ECサイトの商品検索をAIで改善｜ゼロ件ヒットを減らす方法と費用

ECサイトのアクセス数はあるのに購入につながらない場合、原因の1つにサイト内検索（サイトの中に置かれた、商品を探すための検索窓）があります。検索窓に言葉を打ち込む来訪者は、買う商品を探している購入に近い人です。その検索が「一致する商品がありません」（ゼロ件ヒット＝検索結果が0件になること）を返したり、見当違いの商品を並べたりすると、在庫があっても「この店には無い」と判断され、離脱につながります。

ゼロ件ヒットを減らす手順は、費用のかからない作業から始めます。GA4で検索語を書き出し、0件になる語を同義語として登録し、商品説明に用途・シーンの語を足します。この3手で減らしきれない言い換えや話し言葉の検索が多い場合に、AIによる意味検索を検討します。どの段階でも、効果はゼロ件ヒット率と再検索率で確かめます。

なぜ、従来のサイト内検索では見つからないのか

多くのECサイトの検索は、キーワード一致（入力された文字列と、商品名や説明文の文字が一致するかどうかで探す方式）で動いています。シンプルで速い反面、利用者の言葉のゆらぎに弱く、次のようなすれ違いが日常的に起きています。

• 表記ゆれ：「Tシャツ」「ティーシャツ」「tシャツ」、「ワンピース」「one piece」のように、同じ商品を指す言葉でも、登録された表記と一致しないと出てこない
• 言い換え・シノニム（同義語）：「パーカー」で探しても、商品名が「フーディー」だとヒットしない
• 用途・目的での検索：「結婚式 二次会 服」「雨の日 通勤 靴」のように利用者は場面で探すのに、商品側にその言葉が書かれていないと返せない
• 条件のかけ合わせ：「白 送料無料 5000円以下」のような複数条件を、うまく汲み取れない

利用者の頭の中にあるのは「こういう場面で使えるもの」という意図で、店側がつけた正式な商品名とは限りません。キーワード一致検索では、この意図と商品名のすき間を埋められません。しかもこの取りこぼしは、管理画面の売上に「起きなかった購入」として表れないため、問題に気づきにくい性質があります。

AI検索は「文字の一致」ではなく「意味の近さ」で探す

ここ数年で実用的になったのが、意味検索（セマンティック検索とも呼ばれる、言葉の意味の近さで商品を探す方式）です。生成AIの土台となっている技術を応用し、入力された言葉と商品の情報を、文字の並びより意味のレベルで照らし合わせます。これにより、前述のすれ違いの多くを減らせます。

• 「パーカー」と入力しても、意味の近い「フーディー」の商品を返せる
• 「結婚式 二次会 で着られる服」のような話し言葉に近い検索でも、用途に合う商品を拾える
• 表記ゆれや言い換えを、いちいち辞書に手登録しなくても、ある程度吸収できる

キーワード一致の速さと意味検索の柔軟さを組み合わせたり、AIが「もしかして探しているのはこれですか」と候補を補ったりと、見つかりやすさを上げる手段はいくつも重ねられます。設計がうまくいけば、ゼロ件ヒットを減らし、検索した利用者が購入まで進む割合（コンバージョン率＝訪れた人のうち購入に至った割合。CVRとも）を引き上げる余地が生まれます。

AI検索の検討に入る前に、無料で取り組める手があります。次の手順で進めます。

• ① ゼロ件ヒットの検索語を書き出す：GA4では拡張計測機能でサイト内検索が自動で記録され、検索語（search_term）ごとの件数を確認できる。直近3か月の検索語を件数順に並べ、実際に自社サイトで検索して0件になるものに印を付ける。ここに並ぶ言葉が取りこぼしの実体になる
• ② 同義語（シノニム）を登録する：0件になった語のうち、自社に実在する商品を指しているものを、検索側の同義語辞書に登録する。Shopifyなら公式の無料アプリ（Search & Discovery）で、同義語の登録・絞り込みフィルターの追加・特定商品の優先表示を管理画面から設定できる。上位30語から登録し、翌月の0件率と比べる
• ③ 商品説明に「探される言葉」を足す：検索語に「結婚式」「通勤」「ギフト」のような用途・シーンの語が多いなら、その言葉が商品ページに書かれていない可能性がある。売れ筋から順に、用途・対象・シーンの語を説明文へ追記する。サイト内検索に加えて、検索エンジン経由の流入にも役立つ

①〜③で改善しきれない「言い換えの幅が広すぎる」「話し言葉の検索が多い」という段階に来てから、意味検索を検討します。3手を試さずにツールを入れると、どの施策で数字が動いたのかを切り分けられません。

検索改善の土台は商品データの整い方にある

AI検索の精度は、検索エンジンの性能以上に、その手前の商品データがどれだけ整っているかで決まります。意味検索は、商品側に素材・用途・シーン・対象・特徴といった情報がそろっているほど、利用者の意図に正確に応えられます。反対に、商品名と価格しか登録されていない、説明文が商品ごとにばらばら、紙のカタログにしか載っていない情報がある、といった状態では、高機能な検索エンジンを載せても精度が上がりません。「AIを入れたのに検索が賢くならない」原因の多くはここにあります。

商品に追加したい属性は次の5種類です。

• 用途・シーン：結婚式、通勤、部屋着、キャンプ、贈答用など「どんな場面で使うか」の語
• 対象：メンズ／レディース、年代、体型、初心者向け・業務用など「誰のためか」の語
• 素材・仕様：綿100%、防水、食洗機対応など、比較検討で使われる条件
• 言い換え・通称：フーディー＝パーカー、スニーカー＝運動靴のように、利用者が使う呼び方
• サイズ感・使用感：「ゆったりめ」「大きめ」など、レビューに頻出する表現

この5種類の属性は、売上上位100商品と、検索ログに多く出てくる商品から追加します。全商品に一度に手を入れる必要はありません。よく売れ、よく探される商品から整えると、効果を早く数字で確かめられます。

検索改善は検索機能の導入と切り離さず、商品データをAIが扱える形に整える作業とセットで計画します。社内に散らばった商品情報を整える工程は非構造化データの構造化をAIで行う方法、紙・PDFカタログの情報をデータ化する工程はカタログPDFをAIで商品データ化する方法に手順があります。同じ商品が表記ゆれで別物として登録されているなら、EC商品マスタの名寄せ方法｜表記ゆれ・重複をAIで統合する手順の手順で1つにまとめてから属性を足します。

ここまでの意味検索は、商品名や説明文などのテキストを起点にした話です。商品画像に写っている色・柄・形状・カテゴリのタグが整っておらず、画像を起点にした「似ている商品」の検索・提案がうまくいかない場合もあります。画像からタグを付ける方法は商品画像のAIタグ付け方法｜画像認識で属性を整理し検索に使うにあります。

検索結果の画面で見直す4つの設定

検索窓が正しく商品を返しても、結果画面の作りが悪いと購入まで届きません。ヒット精度と並んで成果を左右するのが、次の4つの設定です。

• 在庫切れ商品の扱い：在庫切れを検索結果の上位に出すと、その1件で離脱が起きる。結果から除外せず末尾へ回し、入荷通知の導線を置く
• 絞り込み（ファセット）の項目：価格帯・サイズ・色・カテゴリなど、その商材でよく使われる軸を2〜4個に絞って置く。項目が多すぎると使われない
• 並び順の初期値：新着順のままの店も多いが、検索経由の来訪者は購入意欲が高いため、人気順・売れ筋順を初期値にする
• サジェスト（入力補助）：検索窓に打ち始めた時点で候補を出すと、表記ゆれのまま入力される割合が減る。Shopifyでは多くのテーマが予測検索として備えているため、公開中のテーマで有効になっているかを確かめる

社内で進めるときに判断が要るところ

ここまでの手を続けると、次の判断が必要になります。検索改善が「入れて終わり」にならない理由でもあります。

• どの商品情報を、どんな軸で整えれば、利用者の検索意図に応えられるか
• 表記ゆれや言い換えを、どこまで仕組みで吸収し、どこを人手で補うか
• 検索結果の並び順（人気・在庫・利益率など、何を優先するか）をどう設計するか
• 導入後、検索ログ（利用者が何と検索したか）を見て、どう改善を続けるか

検索ツールは手に入れやすくなりましたが、自社の商品と利用者の探し方に合わせて精度を上げ、それを維持する作業は別の仕事です。商品点数が数百点程度で、検索ログを月1回見る担当者を置けるなら、社内で進められます。商品点数が多い、商品情報が紙やPDFに散らばっている、意味検索の導入まで考えている場合は、設計と最初のデータ整備を外部に頼むと、担当者が本来の売り場づくりに時間を使えます。

効果の測り方：ゼロ件ヒット率と再検索率

検索改善の成果は通常の売上レポートに表れにくいため、施策の前に専用の指標を決めます。見るのは次の2つで足ります。

• ゼロ件ヒット率：検索回数のうち、結果が0件だった割合。改善の成果が最も早く出る指標で、施策の前後で同じ長さの期間を取って比べる
• 再検索率：最初の検索結果に満足できず、別の言葉で検索し直した割合。0件にはならないが「欲しいものが出てこない」状態を捉える。GA4では、1セッション内で検索が2回以上あった割合で近似できる

この2つに加えて、検索を使った来訪者と使わなかった来訪者で購入率を分けて見ると、検索改善の投資対効果を金額で説明できます。検索を使う来訪者は買う商品を探している人のため、その購入率が使わない来訪者と変わらない、または低い場合は、結果画面の作り（前述の4つの設定）を疑います。

検索改善の3つのアプローチと費用の目安

検索改善への取り組み方は、予算・体制・商品データの散らばり具合に応じて3つから選べます。

辞書の手動整備は始めやすい反面、担当者の工数に上限があるぶん効果も頭打ちになります。SaaS型ツールは早く動かせますが、商品データが整っていないと精度が伸びません。自社の商品データがどれだけ散らばっているかを最初に確かめると、着手するアプローチを決められます。費用の目安は次のとおりで、特定サービスの確定価格ではなく市場の一般的な水準です。商品点数とデータの整い具合で変わります。

判断材料は、①ゼロ件ヒット率が何%あるか、②検索を使った来訪者の購入率が全体と比べてどうか、③商品説明に用途・シーンの語がどれだけ入っているか、の3つです。①が高く③が低い場合は、ツールより先にデータ整備に費用をかけるほうが効果が出ます。

まとめ：着手は「ゼロ件ヒット上位30語」から

検索改善でどこまで成果が出るかは、扱う商品の性質（点数の多さ、用途やシーンで選ばれる商材か、表記ゆれが起きやすいか）で変わります。出発点はどの店でも同じで、直近3か月のゼロ件ヒット上位30語を書き出します。そこに自社の在庫がある商品が並んでいれば、その分が今取りこぼしている売上です。

その30語を同義語として登録し、売上上位100商品に用途・シーンの語を足します。ここまでは費用をかけずに実行できます。意味検索の導入やデータ整備の外部委託は、この2手を打っても取りこぼしが残ると分かってから検討しても間に合います。

検索ログを月1回見る担当者を社内に置けない場合は、ゼロ件ヒット上位30語の洗い出し、Search & Discoveryへの同義語登録、売れ筋商品の説明文への用途語の追記、絞り込みと並び順の設定をawaiが代わりに行います。その後はゼロ件ヒット率と再検索率を月次レポートで追い、意味検索の導入まで進むかどうかを数字で判断します。