ChatGPTに商品をおすすめされるには？ECサイトが実践すべき5つの必須対策

「ChatGPTでおすすめを尋ねると競合ばかりで自社商品が出てこない」。その原因と解決策を、AIが商品を選ぶ仕組みから内部・外部対策、効果測定まで、優先順位をつけて実務目線で解説します。

結論：ChatGPTに商品をおすすめされるには、次の5つを一体で整えることが重要です。

1. OpenAI向け商品フィードの整備（→第3章）
2. Googleマーチャントセンターの商品データ最適化（→第1章）
3. 商品ページの客観データと利用文脈の記述（→第3章）
4. レビュー・比較記事など第三者評価の獲得（→第4章）
5. 推奨状況と売上の測定・改善（→第5章）

広告費の多さではなく、情報の正確さと第三者評価で選ばれる点が、従来のSEOと大きく異なります。

ChatGPTに商品をおすすめされる仕組みをまず理解する

自社商品を推薦してもらうには、まずAIがどのように商品を選ぶのかという仕組みの理解が欠かせません。ここでは推薦が売上を左右する背景と、ChatGPTが商品を選び出す2つの経路を整理します。

AI検索の普及で「おすすめされる」ことが売上を左右する

検索行動は、自らリンクをクリックして比較する従来の「検索・クリック型」に加えて、AIに直接質問して候補を絞り込む「質問・回答型」へと広がっています。OpenAIは2026年初頭にChatGPTの週次利用者が9億人を超えたと公表しており、商品選定に影響する規模に達しました。コンサルティング会社Bainの調査でも、米国消費者の一定割合が商品の調査・比較に生成AIを使い、年末商戦をAIプラットフォームから始める層も現れています。ただしGoogle検索も依然として重要な起点であり、Google検索側のAI化については Google AI Mode対策 もあわせて確認しておくと理解しやすくなります。

こうした環境で、生成AIに引用・推薦されるための最適化は、GEO（Generative Engine Optimization）や LLMO、AI検索対策などと呼ばれ、ECの新しい競争軸になっています。

ECサイト全体でAIに選ばれる状態をつくる考え方は、ECサイトのLLMO対策 でも詳しく整理しています。あわせて、ChatGPTに限らず、Google・Amazon・Yahoo!検索・楽天市場・メルカリまで含めたAI購買体験の全体像は、AIショッピングとは何かの記事で解説しています。

• 行動の広がり：クリック型に質問型が加わる
• 規模の到達：週次9億人規模で選定に影響
• 意思決定の前倒し：購入前にAIへ候補を尋ねる
• 新しい競争軸：GEO／LLMO／AI検索対策

出典：OpenAI公表値、Bain & Company調査（2025年）

ChatGPTは「商品カード型表示」と「テキスト回答」の2経路で商品を選ぶ

ChatGPTは商品を尋ねられた際、1つの仕組みで回答しているわけではありません。検索ツールSemrushの検証では、ChatGPTは回答時に2系統のクエリ（検索）を並行して実行していると報告されています。画像付きの商品一覧である「商品カード型表示（カルーセル）」を組み立てるためのショッピング系クエリと、文章での説明を組み立てるための文脈系クエリです。両者は参照する情報源が異なるため、ECサイトの対策も双方に適合させる必要があります。

• 商品カード表示：商品一覧を出すショッピング検索
• テキスト回答：文章で言及する文脈検索
• 情報源の違い：前者はフィード、後者は外部評価
• 対策の前提：両経路を分けて設計する

出典：Semrush「ChatGPT Searches Google Shopping」検証

商品カード表示にはGoogleショッピングとOpenAI向け商品フィードの両方が関係する

商品カード表示にどう載せるかは、現時点で2つの情報源を押さえる必要があります。1つはGoogleショッピングです。Search Engine Landが報じたPeec AIの大規模調査では、ChatGPTのカルーセル商品とGoogleショッピングのオーガニック（自然）結果に強い一致が見られ、上位40件で表示商品の多くを説明できると示されました。そのため、Googleマーチャントセンターのフィードを整えることは重要な対策の一つです。もう1つはOpenAI公式の商品フィードです。OpenAIはMerchant向けに、Agentic Commerce Protocol（ACP）を通じて構造化した商品データを直接提供する仕組みを案内しており、今後はOpenAI向けフィードの整備も重要性を増します。AIが商品発見から購入まで支援する流れは、エージェンティックコマースとは の記事でも詳しく解説しています。外部調査と公式情報の両方を押さえることが、安全かつ実効的な構えです。

• Googleショッピング：外部調査で強い一致が報告
• マーチャントセンター：フィード整備が前提条件
• OpenAIフィード：ACPで公式に商品データを提供
• 両輪で対応：調査と公式仕様の両方を整える

出典：Search Engine Land／Peec AI調査、OpenAI Developers（Agentic Commerce）

広告費ではなく客観的な事実と評価で商品は選ばれる

従来の検索では広告予算の多寡で露出を増やせましたが、ChatGPTの商品結果は事情が異なります。OpenAIは、商品結果はオーガニックで、有料掲載の影響を受けず、関連性に基づいて表示されると説明しています。AIが評価するのは、客観的な仕様データ、構造化された情報、そして第三者からの評価といった実体のあるシグナルです。逆に言えば、情報整備とレビュー基盤を着実に固めれば、広告費の規模に関わらず中小のECサイトにも露出の機会があります。

• 広告非依存：有料掲載の影響を受けない
• 客観データ：仕様・価格・在庫の正確さが基準
• 第三者評価：レビューや外部言及を参照する
• 中小の機会：整備次第で露出を得られる

出典：OpenAI「Buy it in ChatGPT」公式発表

ChatGPTに商品がおすすめされない3つの原因

自社商品が表示されないのには理由があります。原因を「情報・技術・外部評価」の3つの観点で切り分け、自社の弱点を自己診断できるようにします。自社サイト全体の診断項目を先に確認したい場合は、LLMOチェックリスト も参考にしてください。

原因1：商品情報がAIの読み取れる形で整理されていない

AIは「最高の」「画期的な」といった主観的な形容詞よりも、具体的な仕様データを比較・絞り込みの基準にする傾向があります。そのため、商品を識別するJANコードやGTIN（国際的な商品識別番号）などが欠けていると、AIはウェブ上のレビューや価格を同一商品として名寄せしにくくなります。また、価格・在庫・配送といった取引情報に欠落や不整合があると、情報の信頼性が下がり、表示精度にも影響します。

• 識別子の欠落：JAN/GTINがなく名寄せ困難
• 仕様の不足：寸法・素材などが未記載
• 取引情報の不整合：価格や在庫が古い
• 画像内の情報：仕様が画像に閉じ読めない

原因2：構造化データや表示速度などの技術要件を満たしていない

情報があっても、機械が読み取りやすい形でなければ伝わりません。構造化データ（Schema.org＝検索エンジンやAIに情報の意味を伝えるための共通の記述ルール）が未実装だと、商品情報が正しく解釈されにくくなります。さらに、テキスト中心で読み取るクローラーの場合、JavaScriptで描画する作りのページは内容を解析できないことがあります。サーバー応答が遅い場合も、クローラーが十分に情報を取得できず、商品情報の反映が不安定になる可能性があります。

• 構造化データ未実装：意味が伝わりにくい
• JavaScript依存：本文を読めない場合がある
• 表示速度：遅延で取得が不安定になる
• 重複URL：クロール資源が分散する

原因3：レビューや外部メディアでの第三者評価が不足している

AIは、自社サイト内の情報だけでなく、外部の情報も横断して商品理解を補完します。検証済み購入者のレビューが乏しかったり、外部メディアやコミュニティでブランドが語られていなかったりすると、判断の裏付けとなる材料が少なくなり、推薦に至りにくくなります。第三者の評価がどれだけ蓄積されているかは、無視できない要素です。

• 自己情報のみ：自社内の説明だけに偏る
• レビュー不足：信頼の裏付けが弱い
• 外部言及の欠如：第三者の文脈で語られない
• 裏付けの不足：判断材料が少なくなる

ChatGPTに商品をおすすめされる商品ページとデータの整え方

ここからは具体的な内部対策です。商品ページとデータを「AIが正確に読み取れる」状態に整えるため、優先度の高い実装を順に解説します。

JANコードや仕様など客観的データを漏れなく記載する

まず着手すべきは、商品詳細ページに客観的なデータを欠落なく記載することです。AIは識別子を手がかりに、ウェブ上の価格やレビューを同一商品として結びつけます。そのうえで寸法や素材などの物理仕様、税込価格や在庫といった取引情報を、画像内に閉じ込めず必ずテキストとして公開します。これらは購入判断の前提となる情報であり、欠けると比較の土俵に乗りにくくなります。

• 識別子：JAN／GTIN／MPNを明記する
• 物理仕様：寸法・重量・素材・製造国を書く
• 取引情報：税込価格・在庫・配送・返品条件
• 公開形式：画像でなくテキストで掲載する

OpenAI Merchant向けの商品フィードで価格・在庫・販売者情報を正確に渡す

ページ整備と並行して、OpenAI公式の商品フィードを検討します。これはクロールではなく、構造化した商品データ（CSVやJSON等）をOpenAIに直接提供し、取り込み・インデックスしてもらう仕組みです。価格や在庫を正確に反映するため、日次の更新が推奨されています。

なお、OpenAIはShopifyやEtsyなど一部プラットフォームのカタログ連携を案内していますが、対応状況や利用条件は変わり得るため、各プラットフォームやOpenAI公式の最新仕様を確認しながら対応する必要があります。フィードでとくに重要なのが、ChatGPT検索への表示可否を制御する is_eligible_search です。既定では無効のため、明示的に有効化しない限り検索対象になりません。なお、フィード提供の導入可否は対象地域・対象事業者の条件によって異なるため、利用前にOpenAI公式仕様で最新の対応状況を確認してください。

主なフィード項目	目的
商品ID	同一商品の識別
商品名・説明	商品理解・検索一致
ブランド名	名寄せ・信頼性
GTIN／JAN／MPN	外部レビュー・価格との照合
商品URL・画像URL	遷移先と商品カード表示
価格・在庫	購入判断と表示精度
送料・返品条件	比較判断
販売者情報	信頼性・帰属
レビュー数・評価	信頼性シグナル
is_eligible_search	ChatGPT検索への表示可否

出典：OpenAI Developers「Agentic Commerce／Product feeds」仕様

ShopifyでECサイトを運営している場合は、OpenAI向けの商品フィードだけでなく、Shopify Catalog、Agentic Storefronts、商品ページの構造化データ、FAQ・レビュー整備まで含めて確認するのが現実的です。Shopify特有の設定や優先順位は、ShopifyのLLMO対策でAIに選ばれる商品ページをつくる方法で詳しく解説しています。

「誰が・いつ・どこで・なぜ使うか」を文脈として書き込む

客観データを整えたら、次は利用文脈を言語化します。AIはユーザーの状況や用途への適合度を見るため、「誰にでも使える便利な商品」という曖昧な説明より、具体的な利用シーンが書かれたページを評価しやすくなります。たとえば「軽量テント」ではなく「荷物を減らしたいソロキャンパー向けの1人用ウルトラライトテント」のように、対象・季節・場所・得られる成果まで踏み込んで記述します。次の型で書くと、AIに伝わりやすくなります。

• 対象：この商品は〇〇に悩む人向けである
• 場面：〇〇の場面で使うと効果を発揮する
• 強み：競合と比べ〇〇に強みがある
• 非適合：〇〇を重視する人には向かない

とくに「向いていない人」まで書くことは重要です。AIは適合条件と非適合条件の両方を見て、推薦理由を組み立てやすくなります。

構造化データ（Schema.org）で商品情報を機械が理解しやすい形にする

記述した内容は、構造化データ（JSON-LD）で機械が理解しやすい形に整えます。Googleは構造化データをページ内容の理解やリッチリザルトに活用すると説明しています。すべてのAIが同じように扱うとは限りませんが、商品・価格・レビュー・想定問答の各スキーマを連携させ、ページ本文の記述とマークアップを一致させておくことは、有力な土台になります。

• Product／Offer：商品名・価格・在庫・識別子
• AggregateRating／Review：評価とレビューを構造化
• FAQPage：想定問答を一問一答で提供する
• 一致の原則：本文とマークアップを揃える

出典：Google for Developers「構造化データ マークアップ入門」

llms.txtはAI向けの案内ファイルとして補助的に活用する

仕上げに、llms.txtの活用を検討します。これは、AIに読んでほしい重要ページやサイトの概要を整理して伝えるための補助ファイルです。ただし、robots.txtのようにクロールを強制的に制御する標準仕様ではなく、現時点では提案段階の仕様として扱うのが適切です。そのため、商品ページ・カテゴリページ・比較記事・FAQなどへの案内を整理しつつ、robots.txt、XMLサイトマップ、内部リンク、構造化データと併用することが重要です。AIごとのクロール挙動やrobots.txtとの関係は、AIクローラー の記事も参考にしてください。

具体的な作成方法や設置手順は、LLMS.txtとは の記事で詳しく解説しています。ただし、llms.txtはあくまで補助的な施策であり、設置しただけでChatGPTに推薦されるものではない点に注意します。

• 役割：重要ページとサイト概要を案内する
• 限界：クロール制御の標準仕様ではない
• 扱い：提案段階の補助ファイルと捉える
• 併用：サイトマップや構造化データと併せる

補足：AIショッピング連携やllms.txtの仕様は変化が速い領域です。実装時は各プラットフォームの最新ドキュメントを確認し、四半期ごとに見直すことをおすすめします。

ChatGPTに商品をおすすめされる外部評価の高め方

内部対策だけでは推薦は安定しません。AIが参照する第三者からの評価を高めるための外部施策を3つ解説します。

検証済み購入者レビューを継続的に増やす仕組みをつくる

AIは、自社サイトの情報だけでなく、レビューサイト、比較記事、SNS、ニュース記事など複数の外部情報も参照して商品理解を補完します。なかでも、実際に購入した「検証済み購入者」によるレビューは、品質を示す材料として有用です。単発の施策ではなく、購入後のステップメールやクーポン特典などを通じて、常に新しいレビューが流入し続ける「パイプライン」を設計することが大切です。OpenAIの商品フィード仕様でも、レビュー統計は信頼性を高める項目として位置づけられています。SNSやUGC（ユーザー生成コンテンツ）の位置づけは、LLMOにおけるSNS運用 でも詳しく解説しています。

• 複数参照：AIは外部情報も併せて見る
• 検証済み：購入者レビューの比率を高める
• 自動化：購入後メールで投稿を促す
• 継続性：新着が絶えない流入を維持する

比較メディアやSNSでブランド名と課題を自然に共起させる

AIはテキストの関係性を学習するため、特定の課題を表す言葉と自社ブランド名が、信頼できる外部メディアやコミュニティで繰り返し同じ文脈に登場する（共起する）と、その関連性が強まる傾向があります。たとえば「丈夫で長く使える〇〇」という課題と自社名が複数の場で語られていれば、抽象的な質問でも候補として呼び出されやすくなります。日本のEC事業者であれば、比較メディアやレビューサイト、X（旧Twitter）、Instagram、YouTube、口コミサイト、専門コミュニティなどが主な舞台になります（海外ではRedditのような掲示板も一例です）。重要なのは、宣伝目的の作為ではなく、ユーザー同士の率直な議論や実体験が生まれる仕掛けをつくることです。

• 共起の原理：課題とブランド名を同じ文脈に
• コミュニティ：率直な議論が起きる場を重視
• きっかけ作り：サンプリングや体験提供を行う
• 誠実さ：作為的な書き込みは避ける

プレスリリースや一次情報でAIが信頼する情報源に蓄積する

AIは、公式なニュースや構造化されたデータベースを信頼性の高い情報源として参照する傾向があります。そこで、公式プレスリリースを定期的に発信し、業界メディアで客観的な製品データや調査レポートを公開することで、AIが参照する知識ベースに自社情報を「ファクト」として蓄積させていきます。一次情報の発信を積み重ねることが、長期的に推薦されやすい土台になります。

• プレスリリース：定期的な公式発信を続ける
• 調査レポート：客観データを自ら公開する
• 信頼ソース：参照されやすい媒体に残す
• 蓄積志向：ファクトを継続的に積み上げる

ChatGPTでの商品おすすめ状況を測定し改善する方法

対策は測定して初めて改善できます。推奨状況の確認方法、GA4での可視化、そして避けるべきNG行為までを整理します。

自社と競合の推奨状況を定期的にプロンプトで確認する

まずは、ChatGPTやPerplexityで実際に質問し、自社と競合がどの位置で言及されるかを定期的に確認します。AI回答内で自社商品がどの程度見えているかを把握する考え方は、AI Visibility として整理できます。手動でのチェックでも、推奨状況の変化や、競合が選ばれている理由を把握できます。次のようなプロンプトを使い、結果を記録項目に沿って残すと、改善点が見えやすくなります。

• 属性指定：「〇〇向けのおすすめ商品を5つ教えて」
• 比較：「〇〇と△△はどちらがおすすめか教えて」
• 予算条件：「1万円以下で〇〇に使える商品は」
• 初心者条件：「初心者向けで失敗しにくい〇〇は」

• 表示有無：自社商品が表示されたか
• 順位：何番目に表示されたか
• 正確性：価格・在庫・特徴に誤りがないか
• 競合理由：競合が選ばれた理由は何か

AI経由の流入と売上をGA4のKPIで可視化する

手動確認と並行して、AI経由の成果を定量的に可視化します。具体的なKPI設計やGA4での見方は、LLMOの効果測定 で詳しく解説しています。Google Analytics 4（GA4）を使えば、ChatGPTやPerplexityなどのリファラー（参照元）から到達したセッション、コンバージョン、売上を計測できます。あわせて、AIの推薦を受けた結果として「ブランド名×カテゴリ名」の指名検索やブランド名検索、直接流入（Direct）が増えていないかも追うと、間接的な効果まで把握できます。ただし、GA4で把握できるのは主にサイトへ流入した後の行動であり、AI回答内に表示されたもののクリックされなかった露出までは直接計測できません。そのため、手動プロンプト確認やAI Visibilityの定点観測と併用します。これらを月次〜四半期で振り返り、改善サイクルを回します。

• 参照流入：AI参照元のセッションを計測
• 成果指標：CVと売上を定点観測する
• 間接効果：指名検索・直接流入の伸びを追う
• 周期：月次〜四半期で見直す

ペナルティを招く操作的な手法は避ける

最後に、やってはいけないことを明確にします。ハーバード大学のKumar・Lakkaraju両氏の研究（2024年）では、商品説明に最適化したトークン列「STS（戦略的テキストシーケンス）」を埋め込むと、AIの推薦順位を操作できる可能性が示されました。しかしこれは本質的に攻撃的な手法であり、モデルが更新されれば効果が崩れやすく、安定しません。プラットフォーム側も操作的な手法の検出・排除を進めており、検出されれば参照対象から外されるリスクがあります。自作自演レビューや隠しテキストも同様です。持続的に推薦され続けるのは、透明性とファクトの精度を高める正攻法です。

• STS等の操作：脆弱性を突く敵対的手法
• 効果の不安定さ：モデル更新で崩れる
• 検出リスク：参照対象から外され得る
• 自作自演：偽レビューや隠しテキストは厳禁

出典：Kumar & Lakkaraju「Manipulating Large Language Models to Increase Product Visibility」（arXiv:2404.07981, 2024年）

中小ECでもChatGPTにおすすめされやすい商品の条件

「結局、大手しか表示されないのでは」という不安に答えます。AIの選び方には、中小ECだからこそ取りやすい勝ち筋があります。特に、対象者・用途・価格帯・利用シーン・向かない条件まで明記できる商品ほど、AIが推薦理由を作りやすくなります。

用途や悩みが明確なニッチ商品はAI推薦と相性がよい

AIはユーザーの具体的な状況や条件に合う商品を探します。そのため、対象や用途、解決する悩みが明確なニッチ商品は、大手の汎用的な商品よりも推薦理由を作りやすいことがあります。守備範囲を広げるより、特定の課題に深く応える設計の方が、会話型の質問と噛み合いやすくなります。

• 条件適合：明確な用途は質問と噛み合う
• 推薦理由：尖った特徴は理由を作りやすい
• 差別化：汎用品より埋もれにくい
• 狙い方：守備範囲を絞り深く応える

大手より詳しい商品情報とレビューがあれば比較候補に入りやすい

規模で勝てなくても、情報の充実度では勝てます。大手ブランドより詳細な商品情報、実体験レビュー、FAQ、比較コンテンツを整備すれば、AIが推薦理由を組み立てやすくなり、比較候補に入りやすくなります。これは予算ではなく手間で差がつく領域であり、中小ECが取り組む価値があります。

• 詳細情報：仕様と文脈を大手より厚く書く
• 実体験レビュー：具体的な使用感を集める
• FAQ整備：想定問答を網羅する
• 比較コンテンツ：選び方ガイドを用意する

向いている人・向かない人まで書くと推薦理由が作られやすい

商品が「誰に向くか」だけでなく「誰に向かないか」まで書くと、AIは適合・非適合の両面から判断できます。正直に非適合条件を示すページは、結果として適合するユーザーへの推薦精度を高めます。情報の透明性そのものが、推薦されやすさにつながります。

• 適合条件：向いている人を具体化する
• 非適合条件：向かない人も明記する
• 判断材料：両面提示で精度が上がる
• 透明性：正直さが信頼につながる

ChatGPTの商品おすすめに関するよくある質問

検索者が抱きやすい疑問に、現時点で分かっている範囲で簡潔に答えます。

ChatGPTに商品をおすすめされるには広告出稿が必要ですか？

必要ありません。OpenAIは、ChatGPTの商品結果はオーガニックで有料掲載の影響を受けないと説明しています。広告費よりも、商品データの正確さや関連性、第三者評価の整備が効きます。

Googleショッピングに掲載されればChatGPTにも表示されますか？

強い関連は示されていますが、表示が保証されるわけではありません。外部調査ではChatGPTのカルーセル商品とGoogleショッピング上位結果の一致が確認されています。ただしOpenAI公式は独自の商品フィードも案内しているため、両方を整えるのが安全です。

Amazonや楽天の商品もChatGPTにおすすめされますか？

モール出品商品が言及されることはありますが、表示はAIが参照する情報源やフィードの整備状況に左右されます。自社ECとして主導権を持ちたい場合は、独自ドメイン側の商品データやフィードを整えることが重要です。

ShopifyのECサイトは何を設定すればよいですか？

OpenAIはShopifyなど一部プラットフォームのカタログ連携を案内しているため、まずは識別子・価格・在庫・画像・説明といった商品データを正確に保つことが基本です。そのうえで構造化データやレビューを整え、必要に応じてフィード連携を検討します。対応状況は変わり得るため、各プラットフォームやOpenAI公式の最新仕様を確認してください。

llms.txtを設置すればChatGPTにおすすめされますか？

設置だけで推薦されるわけではありません。llms.txtはAIに重要ページを案内する補助的なファイルで、提案段階の仕様です。商品データの整備、構造化データ、レビューなどの基本対策と併用して初めて効果が期待できます。

効果が出るまでどれくらいかかりますか？

商材や競合状況により異なり、確実な日数は言えません。フィードや構造化データの反映は比較的早い一方、レビューや外部評価の蓄積には時間がかかります。月次〜四半期で推奨状況を測定しながら改善を続けるのが現実的です。

まとめ：ChatGPTに商品をおすすめされるECサイトへ着実に育てよう

ChatGPTに商品をおすすめされるには、①OpenAI向け商品フィード、②Googleマーチャントセンターの商品データ、③商品ページの客観データと利用文脈、④レビューや外部での第三者評価、⑤推奨状況の測定改善という5つを一体で整えることが重要です。Googleショッピングとの強い関連は外部調査で示されており、同時にOpenAI公式のフィード連携も今後の基盤になります。広告費の規模ではなく、情報の正確さと第三者の評価で選ばれる時代だからこそ、用途や悩みが明確な中小ECにも勝機があります。まずは商品データの整備とレビュー基盤づくりから、今日着手できる一歩を踏み出しましょう。

自社ECがChatGPTやAI検索でどのように表示されているかを確認したい場合は、アドカルのLLMO診断・SEO／LLMO支援にご相談ください。商品ページ、外部評価、AI表示状況、GA4での効果測定まで一気通貫で確認できます。

出典

1. ChatGPTの週次利用者数：OpenAI公式発表および各社報道（2026年）
2. 消費者のAI利用動向：Bain & Company 調査 ── bain.com
3. カルーセルとGoogleショッピングの一致：Search Engine Land／Peec AI ── searchengineland.com
4. ChatGPTショッピングの挙動検証：Semrush ── semrush.com
5. 商品フィード仕様（Agentic Commerce Protocol／Product feeds）：OpenAI Developers ── developers.openai.com/commerce
6. 「商品結果はオーガニックで有料掲載ではない」：OpenAI「Buy it in ChatGPT」 ── openai.com
7. 構造化データの扱い：Google for Developers ── developers.google.com
8. 戦略的テキストシーケンス（STS）：Kumar & Lakkaraju, arXiv:2404.07981 ── arxiv.org

※ AIショッピングや各プラットフォームの仕様は変化が速いため、実装時はOpenAI・Google・各ECプラットフォームの最新仕様を必ずご確認ください。