GMOグローバルECの横川です。
「AIを使って商品説明を作ろう」
「AIで広告を最適化しよう」
「AIが売れ筋を予測してくれるようにしよう」
ECの世界では、AI活用の話題が急速に増えています。しかし、AIに期待するほど成果が出ない企業には、共通する原因があります。AIそのものの性能ではなく、AIに渡しているデータが整っていないことです。
参考：AI ecommerce projects may fail without clean, centralised data: Report
海外の調査でも、AIプロジェクトが実験段階から実務成果へ進めない最大の要因の一つとして、商品情報、在庫、顧客情報などのデータが分散し、整理されていないことが指摘されています。
これはEC事業者にとって、かなり現実的な問題です。
例えば、国内外のECプラットフォーム、自社EC、卸売などで、それぞれ異なる商品名や型番を使っている。在庫は一方のシステム、価格は別のExcel、素材やサイズの詳細は担当者しか分からない。商品画像もフォルダ内に散らばっている。。。
この状態でAIを導入しても、AIは正しい判断ができません。むしろ、誤った情報を素早く広げてしまう危険があります。在庫切れの商品を広告で強く薦めたり、別商品の情報を混ぜて説明文を作ったり、利益の出ない商品を「売れ筋」と判断したりするかもしれません。
AIは入力された情報をもとに、非常に速く考え、非常に速く実行する道具のため、元の情報が曖昧なら、曖昧さや間違いも高速化されます。
特にこれからは、AIが商品を探し、比較し、消費者に推薦する時代です。人がECサイトを訪問して説明をじっくり読む前に、購入支援AI（エージェンティックコマース）が「この人には何が合うか」を判断する場面が増えていきます。
そのときAIが必要とするのは、雰囲気のよいキャッチコピーだけではありません。
- これは何の商品なのか。
- 誰に向いているのか。
- どんな用途に使えるのか。
- 何でできているのか。
- サイズ、仕様、価格、在庫、配送条件はどうか。
- 似た商品と比べて、どこが違うのか。
こうした情報が、商品ごとに正確で、同じ基準で、常に更新されていることが重要になります。
中小EC事業者が最初から大規模なデータ基盤を作る必要はありません。まずは、自社における「商品情報の正本」を一つ決めることです。
商品番号、正式な商品名、ブランド名、素材、サイズ、用途、対象者、原産国、注意事項、画像、在庫、価格。さらに越境ECであれば、英語名、各国向けの訴求、HSコード候補、規制上の注意点までを、できる範囲で一つのデータにまとめていく。
そして、「誰が」「どのタイミングで」更新するかを決める。これだけでも、各モールへの出品、商品説明の作成、広告運用、在庫連携、顧客対応の精度は大きく変わります。
AI時代のECにおいて、商品データの整備は裏方の事務作業ではありません。それは、AIに自社商品を正しく理解させ、消費者に選ばれるための販売戦略そのものです。
AIを導入する前に、まずAIが読める商品情報を整える。
地味ですが、ここを飛ばしたAI活用ほど、期待外れに終わりやすいものはありません。
