ChatGPTショッピングの確認軸 — EC104社の観測データから商品情報を点検【2026年版】

ChatGPTに「おすすめの〇〇」と聞いたとき、自社の商品が回答や参照元に現れるかを確認する。AI Visibility Indexの2026年5月アーカイブ（日本EC104社・4エンジン）では、総合スコア10点未満が101社だった。

商品関連のChatGPT回答をどう確認するか

商品関連の回答を確認するときは、質問文、モデル、検索経路、取得時点、回答本文、参照元URLを分けて記録する。公開検索の有無や表示形式は環境によって変わるため、現在の機能仕様や推薦結果を固定的に断定しない。

たとえば「30代男性に合う防水のランニングシューズ」のような質問を固定し、回答に商品名・価格・機能・購入先が出たか、どのページが参照されたかを同じ条件で比較する。

104社データで見る — 商品関連回答の観測結果

AI Visibility Indexの2026年5月アーカイブ（EC104社、ChatGPT・Claude・Gemini・Perplexityの4エンジン）から、固定条件で取得したChatGPTスコアを確認する。同アーカイブでは総合スコア10点未満が101社で、商品推薦機能の有無や各ページの実装状態までを同じ母数で測ったデータではない。

この表は、同じ月の固定条件で取得したスコアの上位例である。ChatGPTスコアと総合スコアの差は観測事実として記録できるが、ブランド認知、商品ページの実装、レビュー、引用、売上の因果をこの表だけで特定することはできない。

商品関連回答を確認する5つの軸

104社アーカイブから原因や推薦条件を断定せず、次の5軸を同じ質問・モデル・取得時点で記録する。

1. ブランド・一次情報の整合性

ブランド名、会社概要、商品カテゴリ、公式URLが回答と自社の公開ページで一致しているかを確認する。言及量やWikipedia掲載だけから、引用や推薦の原因・倍率を導かない。

2. 商品データの機械可読性

商品名、価格、仕様、在庫などの表示値が、HTML・JSON-LD・OGP・フィードで矛盾していないかを確認する。実装は読み取りや検索結果の保証ではなく、公開情報を整えるための確認対象として扱う。

• JSON-LD構造化データ（Product, Offer, AggregateRating スキーマ）
• OGPタグ（og:title, og:description, og:image, og:price:amount）
• Google Merchant Center（商品フィード登録）

構造化データの有無・型・必須項目は、対象ページごとに構造化データの確認手順で記録する。今回の104社アーカイブには、商品ページのJSON-LD実装率や読み取り可否を同じ条件で判定した項目はない。

3. レビュー・評価の出典

レビュー数、平均評価、掲載日時、掲載元URLを商品ページと外部サービスで照合する。レビューがAI回答で利用される、またはスコアを押し上げるといった因果は、別の同条件検証がない限り断定しない。

4. カテゴリ内での位置づけ

カテゴリ名、用途、対象者を固定した質問で、どの商品名・会社名・参照元URLが出たかを記録する。業界平均はその月の観測値であり、代表性や推薦順位の原因を示すものではない。

EC総合の平均が他カテゴリより高いことは、このアーカイブ内の観測差として扱う。専門ECは、カテゴリの定義、商品情報、一次情報、外部出典を整理し、同じ質問で変化を再確認する。

5. コンテンツと出典の追跡可能性

選び方ガイド、比較記事、専門知識などの公開ページについて、作成者、更新日、根拠となる一次情報、参照URLを明記する。コンテンツの本数だけで学習・引用・推薦の結果を保証せず、回答本文と引用URLの変化を記録する。

商品関連回答を改善する5つの確認施策

104社中101社がスコア10点未満という観測は、施策の未実施率や競合差を直接示すものではない。まずは対象ページと固定質問を一つに絞り、変更前後の差を追跡できる状態にする。

施策1: 商品ページのJSON-LD整合性確認

対象商品ページの表示値とProductスキーマの値を一致させる。必須項目・型・価格通貨・在庫表記を確認し、実装後は公式のリッチリザルトテスト等でエラーを記録する。実装だけでAI回答や売上を保証しない。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "商品名",
  "description": "商品説明（150–300文字）",
  "brand": { "@type": "Brand", "name": "ブランド名" },
  "sku": "SKU-12345",
  "offers": {
    "@type": "Offer",
    "price": "3980",
    "priceCurrency": "JPY",
    "availability": "https://schema.org/InStock"
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.5",
    "reviewCount": "128"
  }
}
</script>

施策2: 商品フィードの整合性確認

Google Merchant Center等を利用している場合は、フィードの商品名・価格・在庫・リンクとサイト表示を照合する。登録や自動生成は配信基盤を整える作業であり、ChatGPTでの推薦・参照を保証する連携ではない。

施策3: カテゴリ特化コンテンツの出典整備

「革靴の選び方」「日本酒の温度別おすすめ」などのページでは、対象読者、判断基準、一次情報、更新日、参照URLを明記する。関連質問への掲載・引用を前提にせず、固定質問で回答と参照元の変化を確認する。

施策4: 外部出典の記録

プレスリリース、業界メディア、第三者レビューサイトなどに掲載された場合は、媒体名、公開日、記事URL、掲載内容を記録する。外部言及の量や掲載だけでAI回答・引用・成果を保証せず、同じ質問の観測と分けて管理する。関連する外部言及の確認手順も参照する。

施策5: エンジン別の同条件観測

Perplexityを含む各エンジンで、同じ質問文・取得日・対象URLを記録する。2026年5月アーカイブではPerplexityスコアがChatGPTを上回った企業が48/104社だったが、更新や外部掲載が別エンジンへ移転すること、また即時反映されることを示す値ではない。

業界別の確認ポイント

業界平均は2026年5月アーカイブの観測値であり、代表性や将来の推薦を示すものではない。まず自社カテゴリの質問・商品ページ・一次情報を固定して確認する。

まとめ — 商品関連回答の確認チェックリスト

• 商品ページの表示値とJSON-LD・OGP・フィードを照合する
• 商品名・価格・在庫・リンクの取得時点を記録する
• レビュー・評価の掲載元と更新日を確認する
• 一次情報・外部出典・引用URLを同じ質問で追跡する
• ChatGPT・Perplexityなどを同条件で比較し、観測と因果を分ける
• llms.txtは候補施策として、実装前後の変化を別途測る

104社中101社がスコア10点未満という観測は、現状把握の起点にすぎない。まずは無料チェッカーで自社の現在地を確認し、固定質問・対象ページ・取得日・引用URLを残せる一つの項目から検証を始める。

よくある質問

ChatGPTショッピングとは何ですか？

商品名や価格などが回答本文や参照元として表示される状態を、この記事では商品関連回答として扱います。表示形式・検索経路・利用できる機能は環境や時点で変わるため、固定質問と取得時点を記録して確認します。

ChatGPTに自社商品を推薦してもらうにはどうすればいいですか？

5月アーカイブは商品推薦の原因を判定したデータではありません。ブランド・一次情報、商品データの機械可読性、レビューの出典、カテゴリ条件、コンテンツと引用URLの5軸を、同じ質問・モデル・取得時点で確認してください。

中小ECでもChatGPTショッピングで勝てますか？

中小企業でも確認はできます。固定質問、対象ページ、取得日、回答本文、参照元URLを残し、ChatGPTとPerplexityなどを同じ条件で比較してください。別エンジンの表示や外部掲載がChatGPTに移転すること、即時反映されることは保証できません。