ほとんどの AI 可視性ツールが答えるのは一つの問いだけです。「あなたのブランドは言及されたか」。単一商品の会社には十分ですが、カタログを持つ企業にはほぼ役に立ちません。「あなたのブランドは回答の 34% に登場しました」では、マーチャンダイザーはどの SKU を直すべきか、どの商品ページに属性が足りないのか、なぜ競合のミドルレンジ機種が比較で勝ち続けるのかを判断できません。
SKU 単位の AI 可視性トラッキングとは、すべてを一つのブランド数値に集約するのではなく、個々の商品レベルで推薦を測ることです。どの商品が、どの回答で、どのエンジンで、どの競合と並んで名指しされたか。
要点
- ブランド単位と SKU 単位は、同じ測定の粒度違いではなく別の測定です。 ブランド単位は「自社に言及した回答」を数え、SKU 単位は「特定の商品を推薦した回答」を数えます。買い手が実際に動く単位は後者です。
- 難しいのはプロンプト集であって、トラッキングではありません。 SKU 単位の作業には、ブランド型（「ボッシュは良いか」）ではなく商品型（「8 万円以下で最も静かな食洗機」）のプロンプトが必要です。
- 5 万 SKU のカタログをプロンプト単位で追うのは不可能です。 売上を生むカテゴリーと購買質問から出発し、その中でサンプリングします。
- 商品ページの属性密度が主要なレバーです。 エンジンが推薦するのは、仕様・制約・用途が条件付きの質問に照合できるほど明示的に書かれた商品です。
- スコアよりも証跡です。 使える SKU レポートは回答テキスト・日付・エンジンを保存し、なぜその商品が負けたのかを読めるようにします。
ブランド単位と SKU 単位の違い
ブランド単位 | SKU 単位 | |
|---|---|---|
測定単位 | 回答中のブランド名 | 回答中の特定商品 |
典型的なプロンプト | 「Anker は良いブランドですか？」 | 「MacBook Pro 向けの最良の 100W USB-C 充電器」 |
誰が使うか | ブランド、PR、広報 | マーチャンダイジング、カテゴリー管理、商品マーケ |
競合の読み方 | 競合横断の Share of Model | この比較でどの競合商品が勝ったか |
示される打ち手 | エンティティと評判の整備 | 商品ページ属性、フィードデータ、レビュー網羅 |
機能しなくなる条件 | カタログが大きいとき | プロンプト集が売上に紐づいていないとき |
実務上の帰結はこうです。ブランド単位の可視性が健全でも、商品比較ではすべて負けることがあり得ます。エンジンはブランドの存在を知っていても、質問の条件に合致する具体的な商品を結びつけられないからです。
SKU 単位のトラッキングの実際の仕組み
「あなたの商品の順位」を返す API は存在しません。これを実現しているプラットフォームは、当社を含めて同じ方法で測定を組み立てています。
- 商品型のプロンプトを定義する。 重要な各カテゴリーについて、買い手が実際にする条件付きの質問（予算、用途、制約、比較）を書きます。これはキーワードではなく、買い手が打ち込む文です。
- エンジン横断で繰り返し実行する。 AI の回答は確率的なので、単発の実行はほとんど何も語りません。同一プロンプトを複数回サンプリングすることが、実際の変化とノイズを分けます。プロンプトトラッキングとサンプリング設計を参照してください。
- 回答からブランドではなく商品エンティティを抽出する。 多くのツールが省略する工程です。パーサは「Anker 737」を SKU に解決し、型番の表記ゆれを扱い、推薦と単なる言及を区別できなければなりません。
- 証跡を記録する。 回答テキスト、エンジン、日付、引用元を保存し、ダッシュボードの数値ではなく監査可能な結果にします。
- ページに帰属させる。 エンジンが引用したのはどの商品 URL か（引用があれば）。推薦が自社ページ由来なのか、第三者のまとめ記事由来なのかがここで分かります。
どのエンジンで可能か
商品レベルの推薦挙動はエンジンごとに大きく異なり、期待すべきカバレッジは多くのベンダーのマーケティングが示唆するより狭いです。GEOly は ChatGPT、Google AI Mode、Gemini、Google AI Overviews を追跡しています。このうち ChatGPT と Google AI Mode が、構造化されたショッピング面（文章ではなく商品モジュールやカード）を最も多く生成します。この区別は重要です。ショッピングカード内の商品はクリック可能な購買経路ですが、段落内の商品は通常そうではありません。
「あらゆる AI ショッピングアシスタントを追跡」という主張には懐疑的に接してください。具体的にどのエンジンを、どの頻度で照会し、生の回答を保存しているかを尋ねるべきです。
カタログが大きい場合、何を追うか
よくある失敗はカタログを網羅しようとすることです。5 万 SKU の小売業者が 5 万商品を監視することは不可能で、仮にできても何も学べません。トップダウンで進めます。
- 売上集中度から始める。 ほとんどのカタログでは数百 SKU が粗利の大半を占めます。それが追跡対象です。
- カテゴリーを追い、商品はサンプリングする。 カテゴリー単位の購買質問（「ランニング向けの最良のワイヤレスイヤホン」）を監視し、どの SKU が浮上するかを回答に語らせます。自分では思いつかなかった欠落が見つかります。
- 競合が激しいものを意図的に加える。 既知の競合に負けている商品は個別のプロンプトに値します。そこではページ修正の効果が最も測りやすいからです。
- 自社のエンティティ分裂を統合する。 一つの製品ラインが二つの名前で追跡されていると、シェアは分割され過小評価されます。これを統合するのが最速の改善になることが多いです。
その後のカタログ側の作業については、AI ショッピング向けの商品カタログ最適化が、商品推薦を実際に動かす属性・スキーマ・フィードの変更を扱っています。
何を測るか
指標は少なく、定義を明確に保ちます。式は AI 検索可視性指標に全文公開しています。SKU 単位で価値があるのは次のものです。
- 商品言及率 — あるプロンプト集のサンプリング回答のうち、その SKU が登場した割合。
- Share of Model — そのプロンプト集における全商品言及のうち当該 SKU の占める割合。前月比ではなく競合比で読むための指標です。
- ショッピングカード比率 — 露出のうち、平文ではなく構造化ショッピングモジュール内で起きた割合。
- 引用元の構成 — エンジンが引用したのは自社商品ページか、小売店か、レビューサイトか。自社が引用元にならないなら、直すべきはフィードではなくコンテンツです。
- 競合の共起 — 自社商品と並んで現れる競合商品。エンジンが自社 SKU をどう分類したかを示す最も明確なシグナルです。
合成の「可視性スコア」を作らないでください。どの入力が動いたかを隠し、実行につながりません。
よくある質問
SKU・商品単位で AI / LLM の回答内の言及を追跡できますか？
できますが、エンジンからレポートを受け取る形ではありません。商品レベルの露出データを公開しているエンジンは存在しません。定義済みの商品型プロンプト群を各エンジンに対して定期実行し、各回答から商品エンティティを解析し、回答を証跡として保存します。GEOly は AI ショッピングモニタリングでこれを行い、SKU 単位の露出履歴を含みます。
大規模カタログにおけるブランド単位と SKU 単位のトラッキングの違いは何ですか？
ブランド単位はブランドが言及されたかを測り、評判の整備には十分です。SKU 単位はどの個別商品が推薦されたかを測り、マーチャンダイザーが行動できる唯一のレベルです。大規模カタログではブランド数値は安定していて情報量が乏しく、SKU の状況はカテゴリーごとに大きく変動します。
個々の SKU 単位で引用パフォーマンスを追跡できるプラットフォームはありますか？
いくつかあります。差がつくのは、件数だけでなく露出ごとの引用元 URL を保存しているかどうかです。ある商品について、登場した回答の一覧、エンジン、日付、引用されたページを見られるかを尋ねてください。それを示せないなら、商品ラベルを付けたブランド単位のデータです。
ChatGPT 内の商品レベルの言及を追跡できるツールはどれですか？
三つの能力を確認してください。自分で制御できるプロンプト集、単発ではなく反復サンプリング、型番の表記ゆれを解決する商品エンティティ抽出です。商品追跡として売られている多くのツールは回答内のブランド名を文字列照合しているだけで、これは大幅な過大評価になります。「避けるべきブランド」の一覧に出てきた場合でも、推薦と同じスコアになってしまいます。
自社商品が Google AI Mode や Gemini のショッピング回答に出ているかを追跡する方法は？
方法は同じでエンジンが違うだけですが、一点注意があります。構造化されたショッピング面は一貫して現れるわけではなく、質問の商業的意図に依存します。ショッピングカード比率を平文の言及率と分けて追跡してください。そうしないと、文章内言及の増加が進捗のように見えて、クリック可能な露出は横ばいのままになります。
SKU 単位のトラッキングは費用が高くなりますか？
通常は高くなります。このカテゴリーのコストはシート数ではなくプロンプト量と回答量に比例するためです。商品レベルのプロンプト集は、定義上ブランドレベルより大きくなります。当社の料金も、監視プロンプト数と月間回答数で段階が決まります。
どこから始めるか
重要なカテゴリーを一つ選び、そのための実際の購買質問を 20〜30 件書き、サイトを変更する前に 2 週間走らせてください。ベースラインがあって初めて後の作業が読めます。なければ、商品ページの編集が回答を変えたのか、エンジンが単に揺れたのかを区別できません。その後は、AI ショッピング向けの商品カタログ最適化のカタログ側の修正と、GEO プロンプトリサーチのプロンプト選定が次の二歩になります。
執筆：GEOly AI。AI Visibility タグに関連記事があります。あわせて：GEO / AEO ツールの料金モデル、AI ショッピングモニタリング。