商品をどう採点しているか
Katapicは各商品に100点満点のスコアを2つ付けます。2つの軸は、それぞれ違う理由で不合格になるため、分けたままにしています。このページには15のシグナルすべてと、各シグナルが何を測るか、そして重みが正確にいくつかを載せています。検証できないスコアは診断ではなく、ただの数字だからです。
検索での見つけやすさ、8シグナル
通常の検索エンジンが商品を理解し、検索語と結びつけられるかどうか。
| シグナル | 重み | 測る内容 |
|---|---|---|
| 読みやすさ | 10% | 文と語の複雑さを、その商品ページの言語に合わせて調整した尺度で測ります。8言語は公開された指標を、日本語と中国語は文の長さによる代替指標を用います（代替であることを明示しています）。 |
| キーワード密度 | 15% | 目標キーワードの出現頻度。1%から2.5%で満点、詰め込みは減点します。 |
| 冒頭のキーワード | 15% | 目標キーワードが最初の200文字に現れるかどうか。 |
| 長さと販売先の基準 | 15% | 商品を販売しているプラットフォームで有効な長さと比べた説明文の長さ。 |
| 語彙の独自性 | 10% | 異なり語数を総語数で割った値。カタログ全体に貼り付けた定型文を検出します。 |
| 冒頭の長さ | 10% | 最初のかたまりが、メタディスクリプションの120〜180文字の範囲に収まるかどうか。 |
| 本文中の構造的な手がかり | 15% | ブランド、価格、寸法、型番、カテゴリなど、解析器が拾える情報があるか。 |
| 文の多様性 | 10% | 文の長さの変化。平坦で同じリズムは生成物らしく読まれます。 |
AI検索での見つけやすさ、7シグナル
アシスタントが商品ページから、使えて出典をたどれる記述を取り出せるかどうか。ルーブリックは下記の査読付きGEO研究に沿い、商品ページ向けに調整しています。
| シグナル | 重み | 測る内容 |
|---|---|---|
| 引用の密度 | 15% | リンクと出典表記。対応する10言語すべてで認識します。 |
| 定量的な記述 | 16% | 寸法、重量、容量、数量といった具体的な数値。アシスタントは具体を引用します。 |
| 事実の明快さ | 15% | 22語以内の短い平叙文の割合。長い文は取り出しにくくなります。 |
| 問いと答えの構造 | 14% | 質問、FAQ的な言い回し、リスト。アシスタントが利用者の質問と対応づけられる形。 |
| 信頼性のシグナル | 16% | ブランド名、年、認証など、記述を誰かに帰属させられる要素。 |
| マークアップの厚み | 14% | 見出し、リスト、表といったHTML構造の豊かさ。平坦な一塊ではないこと。 |
| 出典の明示 | 10% | 重要な記述が実在する出典に帰属しているか。絶対数で数えます。 |
各軸は、その軸のシグナルの加重和です。軸ごとの重みの合計はちょうど1.00なので、スコアは常に100点満点で、どのシグナルもひそかに支配することはできません。
カテゴリページの採点方法
カテゴリページは商品ページとは別の問いに答えます。「これは何か」ではなく「この中のどれを選ぶか」です。そのため専用の基準で測ります。商品の15の指標のうち2つは意図的にありません。価格、寸法、品番を探す指標であり、カテゴリにはそれらがなく、あるべきでもないからです。代わりに、商品では意味をなさない2つの指標があります。
検索での見つけやすさ、8指標
商品と同じ文章の指標ですが、一点だけ違います。適正な長さの幅が短いことです。カテゴリの説明文の下には商品の一覧が並び、訪問者はそれを見に来ているからです。
| シグナル | 重み | 測る内容 |
|---|---|---|
| 読みやすさ | 10% | 文と語の複雑さを、その商品ページの言語に合わせて調整した尺度で測ります。8言語は公開された指標を、日本語と中国語は文の長さによる代替指標を用います（代替であることを明示しています）。 |
| キーワード密度 | 15% | 目標キーワードの出現頻度。1%から2.5%で満点、詰め込みは減点します。 |
| 冒頭のキーワード | 15% | 目標キーワードが最初の200文字に現れるかどうか。 |
| 長さと販売先の基準 | 15% | 商品を販売しているプラットフォームで有効な長さと比べた説明文の長さ。 |
| 語彙の独自性 | 15% | 異なり語数を総語数で割った値。カタログ全体に貼り付けた定型文を検出します。 |
| 冒頭の長さ | 10% | 最初のかたまりが、メタディスクリプションの120〜180文字の範囲に収まるかどうか。 |
| 品揃えの網羅 | 10% | 実際に中にあるものを挙げているか。存在する種類、形状、サイズ、素材を書いているか、それとも店のどのカテゴリにも当てはまる一段落か。 |
| 文の多様性 | 10% | 文の長さの変化。平坦で同じリズムは生成物らしく読まれます。 |
AI検索での見つけやすさ、6指標
アシスタントが「どれを買えばよいか」への使える答えを取り出せるか。出典の比重は商品より低くしています。カテゴリページは裏づけを要する主張をほとんどしませんし、引用を評価すれば出典をこしらえる方向に押すだけだからです。
| シグナル | 重み | 測る内容 |
|---|---|---|
| 選び方の基準 | 30% | 何を基準に選ぶかを書いているか。用途、素材、サイズ、予算など。この軸で最も重い指標です。カテゴリページの仕事そのものだからです。 |
| 問いと答えの構造 | 20% | 質問、FAQ的な言い回し、リスト。アシスタントが利用者の質問と対応づけられる形。 |
| 事実の明快さ | 20% | 22語以内の短い平叙文の割合。長い文は取り出しにくくなります。 |
| 数値の範囲 | 15% | 単独の数値ではなく範囲（「36から42」「3から12リットル」）。範囲は集合を説明し、商品は一点を説明します。 |
| 出典の明示 | 10% | 重要な記述が実在する出典に帰属しているか。絶対数で数えます。 |
| 引用の密度 | 5% | リンクと出典表記。対応する10言語すべてで認識します。 |
AI検索のルーブリックは、この査読付き研究をもとに調整しています: GEO: Generative Engine Optimization, KDD 2024
スコアから評価へ
スコアの横の文字は固定の区分で、相対評価ではありません。他店の状況によって動くことはありません。
A
85+
B+
75 – 84
B
70 – 74
C+
60 – 69
C
55 – 59
D
40 – 54
F
0 – 39
3つ目の点検：構造化フィールド
文章がすべてではありません。GoogleのAIモードはバーコードを鍵に商品ページをクラスタへまとめ、OpenAIの商品フィード仕様はカテゴリ、ブランド、素材、寸法、状態を求めます。15の文章シグナルで良い点を取っても、機械が読むのは段落ではなくフィールドなので、突き合わせられないままということがあります。Katapicはそれらを別に点検し、バーコードはGS1のチェックディジットで、カテゴリは公開されたGoogleのタクソノミーで検証します。
このスコアが決してしないこと
- 識別子を生成しません。でたらめなバーコードは、欠落しているのと同じように商品をクラスタから外すため、作り出すことはむしろ害になります。検出し、検証し、報告はしますが、合成はしません。
- 創作された事実を評価しません。正当にバーコードを持たない商品は欠陥ではなく、別の所見です。
- 他店との比較はしません。区分は固定なので、あなたのスコアは1月でも6月でも同じ意味を持ちます。