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サイトを運営していると、アクセス数はあるのに購入につながらない、という悩みにぶつかります。その原因のひとつが、見落とされがちなサイト内検索（サイトの中に置かれた、商品を探すための検索窓）です。

来訪者が検索窓に言葉を打ち込むのは、「買う気がある」もっとも購入に近いお客様です。ところが、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、見当違いの商品ばかりを並べたりすると、お客様は「この店には無いのだろう」と判断して離脱します。実際には在庫があるのに、です。

つまり、サイト内検索の精度は、そのまま売上の取りこぼしに直結します。この記事では、なぜ従来の検索では"探しているのに見つからない"が起きるのか、AIを使うと何がどう変わるのか、そして自社で取り組むときにどこでつまずきやすいのかを、専門用語をかみくだきながら整理します。

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。これはシンプルで速い反面、お客様の"言葉のゆらぎ"に弱いという弱点があります。具体的には、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」——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、お客様は"シーン"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

お客様の頭の中にあるのは「こういう場面で使えるもの」という意図であって、店側がつけた正式な商品名ではありません。キーワード一致検索は、この意図とのすき間を埋められないのです。そして厄介なことに、この取りこぼしは管理画面の売上には"起きなかった購入"として現れないため、問題に気づきにくいという性質があります。

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、文字ではなく"意味"のレベルで照らし合わせます。これにより、先ほどのすれ違いの多くが解消に向かいます。

• 「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

さらに、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"を底上げする打ち手はいくつも重ねられます。うまく設計できれば、ゼロ件ヒットを減らし、検索したお客様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、無料で効果が出る打ち手があります。順番はこのとおりです。

• ① ゼロ件ヒットの検索語を書き出す：GA4では拡張計測機能により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ます。まず直近3ヶ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ます。ここに並ぶ言葉が、取りこぼしの実体です。
• 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します。Shopifyであれば公式の無料アプリ（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ます。上位30語を登録するだけでも、0件率は目に見えて下がります。
• 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のどこにも書かれていない可能性があります。売れ筋から順に、用途・対象・シーンの語を説明文へ追記します。これは検索だけでなく、検索エンジン経由の流入にも効きます。

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」という段階まで来て、初めて意味検索を検討する順番になります。逆に、この3手を試さずにツールを入れると、効果の切り分けができなくなります。

検索改善の"土台"は、実は商品データの整い方にある

ここで見落とせないのが、AI検索の精度は、検索の仕組みそのもの以上に、その手前の"商品データがどれだけ整っているか"で決まるという点です。

意味検索は、商品側に「素材・用途・シーン・対象・特徴」といった情報が整理されているほど、お客様の意図に正確に応えられます。逆に、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バラバラ、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、どれだけ高機能な検索エンジンを載せても実力を発揮できません。「AIを入れたのに検索が賢くならない」の多くは、ここが原因です。

• 用途・シーン：結婚式、通勤、部屋着、キャンプ、贈答用——「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、比較検討で必ず効いてくる条件
• 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、客が使う呼び方
• 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種類の属性を、まず売上上位100商品にだけ追加してみてください。全商品に一度に手を入れる必要はなく、検索されている商品から順に整えるほうが、効果が早く数字に出ます。

そのため、検索改善は「検索機能の導入」だけを切り出すのではなく、商品データを"AIが扱える形"に整えるところとセットで考えるのが定石です。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で行う方法で、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で、同じ商品なのに表記ゆれで別物として登録されてしまっている場合の名寄せ・統合はEC商品マスタの名寄せ方法｜表記ゆれ・重複をAIで統合する手順で、それぞれ詳しく整理しています。検索の話とあわせて読むと、全体像がつかめます。

なお、ここまでの意味検索はテキスト（商品名・説明文）を起点にした話です。これとは別に、商品画像そのものに何が写っているか（色・柄・形状・カテゴリなど）のタグや属性が整理されておらず、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ケースもあります。この画像起点の課題は商品画像のAIタグ付け方法｜画像認識で属性を整理し検索に使うで扱っています。

検索は「ヒットさせる」だけでは終わらない｜結果画面の4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は届きません。ヒット精度と同じくらい効くのが次の4点です。

• 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件で離脱が起きます。結果からは除外せず末尾へ回し、入荷通知の導線を置くのが実務上の定石です。
• 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、その商材で必ず使われる軸を2〜4個に絞って置きます。項目が多すぎると使われません。
• 並び順の初期値：新着順のままにしている店が多いのですが、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したほうが成果が出やすくなります。
• 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自体が減ります。実装コストの割に効く打ち手です。

「自社の片手間」で最も詰まりやすいところ

ここまでの打ち手を続けていくと、必ず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、お客様の検索意図に応えられるのか
• 表記ゆれや言い換えを、どこまで仕組みで吸収し、どこは人手で補うのか
• 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、実際の検索ログ（お客様が何と検索したか）を見て、どう改善を続けるか

生成AIやサイト内検索のツール自体は手に入りやすくなりましたが、「自社の商品と、自社のお客様の探し方に合わせて、検索の精度を上げ、それを維持し続ける」のは別のスキルです。ここを本業のかたわらで担おうとすると、確認と手直しに追われ、肝心の売り場づくりに手が回らなくなりがちです。だからこそ、最初の設計と土台づくりだけでも経験のある外部に任せると、遠回りを避けられます。

外注する場合の費用感（目安）と、小さく始める進め方

効果はどう測るか｜見る指標は2つでいい

検索改善の成果は通常の売上レポートには表れにくいため、専用の指標を先に決めておきます。見るのは次の2つで十分です。

• ゼロ件ヒット率：検索回数のうち、結果が0件だった割合。改善の直接的な成果が最も早く出る指標です。施策の前後で同じ期間の長さを取って比べます。
• 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」状態を捉えます。

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るようになります。一般に検索を使う来訪者のほうが購入率は高いため、ここが伸びていない場合は、結果画面の作り（前章の4設定）に原因がある可能性が高くなります。

検索改善は何から始めるか：3つのアプローチを比較する

検索改善への向き合い方は一様ではありません。予算・体制・商品データの散らばり具合に応じて、次の3つのアプローチのどれから着手するかを選べます。

表記ゆれ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がちです。SaaS型ツールは早く動かせますが、前述のとおり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見極めることが、どのアプローチから着手すべきかの判断材料になります。

費用の目安｜3つのアプローチと相場

以下は市場の一般的な水準で、特定サービスの確定価格ではありません。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のほうが費用対効果が高くなります。

まとめ——着手は「ゼロ件ヒット上位30語」から

検索改善が効くかどうかは、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。ただし出発点はどの店でも同じで、直近3ヶ月のゼロ件ヒット上位30語を書き出すことです。そこに自社の在庫がある商品が並んでいれば、それが今取りこぼしている売上そのものです。

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を検討するのは、この2手を打ってもなお取りこぼしが残ると分かってからで間に合います。