料の出品プログラムがあり、GTINやUPCといった国際的な商品識別コードが実質必須という整理が支援ベンダー側から出ています。JANコード（日本の商品識別コード、GTIN-13に相当）を商品マスタに入れていない店舗は、ここで最初に落ちます。自社ブランドの独自商品でJANを取得していない場合は、GS1 Japanでの登録から始める話になります。

Microsoft Copilotは決済まで踏み込んでいます。2026年1月にCopilot Checkoutを立ち上げ、Shopify、PayPal、Stripeとの連携を持つとされています。ChatGPTがチャット内決済から商品発見と比較へ軸を戻したのに対し、Copilotは決済側を広げている構図です。この対比は各社の公式発表を個別に確認する必要がありますが、方向性としては露出だけでなく購入完了までを1つのAI内で完結させる流れが出てきています。

Geminiは検索基盤との距離が近く、Google Merchant Centerの商品データがそのまま効く設計です。Shopifyを使っている店舗は、管理画面のエージェント向け配信設定を有効にすると、カタログがChatGPT、Google AI Mode、Gemini、Copilotへまとめて流れる経路があると案内されています。設定名や対応範囲は更新が速い領域なので、自社の管理画面で現在の表記を確認してください。

日本市場では、この4つに加えてAmazonのRufusを5つめの経路として数える必要があります。RufusはAmazon内で完結する商品発見の仕組みなので、調査方法も別立てです。Amazonアプリ内で同じ質問を投げ、自社商品が候補に出るかを確認します。楽天市場とYahoo!ショッピングは、モール内のAI検索機能が段階的に導入されている状況で、外部の生成AIから見たときはモールの商品ページが引用元として扱われます。つまり日本のEC事業者は、モール内の露出とモール外の生成AIからの露出を、別々の指標として持つことになります。両方を1つの表で管理しようとすると混乱するため、シートを分けるのが実務的です。

もう一つの前提として、価格と在庫の鮮度が効くという点を挙げておきます。生成AIが商品を推薦するとき、価格が古いまま提示されると購入者は不信感を持ちます。各プラットフォームが求める最低条件として、価格の実時間更新、商品識別コード、構造化データ（Schema.orgのProduct、Offer、Reviewの記述）、そして一定量の実際のレビューが挙げられています。このうち日本のEC事業者で抜けがちなのは構造化データの記述です。楽天やAmazonに出しているだけの店舗は自社サイトを持たないため、そもそも構造化データを置く場所がありません。自社サイトを持たない場合、生成AIから見える情報はモールのページ経由に限られると理解しておく必要があります。

数字の面で押さえておきたいのは、Googleの上位表示とAIの引用が一致しないという指摘です。Google上位10件に入っているページのうち、ChatGPTの引用にも現れるのは約2.1%にとどまるという計測が公開されています。この数字も測定手法に依存するため断定はできませんが、「自然検索で勝っているから安心」という前提が崩れていることの目安にはなります。露出の実態は、オンライン購買の約半数がAI経由という調査とあわせて見ると、放置できない規模だと分かります。

露出調査を4ステップで回す

結論として、調査は質問リストの作成、4つのAIでの実行、結果の記録、改善箇所の特定という4ステップで足ります。特別なツールは不要で、有料プランのAIが1つあれば始められます。

第1ステップは質問リストの作成です。自社商品が買われる場面を、購入者の言葉で30本書き出します。ここで商品名やブランド名を入れてはいけません。「うるおいクリーム 60g」ではなく「乾燥肌向けの保湿クリームを予算3,000円以内で3つ教えて」と書きます。指名検索で出るのは当たり前で、知らない人に見つけてもらえるかを測りたいためです。ジャンル、価格帯、用途、贈答用途、比較意図の5パターンから各6本ずつ作ると、偏りが減ります。

第2ステップは実行です。同じ30本を、ChatGPT、Gemini、Copilot、Perplexityの4つに順に投げます。注意点が3つあります。過去の会話履歴が結果に影響するため、毎回新しい会話で始めること。メモリ機能をオフにするか、影響を承知して記録すること。同じ質問でも実行ごとに答えが変わるため、重要なジャンルは3回繰り返して多数決を取ることです。

第3ステップは記録です。1行1件で、質問、AI名、自社商品が出たか、何番目に出たか、競合として出た商品名、引用元のURLを記録します。引用元URLは重要で、自社サイトの何ページ目が引かれているのか、それとも比較サイトやモールのページ経由なのかで、次の打ち手が変わります。

第4ステップは改善箇所の特定です。露出がゼロのAIがあれば、そのAIの商品データ経路が抜けていると考えます。Perplexityだけ出ないならJANコードやフィードの識別子、Copilotだけ出ないならフィード連携の設定、全部で出ないなら商品データそのものの情報量が足りていない、という切り分けになります。

記録シートの列は6つで足ります。質問文、AI名、自社商品の出現（はい／いいえ）、掲載順位、競合として出た商品名、引用元URLです。ここに実行日と実行回数を足して8列にすると、月次比較まで同じシートで回せます。順位は「1番目」「3番目」のように整数で入れ、リスト形式で出なかった場合は0と決めておくと集計が壊れません。引用元URLは複数出ることがあるため、1件目だけを記録する運用に統一すると入力の迷いが減ります。

競合として出た商品名の記録は、地味ですが一番使える列になります。3か月続けると、同じジャンルで繰り返し推薦される商品が3〜5件に固まってくるためです。その固まりが自社の実質的な競合であり、価格やレビュー数、商品データの充実度を比較する相手になります。楽天やAmazonのランキング上位とは顔ぶれがずれることも珍しくありません。生成AIは在庫の潤沢さや広告出稿量ではなく、説明の解像度で選ぶ傾向があるためです。この観察は複数店舗で繰り返し見ている現象ですが、体系的な検証データはないため現場感覚の域として扱ってください。

以下のプロンプトは、この4ステップで使うものを5本用意しました。2026年7月時点の主要モデルは、ChatGPTがGPT-5.6のSol・Terra・Luna、Geminiが3.6 Flash、ClaudeがOpus 5とFable 5です。質問リストの作成と集計はどのモデルでも動きますが、露出調査そのものは調べたいAIで実行する必要があります。

（用途：調査用の質問リストを作る）

プロンプト1：購入者の言葉で調査用質問30本を作る

あなたは日本のEC事業者の商品企画担当です。
以下の商品について、購入検討者が生成AIに投げそうな質問を30本作ってください。

制約：
1. 自社の商品名・ブランド名を一切含めない
2. ジャンル指定・価格帯指定・用途指定・贈答用途・比較意図の5パターンから各6本
3. 実際に口に出す長さ（20〜60字）にする
4. 「おすすめを教えて」の丸投げ質問は5本までに抑える

商品情報：
- ジャンル：{ジャンル}
- 価格帯：{円}
- 主要な特徴：{3つ}
- 想定購入者：{年代・性別・状況}
- 競合として意識している商品：{任意}

出力：番号付きの30本と、各質問の意図（検討初期／比較中／購入直前）を1語で付記

（用途：結果を集計して露出率を出す）

プロンプト2：露出調査の結果を集計して露出率を算出する

あなたはEC事業者のデータ分析担当です。
以下の調査記録を集計してください。

計算する指標：
1. AI別の露出率（自社商品が出た件数 ÷ 質問数）
2. 質問パターン別の露出率
3. 平均掲載順位（出たときの順番の平均）
4. 競合として頻出した商品の上位5件と出現回数
5. 引用元URLの内訳（自社サイト／モール／比較サイト／その他）

調査記録：
{質問, AI名, 自社商品の出現(はい/いいえ), 順番, 競合商品, 引用元URL の行を貼る}

出力：数字を先に示し、そのあとに「最も改善余地が大きい箇所」を3点、理由付きで

（用途：競合が選ばれた理由を言語化する）

プロンプト3：競合が推薦された理由を分解する

あなたは商品ページの改善を担当するECコンサルタントです。
生成AIが以下の競合商品を推薦した理由を、公開情報から推測できる範囲で分解してください。

観点：
1. 商品データに含まれる情報の量と種類（成分・サイズ・素材・産地・容量など）
2. レビュー数とレビュー本文に含まれる具体的な使用場面
3. 価格情報の明示のしかた
4. 商品識別コード（JAN/GTIN）の記載
5. 第三者サイトでの言及の量

競合商品：{商品名とURL}
自社商品：{商品名とURL}

出力：観点ごとに競合と自社の差を1〜2文で示し、最後に自社が今週着手できる修正を3つ

（用途：商品データの欠損を洗う）

プロンプト4：AIショッピング向けに商品データの欠損を洗う

あなたは商品フィードの品質管理担当です。
以下の商品データについて、AIショッピングエージェントに拾われるために不足している項目を指摘してください。

チェック項目：
1. GTIN/JANコードの有無
2. 価格と在庫の更新頻度
3. 商品カテゴリの粒度
4. 素材・成分・サイズ・容量などの属性の充足
5. 画像の枚数と用途（単体・使用シーン・サイズ比較）
6. 構造化データ（Product / Offer / Review）の記述

商品データ：{CSVまたは項目一覧を貼る}

出力：不足項目を「必須」「推奨」に分け、必須から順に埋め方を1行で示してください。

（用途：定点観測の体制を決める）

プロンプト5：露出調査を月次の定点観測に落とす

あなたはEC運営のオペレーション設計担当です。
AIショッピングの露出調査を、月1回の定点観測として回す手順書を作ってください。

条件：
- 担当者の作業時間：月{時間}
- 対象AI：ChatGPT / Gemini / Copilot / Perplexity
- 質問数：{本}
- 記録先：{スプレッドシート名など}

出力する項目：
1. 実施手順（番号付き、1手順1行）
2. 記録フォーマットの列定義
3. 前月と比較して見る指標を3つ
4. 露出率が下がったときの確認順序
5. 引き継ぎ時に迷いやすい点への注記

調査でつまずく3つのパターン

1つ目は、指名検索で満足してしまうパターンです。ブランド名を入れて質問すれば大抵の商品は出てきます。それは既に自社を知っている人向けの確認であり、新規獲得の指標にはなりません。ジャンル語だけで質問する原則を崩さないことが調査の前提になります。

2つ目は、1回の結果で結論を出すパターンです。生成AIの回答は同じ質問でも揺れます。ある食品ジャンルの中規模店舗の事例では、同じ質問を3回投げたうち2回で自社商品が出て1回は出ないという結果になりました。重要なジャンルは3回実行して出現回数で記録する運用にすると、月次の比較が意味を持ちます。

3つ目は、記録を残さないパターンです。画面を見て「出た」「出なかった」で終わらせると、翌月に何が変わったか分かりません。列を6つ決めたスプレッドシートを1枚作るだけで、3か月後には改善の効果測定ができる資産になります。

4つ目として、対策を打ってすぐ再調査するパターンにも触れておきます。商品フィードを直しても、各プラットフォームがそれを取り込むまでには時間差があります。Google Merchant Centerの更新反映を待ってから生成AI側に伝わるまで、数日から数週間かかると見ておくのが安全です。修正の翌日に測って変化がないからと打ち手を否定してしまうと、正しい改善を捨てることになります。再調査は最短でも2週間後に設定してください。

5つ目は、薬機法や景品表示法の観点を忘れて商品説明を盛るパターンです。露出を上げたいという動機から、化粧品やサプリメントの説明に効能を思わせる表現を足してしまう事故が起きます。生成AIに拾われやすい文章と、法令上書ける文章は別物です。成分名、容量、使用方法、使用シーンのように事実で厚みを出す方向に寄せると、法令面の危うさを避けながら情報量を増やせます。

工数と費用の目安

必要な費用は、調査に使うAIの月額利用料が中心です。ChatGPT Plusが月20米ドル、Claude Proが月20米ドル、Gemini の有料プランが同水準という価格帯で、Perplexityの出品プログラムは無料と案内されています。露出調査そのものは無料プランでも可能ですが、回数制限で途中で止まることがあるため、有料プラン1つは用意しておくほうが作業が途切れません。

工数は、質問リスト30本の作成に1時間、4つのAIでの実行に1時間、集計に30分が目安です。初回は記録フォーマットの設計が入るため3時間前後を見ておくとおさまります。2回目以降は同じ質問を再実行するだけなので、1時間半程度に短縮できます。

改善作業側の工数も見積もっておく必要があります。商品データの欠損を埋める作業は、1SKUあたり5〜10分が目安です。JANコードの入力、属性の追記、画像の追加、説明文の具体化を含めた時間です。100SKUなら10〜16時間規模になります。全SKUを一度に直そうとすると止まるため、露出調査で名前が挙がったジャンルの上位10SKUから着手するのが続けやすい進め方です。楽天/Amazonの両方を回している店舗で観測されたのは、10SKUを丁寧に直すほうが100SKUを機械的に埋めるより翌月の露出に反映されやすいという傾向でした。件数の少ない観察なので一般化はできませんが、着手順の判断材料にはなります。

有償の可視化ツールを使う選択肢もあります。複数のAIをまたいで言及率や引用率を集計するサービスが2025年後半から増えており、SKU単位で追えるものも出てきました。月額の水準はサービスによって幅があるため、まず手作業で1回測って改善余地の大きさを確認してから検討するのが順序として無理がありません。自社ショッパーエージェントを持つ小売の売上成長やAIショッピング市場の予測と照らして、投資の順番を決めてください。

半年後に効いてくる論点

見ておきたいのは、露出の指標が広告の指標に近づいていく流れです。AI経由の来訪は、有料検索やメール、アフィリエイト由来より購入に至る率が高く、1回の訪問あたりの支出も大きいという報告が出ています。数値はベンダー計測のため要確認ですが、傾向として同じ方向の報告が複数出ている状況です。もし来訪単価が高いまま推移するなら、露出率は広告のインプレッションシェアと同じ扱いになります。

もう一つは、商品データの一元管理の重要性が上がる点です。4つのAIが別々の経路でデータを取るなら、フィードの整備は一度で済みません。GTINや属性、価格更新の頻度といった土台を1か所で整え、そこから各経路へ配信する構成にしておくと、新しいAIが登場したときの対応が設定作業で済みます。逆に経路ごとに別のCSVを手作りしている店舗は、AIが増えるたびに工数が増えます。

3つめに、社内の指標体系に露出率を組み込む話があります。週次の会議で見る数字が「セッション数、CVR、客単価、広告のROAS」の4つで固定されている店舗が多いはずです。ここにAI露出率を5つめとして加えると、商品データの整備が予算の議題になります。逆に指標に入らないままだと、商品フィードの整備は「時間があればやる作業」に落ち続けます。編集部で実際に運用しているプロンプトでは、月初に前月の露出率と競合出現の上位5件を1枚にまとめ、そこから今月の修正対象SKUを10件決める形にしています。決め方を固定しておくと、担当者が変わっても回ります。

4つめは、指名検索の価値が上がるという逆説です。ジャンル語での露出は競合と枠を争いますが、ブランド名で聞かれたときに正確な情報が返るかは自社の情報整備で決まります。会社概要、送料条件、返品条件、成分表示といった基礎情報がAIに読み取れる形で置かれているか、この機会に確認しておくと後の打ち手が軽くなります。

よくある質問

露出調査は無料でできますか

はい、できます。各AIの無料プランでも質問を投げられるため、費用をかけずに始められます。ただし回数制限に当たると調査が中断するため、30本を一気に回すなら有料プラン1つを用意しておくほうが確実です。

JANコードがない自社ブランド商品はどうすればいいですか

GS1 Japanでの事業者コード登録から始めるのが正攻法です。Perplexityのように商品識別コードを実質必須とする経路では、コードがないと候補に入りません。登録には費用と期間がかかるため、主力商品から順に取得する進め方が現実的です。

楽天やAmazonに出しているだけでもAIに拾われますか

拾われることはあります。モールの商品ページが引用元として現れるケースは実際に観測できます。ただしその場合、比較の主役はモールのページになり、価格勝負に巻き込まれやすくなります。自社サイトの情報も同時に整えるほうが、比較軸を自分で作れます。

何本の質問で調べれば十分ですか

30本が最初の目安です。5パターン×6本で偏りが減り、集計しても意味のある数字になります。主力ジャンルが複数ある場合は、ジャンルごとに30本を用意してください。10本以下では偶然の揺れに埋もれます。

露出率はどれくらいあれば良いのですか

業種と競合数で変わるため、絶対値の基準はありません。現場感覚では、初回調査で露出率が2割を超えていれば土台はできており、1割未満なら商品データの欠損から疑うべき水準です。重要なのは前月比の推移で、絶対値の比較より自社の変化を追うほうが判断に使えます。

調査は誰が担当すべきですか

商品データを触れる担当者が向いています。調査で分かるのは「情報が足りていない箇所」なので、商品登録やフィード管理をしている人が回すと改善までの距離が短くなります。外注する場合は、記録フォーマットと質問リストは自社で持っておくと資産が残ります。

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