Skip to main content
Profound は、追跡中のプロンプトを ChatGPT で実行し、それぞれがショッピングモードを引き起こすかどうかを確認します。ショッピングモードが起動した場合は、商品タイル、画像、価格、販売店へのリンク、製品属性など、回答全体を取得して分析します。データは構造化され、ブランド、販売店、製品、トピック別に Shopping Analysis に表示されます。
Shopping Mode Rate が低い場合、通常は追跡中のプロンプトが AI に対して強い商業的意図を示していないことを意味します。「buy」「shop」「where to find」といった言葉や、価格・予算への言及は、ショッピング結果を引き起こしやすい傾向があります。プロンプトセットに商業的意図のシグナルが含まれているかを見直すことが、割合を改善する最も効果的な方法です。
Shopping Analysis は、追跡中のプロンプトに対して AI が実際に返す内容を反映しています。自社カテゴリのショッピング回答に表示されない地域限定やニッチな小売店は、データにも表示されません。カバレッジは、市場内のすべての小売店を網羅した一覧ではありません。
AI のショッピング結果は、オーガニック検索の順位によって決まるわけではありません。AI は、検索エンジン最適化（SEO）のパフォーマンスとは無関係に、製品フィードの品質、販売店との関係、構造化データ、属性のシグナルなどに基づいて競合の製品を表示することがあります。Shopping Analysis は、まさにこのパターン、つまり従来の検索での可視性がなくても AI ショッピングの掲載枠を獲得している製品を特定するのに役立ちます。
Profound の調査によると、AI のショッピング結果は、B2B のアナリストコンテンツよりも、コミュニティでの議論、消費者向けの編集記事、レビュー中心のソースに依拠する傾向があります。AI ショッピング向けに最適化されたコンテンツは、消費者向けで、レビュー志向で、コミュニティによって裏付けられたものであるべきです。これは、通常の Answer Engine Optimization の可視性を高めるコンテンツの組み合わせとは異なります。
Shopping Analysis は SKU レベルで動作し、大規模なカタログ全体で、どの製品が AI のショッピング結果に表示されているかを特定できます。プラットフォームは小売規模の製品セットに対応できるよう設計されています。非常に大規模な製品フィードのカタログサイズや設定についてご質問がある場合は、カスタマーサクセスマネージャーにご相談ください。