AIが「推薦できる」と判断する情報設計

AIの進化と普及によって“検索から統合へ”のパラダイムシフトが加速するなか、EC事業者がいま直面しているのは、検索の「順位」ではなく、AIの「推薦枠に入る」ための戦いだ。

連載最終回となる本稿では、20年以上にわたりグローバルECの最前線で実務と研究に携わるパベル・ザスラフスキー氏が、「自社ブランドをAIによる概要に引用させるため」の情報設計の要点を徹底解説。さらに、連載の総括として、EC事業者が取り組むべき「生成AI時代のロードマップ」を提示する。（全6回）

●過去コラムはこちら！
【第1回】AI検索革命：EC事業者が直面する「検索から統合」への転換
【第2回】検索から会話へ：顧客はブランドに何を「プロンプト」するのか
【第3回】「検索」はどう進化したのか――　情報検索（IR）の現在地
【第4回】AIは回答をどのように作るのか：大規模言語モデルの基本と違い
【第5回】AI概要の内側：クエリはどのように処理されるのか

AIに自社ブランドを引用させるために事業者は何をすべきか

前回の記事では、AIの「頭脳の内側」、つまりクエリをどのように処理し、質問の分解と同時並行探索（Fan Out）を行い、データを取得するのかを詳しく解説しました。今回はいよいよ、すべての事業者にとって最も重要な問いに答えます。

自社ブランドをAIによる概要に引用させるには、具体的に何をすべきか？

従来のSEOが「順位」を争うものだったとすれば、生成AI最適化（Generative Engine Optimization、GEO）は「推薦枠に入る」戦いです。もはや他社を押しのけてリストの上位に立つ必要はありません。AIが答えを構築するために使う「証拠」を、正しく提供できるかどうかが問われています。

【1】具体性を持たせる：取り出せるデータポイントの力

AIモデルは「ふわっとした表現」を好みません。「高品質な素材」「東京で人気」といった言葉は、機械にとって意味のある信号にはなりません。AIに引用してもらうためには、取り出せるデータポイント（Extractable Data Points）を提供する必要があります。

●GEOへのシフト：「すぐ届きます」と書く代わりに、「14時までのご注文は、ヤマト運輸にて当日発送します」と記述してください。

なぜこれが機能するのか。AIは「信号（Signal）」を探しています。具体的な数値、固有名詞（ブランド名・場所名）、技術仕様は、信号対雑音比（Signal-to-Noise Ratio）を高めます。AIが「発送速度」に関するサブクエリを展開したとき、前者の表現では取り出せませんが、後者であれば確実に引用候補になります。

【2】構造化データとメタシグナル

RAG（検索拡張生成、Retrieval-Augmented Generation）の時代において、スキーママークアップ（Schema Markup）はAIにとっての「優先レーン」です。構造化データを使うことで、AIがコンテンツの意味を推測せずとも、各情報が何を表しているかを直接理解できるようになります。

●事業者が取り組むべきこと： Product・Review・HowTo・FAQのスキーマを積極的に活用してください。たとえば急須を販売している場合、スキーマには陶磁器生産地（例：常滑焼）・容量（ml）・重量を明示してください。

●メタシグナル：メタタイトルと見出しは説明的な内容にしてください。AIはこれらを「アンカー」として使い、その下の文章がユーザーの条件（「価格」「サイズ」など）に関連するかどうかを判断します。

【3】ユーザー生成コンテンツ（UGC）を優先する

AI検索における変化のひとつが、ユーザー生成コンテンツ（UGC：User-Generated Content）の重み付けです。GoogleのAIによる概要は、「リアルな視点」、つまりReddit・専門フォーラム・自社サイトのレビュー欄に投稿された実際のユーザー体験を頻繁に引用します。

●施策の方向性：具体的な使用シーンに言及したレビューを書いてもらえるよう、購入者に働きかけてください。たとえば「この加湿器は6畳の部屋にちょうどよく、間口が広いので給水も簡単です」というレビューは、GEOにとって非常に価値があります。一人称の体験談は、AIが重視する「真正性（Authenticity）」の信号を生み出します。

AIが「勧める責任」を持つ以上、根拠が揃った商品のほうが推薦されやすくなります。レビューは「よかったです」ではなく、誰が・どんな場面で・不安はどう解消されたかを語るものが、推薦判断の証拠として機能します。

【4】意味単位に整理する：「原子的な」段落を作る

AIが記事全文（2,000字など）を引用することはほとんどありません。AIは特定のチャンク（Chunk）だけを「取り出し」ます。そのためには、コンテンツを明確で自己完結した段落、つまり単独で切り出しても意味が通じる「意味単位の情報、チャンク（Chunk）」に整理する必要があります。

●構成の方法：段落ひとつにつき、サブトピックひとつを扱ってください。H2・H3の見出しを明確に使ってください。

●確認テスト：段落をひとつ切り取り、初めて読む人に見せたとき、何についての文章かすぐわかるか聞いてみてください。「わからない」なら、AIが引用できるほど意味が明確ではありません。

【5】読みやすさ：人に伝わる内容がAIにも伝わる

「専門性」は難解な言葉でしか伝えられないわけではありません。GEOにおいては、むしろ逆です。AIモデルは可読性（Readability）を優先するよう設計されています。

●目安：読みやすく、平易な文章を心がけてください。長すぎる文は避け、箇条書きや番号付きリストを活用してください。

●その理由：可読性の高さは、取り出しやすさ（Extractability）と相関しています。AIが一読して解析できる文章は、最終的な答えの合成に組み込まれやすくなります。

小売・EC市場は、精度と信頼のうえに成り立っています。GEOは、その価値観をデジタルで表現したものにすぎません。データを具体的にし、専門知識を「取り出せる形」にする。それを実現したとき、AIはあなたの言葉で語るようになります。

まとめ：生成AI時代のEC事業者ロードマップ

検索エンジンへのキーワード入力の時代から、AIが意思決定を支援するコンシェルジュとして機能する時代へ。現代のEC事業者にとって、勝負の構造は変わりました。もはやクリックを最適化するだけでは不十分です。自社ブランドをAIにとっての「信頼できる情報源（Source of Truth）」、つまりAIが「この商品は、このユーザーの、この条件に合っている」と判断できる、関連性の証拠が揃った存在として設計することが求められています。

―――――

ここまでの全体像

行動の変化： 消費者の検索行動は「キーワード検索」から「プロンプト入力」へと移行しました。詳細なコンテキストを与えると、AIはそれに応じた具体的な合成回答を返します。その結果、ユーザーは一度もクリックせずに満足することも増えています。

プラットフォームごとの入力語数を比較してみると、ChatGPTへのプロンプトは平均60〜75語であるのに対し、Googleでのキーワード検索への入力は依然として平均3〜4語にとどまっています。この差が、返ってくる回答の具体性の差をそのまま生み出しています。

ユーザーが入力するプロンプトには、大きく4つの要素が含まれています。何を探しているか（主題）、誰がどんな状況で使うか（文脈）、何を求めているか（意図）、そして予算や条件といった制約です。商品ページがこれら4つの要素に事前に答えられる状態になっているかどうかが、AIに推薦されるかどうかの分岐点になります。

●詳しくは連載第1回、第2回を参照

技術的な進化： 検索は語句の一致（文字が合っているかを照合する手法）から、意味理解に基づく情報の取得（Retrieval）へと進化しました。この変化の中心にあるのが、埋め込み表現（Embeddings）とTransformerです。

現在の検索では、単語や文章だけでなく、検索に関わるあらゆる対象がベクトル（Vector）として表現されています。GoogleなどはこのベクトルをもとにブランドのSEO上の権威を複数の言語とモダリティにわたって把握しており、「意味が近い」「文脈が一致する」といった判断を、文字の一致に頼らず行えるようになっています。

●詳しくは第3回を参照

回答生成のアーキテクチャ： RAG（検索拡張生成）の仕組みを解説しました。AIはあなたのウェブサイトを「教科書持ち込み可」の試験の教科書として参照しながら回答を生成します。また、Googleがひとつのクエリを数十のサブクエリへと「爆発」させ（質問の分解と同時並行探索、Fan Out）、最も細かい事実を探しにいく仕組みも見てきました。

●詳しくは第4回を参照

GEOのフレームワーク： 生成AI最適化（GEO）とは、「この商品は、このユーザーの、この条件に合っている」とAIが判断できるよう、関連性の証拠を整えることです。成功の鍵は3つの要素に整理できます。

取り出しやすさ（Extractability）は、AIがページの中から必要な情報を即座に取り出せるかどうかです。具体的な数値・固有名詞・技術仕様が明記されていなければ、AIはその情報を回答の材料として使えません。意味単位への整理（Semantic Chunking）は、コンテンツが自己完結した段落に分割されているかどうかです。AIは記事全体ではなく、特定のチャンク（Chunk）単位で取得・引用します。権威性（Authority）は、その情報が信頼に足るソースから来ているかどうかです。レビュー・実績・公式性・情報の鮮度がここに含まれます。

この3つは独立した施策ではなく、互いに補い合う構造です。取り出しやすい情報が意味単位で整理され、信頼の根拠を伴って初めて、AIは「推薦できる」と判断します。

可視性 ≠ 順位： AI時代において、検索結果に「表示される」ことは出場資格に過ぎません。AIによる概要に実際に引用されるためには、コンテンツが取り出せる形でなければなりません。機械があなたのページからサブクエリへの答えを「取り出せない」なら、あなたはその問いに対して存在しないも同然です。

検索意図は深く、流入量は減る： AIが直接回答するケースが増えることで、上位ファネルのトラフィックは減少します。しかし、実際にサイトを訪れるユーザーは、意思決定のより進んだ段階にいます。AIの合成によって「事前に購買意欲を高められた」状態で来訪します。1アクセスの価値は、むしろ高まります。

構造化が新しいSEOになる： AIモデルは表・箇条書き・スキーママークアップを好みます。商品スペックが美辞麗句に埋もれているなら、AIに余計な解読作業を強いています。データを「すぐ取り出せる形」にしてください。そうすることで、AIはあなたと競合他社を容易に比較できるようになります。

SEOで候補集合に入り、GEOで理解・信頼・推薦を取りに行く。この評価プロセスを設計することが出発点になります。

技術基盤の整備（機械可読性フェーズ）： まずスキーマを修正してください。AIが価格・在庫状況・素材を即座に確認できない状態では、候補評価の段階にそもそも到達しません。

専門性の監査（信号フェーズ）： 主要な商品ページ上位10件を確認してください。マーケティング的な形容詞を20%削除し、その分だけ技術的な事実や具体的な使用シーンを追加してください。

原子的な書き直し（意味単位フェーズ）： 長い説明文を、明確な見出し付きの自己完結したチャンク（Chunk）に分割してください。「特徴」の列挙を、顧客が実際に入力するプロンプトに対応した「課題と解決策」の構成に書き換えてください。