ECのAIカート提案とは？Shopify事業者が今から整える商品データ

ECのAIカート提案は、単に「おすすめ商品」を並べる機能ではありません。商品ページやカート画面で、今見ている商品と一緒に買うべきもの、比較すべきもの、用途に合う代替品を提案し、購入前の迷いを減らす仕組みです。

ただし、AIレコメンドやAIショッピングアシスタントを入れれば、自動的に売上が伸びるわけではありません。特にShopifyでは、商品カテゴリー、属性、メタフィールド、在庫、画像、レビューといった商品データの整い方で、提案の質が大きく変わります。

この記事では、Shopify事業者がAIカート提案を考える前に、どの商品データをどの順番で整えるべきかを整理します。アプリ比較の前に、まずはAIが判断できる商品情報の土台を作ることが先です。

AIカート提案とは、購入直前の迷いを減らす商品提案の仕組み

AIカート提案とは、ECサイト上で顧客の閲覧商品、カート内容、過去の購買、商品属性などをもとに、次に検討すべき商品を提案する仕組みです。一般的なレコメンドは商品ページやコレクションページに表示されますが、カート提案は購入直前のタイミングで「一緒に買うもの」「不足しているもの」「上位モデル」を見せる点に特徴があります。

たとえば、コーヒー豆をカートに入れた人へフィルターを出す、ギフト商品を見ている人へラッピングを出す、靴を見ている人へサイズ調整用の中敷きを出すといった場面で使えます。ここで大切なのは、AIが魔法のように相性を見抜くのではなく、商品同士の関係を判断できるデータがあるかどうかです。

AIレコメンドとAIショッピングアシスタントは役割が違う

AIレコメンドは、サイト側が候補商品を自動で表示する仕組みです。一方でAIショッピングアシスタントは、顧客が自然文で質問し、比較や用途相談をしながら商品を探す役割を持ちます。前者は「出す商品を選ぶ」、後者は「質問に答えながら商品選びを支援する」と考えると分かりやすいでしょう。

Amazonの対話型ショッピングアシスタントであるRufus（米国では2026年5月にAlexa for Shoppingへ名称変更）は、商品カテゴリーの調べもの、目的別の買い物、商品比較、商品詳細ページでの質問に対応するものとして紹介されています。これはShopifyストアにそのまま標準搭載されている機能という意味ではありませんが、ECの体験が「検索して探す」から「相談して選ぶ」へ動いていることを示す分かりやすい例です。

出典: About Amazon Japan「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」

種類	主な役割	向いている場面
AIレコメンド	候補商品を自動表示する	関連商品、付加商品、類似商品の提案
AIカート提案	購入直前に追加購入や代替品を出す	クロスセル、アップセル、買い忘れ防止
AIショッピングアシスタント	質問に答えながら商品選びを支援する	用途相談、比較、ギフト選び、商品詳細確認

自社ECでは、いきなり対話型アシスタントを目指すより、まずレコメンドとカート提案の土台を作るほうが現実的です。商品データが整理されていない状態で会話型AIだけを置いても、回答の根拠が薄くなり、かえって顧客を迷わせる可能性があります。

Shopifyで今すぐ使える選択肢

Shopifyで商品提案を始める選択肢は、大きく3つあります。1つ目はShopify公式のSearch & Discovery、2つ目は外部AIレコメンドアプリ、3つ目はチャットや検索と組み合わせた対話型アシスタントです。

まずはSearch & Discoveryで関連商品と付加商品を整える

Shopify Search & Discoveryは、検索、絞り込み、商品のおすすめ、分析を扱うShopify公式の無料アプリで、商品詳細ページに関連商品や付加商品を追加できます。公式アプリのため、最初の検証先として扱いやすい選択肢です。

出典: Shopify App Store「Shopify Search & Discovery」

Shopifyヘルプでは、商品ページに表示するおすすめ商品をカスタマイズし、関連商品と付加的な商品をそれぞれ最大10個まで選択できることが説明されています。ここはAI以前に、人間が「この商品を買う人には何が必要か」を反映できる場所です。

出典: Shopifyヘルプ「Shopify Search & Discoveryでおすすめ商品をカスタマイズする」

実務では、売れ筋上位10商品だけでも先に手動設定してみると見え方が変わり、AIに任せる前に事業者側の意図をSearch & Discoveryへ入れておくことで、後から外部AIアプリを入れる場合の比較基準にもなります。

外部AIアプリは、商品データが揃ってから比較する

外部AIレコメンドアプリは、より高度なパーソナライズ、行動データ分析、ウィジェット表示、A/Bテストなどを持つものがあります。ただし、ここで「どのアプリが一番か」を先に考えると、選定が止まりがちです。

見るべき軸は、アプリ名ではなく次の4つです。どの商品データを読むのか、どの画面に表示できるのか、どのKPIを計測できるのか、顧客データやCookieをどう扱うのか。この4点が確認できなければ、導入後に成果が出ても出なくても理由が分かりません。

• 商品カテゴリー、タグ、メタフィールドを読めるか
• 商品ページ、カート、検索結果、メールなど表示場所を選べるか
• クリック率、カート追加率、購入率を分けて見られるか
• 外部送信されるデータと保存期間を確認できるか

ShopifyではProduct Recommendations APIでも、関連商品を意味する「related」と、付加商品を意味する「complementary」の意図を分けて扱えます。つまり、提案の種類を分けて設計する考え方は、Shopifyの仕組みとも相性のよい設計です。

出典: Shopify.dev「Product Recommendations API reference」(英語)

なお、Shopifyそのものをこれから選ぶ段階であれば、まずはShopifyと他のネットショップを比較した記事で、カートシステムとしての向き不向きを確認しておくと判断しやすくなります。

AIに精度を出させる商品データ項目

AIカート提案で最初に整えるべき商品データは、商品名や価格だけではありません。最低限、カテゴリー、属性、利用シーン、在庫、価格帯、画像、レビュー/Q&Aの扱いを揃えます。

項目	AI提案での役割	整備例
カテゴリー	商品同士の近さを判断する	標準カテゴリー、商品タイプ
属性	似ている商品、違う商品を分ける	素材、色、サイズ、容量、対応機種
利用シーン	目的別提案に使う	ギフト、通勤、アウトドア、法人利用
在庫	買えない商品を出さない	在庫数、販売可否、入荷予定
価格帯	上位商品、代替商品を判断する	通常価格、割引前価格、セット価格
画像	視覚的な違いを伝える	使用イメージ、サイズ比較、同梱物
レビュー/Q&A	迷いや不安を補う	よくある質問、サイズ感、使用感

特に重要なのはカテゴリーと属性で、Shopifyヘルプでも、商品に関する詳細情報を提供すると顧客が探している商品を見つけやすくなり、商品の整理にも役立つと説明されています。標準カテゴリーは、税率やGoogle、Facebookなどの販売チャネルにも関係する項目です。

商品名だけでAIに判断させない

商品名に「プレミアム」「高機能」「人気」と入っていても、AIにはその理由が分かりません。なぜ上位商品なのか、どの用途に向くのか、どの商品と一緒に使うのかを、属性や説明文で持たせる必要があります。

たとえばアパレルなら、色やサイズだけでなく、素材、透け感、洗濯方法、着用シーン、季節、対象性別、コーディネート相性が重要です。食品なら、容量、保存方法、賞味期限、アレルゲン、ギフト対応、同梱向き商品が提案の材料になります。

すでにアクセスはあるのに注文が入らない場合は、レコメンド以前に商品ページの情報や購入導線に問題があることもあります。その場合は、ネットショップが売れない原因と対策も合わせて見直してください。

メタフィールドとメタオブジェクトで整える順番

ShopifyでAIカート提案に使いやすい商品データを作るなら、メタフィールドとメタオブジェクトの使い分けが重要です。商品ごとに違う情報はメタフィールド、複数商品で共通して使う情報はメタオブジェクトに寄せると、後から管理しやすくなります。

Shopifyヘルプでは、メタフィールドの設定には、定義を追加し、商品やバリエーションなどに値を追加し、必要に応じてテーマへ連携する流れが示されています。定義を作ると検証ルールが適用され、値の一貫性と信頼性を保ちやすい設計です。

出典: Shopifyヘルプ「メタフィールド」

メタオブジェクトは、複数のフィールドで表現されるデータを1つのオブジェクトとして作る仕組みです。Shopifyヘルプでは、商品の主な特徴、インフルエンサープロフィール、FAQ、イベント履歴などの例が挙げられています。

順番1: 商品カテゴリーを先に確定する

最初にやるべきことは、未分類商品をなくすことです。商品カテゴリーが曖昧なままだと、どの属性を持たせるべきかが決まりません。Shopifyの標準カテゴリーに合うものは標準カテゴリーを優先し、合わない場合だけ商品タイプで補います。

カテゴリーを先に決めると、どのメタフィールドが必要かも明確です。たとえば、アパレルならサイズ、素材、性別、季節、洗濯方法、食品なら内容量、原材料、保存方法、賞味期限、ギフト対応というように、カテゴリーごとに「提案に使う属性」を固定していきます。

順番2: 商品ごとの属性をメタフィールドにする

次に、商品ごとに違う属性をメタフィールドとして定義し、自由入力だけにせず、選択式、数値、真偽値を使えるところは構造化してください。AIが読みやすいデータは、人間の担当者にも更新しやすいデータです。

• 用途: ギフト、日常使い、法人利用、屋外利用など
• 対象者: 初心者向け、上級者向け、子ども向け、法人向けなど
• 価格帯: エントリー、標準、上位、業務用など
• 提案関係: 一緒に使う、代替になる、上位モデルになるなど

順番3: 共通データはメタオブジェクト化する

複数の商品で同じ説明を使うなら、メタオブジェクト化も検討対象です。サイズ表、素材説明、ブランド説明、ギフト用途、よくある質問、セット提案理由などは、商品ごとに文章をコピペすると更新漏れが起きます。

たとえば「父の日ギフト向け」という利用シーンをメタオブジェクト化し、対象シーン、推奨理由、避けたほうがよい商品、関連するラッピングを持たせる。こうしておくと、AIカート提案でも「なぜこの商品を出すのか」を説明しやすくなります。

Shopifyの見た目や導線も合わせて見直す場合は、Shopifyテーマ選びの記事で、商品ページやコレクションページの見せ方を確認しておくとよいです。

導入後に見るKPI

AIカート提案は、導入したかどうかではなく、導入前後で何が変わったかを見ます。見るべき指標は、コンバージョン率だけではありません。おすすめが見られた数、クリック率、カート追加率、購入率、客単価、カゴ落ち率、商品データ欠損率を分けて確認します。

Shopifyの行動レポートでは、おすすめ商品のセッション数、クリックのあったセッション、カート追加、購入、クリック率、カート追加率、購入率などを確認できます。検索クエリやクリックのなかった検索も、商品名や説明文を直す材料です。

出典: Shopifyヘルプ「行動レポート」

KPI	見る理由	改善の考え方
おすすめ表示セッション	そもそも表示されているか	表示場所とテーマ設定を確認
クリック率	提案が興味を引いているか	商品名、画像、提案理由を直す
カート追加率	クリック後に買う気が生まれるか	価格差、在庫、商品説明を見直す
購入率	最終的に売上につながるか	送料、同梱条件、決済導線を確認
客単価	クロスセルやアップセルが効いたか	付加商品、セット提案を調整
欠損率	商品データの空欄が多すぎないか	カテゴリー別にメタフィールドを埋める

検証期間は、最低でも2週間から4週間は見たいところです。日次で判断すると広告流入、キャンペーン、曜日、在庫切れの影響が大きく出るため、まず導入前の基準値を保存し、導入後に同じ条件で比較してください。

カート周りの改善は、提案商品だけでなくボタンや導線の見え方にも影響されます。細かいUIも含めて見直す場合は、カート追加ボタンの色と成約率に関する記事も参考にしてください。

データ取り扱いと個人情報の注意点

AIカート提案では、商品データだけでなく、閲覧履歴、カート投入、購入履歴、レビュー、会員情報などを扱うことがあります。外部アプリを入れる場合は、アプリがどのデータへアクセスするのかを必ず確認してください。

Shopifyのプライバシー設定では、プライバシーポリシー、Cookieバナー、データ共有のオプトアウトページなどを通じて、透明性を高めることが説明されています。AI提案を強化するほど、顧客に見えないデータ利用が増えやすいため、設定と表示の確認は避けて通れません。

レビューやQ&Aを使うなら、扱いを先に決める

レビューやQ&Aは、AIにとって有益な情報です。サイズ感、使用感、故障しやすい点、よくある不安が含まれているため、商品説明だけでは拾えない判断材料になります。

一方で、レビューには個人の表現や状況が含まれます。外部アプリの学習や分析に使う場合は、利用規約、プライバシーポリシー、データ保存先、削除依頼への対応を確認してください。成果を急ぐあまり、顧客の信頼を削る設計にしてはいけません。

• 外部アプリが商品データ以外に何を読むか確認した
• Cookieバナーやプライバシーポリシーの表示を確認した
• レビューやQ&Aを分析に使う場合の扱いを決めた
• スタッフ権限とアプリ権限を必要最小限にした

既存顧客への再購入提案まで考えるなら、メールやCRMとのつながりも重要です。Shopifyでリピーターを増やす導線は、Shopifyのリピート購入施策の記事でも整理しています。

今日から始めるなら10商品だけ整える

AIカート提案の準備は、全商品を一気に整えようとすると進みません。最初は10商品だけで構いません。売れ筋、広告流入が多い商品、問い合わせが多い商品、ギフト需要がある商品を選び、カテゴリー、属性、利用シーン、関連商品、付加商品を整えてください。

実務では、商品データの整理はEC担当者だけで完結しないことが多く、仕入れ、在庫管理、撮影、広告、カスタマーサポートが持っている情報が分散しがちです。AI提案を始める前に、その分散情報を商品ページとメタフィールドへ戻す作業が必要になります。

ノーサイドでは、Shopify構築やWeb広告運用だけでなく、商品データ設計、導線改善、AI活用の設計まで含めて相談を受けることがあります。もし「アプリを入れる前に、自社の商品データが足りているか見てほしい」という段階であれば、ノーサイドのサービス領域を確認していただくか、必要に応じてご相談ください。

ShopifyとAmazonを併用している事業者であれば、在庫や商品情報の統一も重要になります。近いテーマとして、食品メーカーのShopify EC × Amazon事例も参考になるはずです。

よくある質問