
Googleで検索する場合でも、Amazonに行く場合でも、チャットボットに尋ねる場合でも、いまやAIは商品を含む回答を返します。にもかかわらず、多くのeコマースブランドは、その商品として選ばれるにはどうすべきかを把握していません。AI選定率は、それがどれくらいの頻度で起きているかを示す数値です。AIショッピングエージェントが最終候補として自社商品を選んだ購買シナリオを数え、テストした全シナリオ数で割り、100を掛けて算出します。
エージェントショッピングに関する議論全体の中で、これは最も正直な数値だと考えています。主な理由は、ごまかしにくいからです。言及されるだけなら簡単です。すべての回答で商品名が挙がっていても、最後の一歩で売上を逃すことはあります。たとえるなら、毎回結婚式には招待されるのに、いつも結婚する側にはなれないようなものです。選定とは、エージェントが並べる段階を終え、選ぶ段階に入る瞬間です。
要点
- AI選定率とは、テストした購買シナリオのうち、AIショッピングエージェントが最終的な選択として自社商品を選んだ割合です。
- 測定前に、何を選定とみなすかを決めてください。最良候補、ショートリストの勝者、カート追加、購入手続きの開始、注文完了などです。
- モデルごとに、日付付きでレポートしてください。1つに混ぜたスコアでは、アシスタント同士で判断が食い違っている事実が見えなくなります。
- 週ごとの小さな変動は、たいていノイズです。変化を信じる前に、同じプロンプトを何度も繰り返してください。
- 最も手早く効くレバーは、エージェントが読むデータです。商品フィード、カタログ、商品ページ上の構造化データが該当します。
AI選定率が測るもの
AIショッピングエージェントはホームページを閲覧しません。商品フィード、カタログ、商品ページ上の構造化データを読み取り、そこで見つけた内容を他の販売者と比較し、1つの商品、または本命付きの短い候補リストとして回答します。選定率は、その本命が自社商品である頻度を数える指標です。
計算式はシンプルです。
選定率 = 自社商品が選ばれたシナリオ数 / 分析したシナリオ総数 × 100
シナリオとは、1つの購買リクエストです。たとえば「敏感肌向けで$40以下のビタミンC美容液」や「特定のシングルモルトを2本、テキサス州に配送」のようなものです。こうしたシナリオのセットを自社商品のために作成し、実行して、結果を記録します。
計算方法を示すための架空の例です。1つの商品を40件のシナリオでテストし、そのうち8件でエージェントに選ばれたとします。その商品の選択率は20%です。最も近い競合商品が18件で選ばれていれば、その選択率は45%で、残りのシナリオでは他の販売者の商品が選ばれたか、何も選ばれなかったことになります。この差こそ、改善すべき対象です。
この数値が何ではないかにも注意してください。これはトラフィックでも注文でもありません。これはエージェントの判断であり、そのどちらかが発生する直前の段階です。
何を「選択」と見なすかを決める
多くのチームが雑になりがちなのはここで、ここを曖昧にするとこの数値は意味を失います。「選ばれた」には、少なくとも5つの異なる意味があります。
- エージェントが自社商品を最良の選択肢として挙げる。
- エージェントが複数のオファーの候補一覧から自社商品を選ぶ。
- エージェントが自社商品をカートに追加する。
- エージェントが購入手続きを開始する。
- エージェントが購入者のために購入を完了する。
これらは同じファネル内の段階であり、得られる率は大きく異なります。最初の定義は広めで、最後の定義は厳密です。しかも現時点で最後まで可能なのは一部の場所に限られます。AI回答内での購入は、Googleのエージェント決済向けオープン標準であるUCPを通じて、米国のGoogle AI ModeとGeminiで提供されています。一方、ChatGPTは購入者をストア独自の購入手続きへ誘導するため、ChatGPTで現実的な最終イベントは、エージェントが自社商品を選び、購入者がクリックして遷移することです。
おすすめは、定義を1つ決めて文書化し、四半期の途中では絶対に変えないことです。今月は「最良の選択肢として挙げられた」を報告し、来月は「カート追加」を報告すると、本当は低下なのに改善として祝ったり、その逆になったりします。
計算と追跡の方法
データサイエンスのチームは不要です。必要なのは、手順をきちんと守って進めることです。手順としては次の流れを勧めます。
- 商品を選ぶ。 まずは利益率または販売量の観点で重要な10商品から始めます。
- シナリオを書く。 各商品について、購入者が実際に使う言い回しで、現実的な購買リクエストを書きます。価格上限、用途、配送先、バリエーションを含めてください。実行前に一覧を確定しておけば、結果が悪かったプロンプトだけをこっそり外すことができません。
- 競合商品を決める。 エージェントは選択肢の中から選ぶため、各シナリオには競合商品を含める必要があります。顧客が実際に比較検討している商品を使ってください。
- 各シナリオを、各モデルで何度も実行する。 1回の実行では何も証明できません。同じプロンプトでも、次に試すと別の回答が出ることがあるからです。
- モデル、モデルのバージョン、日付を記録する 各結果の横に記録してください。モデルの更新によって、結果は一夜で入れ替わることがあります。
- 商品ごと・モデルごとに率を計算する。 必要なら、その上にポートフォリオ全体の集計ビューを追加します。
- データを修正し、同じシナリオを再実行する。 同条件で比較してください。
手作業でも、少数の商品なら対応できます。ただ、すぐに限界が来ます。ecenticでは、これに相当する実行は自動化されています。Shopify、WooCommerce、または商品フィードに接続し、ChatGPT、Claude、Geminiが各商品を指名した競合商品と比較し、自社商品が負ける理由を示します。公平を期して付け加えると、これは実際の購入者ではなく、シミュレーションによる結果です。したがって、シミュレーションで率が上がったとしても、それはエージェントが商品データをどう読んでいるかについての根拠であって、注文数の予測ではありません。
選択率とメンション、流入、コンバージョンの違い
チームはこれらをしばしば混同するため、違いを並べて示します。
| 指標 | 何を数えるか | 購入への近さ |
|---|---|---|
| メンション率 | 回答の中でブランド名や商品名がどれだけ挙げられるか | 遠い。挙げられることは、選ばれることではありません |
| 推奨率 | 良い選択肢として提案される頻度 | 実態に近いものの、リストでは五つの商品が勝者になることもあります |
| 選択率 | 選択肢の中で最終的に選ばれる頻度 | 近い。これが判断です |
| AI経由の流入 | AIアシスタントから流入した訪問 | 判断の後。購入者がクリックした場合です |
| コンバージョン | その訪問から生まれた注文 | 結果 |
商品が多くの回答に表示されていても、最終段階で選ばれないことはあります。理由はたいてい地味です。価格が高い、配送が遅い、バリエーションが不足している、返品条件が弱い、レビューが少ない、あるいは商品情報が不完全または古い、といった点です。従来の検索では問題なく上位表示されていても、AIの判断から外されるブランドはあります。そのギャップについては eコマースにおけるAI活用事例 でも、検索とAI回答が重なり始めている現状とともに触れられています。
もうひとつ区別しておきたい点があります。シミュレーション上の選択は売上ではありません。リファラル訪問は実際の流入であり、シミュレーション上の選択はテストであり、売上は別の指標です。これらは別々に管理してください。エージェント経由トラフィックの測定について詳しく知りたい場合は、 eコマースAI分析ガイド.
単一スコアではなくモデルごとの指標が必要な理由
AIアシスタント同士の判断は一致しませんし、同じアシスタントでもバージョンによって結果が変わります。2025年の学術研究 What Is Your AI Agent Buying?では、同じ商品群に対して複数のエージェントを実行しました。フィットネスウォッチカテゴリでは、Claude Sonnet 4はあるFitbitモデルを45%の頻度で選択した一方、GPT-4.1とGemini 2.5 Flashでは約25%でした。その割合はClaude Opus 4.5では77%に跳ね上がり、GPT-5.1では6%まで下がりました。

もう一度読み返してください。同じ商品、同じ棚でも、どのモデルに尋ねるかで勝者は大きく変わります。これらを平均化した数値は、実在するどの買い物客も表していません。
私たちのシミュレーションでも同じ傾向が見られました。2026年10月までに、36,797件の購入シミュレーションを実施しました。同じカタログ上で、ChatGPTはClaudeやGeminiの約3倍の頻度で商品を選択し、51.6%に対して後者は約18.5%でした。毎回その理由を完全に説明できるとは言いません。ただ、各モデルが価格、ブランド名、データの完全性を異なる重みで評価していることは一因だと考えています。実務上の結論はシンプルです。各アシスタントを日付付きで個別に記録してください。
これは次に取るべき行動も変えます。あるモデルでは負け、別のモデルでは勝っているなら、「AIに嫌われている」という曖昧な感覚ではなく、具体的な原因を特定できます。
選択率を動かす要因
エージェントが理解できるのは、データが伝える内容だけです。だからこそ、大きく影響するのは派手ではない部分です。
商品データの不備。 「美容液 30ml」というタイトルだけでは、敏感肌向けの商品を求める質問に合っているか、エージェントは判断できません。購入判断のためではなく、ポスター向けに書いた説明文も同じ問題を抱えています。ある匿名の診断では、年商約 €70M の酒類マーケットプレイスで、9,699 商品の 88% に、エージェントが読み取るデータの不具合がありました。その店が扱う二本のボトルの購入先をエージェントに尋ねたところ、名前が挙がった回数は 20 回中 0 回でした。立派なカタログがあっても、商品は見つけてもらえていません。
構造化データ。 これは商品ページ上の機械可読レイヤーです。価格、在庫状況、ブランド、識別子、配送情報、返品条件などが含まれます。エージェントは曖昧さがないため、これを重視します。項目が欠けていたり矛盾していたりすると、簡単に負けます。
競合商品との比較。 エージェントは、自社商品だけを単独で評価することはほとんどありません。別の商品と並べて比較します。競合の商品情報には用途、素材、返品ポリシーが書かれていて、自社商品にはない場合、競合が勝ちます。そのため私たちは、各商品を特定の競合商品と比較し、結果を平易な言葉で説明するようモデルに実行させています。
表示位置と順序。 エージェント選択に関する研究では、商品がリスト内のどこに表示されるかによってモデルに偏りが生じる可能性が示されています。テストする場合は、選択肢の順序をランダム化してください。そうしないと、商品ではなくレイアウトを測定することになります。
購入手続きそのもの。 選択は、商品が選ばれた時点で終わりではありません。別の匿名監査では、あるスウェーデンのスキンケアブランドで、エージェントによる購入手続きが6か国中0か国でしか決済に到達しませんでした。配送設定で電話番号入力が必須になっていたためです。エージェントは電話番号を作り出せないので、注文はそこで止まりました。目的が「選ばれること」ではなく「売ること」なら、購入手続きの導線も商品情報の一部です。
これらのエージェントの仕組みについては、 AIショッピングエージェントが商品を推薦する仕組み で、何をどの順序で読み取るのかを解説しています。商品情報側については、 AI商品情報最適化.

選択率の変化をどう読むか
選択率が20%から25%に上がったとします。改善でしょうか、それともノイズでしょうか。通常は、そうでないと証明されるまではノイズです。
役立つ習慣は3つあります。まず、十分なサンプル数を確保することです。各シナリオを1回しか実行していないなら、数ポイントの変動はコイントスと変わりません。モデルごとに多数の独立試行を行ってください。次に、「有意かどうか」だけでなく、変化の大きさとどれだけ揺れうるかを見ます。誤差幅が大きい小さな変化は意味を持ちません。最後に、比較には必ずモデルのバージョンを紐づけてください。2回の実行の間にベンダーがモデルを更新していた場合、比較しているのは別の買い物客かもしれません。
実際に変更を加えた場合、たとえば20件の商品タイトルを書き換えたなら、同じ固定シナリオを同じモデルで再実行し、その商品だけを比較してください。変更した商品だけが動き、変更していない商品が動かなければ、それは本物のシグナルです。店舗運営者が行えるものとしては、これが最も統制された実験に近い方法です。
私たちの見解
選択率は数年以内にeコマースレポートの標準項目になると考えています。そして多くのブランドは、かなり不快な形で最初にこの指標と向き合うでしょう。自社のスコアがほぼゼロだと気づくからです。
ecenticは、ひとつの考えを軸に構築されています。エージェントはホームページを見ません。読み取るのは商品フィード、カタログ、構造化データです。さらに米国のGoogle AI ModeとGeminiでは、UCPを通じて買い物客の代わりに購入手続きまで実行できます。だから必要なのは、問題を報告して終わるダッシュボードではなく、ストア自体を改善することです。
そのため、私たちのフローはアクションで終わります。ChatGPT、Claude、Geminiに各商品を特定の競合商品と比較させ、自社商品が負ける理由を表示し、Applyをクリックすると、ecenticがタイトル、説明文、構造化データを書き換えてストアに公開します。Shopifyでは、修正内容をGoogle Merchant Centerに反映し、AIアシスタント経由の訪問を追跡します。WooCommerceでは、無料のecenticプラグインにより、エージェントがUCP経由で検索し、カートに商品を入れ、購入手続きまで行えます。購入手続きまで対応する点が、通常の商品フィードツールとの違いです。
制限についても率直にお伝えします。私たちはまだ初期段階で、現在パイロット運用中です。最初の導入先であるDUA Flavoursでは、2026年4月から7月にかけて、AIアシスタント経由の訪問と直接流入が12%増加しました。これは売上ではなく訪問数のデータです。誤解を招くより、明確に区別して伝えるほうが重要だと考えています。
OpenAIにはACPがあり、GoogleにはUCPがあり、Amazonには壁があります。最終的にどう落ち着くにせよ、エージェントが実際に購入できるのは、クリーンで完全な商品データを持つストアです。
Xhurian Shaba
自社の数値を確認する
現状を最も早く把握する方法は、実際に実行することです。ecenticは、AIエージェントが買い物を行う時代にオンラインストアが売れるよう支援します。商品フィードとカタログを最適化し、AIショッピングエージェントに商品を選ばせ、実際に購入できる状態にします。AIが買い物する時代でも、売上を獲得しましょう。
無料スキャンでは上位10商品を対象に確認でき、カード登録は不要です。検出された問題を修正したい場合、プラン内容は ecentic料金ページで公開しています。Competeは月額$14.90で最大100商品、Scaleは月額$44.90で最大1,000商品に対応し、ワンクリック修正が含まれます。Dominateは月額$149で、Google Merchant Center同期とエージェント購入手続き設定が追加されます。さらに、AI経由注文の3%を課金する従量課金オプションもあり、上限は月額$500です。

登録前にプロセスを確認したい場合は、 ecenticの仕組み で、シミュレーション、原因診断、最適化を順を追って解説しています。
FAQ
良いAI選択率とは何ですか?
信頼できる普遍的な基準値は存在しません。選択率はカテゴリ、競合、設定したシナリオ、テストするモデルによって変わるためです。より実用的な目標は、各アシスタント上で、最も頻繁に負けている特定の競合商品を上回ること、そしてデータ修正後に自社の数値が上昇することです。単一の「業界平均」は慎重に扱ってください。
AI選択率とAI可視性の違いは何ですか?
可視性は通常、言及されたり一覧に表示されたりすることを意味します。選択とは、エージェントが他の選択肢ではなく自社商品を選んだ状態です。ブランド名が頻繁に表示されていても、最終的な選択で負けることはあります。そのため、選択率は購入判断により近い指標です。
AI選択率はどのくらいの頻度で確認すべきですか?
何か変更を加えた後に確認し、実行間ではシナリオを同一に保ってください。モデルは更新されるため、すべての結果に日付とモデルバージョンを記録してください。自社側で変更がないまま週単位で発生する揺れは、ほとんどがノイズです。
選択率が高いほど売上も増えますか?
自動的に増えるわけではありません。シミュレーション上の選択は、エージェントが商品データをどう読むかを確認するテストであり、売上そのものではありません。強力な先行指標ではありますが、注文数は価格、配送、購入手続き、そして買い物客が実際に購入を完了するかにも左右されます。リファラル訪問と注文数は別々に測定してください。