2026年、お買い物のしかたが少しずつ変わりはじめています。
「3万円以下で、ランニング用の防水イヤホンを買って」
こうAIに頼んだとき、商品を選ぶのはあなたではなくAIになる時代が、もう始まっています。ChatGPT、Perplexity、Gemini——名前を聞いたことのあるこれらのAIが、買い物の代理人になりはじめているんです。
でも実際、AIによって提案される商品は本当に違うのでしょうか？
同じ条件を3つのAIに頼んだら、何が起きるのか。
気になったので、本当にやってみました。
結果、3つのAIで完全に同じ商品はゼロ。価格もバラバラ（4,000円〜30,000円）。
さらに、選ばれる商品ページとそうでない商品ページの違いには、
はっきりとした「ルール」があることが見えてきました。
これは検索エンジンSEOの延長ではなく、まったく新しい競争の話です。海外ではすでに GEO（Generative Engine Optimization、ジェネレーティブ・エンジン最適化） や AEO（Answer Engine Optimization、アンサー・エンジン最適化） と呼ばれ始めていますが、日本の物販業界ではまだほとんど語られていません。先に動いた人が空白地帯を取れる領域です。
この記事では、3AI実演の結果と、そこから見えた「AIに選ばれる商品ページ」のつくり方を
できるだけわかりやすく解説していきます。
実演:同じ条件を3つのAIに投げてみた
論より証拠、まず実際にやってみました。条件はこれです。
「3万円以下で、ランニング中に外音取り込みもできる防水ワイヤレスイヤホンを探して。日本国内で買えるもので、レビューが多く信頼できるブランドを優先してほしい」
このまったく同じ文章を、ChatGPT・Perplexity・Geminiの3つにコピペで送ってみました。
ChatGPT が選んだ5商品
ChatGPTは、価格と評価を載せた商品カードを5つ並べてきました。
- Anker Soundcore Sport X20（￥7,990・★4.6・1,666件）
- JBL Sense Lite（￥11,800・★4.3）
- Anker Soundcore P31i（￥4,990・★4.5）
- Anker Soundcore V20i（￥4,490・★4.8）
- JLab Go Air Sport（￥3,836・★4.3）
「コスパ最強」「外音取り込み重視」「軽さ重視」など用途別に章を切り、最後に比較表で締めるスタイル。商品カードはAmazon公式ページに直接リンクされていて、引用元として「ガジェ研」というレビューサイトの名前も明示されていました。
気付くポイントは2つ。価格帯は4,000円〜12,000円とコスパ寄りで、5機種中4機種がAnker一強。Amazon商品データの「綺麗さ」がそのまま提案順位に反映された印象です。
Perplexity が選んだ3商品
Perplexityは「検索しています」というプロセスをリアルタイム表示しながら、3つの商品を引用ソース付きで返してきました。
- SONY WF-1000XM5（3万円前後・IPX4・my-best他引用）
- Anker Soundcore Liberty 4 Pro（3万円以内・IP55・ankerjapan他引用）
- Jabra Elite 8 Active（3万円前後・kakaku他引用）
「my-best」「ankerjapan」「kakaku」「e-earphone」「sony」など、おすすめの根拠として合計27件のレビューサイトが引用バッジで表示されました。「総合力ならSony」「ランニング安心感ならJabra」「コスパならAnker」と用途別に1機種ずつ割り当てる構成。
価格帯は2万〜3万円とChatGPTより1段上のレンジ。
第三者メディアの言及量が、そのままおすすめ順位の根拠になっていました。
Gemini が選んだ3商品
Geminiは3つの商品を、Googleショッピング連携の商品カード（価格・★評価・レビュー件数つき）で
返してきました。
- Sony LinkBuds S WF-LS900N（¥25,800・★4.7・517件）
- Jabra Elite 8 Active Gen 2（IP68・米軍規格・水洗い可）
- JBL Reflect Flow Pro（IP68・パワーフィン搭載）
各商品はGoogle検索のショッピングカードに直接ジャンプでき、価格や評価まで構造化された形で表示されました。価格帯は1万〜3万円。最後に「比較表」と「もう少し条件を絞れますか？」というユーザーへの聞き返しが添えられていたのも特徴です。
3AIの提案、何が違ったか
同じ条件で投げたのに、3つのAIに共通して登場した商品はゼロ。価格帯すらまったく噛み合いませんでした。
- ChatGPT: Anker優位、4,000〜12,000円。Amazon商品カード+引用で「コスパ最強」を提示
- Perplexity: 引用ソース27件で「比較サイトの総意」を再構成、20,000〜30,000円のミドルハイ価格帯
- Gemini: Google Shopping連携で価格・評価が揃ったカード型、Sony/Jabra/JBLのグローバルブランド寄り
つまり、消費者がどのAIを使うかで、あなたの商品が選ばれるかどうかが変わる。これがGEO/AEO（AI時代の新しい商品ページ最適化）の本質です。
従来のSEOは「Googleで上位に出る」一本勝負でした。けれどAI時代は各AIの評価関数（=商品を選ぶ基準）がバラバラです。
- ChatGPTには → Amazon商品データの綺麗さ
- Perplexityには → 第三者メディアでの言及量
- Geminiには → Google Merchantフィードの鮮度
それぞれが効くのです。
さらに大事な発見が一つ。Geminiに同じ質問を2回投げてみたら、提案商品が変わりました（1回目はBeats/Jabra/Shokz、2回目はSony/Jabra/JBL）。同じAIでも、回答は決まりきっていないのです。
これは、ユーザーごと・タイミングごとに「選ばれるチャンスの分布」が変動するということ。あなたの商品が一度選ばれなくても、データを整えれば次回拾われる可能性があります。逆に言えば、データが弱い商品ページは、ずっと拾われないのです。
では、その「データを整える」って具体的に何のこと？3つのAIに共通して効いている評価軸を、5つに整理しました。
AIに選ばれる商品ページの5つのポイント
1. 構造化データを「飾り」から「主役」に
AIは、商品ページの画像の美しさやコピーの巧みさを直接読み取れません。AIが読んでいるのはJSON-LD（ジェイソン・エルディー、ページの裏側にある「機械が読むためのデータ」）です。
たとえばレストランの「裏メニュー一覧表」のようなもの。表のお品書きが綺麗でも、裏のデータシート（価格・在庫・評価など）が抜けていたら、AIから見ると「読めない店」になってしまいます。
具体的には、Schema.org（スキーマ・ドット・オーグ、世界共通の商品データの書き方ルール）の「Product」「Offer」「AggregateRating」「FAQ」あたりをきちんと実装しているかが、AIに選ばれるかを左右します。
今までSEOの世界で「あったら良い」程度に扱われていた領域が、AI時代には必須インフラに格上げされました。海外の事例では、1位の商品と8位の商品の差は、商品の質ではなく「データの完全性」の差であることが多いそうです。
2. 商品名は「キーワード羅列」から「文脈」へ
こんな商品名、見たことありませんか？
○○ ワイヤレスイヤホン 防水 高音質 Bluetooth 5.3 ノイズキャンセリング ランニング 通話マイク
これは検索エンジン時代の遺物です。AIが理解するのは意味と文脈。たとえばこんな書き方の方が、AIには「読める」のです。
「ランニング中に外音取り込みもしたい人向けの、IPX7対応ワイヤレスイヤホン」
誰の・どんな場面の・どんな問題を解くか。文章で書けるかどうかが、AIに選ばれる商品ページの分かれ目になります。
AmazonがAIエージェントを全セラーに開放し、商品ページの自動生成・最適化が標準機能化したことも、この流れを後押ししています（関連: 【2026年最新】AmazonがAIエージェントを無料で全セラーに開放）。
3. 第三者の言及がそのまま評価につながる
AIは「あなたのサイト」だけを見ません。複数の比較記事・レビューサイト・コミュニティ投稿を横断し、評価が一致している商品を信頼します。
従来のSEOでは「自社サイトに被リンクを集める」が王道でした。GEO時代は第三者メディアでの言及そのものが直接の評価シグナルになるのです。Perplexityの実演で27件の引用が出たのは、まさにこれです。
これは個人セラーにも示唆があります。レビューブログへの掲載依頼、YouTubeレビュアーへのサンプル提供、Redditなどコミュニティでの自然発生的な言及——どれもAIに「読まれる」素材になります。海外の上位プレイヤーがこの領域に投資し始めているのは、海外Amazonセラー動向の記事でも触れました（関連: 海外AmazonセラーはAIをこう使っている）。
4. 価格と在庫を「機械が読める形」で公開する
商品フィード・APIで自店舗の在庫と価格を機械可読の形で公開しているセラーが、AI推薦の上位に来やすい傾向があります。
理由は単純で、AIが「在庫切れ商品をユーザーに勧めるリスク」を避けるため、データの鮮度を確認しに行くからです。古いデータしか出さない店は、最初から候補から外れてしまいます。
2025年9月以降、StripeとOpenAIが共同開発した ACP（Agentic Commerce Protocol、AIエージェントによる買い物決済の業界標準） が広がりつつあり、Salesforce・commercetools・PwCも順次対応を表明しています。決済まで含めた一貫したフィード整備が、近い将来「対応していないと土俵に立てない」レベルに進む可能性があります。
5. ブランドの「文脈」を平文で蓄積する
AIは文脈を学習します。「うちはこういう客に、こういう理由で、この商品を売っている」を平文で残しておくことが、長期的にAIから引用される土台になります。
FAQページ、購入ガイド、選び方記事、ブランドストーリー——これらは人間向けのコンテンツに見えますが、実はAIに読ませるための学習材料でもあるのです。
SaaSツールに頼り切らず、AI自体を活用してこの領域を整備する動きも広がっています（関連: ぶっちゃけ、AIがあればeBay輸出のSaaSツールは要らない？、【2026年版】物販ビジネスで使えるAI活用術10選）。
明日からの優先順位（コストと効果のバランス順）
- 商品ページの構造化データ実装 —— Product / Offer / AggregateRating の JSON-LD が入っているか、まず点検
- 商品名と説明文の文脈化 —— キーワード羅列を、用途・対象顧客が伝わる文章に書き直す
- FAQ・選び方ガイドの整備 —— AIが学習する「平文の素材」を増やす
- 第三者メディアへの露出獲得 —— レビュー・比較記事への掲載を狙う
- 商品フィード整備 —— Google マーチャントセンター・Shopify Feed の在庫と価格を最新に保つ
1〜3は今日から自前で着手できます。4は時間がかかります。5はShopify利用者ならほぼ自動、独自ECなら設計が要ります。
大事なのは、これらすべてが従来のSEOやLPOとは別の「AI読解可能性」の話だということ。検索エンジンの最適化に慣れた人ほど、ここを混同しやすいので注意が必要です。
まとめ:AIは「読みやすい店」を選んでいる
AIエージェントが代理で買い物をする時代、商品を選んでいるのは消費者の好みではなくAIの読解性です。Stripe・OpenAIによるAgentic Commerce Protocolの普及、AmazonによるAIエージェントの全セラー解放（関連: Amazon『Agent』契約、施行1ヶ月の影響）を見ると、流れの方向はもう変わりません。
派手な広告でも、価格競争でもなく、構造化データとブランド文脈の蓄積で勝負する時代に入っています。これがGEO/AEOの本質であり、物販プレイヤーがいま向き合うべき競争軸です。
もちろん、すべてを一気にやる必要はありません。今日できる「JSON-LDが入っているかの点検」から、ひとつずつ。データの面で「読みやすい店」になる積み重ねが、AI時代の物販の差をつくります。
つまり用途とターゲットを絞る施策が必要になってくる、ルールの切り替えが必要になります
