Shopify アパレル向け Product Schema 例

Shopify 上のアパレル商品ページが AI ショッピングエンジンに引用されるかは、 JSON-LD がバリアント全体をどれだけ正確に記述しているかによって決まり ます。ChatGPT、Perplexity、Gemini で「サイズ感のある麻シャツのミディアム」 と検索する買い手には、その特定バリアントが存在し、在庫があり、価格があり、 L や XL の兄弟と区別されていることを AI が認識する必要があります。バリ アント詳細のない汎用 Product schema は AI に推測を強います;hasVariant 付き ProductGroup は確信を持って引用できるデータを与えます。

この例は 2 つのコピー対応 JSON-LD ブロックを提供します:バリアントマトリ クス用の ProductGroup と、カテゴリ文脈用の BreadcrumbList。両方とも Google Rich Results Test を綺麗に通過し、可視ページ内容を反映するよう キャリブレーションされています(AI エンジンが実際に強制するルール)。

Product と ProductGroup の使い分け#

Shopify のデフォルト Liquid テンプレートはバリアント数に関わらず Product を出力します。多サイズのアパレルストアにとって ProductGroup へのアップグレードは一度きりのテーマ編集(または自動処理する Shopify アプリ)で、AI ショッピング引用向上の価値があります。

ProductGroup JSON-LD(バリアント付きアパレル)#

商品ページテンプレートに貼り付け、プレースホルダー値を置き換え。例は 2 バリアントのサブセット;本番では実 SKU ごとに hasVariant エントリ 1 つ。

{
  "@context": "https://schema.org",
  "@type": "ProductGroup",
  "name": "Linen Relaxed Shirt",
  "description": "A breathable linen shirt in three colors, sizes XS–XL. 100% European linen, pre-washed for softness.",
  "brand": {
    "@type": "Brand",
    "name": "Example Apparel"
  },
  "productGroupID": "linen-shirt-001",
  "variesBy": ["https://schema.org/size", "https://schema.org/color"],
  "hasVariant": [
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-WHITE-M",
      "name": "Linen Relaxed Shirt — White / M",
      "color": "White",
      "size": "M",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-white.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=white-m",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    },
    {
      "@type": "Product",
      "sku": "LINEN-SHIRT-BLACK-S",
      "name": "Linen Relaxed Shirt — Black / S",
      "color": "Black",
      "size": "S",
      "material": "Linen",
      "image": "https://example.com/products/linen-shirt-black.jpg",
      "offers": {
        "@type": "Offer",
        "url": "https://example.com/products/linen-shirt?variant=black-s",
        "priceCurrency": "USD",
        "price": "79.00",
        "availability": "https://schema.org/InStock",
        "itemCondition": "https://schema.org/NewCondition"
      }
    }
  ]
}

BreadcrumbList JSON-LD#

ProductGroup を BreadcrumbList とペアリングして、AI エンジンが商品が 存在するカテゴリ階層を理解できるようにします。パンくず URL はページの 可視パンくずと完全一致する必要があります。

{
  "@context": "https://schema.org",
  "@type": "BreadcrumbList",
  "itemListElement": [
    {
      "@type": "ListItem",
      "position": 1,
      "name": "Home",
      "item": "https://example.com/"
    },
    {
      "@type": "ListItem",
      "position": 2,
      "name": "Shirts",
      "item": "https://example.com/collections/shirts"
    },
    {
      "@type": "ListItem",
      "position": 3,
      "name": "Linen Relaxed Shirt",
      "item": "https://example.com/products/linen-shirt"
    }
  ]
}

よくあるエラー(頻度順)#

1. ページ上で可視でも選択可能でもないバリアントに markup する。 Schema は可視現実を反映する必要があります。商品ページが S / M / L しか表示しないのに JSON-LD が XS から XXL を宣言すると、AI エンジン はやがて 404 になるバリアントを引用しようとし、ストアを減点します。

2. レビューウィジェットがないのに AggregateRating を使う。 レビュー を可視表示する(Shopify レビューアプリを使う)か、schema フィールド を削除してください。捏造しないこと。

3. schema と可視商品ページ間の通貨・価格・在庫の不整合。 買い手は $79 を見るが schema は 89.00 を宣言 —— AI エンジンは schema の 数字を取り、引用し、買い手は騙された気分になります。さらに悪いこと に、Google は schema を信頼できないとフラグします。

4. 複数バリアントで同じ sku を再利用。 Shopify は一意な SKU を 生成しますが、マーチャントはしばしば上書きします。hasVariant 内 の SKU 重複は AI エンジンによるバリアントの誤統合を引き起こします。

5. バリアント固有名が失われる方法で ProductGroup と Product を 混在させる。 同じアイテムに両方を出力する場合は、Product インス タンスを親(バリアント詳細なし)に、ProductGroup.hasVariant にバリ アントを含めてください。グループ外で各バリアントに Product を出 力しないこと。

6. アパレル説明に医療的または支持のないクレームを追加。「姿勢矯正」 /「血行を促進」/「抗菌素材で皮膚病を予防」—— こうしたクレームは多 くの市場で規制されており、法的に問題なくても AI エンジンの減点を 引き起こします。フィットと素材の説明に留めましょう。

7. schema URL を非正規バリアント URL に向ける。 ページがカノニカル 商品 URL(例:/products/linen-shirt)を使い、バリアントがクエリ パラメータ(?variant=white-m)で選択される場合でも、 hasVariant[].offers.url はバリアント固有 URL を指す必要があります —— そこが買い手(と AI エージェント)が到着する場所です。

検証方法#

1. デプロイした商品 URL を

   Google Rich Results Test

   に貼り付け。Product と BreadcrumbList のアイテムが両方とも検証され るはずです。
2. 上の検証チェックリストを各フィールド単位で確認。
3. シークレットウィンドウでページを開き、可視商品 H1、価格、在庫、 パンくずがすべて schema 宣言と一致することを確認。
4. 商品構造が変わった場合(新色、削除サイズ)、Schema ジェネレーター を再実行して再デプロイ。

JSON-LD は AI ショッピングスタックの 1 つのシグナルです。 ファッション llms.txt テンプレート とコンテンツマップ側でペアリングし、 Robots アナライザー で GPTBot が商品ページに到達できることを確認してください。