Amazonや楽天市場で、以前と同じやり方で商品名を書いているのに、検索での表示が伸びない。キーワードを増やすほど商品名が読みにくくなり、どこまで直せばよいのか判断がつかない。モールで販売している担当者のなかには、こうした迷いを抱えている方も多いはずです。2026年には、Amazonの商品名ルールが大きく変わり、楽天市場でも対話型のAIで商品を探す機能が登場しました。モールの中での探され方そのものが変わり始めています。
この記事では、次のことがわかります。
- Amazonと楽天市場で、商品の探され方がどう変わってきたのか
- 両モールの最新ルールに沿った、商品ページの直し方
- 生成AIを使ってキーワード調査と商品ページづくりを効率化する手順と、その注意点
目次
この記事を読んでいる方におすすめ
ECモール内検索のパラダイムシフト：単語一致型から「AI文脈理解（AIO）」への変革
キーワードスタッフィングの終焉と「検索意図・購買コンテキスト」重視への進化
これまでのモール内SEO（モールの検索結果で上位に表示されるための工夫）では、商品名にキーワードをできるだけ多く入れる方法が広く使われてきました。このように、検索されそうな言葉を詰め込むことを「キーワードスタッフィング」と呼びます。
ただ、この方法は通用しにくくなっています。Amazonは、商品名の要件を満たしていない商品について、商品名を自動で修正したり、検索結果に表示しなかったりする場合があると案内しています。（出典：Amazon セラーセントラル「商品名の要件とガイドライン」 ）さらに2026年7月27日からは、メディア商品を除くすべてのカテゴリーで、商品名がスペースを含めて75文字以下になりました。
代わりに求められているのが、お客様の「検索意図」と「購買コンテキスト」に合わせることです。検索意図とは、検索した人が本当に知りたいこと、解決したいことを指します。購買コンテキストとは、誰が、どんな場面で、何のために買うのかという購入の背景のことです。例えば「水筒」と検索する人でも、通勤で使いたい人と、子どもの部活用に探している人とでは、必要な情報が違います。
一般に、AIを使った検索では、言葉が完全に一致するかではなく、意味の近さで商品を探す技術が使われるとされています。この技術はベクトル検索と呼ばれます。Amazonはこうした技術の研究を論文などで発表していますが、実際の検索での使い方の詳細は公開されていません。ただ、利用シーンや悩みと商品を結び付けて探す仕組みは、次の見出しで紹介するように、両モールで実際に始まっています。
モール内対話型AIの普及がもたらす「AIO（AI検索最適化）」の必須要件
前の見出しで触れた、AIが言葉の意味や購入の背景を読み取って商品を探す流れを、本記事では「AI文脈理解」と呼びます。この流れに対応するための取り組みが、AIO（AI検索最適化）です。AIOとは、AIに商品情報を正しく読み取ってもらい、回答や提案の中で取り上げてもらうための工夫のことです。
Amazonでは、生成AIを使ったショッピングアシスタント「Rufus（ルーファス）」を、日本のすべての利用者が使えます。Rufusは、Amazon.co.jpの商品情報とWeb上の情報をもとに、購入の目的や商品の比較に関する質問に答える機能です。商品ページを見ながら質問すると、商品ページの詳細情報やカスタマーレビュー、カスタマーQ&Aをもとに回答するとされています。（出典：Amazon「Amazonの生成AIを搭載した対話型ショッピングアシスタント Rufus（ルーファス）、日本のすべてのお客様が利用可能に」）
楽天市場も、2026年6月の「楽天スーパーSALE」で、「Rakuten AI」を搭載したAIコンシェルジュを導入しました。利用者が「夏のキャンプ用品を予算3万円以内で揃えたい」のように用途や予算を伝えると、AIが条件に合う商品を探す仕組みです。（出典：楽天グループ「『楽天市場』、AI活用による『楽天スーパーSALE』のお買い物体験を強化」）
どちらのAIも、どの情報をどう重視して商品を推薦しているかは公開されていません。それでも、AIが参照できるのは、商品ページに文字として書かれた情報です。誰が、どんな場面で、何のために使う商品なのか。サイズや素材、容量はいくつか。こうした情報が具体的に書かれていることが、AIに取り上げてもらうための前提になります。
Amazon検索アルゴリズムの最新動向と商品ページ最適化の急所
タイトル文字数ルールの厳格化とセマンティックな箇条書き・A+設計
セマンティック（semantic）とは「意味に関する」という英語です。ここでは、人にも機械にも意味が正しく伝わる書き方を指します。
2026年7月27日からの新しいルールでは、商品名が75文字以下になりました。あわせて、商品名の下に表示される「商品のハイライト」という項目が新しく設けられています。ハイライトには最大125文字で、素材や利用用途などの補足情報を書けます。ハイライトも検索の対象になります。75文字を超える既存の商品名は、AIが作った案に段階的に置き換わり、ブランド所有者には変更前に内容を確認できる14日間が設けられています（前掲のAmazonセラーセントラル参照）。
情報は、次の4つの場所に役割を分けて配置します。
- 商品名（75文字以下）：ブランド名、商品の種類、型番、容量やサイズなど、商品を見分けるための情報
- 商品のハイライト（125文字以下）：素材、利用シーンなど、ほかの商品と比べるための情報
- 商品の仕様（箇条書き）：特徴や使い方を、1行に1つの事実で書く
- A+（商品紹介コンテンツ）：ブランド登録をした出品者が使える、画像と文章による詳しい紹介
例えば、架空のステンレスボトルなら、商品名は「サーモワークス 真空断熱ステンレスボトル 500ml ネイビー 保温保冷」とします（36文字）。ハイライトには「フタは分解して丸洗い可能。直径7cmで通勤バッグのポケットに収まるサイズ。オフィスやアウトドアでの使用を想定」のように書きます。
セマンティックな書き方のポイントは、「とても使いやすい」のような感想ではなく、「直径7cm」「500ml」のように数字と単位で書くことです。1つの文に1つの事実を入れると、AIが要約や比較に使いやすくなります。
購買シグナル（CVR・在庫健全性・外部流入）とオーガニック順位の連動性
購買シグナルとは、お客様の購入の動きから読み取れる手がかりのことです。在庫健全性とは、在庫切れや在庫の余りがなく、ちょうどよい量に保たれている状態を指します。広告を使わずに検索結果に表示されることを、オーガニック表示と呼びます。
Amazonは、検索結果で商品が表示される位置の決まり方を、細かい重みまでは公開していません。ここでは、出品者が自分で確認できる数字をもとに、3つの購買シグナルとオーガニック順位の関係を整理します。
1つ目はCVR（購入率）です。購入率が上がれば売れる数が増え、販売の実績が積み上がります。Amazonでは、セラーセントラルのビジネスレポートで「ユニットセッション率」を確認できます。ユニットセッション率とは、商品ページを見た回数（セッション）に対して、何個売れたかを表す割合です。商品名やハイライトを直したら、この数字が改善したかを必ず確かめます。
2つ目は在庫です。在庫が切れている間は商品が売れず、販売の実績の積み上げも止まります。在庫切れは、在庫の状況と販売の実績の両方を通じて、順位に影響しうると考えられます。FBA（Amazonに保管と配送を任せる仕組み）を使う場合も、自社で配送する場合も、売れ行きから在庫が切れる時期を予測し、早めに補充することが基本です。
3つ目は、Amazonの外から来るお客様（外部流入）です。外部流入そのものが順位の要素になるかは公開されていません。ただ、SNSや自社サイトから来たお客様が購入すれば、その分だけ販売の実績が増えます。外部流入は、販売の実績を通じて順位に関わると考えられます。外部流入の取り組みは、まず購入につながっているかを自社で計測し、その結果を見て続けるかを判断します。
楽天市場の検索ロジック進化とSKU・属性定義の徹底攻略
SKUプロジェクト移行後の成否を分ける「商品属性（タグ定義）」の完全入力
楽天市場では、2023年4月から「SKUプロジェクト」と呼ばれる取り組みが始まりました。SKUとは、色やサイズの違いなど、在庫を管理する最小の単位のことです。楽天グループによると、SKUプロジェクトは、SKU単位での商品登録とデータの保持を可能にし、検索での見つけやすさを改善するためのものです。1つの商品ページの中で、入数や重さ違いなどの価格違いを表示できるようにもなりました。（出典：楽天アフィリエイト事務局ブログ「SKU毎の商品紹介について」）
ここで欠かせないのが、「商品属性」の入力です。商品属性とは、ブランド名、容量、色、素材など、商品の特徴を決まった項目に分けて登録する情報です。楽天市場の検索画面では、「500ml」「ネイビー」のような条件で候補を絞り込めます。属性が空欄のままだと、こうした条件に当てはまる商品だと伝わらず、絞り込みの結果に表示されないおそれがあります。
あわせて確認したいのが、ディレクトリIDです。ディレクトリIDとは、楽天市場が商品を分類するための番号で、商品をどのカテゴリーに置くかを決めます。例えば水筒を「キッチン用品」ではなく「アウトドア用品」に登録していると、キッチン用品のカテゴリーから探すお客様には見つかりにくくなります。
点検の手順は次のとおりです。
- 商品データをCSVで書き出し、属性の空欄とディレクトリIDを一覧にする
- 売上の上位の商品から、必須と推奨の属性を埋める
- ディレクトリIDが、お客様が探しそうなカテゴリーと合っているかを確認する
AIコンシェルジュがどの情報を参照しているかは公開されていません。ただ、項目ごとに正しく登録された属性は、絞り込み検索とAIの両方に情報を伝える土台になります。
画像LP依存からの脱却：AIクローラーに評価される「テキスト情報化」の実務
楽天市場の商品ページでは、縦に長い画像で商品の魅力を伝える「画像LP」が多く使われています。LP（ランディングページ）とは、お客様に商品を詳しく紹介するためのページのことです。画像LPは見た目の訴求力が高い一方で、画像の中に書かれた文字は、検索やAIが文字情報として扱いにくいとされています。
ページの情報を集めるプログラムを「クローラー」と呼びます。クローラーやAIが正しく読み取れるよう、画像LPの内容を文字でも書いておきます。手順は次のとおりです。
- 画像LPに書かれている文章を、すべて書き出す
- 書き出した内容を、「仕様（サイズ、素材、容量）」「利用シーン」「注意事項」に分ける
- 分けた内容を、商品説明文や販売説明文に文字で書く
- 画像には、写っている内容を説明する代替テキストを付ける
例えば、画像の中に「洗えるフタ」「通勤にちょうどいいサイズ」と書いてあるなら、文字では「フタは分解して丸洗いできます。直径7cmで、通勤バッグのポケットに収まります」と、事実と数字で書き直します。商品情報をAIが読める形にする考え方は、【AIエージェントに選ばれる商品ページの作り方】でも詳しく解説しています。
生成AIを実務に組み込むモール内SEO実装ワークフロー
購買ペルソナ深掘りと潜在クエリを網羅するAIキーワードマイニング
購買ペルソナとは、その商品を買う典型的なお客様像のことです。潜在クエリとは、お客様が実際に検索しているのに、自社がまだ把握できていない検索語を指します。キーワードマイニングとは、たくさんのデータの中から、こうした検索語を掘り起こす作業のことです。
キーワード調査の出発点は、モールの中の実際の検索データです。使いやすいのは、Amazonや楽天市場の検索窓に言葉を入れたときに表示される候補（サジェスト）です。楽天市場の店舗であればRMSのアクセス分析、Amazonでブランド登録をしている場合はブランド分析の検索語句のデータも活用できます。
まず、購買ペルソナを2〜3人分、具体的に書き出します。例えば「30代の会社員。オフィスで温かい飲み物を飲みたいが、デスクを汚したくない」といった形です。そのうえで、集めた言葉とペルソナを生成AIに渡し、整理と追加を指示します。プロンプト（AIへの指示）の例は次のとおりです。
以下は、当店のステンレスボトルについて、Amazonと楽天市場の検索候補から集めた言葉です。
想定するお客様は「30代の会社員。オフィスで温かい飲み物を飲みたいが、デスクを汚したくない」人です。
これらの言葉を「ギフト」「悩みの解決」「利用シーン」「仕様」の4つに分類してください。
さらに、このお客様が検索しそうな言葉の組み合わせ（2〜3語）を、各分類で10個ずつ追加してください。
追加した言葉は、検索候補にあったものと区別して示してください。
AIが追加した言葉は、そのまま使いません。AIの案は、実際に検索されているとは限らないためです。追加された言葉は、もう一度モールの検索窓に入れて、検索候補に出てくるかを確かめます。こうして確かめた「父の日 ギフト 名入れ」「結露しない 水筒 デスク」のような長めの言葉（ロングテールキーワード）は、競合が少なく、購入意欲の高いお客様に届きやすいとされています。
モール規約を遵守したCTR・CVR最大化コンテンツのAIプロンプト作成術
CTRとは、検索結果に表示された回数のうち、クリックされた割合のことです。CVRは、商品ページを見た人のうち、購入した人の割合です。商品名やハイライトはCTRに、商品の仕様やよくある質問はCVRに関わります。
商品名やハイライトをAIに作らせるときは、ルールをプロンプトの中に条件として書き込みます。条件を書かないと、AIは文字数の上限を超えたり、モールで禁止されている表現を使ったりします。
以下の商品情報をもとに、Amazonの商品ページ用の文章を作成してください。
条件：
・商品名はスペースを含めて75文字以下。ブランド名、商品の種類、容量、色を含める
・商品のハイライトは125文字以下。素材と利用シーンを入れる
・「送料無料」「セール」「最安」などの販促の言葉は使わない
・同じ言葉を繰り返さない
・効果や効能を断定する表現は使わない
作成するもの：商品名2案、ハイライト1案、商品の仕様（箇条書き）5行、よくある質問と回答3組
生成した文章は、公開前に次の手順で確認します。まず、スプレッドシートのLEN関数で文字数を数えます。次に、禁止したい言葉の一覧を作り、文章に含まれていないかを検索して確かめます。最後に、仕様の数字を仕入先の資料と照らし合わせます。
商品名の2案のどちらが良いかは、CTRを比べて決めます。Amazonでブランド登録をしている出品者は、セラーセントラルの「実験の管理」を使って、商品名などを2案で比べるテスト（A/Bテスト）ができます。CTRを直接測れない場合や楽天市場では、商品名を変えた前後の同じ期間（例えば2週間ずつ）で、アクセス数と購入率を比べます。
持続的な上位表示を維持するリスク対策とPDCA運用体制
AI生成過信による規約違反・誤認表示リスクと人間による品質担保
生成AIは、事実と違う内容をもっともらしく書くことがあります。この現象をハルシネーションと呼びます。商品ページにそのまま載せると、モールの規約違反や、法律に触れる表現につながるおそれがあります。
特に注意したいのが景品表示法です。商品の品質を実際よりも著しく良く見せる表示は「優良誤認表示」として禁止されています。（出典：消費者庁「優良誤認とは」） 化粧品や健康食品であれば、効果や効能の表現について薬機法の確認も必要です。
AIの文章を公開するまでに、次の3つの確認を必ず人が行います。
- 事実の確認：サイズ、素材、容量などの数字が、仕入先の資料と合っているか
- 表現の確認：効果を言い切る表現や、他社より優れていると根拠なく書いた表現がないか
- 規約の確認：モールの商品名ルールや禁止表現に合っているか
本記事の内容は一般的な整理であり、法的な判断が必要な場合は専門家にご相談ください。生成AIのリスク全体は、【生成AIリスク】で詳しく解説しています。
検索順位・CVR・レビューから課題を特定するリライト＆定点改善サイクル
PDCAとは、計画（Plan）、実行（Do）、評価（Check）、改善（Act）を繰り返して成果を高める進め方です。定点改善とは、同じ指標を同じタイミングで定期的に確かめ、少しずつ改善していくことを指します。商品ページは一度直したら終わりではなく、月に1回、次の流れで見直します。
まず、主要なキーワード5〜10個の検索順位と、ユニットセッション率（楽天市場では転換率）を記録します。次に、順位や購入率が下がった商品について、原因を探します。原因ごとの対策は次のとおりです。
- 競合の新商品が出た：自社商品との違い（容量、素材、付属品など）を、ハイライトや商品説明に書き足す
- 価格で見劣りする：値下げだけでなく、セット内容や容量の見直し、モールのクーポン機能の活用も検討する
- 在庫切れがあった：補充のタイミングを早め、売れ行きの予測を見直す
- レビューで不満が続いている：多い声を商品ページに反映する
例えば、レビューに「思ったより小さい」という声が続いたら、ハイライトと商品の仕様に、直径と高さを数字で書き足します。翌月に同じ数字を確かめ、変化を記録します。季節の言葉は、需要が高まる2〜3か月前に追加しておくと準備が間に合います。追う指標の決め方は【KPI設計】を、モールごとの特徴は【モール別攻略】もあわせてご覧ください。
まとめ
【この記事のポイント】
- キーワードを詰め込む方法は通用しにくくなり、Amazonでは商品名が75文字以下になった
- AmazonのRufusや楽天市場のAIコンシェルジュのように、目的や予算から商品を探す仕組みが広がっている
- 商品名、ハイライト、仕様、商品属性に情報を分け、数字と事実で書くことが、検索とAIの両方への対策になる
- 生成AIはキーワード整理と文章の下書きに使い、事実・表現・規約の確認は必ず人が行う
モールの検索の仕組みは、これからも変わり続けます。ただ、正確な商品情報を、AIにも人にも読みやすい形で整えておくことは、どの変化にも通用する対策です。まずは売上の上位の商品から、商品名の文字数と属性の空欄を確認するところから始めてみてください。
Amazonと楽天市場の数字、毎月バラバラに集めていませんか？
商品ページを改善しても、効果を確かめるにはモールごとに管理画面から数字を集める必要があります。Amazonのビジネスレポートと楽天市場のRMSを別々に開き、手作業でまとめる作業に時間を取られている担当者も多いはずです。
KUROCOのEC-DashBoardは、複数のモールや自社ECのデータを統合し、売上やチャネル別の実績を1画面で確認できるサービスです。
数字が同じ形で並ぶと、改善の効果にも早く気づけるようになります。
例え
齋藤健太 代表取締役 
慶応義塾大学理工学部卒業後、株式会社船井総合研究所に入社。主に中堅規模（数百億）以上の企業をメインクライアントとしたプロジェクトに従事。化粧品メーカや卸・リテール業界など、幅広い業種において、中期経営計画策定やマーケティング戦略の構築、M&Aにおけるビジネスデューデリジェンス等の実績を有する。独立後も製造業や小売業、サービス業に至るまで大小様々な企業の課題発見に従事、成果を上げる。特にデータ分析においては、複数のコンサルファームにもアサインされる実力を有する。コンサルティングに加え、ヘアサロン2店舗と、まつげ・眉毛専門のアイサロン1店舗の運営、ならびに伝統工芸品の販売事業にも携わり、現場視点での売上づくりにも取り組んでいる。その他、AI関連スタートアップや教育関連企業からもデータ分析支援の依頼を数多く受けている。2013年9月にクロスメディア・パブリッシングより「問題解決のためのデータ分析」を出版（2019年2月に新装版を出版）。教育プラットフォームUdemyで展開しているオンライン講座（「ビジネスの現場で使えるデータ分析」、他）の受講者数は4万人（2024年2月現在）を超える。2020年10月KUROCO株式会社を設立、現在に至る。
東亜大学芸術学部トータルビューティ学科非常勤講師。
＼ この記事を読んでいる方におすすめ！ ／
