AI検索やエージェント型コマースに対応した商品コンテンツを作成する方法

商品情報は、これまで常に、顧客が購入する商品を理解する手助けとなってきました。しかし、その情報を評価する対象が顧客だけではないケースがますます増えています。

AIによる回答・生成エンジン、ショッピングアシスタント、その他のエージェントが、購入者に代わって商品データを解釈し始めています。これらは、質問への回答、代替品の比較、トレードオフの説明、あるいは詳細な要望を満たす商品の特定などに、そのデータを活用する可能性があります。

これにより、ブランドが問うべき問いも変わってきます。

もはや「顧客はこの商品を見つけられるか？」というだけの問題ではありません。「AIシステムがそれを理解し、比較し、回答に盛り込むことができるか？」という問いも加わったのです。

この新たなニーズに応えるには、単に商品説明文を追加するだけでは不十分です。チームは、買い物客やAIシステムが、その商品がいつ、どこで、なぜ適しているのかを理解するのに役立つ事実、関連性、ビジネス上の文脈を特定する必要があります。

課題となるのは、こうした文脈が、商品レコード、ブランドガイドライン、技術文書、規制要件、さらには社内チームが保有する知識など、あちこちに散在している可能性があることです。大規模なカタログ、市場、言語、チャネルにまたがる場合、これらを正確かつ一貫性を持って統合することは、さらに困難になります。

なぜ商品属性だけでは不十分な場合があるのか 

その根本は製品レコードにあります。技術的には完全であっても、AIシステムが解決すべき課題に対する答えを提供できない場合があります。

例えば、洗濯機を考えてみましょう。その管理対象となる製品レコードには、次のような情報が含まれている可能性があります：

• 外形寸法
• 容量
• エネルギー効率等級
• 材質
• 利用可能なプログラム
• 設置要件
• 原産国
• 梱包情報

こうした事実は重要です。しかし、購入者はより具体的な状況に基づいた質問をするかもしれません。「狭いアパートで、頻繁に洗濯をし、省エネ性を重視する場合、どの洗濯機が最適でしょうか？」

自信を持って答えるためには、AIシステムには個別の属性値以上の情報が必要です。それらの属性が、購入者の使用目的とどのように関連しているかを理解するための十分な文脈が必要なのです。

その文脈には、ユースケース、互換性、認証、ユーザーのニーズ、ブランドの指針、規制上の制約、あるいはその他の承認されたビジネス知識などが含まれる可能性があります。それらがなければ、AIシステムは正確なデータを持っていても、製品を有意義に比較するために必要な情報が不足してしまう可能性があります。

これにより、コンテンツに関する新たな課題が生じます。企業は、製品の正確性を維持しつつ、質問を解釈し、選択肢を評価し、回答を生成するシステムにとって、その正確性をより有用なものにしなければなりません。

AEOとGEOには継続的な改善が求められます

アンサーエンジン最適化（AEO）とジェネレーティブエンジン最適化（GEO）は、一度きりのコンテンツ対策ではありません。

企業は、ごく一部の商品説明を最適化しただけで作業が完了したと見なし、AIが生成する回答において自社製品が常に目立ち、正確に表現され続けると想定することはできません。

むしろ、AEOとGEOには継続的なサイクルが求められます：

• 顧客がどのように質問するかを理解する
• 各商品がそれらの質問に答えられるかどうかを評価する
• 不足している事実、関連性、または文脈を特定する
• 管理対象の製品情報を改善する
• その情報を、明確で各チャネルに対応したコンテンツに変換する
• 更新されたコンテンツを配信する
• AIを活用した体験において、製品がどのように表現されているかを監視する
• その知見を次の改善サイクルに活かす

このループを支えるには、管理された属性や承認済みのビジネス知識を、より明確で充実した製品表現へと変換するための、再現性のある方法が必要です。

しかし、その基盤となる要素は依然として重要です。ガバナンス対象の製品レコードから互換性、認証、入手可能性、またはユースケースに関する情報が欠落している場合、洗練された説明文だけではそれを確実に補うことはできません。

AEOやGEOによってその弱点が明らかになるかもしれませんが、真の課題は製品情報そのものを改善することにあります。

AI検索からエージェント型コマースへ

AEOは、AIシステムが製品を見つけ出し、解釈し、回答の中で正確に表現できるかどうかに焦点を当てています。

エージェント型コマースは、その重要性をさらに高めています。

AIシステムが商品の発見、比較、評価のプロセスをより多く担うようになるにつれ、商品情報は、回答に何が表示されるかだけでなく、将来の行動に向けて検討対象として残されるものにも影響を及ぼす可能性があります。

より質の高い商品データがあっても、AIシステムがその商品を推奨することを保証するものではありません。しかし、それによってその商品は：

• 回答しやすくなる
• 比較しやすくなる
• より的確に表現される
• 顧客の意図に基づいて評価しやすくなる
• コンテンツのライフサイクル全体を通じて管理しやすくなる

より広範な変化として、単に人間の注意を争うことから、AIによる正確な解釈と選択を争うことへと移行しつつある。

顧客に代わって動作するシステムが、基本的な適合性を確認できなかったり、重要な認証情報を解釈できなかったり、あるいは代替案と比較するために必要な文脈を取得できなかったりする場合、その製品は顧客の検討対象にすら入らない可能性があります。

その失われた機会は、見極めるのが難しい場合もあります。顧客がブランド直営のチャネルを訪れる前にその製品が除外されてしまったため、分析すべき「カート放棄」「ウェブサイトからの直帰」「検索失敗」といった指標が存在しない可能性があるからです。これは、市場が従来のウェブサイト上のシグナルから、AIを介した評価、レコメンデーション、購入へと移行しつつあるためです。

すべてのプロダクトチームが自問すべき問い

すべてのプロダクトチームが自問すべき実用的な質問が一つあります：

もし今日、AIエージェントが、貴社の最も重要な製品の一つを、詳細な顧客ニーズと照らし合わせて評価したとしたら、どのような情報が欠けているために、その製品が候補から外れてしまうでしょうか？

それは次のようなものでしょうか：

• 互換性に関する詳細でしょうか？
• 現在の在庫状況でしょうか？
• 認証？
• ユースケースでしょうか？
• 素材や成分ですか？
• 製品と付属品との関係ですか？
• 組織内のどこかに存在しているものの、製品レコードには反映されていないビジネス知識？

これは、単なるコンテンツの量を増やすという議論の枠を超えて、議論を深める上で役立つ演習です。

ここでの目的は、顧客やAIシステムが、製品が特定のニーズに合っているかどうかを判断するのに役立つ事実や文脈を特定することです。

チームは、AI向けに製品コンテンツをどのように準備すればよいでしょうか？

企業はまず、規模は小さくても重要な製品群を選び、管理された製品情報と顧客が実際に投げかける質問とを照らし合わせることから始めることができます。

各製品について、以下の点を検討してください：

• 中核となる属性は網羅されており、最新の状態か？
• 互換性は明確に示されているか？
• 関連する認証情報は体系化され、アクセスしやすいか？
• その記録には、有意義なユースケースの背景情報が含まれているか？
• 一貫性のある属性を使用して、異なる製品を比較できますか？
• 付属品、バリエーション、または補完製品との関係は明確に示されていますか？
• コンテンツは、承認されたブランドおよびビジネス知識に基づいていますか？
• チームは、生成されたコンテンツを信頼できる製品情報まで遡って確認できますか？

このプロセスにより、問題が主にコンテンツの品質にあるのか、それとも製品の基盤に不可欠な事実が欠落しているのかが明らかになります。

基礎となる情報が欠落している場合、最優先すべきはプロンプトの改善ではなく、管理の行き届いた製品データの整備です。

製品データの基盤を強化することが、常に 最優先事項です。それが確立されたら、チームは、ガバナンスの行き届いた事実や承認済みのビジネス知識を、買い物客、販売チャネル、および回答エンジン向けのコンテンツに変換するための実用的な方法を必要とします。

そこで、当社の「コンテンツ・オプティマイザー・エージェント」の出番となります。

「コンテンツ・オプティマイザー・エージェント」のご紹介

当社の コンテンツ・オプティマイザー・エージェント は、管理されたマスターデータと承認済みのビジネスコンテキストから、商品コンテンツを生成します。

このエージェントは、 STEP（当社の信頼性の高いインテリジェンスプラットフォーム）にすでに登録済みの商品属性を利用し、それらの管理された属性から直接、商品説明、AEO/GEOコンテンツ、およびマーケティングコピーを生成します。また、AIエンジンが適切なリクエストに対して適切な商品を推奨するために必要なユースケースのコンテキストを追加することで、ブランドが各市場ごとに手作業で書き直すことなく、あらゆる市場にリーチできるAEO対応コンテンツを作成できるよう支援します。

このエージェントは、以下の機能に対応しています：

• 管理された製品情報： STEPですでに管理されている信頼性の高い属性。
• 承認済みのビジネスナレッジ： それらの事実をどのように表現すべきかを規定するガイドライン、ルール、および文脈情報。
• 定義されたワークフロー：生成されたコンテンツを 人が 確認、修正、承認、および配布 するためのプロセス 。

エージェントは、利用可能な証拠を用いて製品の表現方法を改善しますが、最終的な承認は人間のユーザーに委ねられます。

これは、プロンプトに入力された内容しか認識しない汎用AIツールとは異なります。プロンプトに原産国やアレルゲンに関する記載が欠けていた場合、ツールは妥当と思われる内容でその空白を埋めてしまう可能性があります。当社の「コンテンツオプティマイザー・エージェント」は、STEPですでに管理・統制されている属性に基づいて処理を行うため、作成されるコピーは製品の正確な情報を反映したものとなります。

コンテンツ・オプティマイザー・エージェントはどのように機能するのでしょうか？

内部では Product Experience Data Cloud内では、ワークフローは、公開前のさまざまな準備段階にあるSTEP内の製品レコードから始まります。各レコードには、ガバナンスが適用されたマスターデータ、AEO向けの追加コンテキストを記述する領域、および関連するビジネスナレッジへの参照が含まれています。

コンテンツ・オプティマイザーは、これらの入力を組み合わせて文脈に沿ったコンテンツを生成し、そのコンテンツはその後、レビューおよび承認プロセスを経ることになります。

生成されたコンテンツには、以下のものが含まれます：

• 製品説明
• チャネル別のマーケティングコピー
• AEO、GEO、SEOに対応したコンテンツ
• 詳細な商品情報
• AIが商品を評価・推奨するのに役立つユースケースの文脈

目的は、コンテンツ作成そのものを目的とするのではなく、熟知した商品情報を、デジタルチャネルやAIを活用した体験のあらゆる場面において、正確で一貫性があり、有用なコンテンツへと変換することです。また、公開前に人間によるレビューを行うことで、コンテンツの管理と追跡可能性を確保します。

なぜ人間のレビューが依然として重要なのか

AIはコンテンツ作成を加速させることができますが、スピードだけが求められるわけではありません。

商品コンテンツは、その商品の本質を正確に表現していなければなりません。また、ブランド基準、販売チャネルの要件、規制上の制約、あるいは市場固有のルールに従う必要がある場合もあります。流暢な回答が、必ずしも正確であるとか承認済みであるとは限りません。

「Content Optimizer」では、最終的な決定権はユーザーに委ねられています。つまり、チームは確立されたワークフローを通じて、生成されたコンテンツをレビュー、修正、承認し、配信することができます。

これにより、実用的な業務分担が実現されます：

• STEPは、ガバナンスの適用された「プロダクトの真実」を提供します
• ビジネス知識がブランドや業務上の文脈を付加します
• エージェントは、利用可能な根拠を用いてコンテンツを作成または改善します
• 担当者が最終成果物を確認し、承認する

このバランスにより、コンテンツ生成と、その背後にあるデータおよびガバナンスプロセスを切り離すことなく、チームはより迅速に業務を進めることができます。

空白のプロンプトからガバナンスが適用されたコンテンツへ

生成AIによってコンテンツ制作はスピードアップしました。しかし、より重要な機会は、コンテンツ制作を信頼性が高く、文脈に沿ったものにし、企業データと連携させることです。

「Content Optimizer」は、そのモデルが実際にどのような形をとるかを見せてくれます。

エージェントは、AIに製品のストーリーをゼロから作り出すよう依頼するのではなく、管理された製品情報に基づいて作業を開始します。承認済みのビジネス知識を適用し、文脈によって表現を改善できる箇所を特定し、各チャネル、検索エンジン、およびAIを活用した発見機能向けのコンテンツ作成を支援します。最終的な決定には、依然として人が関与します。

このモデルは、単なる効率化以上の価値をもたらします。組織が、ビジネス側が製品について把握している情報と、顧客やAIシステムが最終的に目にする情報との間に、信頼性の高い一貫性を維持できるよう支援するのです。

AEOは目に見える要件である一方、エージェント型コマースはより広範な変革です。そして、信頼性が高く文脈に沿った製品情報は、その両方の基盤であり、企業が今すぐ強化できるものです。