AmazonのAIアシスタント(Alexa for Shopping)に「いちばん良い物はどれ?」と聞くと、検索順位が評価している商品とはかなり違う答えが返ってくる。Autopilotbrand.comが2026年5〜6月に取得した大規模調査(非ブランド検索1963クエリ・推薦1万2810件)では、推薦の63.9%が有機検索のトップ10の外、40.9%は検索結果ページにすら表示されない商品だった。
検索順位と広告は、いまも売り手が最も多くの時間と費用を投じる2つの場所だ。そのどちらも、AIの推薦を決めていない可能性が高い。Marketplace Pulseはこれを「有機検索と広告枠に続く第3の棚(third shelf)の出現」として紹介している。
日本のメーカーにとっての意味はシンプルだ。検索で勝てていない商品にも、もう1つ出口がある。ただし、そこは入札でも順位でも買えない棚だ。
結論
- AI推薦の63.9%は有機検索トップ10の外で、40.9%は検索結果ページにも出ない。
- 推薦の14.3%だけがスポンサー掲載中で、その83%はもともと有機でも上位だった。
- 入札でも順位でも買えない棚で効くのは、用途・対象・場面を「質問に答える形」にした商品データだ。
何が分かったのか
調査の設計が面白い。アシスタントへの質問は「おすすめは?」(例: 「いちばん良いクイーンマットレスは?」)で、比較の対象は、そのカテゴリの検索結果(「クイーンマットレス」)だ。「並べる」のではなく「推薦する」ように聞くと、返ってくる商品の集合が大きく変わる。
数字で見ると、推薦の63.9%が有機検索のトップ10の外。40.9%は検索結果ページに見えていない。スポンサー掲載中の商品は14.3%で、その83%は有機でも上位に入っていた(つまり、広告が効いたというより、もともと上位の商品が広告も出していた)。
検索順位とAI推薦は、少なくともいまは、別のロジックで動いている。
何が変わってきたのか
流れを整理すると、こうなる。
2026年5月、AmazonはRufusを「Alexa for Shopping」に改名し、推薦エンジンをアシスタントに統合した。同時に、Rufus内にスポンサー商品とブランドプロンプトを投入している。つまり、AIの棚にも収益化は始まっている。今回の調査が測ったのは「収益化が始まったか」ではなく、「検索の順位がAIの答えを買えるか」だ。答えは、まだNoだった。
2年前、アシスタントの役割は「検索のリンクを返すこと」だった。いまは、自分の検索結果を刷り直すことをやめている。Marketplace Pulseの表現では、推薦の3分の2が検索順位と切り離されている、これがその証拠だ。
「第3の棚」にどう備えるか
調査を提供したAutopilotbrand.comのCEO、Christian Umbach氏の言葉が要点を突いている。「この棚は、買うことも、順位で上がることもできない。必要なのは、なぜあなたの商品がその質問の答えなのかを、AmazonのAIが理解できる文脈だ。」
その文脈とは、具体的には商品データの厚みだ。属性、用途、対象、季節、差別化。「誰の、どんな場面の、どの問題を解決するか」が、データとして書かれているか。検索順位の最適化(キーワードを詰める作業)とは、別の種類の仕事になる。
今すぐやること
- 自分のカテゴリで「いちばん良い商品は?」をAlexa for Shoppingに聞く。 推薦された商品と、されなかった自社商品の差を記録する
- 推薦された商品の共通点を分析する。 属性の数と種類、画像、A+、レビュー、価格帯。検索上位の商品との違いをメモする
- 商品データを「質問に答える形」で厚くする。 用途・対象・シーン・比較対象を、属性と本文に書き足す
- 検索で10位以下の商品を、この棚の候補として優先する。 順位の外にいる商品が、AIの推薦では上位に入る可能性がある
- 四半期ごとに定点観測する。 推薦は更新される。今のうちに「選ばれる条件」の仮説を作っておく
AIは検索順位を読んでいないだけで、商品の中身はちゃんと読んでいる。だから、順位が低い商品でも、説明がしっかりしていれば選ばれるチャンスがある。
やることは難しくない。誰の、どんな悩みを、どう解決する商品かを、商品ページにわかりやすく書く。それだけだ。
よくある質問
AIの推薦は、検索順位と関係がある?
関係は薄い。推薦の63.9%が有機検索のトップ10の外で、40.9%は検索結果ページにすら出ない商品だった。
スポンサー広告を出せば、AIに推薦される?
推薦商品のうちスポンサー掲載中は14.3%だけで、その83%はもともと有機でも上位。広告が推薦を買ったとは言えない。
検索順位が低い商品でも、推薦される?
推薦の63.9%がトップ10の外なので、10位以下の商品こそ候補になる。商品データを質問に答える形で厚くしたい。
まとめ:今週やること
今週やること
- 01カテゴリの「おすすめは?」をAIに聞く推薦される商品とされない商品の差を記録。
- 02推薦商品の共通点を分析する属性・画像・A+・レビュー・価格帯。
- 03商品データを「質問への答え」として書き足す用途・対象・シーン・比較。
- 04四半期ごとに定点観測する推薦は更新される。仮説を作っておく。
※数字の出典:https://www.marketplacepulse.com/articles/amazons-ai-doesnt-read-the-rankings