商品フィード最適化の基本｜タイトル・説明・画像・カテゴリ・GTINを改善

この記事の要点

• 商品フィード最適化は「配信可能にする修正」と「成果を改善する修正」を分けて進めます。
• 最優先は不承認、価格・在庫不一致、リンク切れ、画像取得エラーです。
• 成果改善ではタイトル、商品識別子、画像、カテゴリ、説明の順に商品群の課題を見ます。
• 変更は複数属性を同時に触りすぎず、対象SKU、変更日、比較期間、指標を記録します。
• 2026年8月時点のGoogle仕様では、2027年1月31日から商品画像500×500px以上が最低要件になります。

商品フィード最適化とは何か

商品フィード最適化とは、広告媒体や商品掲載サービスへ送る商品データを、仕様違反がなく、商品を正確に識別でき、ユーザーへ必要情報が伝わる状態へ改善する作業です。

商品タイトルへキーワードを追加する作業だけを指しません。価格や在庫の鮮度、GTINの正確性、画像品質、カテゴリ粒度、リンク先整合性まで含みます。

最適化を一括作業にすると優先順位が崩れます。広告が止まる問題と、広告は出ているが商品理解が弱い問題は分けます。

最初に直すのは配信停止と不一致

タイトル改善より先に、不承認や価格不一致を直します。承認されていない商品は配信候補になりません。広告価格と商品ページ価格が違えば、ユーザー体験だけでなく媒体審査にも影響します。

優先して確認するのは次です。

• 必須属性の欠損
• 商品ページURLのエラー
• 画像URLの取得エラー
• 価格の不一致
• 在庫の不一致
• 商品ID重複
• ポリシー上の不承認

エラー件数だけで優先順位を決めず、対象商品の売上や広告費も合わせて見ます。売上上位商品の不承認1件を、低売上商品の警告100件より先に直す判断があります。

タイトルの改善

タイトルは商品を識別する主要情報です。Googleは具体的で正確なタイトルを推奨しています。実務では商品種別ごとに、ブランド、商品名、型番、色、サイズ、対象者、数量などのうち何を入れるかを決めます。

例えば家電なら「ブランド + シリーズ + 型番 + 主要仕様」、アパレルなら「ブランド + 商品種別 + 性別/対象 + 色 + サイズ」などです。ただし商品名が不自然に長くなるなら、重要属性の順序を見直します。

変更は一部SKUから試します。全商品を同時に書き換えると、成果変化の原因を追いにくくなります。

商品説明の改善

商品説明は、タイトルだけでは入りきらない仕様、素材、用途、サイズ、機能、対象年齢、デザイン特徴などを補います。Googleは商品に関係する具体情報を含めるよう案内しています。

メーカー説明文をそのまま貼り付ける場合も、HTML、販促文言、配送条件、他商品の説明が混ざっていないか確認します。商品説明の長文化を目的にせず、商品理解に必要な情報が揃っているかで判断します。

商品画像の改善

画像は広告上でユーザーが最初に見る情報の一つです。最低要件を満たしていても、商品が小さすぎる、余白が多すぎる、暗い、主要バリエーションと画像が一致していない状態ではクリック後の期待とずれます。

Googleは2027年1月31日から商品画像を500×500ピクセル以上とする新要件を案内し、1,500×1,500ピクセル以上を推奨しています。2026年8月時点では移行期間です。今から対象SKUを抽出し、差替え計画を作る方が安全です。

追加画像も使える商品では、背面、利用シーン、詳細部、サイズ感など、メイン画像で分からない情報を補います。

GTIN、MPN、ブランドの改善

商品識別子は商品を正しく同定するための情報です。GoogleはGTINが割り当てられている商品について登録を強く推奨しています。

最適化でやってはいけないのは、空欄を埋めるために番号を作ることです。GTINが存在するかをメーカー、仕入先、商品マスターで確認し、存在しない場合は公式の識別子ルールに従います。

ブランド名の表記揺れも整理します。「ABC」「ABC株式会社」「abc」のように同一ブランドが複数表記だと集計や品質管理が難しくなります。サイト表示とフィードでブランド名を統一できるよう商品マスター側を見直します。

product_typeとGoogle商品カテゴリ

分類は、商品理解と広告運用の両方に関わります。product_typeは自社で決める分類、Google商品カテゴリはGoogle側の分類です。

product_typeは粗すぎると分析に使えません。「ファッション」だけでなく、「メンズ > トップス > シャツ」のように、自社の広告運用で意味のある粒度まで分けます。

一方、Google商品カテゴリは自社カテゴリをそのまま貼り付ける項目ではありません。Googleの分類と商品が合っているかを確認します。

価格と在庫の鮮度

広告成果を改善しても、価格と在庫が古ければ無駄なクリックが増えます。価格改定や欠品が多い商品群は、タイトル改善より更新頻度の見直しが先です。

商品群ごとに「何分まで遅れてよいか」を決めます。例えば在庫回転が速い限定商品は30分、通常商品は数時間、固定価格商品は日次といった形です。更新頻度を全商品で統一する必要はありません。

改善優先順位表

症状	先に見る属性	次に見る項目	主な指標
不承認	必須属性、URL、画像	ポリシー	承認率
クリックが少ない	title、image_link	GTIN、カテゴリ	CTR、表示回数
表示機会が少ない	GTIN、title、カテゴリ	description	表示回数
CVRが低い	price、availability、link	画像と説明の一致	CVR
高粗利商品が出ない	custom_label、商品分類	キャンペーン構成	粗利、ROAS

表は目安です。媒体、商品カテゴリ、競合価格、広告構成で結果は変わります。

変更ログを必ず残す

改善前後を比較するには、変更ログが必要です。最低限、変更日、対象SKU、変更属性、旧値、新値、仮説、判定日を残します。

例としてタイトルを改善する場合、「2026年9月1日、メンズスニーカー120SKU、ブランドを先頭へ移動、色と型番を追加」と記録します。その後、表示回数、クリック、CTR、CV、CVR、売上を確認します。

季節性や広告予算の変更がある場合、単純な前後比較だけで判断しません。対照群を置けるなら、同カテゴリの未変更商品と比較します。

全商品を一度に最適化しない

商品数が多い場合はカテゴリごとに分けます。売上上位、広告費上位、不承認、高在庫、低CTRなどの条件で対象群を作ると優先順位を決めやすくなります。

初回は売上影響が大きく、改善理由が明確な商品群から始めます。例えば主力100SKUのGTIN欠損、画像警告、価格更新遅延を先に直す方法です。

媒体横断で共通化する項目としない項目

商品ID、価格、在庫、ブランド、GTIN、画像URLなどは共通マスター化しやすい項目です。タイトル、カテゴリ、カスタムラベルは媒体や広告運用によって差分を持たせる場合があります。

Google向けに最適化したタイトルを他媒体へそのまま流すと、媒体の表示仕様やユーザー接点に合わないことがあります。共通マスターを保持し、媒体別変換で調整します。

2026年から優先して見直す項目

2026年8月時点でGoogleを運用する場合、次を先に確認します。

1. 2027年画像要件に未対応のSKU抽出
2. GTINがあるのに未登録の商品
3. 価格と在庫の更新遅延
4. product_typeの粒度
5. titleとdescriptionの情報不足
6. video_linkを使える商品カテゴリの検討

video_linkは2026年の商品データ仕様で追加された任意属性です。動画がある商品は、商品理解を補う選択肢になります。

実務チェックリスト

• 不承認商品を売上影響順に並べた
• 価格と在庫の不一致件数を把握した
• 商品ID重複を確認した
• タイトル構造をカテゴリ別に定義した
• 説明文に仕様情報がある
• 画像リンク切れを検査した
• 500×500px未満の画像を抽出した
• GTINを推測で埋めていない
• ブランド表記揺れを整理した
• product_typeの分類粒度を見直した
• 変更ログを残している
• 同時に複数属性を変えすぎていない
• 判定指標を変更前に決めている

公式情報と更新時点

最終確認日: 2026年8月29日。

• 商品データ最適化
• 2026年商品データ仕様更新
• 商品画像リンク
• GTIN
• product_type

個別属性の仕様は変更されるため、実装時は公式ヘルプの確認を推奨します。

最適化前に商品群を分ける

商品フィード全件を同じ基準で改善すると、商品カテゴリごとの差を見落とします。まず商品群を分けます。

分け方は、売上、広告費、粗利、在庫、カテゴリ、不承認、CTR、CVRなどです。例えば「売上上位×画像警告」「高広告費×低CTR」「GTIN欠損×主力カテゴリ」のように条件を重ねると、改善対象が明確になります。

100点満点ではなくボトルネックを探す

すべての属性を完璧に埋めるより、配信や成果を止めている問題を先に解消します。

例として、画像が高品質でも価格不一致で不承認なら配信されません。タイトルが優れていても商品URLが404なら購入できません。

優先順を「配信可否→一致→識別→表現→分析」にすると判断しやすくなります。

変更単位を小さくする

タイトル、説明、画像、GTIN、カテゴリを同日に全件変更すると、成果の変化を特定できません。

カテゴリ単位で1〜2属性ずつ変更し、変更ログを残します。例えば9月は主力スニーカーのタイトル、10月は同カテゴリの追加画像、というように分けます。

商品フィード改善とLP改善を分ける

CTRが低い場合はタイトルや画像、表示回数が少ない場合は商品識別や分類、CVRが低い場合は価格、在庫、商品ページの内容を疑います。

商品フィードだけでCVRを改善しようとすると、LPの表示速度、購入導線、価格競争力など別原因を見落とします。

症状	フィード側	フィード外
表示少	title、GTIN、カテゴリ	入札、予算、需要
CTR低	title、image	競合価格、訴求
CVR低	price、availability、link	LP、送料、UX
ROAS低	商品群、粗利ラベル	入札、CPA、原価

画像とタイトルを組み合わせて監査する

タイトルと画像が個別に正しくても、組み合わせが一致しないことがあります。

例えばタイトルが「ブラック」なのに画像が「ホワイト」、商品名が2個セットなのに画像が1個のみ、型番が違うなどです。SKU単位でタイトル・画像・価格を並べた監査表を作ります。

商品データの改善を商品登録フローへ戻す

フィード側で毎回同じ修正をするなら、商品マスターの登録項目を改善します。

GTIN欠損が多いなら商品登録時にGTIN確認欄を必須化する、画像解像度不足が多いならアップロード時にサイズ検証する、brand表記揺れが多いならブランドマスター選択式にする、といった対応です。

フィード最適化の成熟度は、後工程で修正する量が減っているかでも判断できます。

月次レビューで確認する項目

月次では、前月の変更と成果を対応付けます。

• 変更した属性
• 対象SKU数
• 不承認数の変化
• 表示回数
• CTR
• CVR
• 売上
• 粗利
• 変更による運用工数

改善効果が小さくても、更新エラーや不承認が減り運用工数が下がったなら価値があります。

属性別の改善コストを見積もる

同じ100SKUでも、GTIN補完と画像再撮影ではコストが違います。改善効果だけでなく作業量も見ます。

改善	主な作業	コスト傾向
title	ルール作成・自動生成	中
description	元属性整備・生成	中〜高
image	撮影・制作・差替え	高
GTIN	仕入先/メーカー確認	中
product_type	カテゴリ整理	中
price/availability	システム連携	高

売上影響が大きく、作業コストが低い項目から始めると改善を回しやすくなります。

不承認ゼロを最終目標にしない

不承認を減らすことは必要ですが、警告や属性不足が残っていても配信される商品があります。承認率100%だけを追うと、タイトルや画像など成果改善の余地を見落とします。

運用を「配信品質」と「商品表現品質」に分けます。

配信品質: 承認、価格一致、在庫一致、URL正常。

商品表現品質: タイトル、説明、画像、GTIN、カテゴリ、追加属性。

低CTR商品の診断

低CTR商品は、タイトルと画像だけでなく表示される検索や競合状況も確認します。

商品タイトルに商品種別がない、画像が小さい、価格が競合より高い、レビューやブランド認知が弱いなど複数原因があります。

フィード改善で触れる部分と、価格・商品力で触れない部分を分けます。

低CVR商品の診断

低CVRでは、広告表示とLPの一致を確認します。

• 広告価格とLP価格
• 在庫
• 色/サイズ
• 画像
• 商品名
• 配送条件

フィード上はブラックなのにLP初期表示がホワイト、セール価格が広告だけに残る、といった不一致を先に直します。

改善の終了条件を決める

改善作業は終わりが見えにくいため、カテゴリごとに終了条件を決めます。

例:

• 不承認率1%未満
• 価格/在庫不一致0.5%未満
• 売上上位SKUのGTIN欠損0
• 2027画像警告0
• 主力商品の追加画像2点以上

数値は自社基準として設定し、外部統計のように扱わないようにします。

タイトル最適化の優先商品を選ぶ

全商品タイトルを一斉に変更する前に、次の条件で対象を選びます。

• 表示回数は多いがCTRが低い
• ブランドや商品種別がタイトルにない
• 型番検索が多いのに型番がない
• バリエーションの色やサイズが分からない
• 売上上位で改善余地が大きい

優先対象を100〜300SKUに絞ると、変更前後の確認がしやすくなります。

説明文最適化の優先商品を選ぶ

商品説明は、仕様が多いのに説明が短い商品、メーカー文がそのままで販促文が多い商品、素材や用途が欠ける商品から見ます。

説明文を一括で書き直す前に、商品マスターへ必要属性が存在するかを確認します。元データが空欄なら、文章生成だけでは解決しません。

画像最適化の優先商品を選ぶ

画像は制作コストが高いため、優先順位が必要です。

1. 2027年要件未達
2. 売上上位
3. 広告費上位
4. 画像とSKU不一致
5. 追加画像なし
6. 低CTRで画像改善余地がある

再撮影が必要な商品と、元画像から再書き出しできる商品を分けます。

GTIN補完の優先商品を選ぶ

GTINがあるのに未登録の商品は、メーカー・仕入先データから補完します。

売上上位、表示回数上位、家電やブランド品などGTINが一般的なカテゴリを優先します。自社ブランドやハンドメイドなど、本当にGTINがないカテゴリと同じ扱いにしません。

カテゴリ改善の優先商品を選ぶ

product_typeが「その他」、空欄、1階層だけの商品を抽出します。

商品群別の広告分析に使うなら、少なくとも大分類・中分類・小分類のどこまで必要かを事業側と決めます。ECサイトのナビゲーション都合と広告分析の都合が違う場合は、広告用分類を別属性として持つ方法もあります。

価格・在庫更新の遅延を測る

価格と在庫の最適化は、値の正しさだけでなく反映時間を測ります。

商品マスター変更時刻、フィード生成時刻、媒体受信時刻を記録し、平均遅延と最大遅延を出します。欠品が多いカテゴリで最大6時間遅れているなら、更新方式の見直しが必要です。

商品フィード最適化の月次会議

月次では「何件直したか」ではなく、どの問題が減ったかを確認します。

• 不承認率
• 価格不一致率
• 在庫不一致率
• 画像警告数
• GTIN欠損数
• product_type未分類数
• タイトル改善SKU数
• 変更後の表示・CTR・CVR

次月の改善テーマを1〜2個に絞ると、変更効果を追いやすくなります。

フィード最適化を運用ルールへ定着させる

一度きれいにしても、新商品登録で同じ欠損が増えれば元に戻ります。

商品登録画面にGTIN、ブランド、画像サイズ、カテゴリの入力チェックを入れ、広告配信前に自動検証します。後工程のフィード修正を減らすことが、長期的な運用コスト削減につながります。

商品カテゴリ別の改善ロードマップ例

アパレルを例にすると、最初の月は価格・在庫不一致と商品ID、次の月はタイトルと色・サイズ、3か月目は画像と追加画像、4か月目はproduct_typeとカスタムラベルという順で進められます。

家電ならGTIN、型番、ブランド、主要仕様が先に来る場合があります。食品なら容量、入数、価格、画像、カテゴリの順が合うこともあります。

カテゴリごとに「識別に必要な属性」が違うため、全社共通の改善順だけで固定しません。

売上上位商品だけを見るリスク

売上上位だけを改善すると、表示機会が少なくて売上に到達していない商品を見逃します。

表示回数が少ない商品、CTRが低い商品、在庫が多い商品、新商品も別枠で抽出します。商品ライフサイクルによって、改善目的が違います。

新商品の初動チェック

新商品登録後24〜48時間は、商品ID、価格、在庫、画像、GTIN、カテゴリ、承認状況を確認します。

新商品だけを抽出するラベルを持つと、既存商品に埋もれず監視できます。新商品が大量投入されるセール前には、通常より監視頻度を上げます。

セール前のフィード監査

セール開始前は、通常価格、sale_price、開始・終了日時、在庫、画像、商品セット、カスタムラベルを確認します。

セール開始後に価格不一致が出ると、広告配信機会を逃します。開始前に代表SKUでサイトとフィードを突合します。

セール終了後の戻し確認

セールは開始より終了時の事故が起きやすくなります。sale_priceが残る、タイトルにセール文言が残る、商品セットから外れない、といった状態を確認します。

終了翌日に対象SKUを抽出し、通常価格へ戻ったことを確認します。

改善施策の採用・保留・撤回を決める

検証後は「改善した/しなかった」だけでなく、採用、保留、撤回の3状態で管理します。

採用: 複数指標で改善し再現性がある。

保留: 配信量不足や季節要因で判断できない。

撤回: 明確な悪化があり旧値へ戻す。

変更ログに判定を残すと、同じ施策を別担当者が再度試す重複を減らせます。

最適化で触らない方がよい項目

商品マスターにない事実、法律・審査上必要な正確表現、メーカー指定の識別子は、広告成果のために変えません。

GTINを検索に合わせて変える、容量を強調するため実際と違う値にする、在庫を多く見せる、といった変更は最適化ではありません。商品データは事実を正確に伝えることが前提です。

改善バックログの作り方

商品フィードの課題を見つけたら、その場で全部直さずバックログへ入れます。項目は、対象SKU数、売上影響、広告影響、作業工数、期限、担当です。

例えば2027年画像要件は期限が明確、価格不一致は緊急、description不足は中期、というように並べます。

カテゴリごとの完了判定

改善完了はカテゴリ単位で決めます。家電ならGTIN、型番、ブランド、画像、価格・在庫。アパレルなら色、サイズ、画像、title、item_group_idなどです。

カテゴリ別の完了条件があると、全商品を同じチェック表で評価するより実態に合います。

運用担当と商品担当の定例

広告運用側で見つけた属性欠損を商品担当へ戻し、商品登録ルールを改善します。月次で欠損上位項目を共有し、翌月に新規登録商品の欠損率が下がったか確認します。

後工程の修正量が減ることも、フィード最適化の成果です。

改善対象を増やしすぎない

一度に10個の改善テーマを走らせると、担当者も検証も分散します。月ごとに1〜2テーマへ絞り、対象SKUと判定指標を固定します。

改善が終わったら次のテーマへ移り、未完了の項目はバックログへ残します。

改善の再現性を確認する

一つのカテゴリで成果が出た施策を、別カテゴリへそのまま展開しないようにします。商品識別に必要な属性が似ているカテゴリで小さく再検証し、同じ傾向が出るかを確認します。

再現できた施策だけを標準ルールへ昇格させると、全商品への一括適用による悪化を避けやすくなります。

改善履歴は継続保存します。