投稿者 投稿日: カテゴリー Gemini
AIパフォーマンスインサイトとは、AI検索面での自社露出を見るレポートのことです。
AI経由でどれだけ商品が見られているかは、これまで推測するしかありませんでした。Google Merchant Center に追加されたAIパフォーマンスインサイトは、AI ModeとAI Overviews上での自社ブランドの露出を、競合との比率で示します。2026年8月時点では米国の一部アカウントを対象としたパイロット段階で、今後オーストラリア・カナダ・インド・ニュージーランドへ拡大予定と公式に案内されています。日本はこの一覧に含まれていません。それでも今から読み方を押さえておく価値があります。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、指標の意味と提供開始前にやれる準備を整理します。
キーワード検索から会話型の買い物へ、計測の前提が変わった
このレポートが解こうとしている問題は明快です。買い物客の質問が長く複雑になり、キーワード単位の計測では追えなくなったことです。Google の公式ヘルプは、レポートの目的を「キーワード検索から複雑で会話的な購買経路への移行を読み解くこと」と説明しています。対象はAI ModeとAI Overviews、そしてGeminiアプリを含むGoogleの生成AI面です。
見るべきなのは、計測対象が明確に限定されている点です。公式ヘルプによれば、現在のデータは「オーガニックのAIトラフィック（無料リスティングなど）」に限られ、有料広告経由は含まれません。つまり、このレポートで見えるのは広告費をかけずに拾われている分だけです。広告の成果はGoogle広告側で別に見る必要があります。この線引きを理解せずに数値を報告すると、社内で混乱します。
対象クエリにも条件があります。インサイトの対象は購買意図を主とする会話型クエリとブランド関連クエリで、それ以外は集計に入りません。単なる情報収集の質問は除外されるということです。逆に言えば、ここに出てくる数字は購買に近い会話だけを抜き出したものなので、密度が高いデータになります。
レポートの場所も公開されています。Merchant Centerにログインし、左側のナビゲーションから「アナリティクス」を開き、「商品」を選択、ページ上部の「AIパフォーマンス」タブでダッシュボードが表示されます。パイロット対象外のアカウントではタブ自体が出ません。日本の店舗が今この画面を開いても現れないのは、そのためです。
4つの指標が何を表しているか
指標は4つあります。順に、自社のシェアオブボイス、競合の平均シェア、クエリ頻度、クエリタイプです。
シェアオブボイスは、自社のAIインプレッション数を、自社と競合の合計インプレッション数で割った比率です。競合セットはMerchant Centerに登録されている競合情報が使われ、自分で変更することはできません。この点は運用上の制約として押さえておく必要があります。競合が定義されていないアカウントではシェアオブボイスが100%と表示されますが、これは独占状態を意味せず、比較対象が無いことを示します。インプレッションが不足している場合は0と表示されます。
競合の平均シェアは、自社が市場水準の上にいるか下にいるかを判断するための基準線です。自社のシェアだけを見ても高低が分かりませんが、この2つを並べると位置が決まります。
クエリ頻度は、特定のクエリタイプ・商品用語・購買フェーズ・商品属性がどれだけ多く使われているかを表します。需要の大きさを示す指標なので、優先順位付けに使います。クエリタイプは、カテゴリでの検索、スペックの調査、レビュー探索といった質問の型を示します。買い物客の心理段階とは独立した分類です。
絞り込みのフィルタも4つあります。商品カテゴリ、期間、国、トラフィック種別です。商品カテゴリは単一カテゴリ単位でのみ絞り込め、全カテゴリを横断して見るレポートは用意されていません。複数カテゴリを扱う店舗は、カテゴリごとに見て回る必要があります。
購買フェーズの分類も独立した見方として用意されています。会話型クエリをディスカバリー（一般的な選択肢を探る初期段階）、エバリュエーション（比較や仕様確認の中間段階）、パーチェス（取引に近い後期段階）の3段階に分類し、それぞれでシェアオブボイスの推移を見る設計です。複雑な質問は複数の分類にまたがる場合がある、という注記も公式にあります。
現場で繰り返し見るのは、後期段階だけを見て安心してしまうパターンです。購買直前のクエリでシェアが取れていても、ディスカバリー段階で候補に入っていなければ、そもそも母数が増えません。3段階を分けて見る意味はここにあります。
公式ヘルプには、この使い方の例も示されています。ディスカバリー段階を見ているとき、商品の特徴で探すタイプのクエリが多いのにシェアオブボイスが低ければ、そこが最適化の機会だという読み方です。頻度が高くシェアが低い交点を探す。この考え方は、検索連動広告の検索語句レポートを読む作業に近く、EC運用の担当者にとっては馴染みやすいはずです。
改善のヒントを示すスコアカードも2種類あります。1つは「よく使われるAIショッピング用語」で、買い物客が会話の中で重視している機能面の言い回しを示し、その用語に該当する自社商品の数と、対応するシェアオブボイスを併記します。もう1つは「よく使われる商品属性」で、サイズ・色・素材のように、商品データに不足している可能性のある構造化仕様を示します。どちらも一覧を開いて全項目を確認できる導線が用意されています。
日本で提供が始まる前にやる5つの準備
日本ではまだ使えませんが、レポートが示す改善方向は先に分かっています。公式ヘルプが挙げる最適化の切り口は2つ、「よく使われるAIショッピング用語」と「よく使われる商品属性」です。前者は機能面のベネフィットや特徴の言い回し、後者はサイズ・色・素材といった構造化された仕様です。どちらも、いま自社の商品データを整えれば先回りできます。
準備を5ステップに分け、それぞれで使えるプロンプトを示します。2026年8月時点で、ChatGPT（GPT-5.6系）、Claude（Opus 5）、Gemini（3.1 Pro / 3.6 Flash）のいずれでも動きます。商品点数が多い工程は安価な高速モデル、判断を含む工程は上位モデルという分け方が実務的です。
第1ステップは、買い物客が実際に使う言い回しの収集です。レポートで言うところの「商品用語」を、提供開始前に自力で洗い出します。
プロンプト1：会話型クエリで使われる商品用語の抽出
あなたはEC商品データの分析担当です。
以下の情報から、買い物客が会話型のAI検索で使いそうな言い回しを抽出してください。
入力に使う材料：
- 自社商品のレビュー本文
- 問い合わせメールの質問文
- 検索連動広告の検索語句レポート
抽出の観点：
1. 機能面のベネフィットを表す語（例：疲れにくい、洗いやすい、まとめ買い向き）
2. 利用シーンを表す語（例：贈答用、平日の弁当、来客時）
3. 条件・制約を表す語（例：アレルギー対応、コンパクト収納、賃貸でも使える）
出力：
- 抽出した用語の一覧（出現頻度の多い順）
- 各用語について、自社商品ページの本文に含まれているかの判定
- 含まれていない用語のうち、事実として書ける（誇張にならない）ものを明示
商品ジャンル：{ジャンル}
材料データ：
{ここに貼る}
第2ステップは、構造化属性の欠落チェックです。レポートは構造化属性についてのみ可視性を提供すると明記されているため、フィード側の属性が埋まっていないと計測対象にすらなりません。
プロンプト2：商品フィードの構造化属性の欠落検出
あなたはGoogle Merchant Centerのフィード運用担当です。
以下の商品フィードのサンプル行を読み、構造化属性の欠落を検出してください。
確認する属性：
- brand / gtin / mpn
- color / size / material / pattern
- age_group / gender（該当する場合）
- product_highlight / product_detail
- shipping / availability / condition
- item_group_id（バリエーション商品の場合）
出力：
1. 属性ごとの充足率（％）
2. 欠落が多い属性の上位3つと、購買判断への影響
3. 埋めるための一次情報の入手先（仕入先資料、実測、既存の商品説明文のどれか）
4. 埋めてはいけない属性（推測で入れると誤情報になるもの）の指摘
商品ジャンル：{ジャンル}
フィードのサンプル行：
{ここに貼る}
第3ステップは、購買フェーズ別に自社ページを診断することです。3段階のうち、どこが弱いかを先に把握します。
プロンプト3：購買フェーズ別の商品ページ診断
あなたはEC商品ページの診断担当です。
以下の商品ページのテキストを、買い物の3段階それぞれの質問に答えられるか評価してください。
段階と想定質問：
1. ディスカバリー：「{ジャンル}を選ぶときの基準は」「どんな種類があるか」
2. エバリュエーション：「AとBの違いは」「この仕様で足りるか」「口コミの傾向は」
3. パーチェス：「在庫はあるか」「いつ届くか」「返品はできるか」
出力：
- 各段階について、ページ内で回答できる質問と回答できない質問
- 回答できない質問のうち、追記すべき優先順位の上位3件
- 追記する文案（各2文以内、事実に基づく範囲で）
商品ページのテキスト：
{ここに貼る}
第4ステップは、競合との相対位置の把握です。シェアオブボイスは競合との比率なので、比較対象を自分で決められない前提を踏まえて、手元で近い分析をしておきます。
プロンプト4：競合との商品情報量の比較
あなたはEC競合分析の担当です。
自社と競合3社の商品ページ情報を比較し、AI検索で拾われやすさの差を評価してください。
比較の観点：
1. 商品説明文の情報量（文字数ではなく、答えている質問の数）
2. 構造化属性の充足度
3. 用途・利用シーンの記述の有無
4. 数値仕様（サイズ、容量、消費電力など）の明記
5. 比較を助ける記述（他タイプとの違い、選び方の基準）
出力：
- 観点ごとの自社の相対評価（優位／同等／劣位）
- 劣位の観点について、最短で埋められる改善案を3件
- 埋めても差が付きにくい観点があれば、その理由
自社ページ：{ここに貼る}
競合ページ3社分：{ここに貼る}
第5ステップは、改善の記録です。日本での提供が始まったとき、施策前後を比べられる状態にしておきます。
プロンプト5：改善履歴と計測設計の整理
あなたはEC運用の計測設計を担当するアナリストです。
以下の改善内容から、後日の効果検証に使える記録表の項目を設計してください。
出力：
1. 記録すべき項目（実施日、対象商品、変更内容、変更前の状態、想定効果）
2. 効果検証に使う指標と、参照するレポートの名前
3. 検証のタイミング（施策から何日後に見るか）と、その根拠
4. 検証時に混同しやすい外部要因（季節性、価格改定、広告出稿）の注意点
改善内容：
{ここに貼る}
この5本は、日本での提供開始を待たずに回せます。属性を埋め、用語を合わせ、購買段階ごとの穴を塞ぐ作業は、Google以外のAI検索面でも同じように効きます。Google AI Modeでの露出そのものについては、うるチカラのGoogle AI Modeに自社商品が出ない4つの理由も併せてご覧ください。
数値を読むときに陥りやすい3つの誤読
ある食品ジャンルの中規模店舗の事例では、シェアオブボイスが100%と表示されたことを「独占状態」と受け取り、施策を止めてしまいました。実際には競合が未定義だっただけです。公式ヘルプにも、競合が定義されていない場合は100%になると明記されています。数値の意味を確認せずに判断すると、こうした逆方向の意思決定が起こります。
2つ目は、0という表示を「露出ゼロ」と読むことです。これはインプレッションが不足している場合の表示であり、露出が完全に無いことと同義ではありません。商品点数が少ない店舗や、ニッチなカテゴリでは0が出やすくなります。この場合、指標を追うより先に、そもそも計測に乗る量の露出を作る必要があります。
この誤読には続きがあります。0が出る状態で焦って商品数を増やすと、今度は属性が埋まっていない商品が大量に積み上がります。露出の量は増えても、拾われる質が落ちる。楽天とAmazonの両方を回している店舗で観測されたのは、点数を増やす前に既存の主力100点の情報密度を上げたほうが、AI経由の流入が動いたという結果でした。順序としては、密度が先、量が後です。
3つ目は、有料広告の成果と混ぜて報告することです。レポートの対象はオーガニックのAIトラフィックに限られます。広告の数値と足し合わせて「AI経由の成果」として報告すると、後で数字が合わなくなります。報告書のフォーマットを作る段階で、この区分を明記しておいてください。
費用と工数、そして見るべきKPI
レポート自体はMerchant Centerの機能なので、追加費用はかかりません。かかるのは準備の工数と、生成AIの利用料です。2026年8月時点の公開価格で、ChatGPT Plusが月20米ドル、Claude Proが月20米ドル、Google AI Proが月20米ドル前後です（改定と為替は要確認）。数千点規模の商品を機械的に処理するなら、APIの低価格モデルを使えば数千円から数万円の範囲に収まることが多い、というのが現場感覚です。
工数の目安は、初回の属性棚卸しで商品1,000点あたり4時間から8時間というのが、直近の支援案件で観測した水準です。属性がすでに基幹システムに入っているか、Excelで手管理されているかで倍近く変わります。用語の抽出と商品説明文への反映は、主力商品100点に絞れば10時間程度で回せます。
KPIは4つ置きます。第1に、主要属性の充足率。第2に、抽出した商品用語のうち商品ページ本文に含まれている割合。第3に、購買3段階それぞれで回答できている質問数。第4に、AI経由の流入セッション数とそのCVRです。第4は、日本でレポートが使えるようになるまでは Google Analytics 4 の参照元で近似します。GEO領域の測定設計は、うるチカラのAI経由の顧客認知をどう測るかでも扱いました。
目標の置き方としては、第1と第2をまず80%に乗せるのが現実的です。第3は商品ジャンルによって必要な質問数が違うため、競合比較で決めるほうが実用的でしょう。
作業の割り振りについても書いておきます。属性の充足は定型作業なので、パートやアルバイトでも回せます。判断が要るのは、どの属性を優先するかと、事実として書ける範囲の見極めです。ここは商品を理解している担当者が握る必要があります。5,000社支援の中で何度も再現したパターンとして、判断と作業を分けずに1人に集約した結果、作業量に押されて判断が雑になる、という失敗があります。最初に分けてください。
もう1点、フィードの更新頻度も確認しておく価値があります。属性を直しても、フィードの送信が週次なら反映まで最大7日かかります。改善の効果検証をするなら、更新のタイミングを記録に残しておかないと、効果が出るまでの期間を誤って評価します。日次更新に切り替えられるなら、そうしておくのが無難です。
露出の測定が標準機能になると何が変わるか
このレポートが日本を含めて一般提供されると、AI検索での露出は「感覚で語るもの」から「数字で報告するもの」に変わります。社内の予算配分の議論に持ち込めるようになる、という意味です。今までは、AI経由の流入を増やす投資の効果を説明する材料がありませんでした。
もう1つの変化は、競合セットが自分で選べないという設計から来ます。Merchant Centerが定義する競合と、経営側が意識している競合は一致しないことがあります。数字を報告するときは、比較対象が誰なのかを明示する必要が出てきます。この確認を怠ると、社内で「うちの競合はそこじゃない」という議論に時間を取られます。
日本市場固有の論点も指摘しておきます。日本のEC事業者の多くは楽天市場・Amazon・Yahoo!ショッピングでの売上比率が高く、Merchant Centerの活用度が低い店舗が少なくありません。自社ECのフィードを整備していない場合、この計測の土俵に上がれないままになります。逆に、自社ECを持っていてフィードを整えている店舗は、モール依存の競合が手を付けない間に差を作れます。エージェント経由の商取引が広がる文脈では、UCP対応の考え方も並行して押さえておくと判断が早くなります。
今後の見通しとして、有料広告分の数値が同じレポートに統合される可能性はありますが、2026年8月時点で公式のアナウンスは確認できていません（要確認）。統合されれば、AI検索面全体での投資効率を1画面で見られるようになります。それまでは、オーガニックと広告を分けて記録しておくのが安全です。
よくある質問
AIパフォーマンスインサイトは日本で使えますか
いいえ、2026年8月時点では使えません。米国の一部アカウントを対象としたパイロット段階で、公式にはオーストラリア・カナダ・インド・ニュージーランドへの拡大が案内されています。日本はこの一覧に含まれていないため、提供時期は要確認です。
シェアオブボイスが100%と出たら成功ですか
いいえ、競合が定義されていないことを示す場合があります。公式ヘルプに、競合データが不足しているアカウントではシェアオブボイスが100%になると明記されています。数値を見る前に、Merchant Centerの競合設定を確認してください。
有料広告の成果もこのレポートで見られますか
いいえ、見られません。現在のデータはオーガニックのAIトラフィックに限定され、有料広告経由は含まれないと公式に明記されています。広告の成果はGoogle広告側のレポートで確認し、報告時に区分を明示してください。
競合の設定は変更できますか
いいえ、変更できません。Merchant Centerで利用可能な競合情報にもとづいて決まる仕組みです。意図した競合と一致しない場合は、その前提を添えて社内共有するのが実務的な対応になります。
全カテゴリをまとめて見るレポートはありますか
いいえ、ありません。商品カテゴリのフィルタは単一カテゴリ単位で、全カテゴリを包含するレポートは用意されていないと公式に説明されています。複数カテゴリを扱う店舗は、カテゴリごとに確認する運用になります。
日本での提供開始まで何をしておけばいいですか
構造化属性の充足と、会話型クエリで使われる言い回しの反映です。レポートが示す改善方向は「商品用語」と「商品属性」の2つなので、この2点を先に整えておけば、提供開始と同時に数値を見る準備が整います。どちらもGoogle以外のAI検索面でも効きます。
楽天市場やAmazonだけで運営していても関係ありますか
直接は関係しませんが、考え方は流用できます。会話型の質問に答えられる商品情報を持つ、という要件はモールでも同じです。楽天市場の商品説明文やAmazonの商品仕様欄に、用途・条件・比較の観点を書き込む作業が、そのまま対応になります。
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
- Google Merchant Center ヘルプ｜About AI performance insights
- Google Merchant Center ヘルプ｜About Competitors in Merchant Center Analytics
- Search Engine Land｜Google launches AI Performance Insights and Conversational Attributes in Merchant Center
※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
