ECの商品数が増え、広告や無料掲載のフィードに古い価格や在庫切れの商品が残ってお困りではないでしょうか。AIでタイトルや説明を整えても、購入画面と情報が違えば、顧客の不信や掲載エラーにつながります。
原因は、商品マスター、EC画面、在庫システム、広告フィードを別々に更新していることです。AIへ最適化を任せる前に、どのデータを正本とし、何分ごとに更新し、不一致を誰が直すかを決めなければ、誤りを速く複製してしまいます。
この記事では、商品マスターの正本を決め、識別子・価格・在庫・画像を揃え、AIを説明補完へ限定し、例外商品を人が確認する流れを解説します。20商品で小さく試し、承認率と更新時間を見てから拡張する方法です。
株式会社ラクボは、マーケティングと業務自動化を分けず、元データ、配信先、確認担当、改善指標を一つの運用として設計しています。AI時代の商品発見に備えつつ、現在の販売画面と顧客体験を守る実務ポイントをお届けします。
AI最適化の前に商品マスターの正本を一つ決める
商品フィード最適化の出発点は、AI向けの文章ではなく正本です。商品ID、商品名、型番、価格、在庫、画像、配送条件を、どのシステムが最終的に管理するか決めます。担当者が手入力した表計算を複数部門で複製すると、どれが最新か判断できなくなります。
更新経路は『正本→EC商品ページ→フィード→広告・検索面』の順で図にします。逆方向の手修正を認める場合は、正本へ戻す担当と期限を設けます。価格と在庫は変化が速いため、説明文より高い更新頻度を設定し、更新に失敗した商品は自動公開せず保留へ回します。
2026年9月のGoogleのエージェント型コマース更新でも、AIによる商品発見の前提として正確な商品フィードが強調されています。新しい販路だけを追うのではなく、現在の販売情報を一致させることが優先です。
識別子・価格・在庫・画像を販売画面と一致させる
必須項目は、同じ商品を識別するIDやGTIN・MPN、分かりやすい商品名、価格、通貨、在庫状態、商品URL、画像URLです。色やサイズなどのバリエーションは親子関係を保ち、別商品として誤ってまとめないようにします。商品を更新してもIDをむやみに変えないことも重要です。
Googleの商品データ仕様では、価格と在庫を商品ページ、構造化データ、購入画面と一致させるよう求めています。在庫がないのに在庫あり、通常価格とセール価格が逆、といった不一致を先に検査します。画像も実物の色や内容量と異なる生成画像へ置き換えません。
日次の照合表には、商品ID、正本の値、商品ページの値、フィードの値、最終更新時刻、エラー理由を並べます。差分が出たら自動で上書きするのではなく、在庫連携の遅延か、担当者の入力ミスかを判別します。AI業務自動化の例外処理と同じく、止める・戻す・再開する基準を用意します。
AIは説明補完に使い例外商品を人の確認へ回す
AIが向くのは、仕様に基づく説明文の下書き、属性候補の抽出、表記ゆれの検出、カテゴリ候補の提示です。向かないのは、根拠のない効能、未確認の素材、存在しない付属品、古い価格を推測で補うことです。AIが追加した項目は元データの場所を記録します。
例外条件は、価格差、在庫の矛盾、識別子の欠落、画像の不一致、禁止表現、更新時刻の遅れです。一つでも該当した商品は『公開可能』にせず確認待ちへ回します。セール開始直前や在庫変動が大きい商品ほど、人の承認を残します。
担当者はAIの文章を読むだけでなく、販売画面へ遷移し、選択肢、送料、納期、返品条件まで確認します。説明が豊かでも購入条件が古ければ優先度は低いままです。AIの役割を補完へ限定することで、正確性を守りながら作業量を減らせます。
20商品で承認率と更新時間を比較してから広げる
最初は売れ筋10商品と更新の多い10商品を選びます。導入前の不一致件数、修正時間、掲載不可件数を記録し、AIによる属性候補と差分検出を加えた後と比較します。自動反映はせず、担当者が承認した内容だけ正本へ戻します。
指標は、フィード承認率、不一致の発見数、確認から修正までの時間、誤った補完の件数です。クリックや売上は季節や広告費の影響も受けるため、最初の2週間は品質と更新速度を主に見ます。安定したら、商品群を増やし、販路別の表示と成果を分けて測ります。
商品データの正本整理から例外確認、更新フローまで少人数で整えたい方は、ラクボのAI顧問・業務自動化支援をご覧ください。自社フィードのどこから試すか整理したい場合は、商品フィード最適化の相談窓口をご利用ください。