ネット通販の商品ページを、AIが比べて並べ替える。そんな場面を想定して、「商品ページの書き換え方」を学び続けるしくみを提案した論文が、2026年10月の学会ワークショップ(REALM 2026)で発表されました。
題名は「GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search」です。
この記事は、その論文を原文から読み、何を測って、何が分かり、何が分かっていないのかを整理します。数値は論文の表と本文から拾い、私が計算した値には「概算」と添えました。
著者は企業の研究部門に所属する研究者です。
合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文は、「うまくいった書き換え」を1回で終わらせず、記録して育てるという考え方を扱っているので、その測り方を学ぶ材料として読みました。
結論:3行で言うと
- 商品ページを一括の指示文で書き換えるのではなく、「どの項目に、何をしてよいか」を1つずつ決めた手順書を、結果を見ながら更新していく方法を提案した論文です
- AIに10件の商品を並べさせる実験で、提案された方法は一括の指示文より、書き換えた商品が平均で上がった順位が大きく(1.611と0.351)、順位が悪化する度合いも小さいという結果でした
- ただし、順位を決めるAIは書き換えるAIと同じ系列です。舞台は英語の投稿と商品情報の実験データで、日本語や実際の通販サイトでの効果は、示されていません
書き換えた商品ページが実際の検索で拾われたかどうかや、クリックや購入につながったかどうかは、この論文では測られていません。測られたのは、実験の中でAIが付けた順位の変化だけです。
この論文の基本情報
| 項目 | 内容 |
|---|---|
| 題名(原題) | GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search |
| 著者 | Kim、Choe、So、Yi(4人)。いずれも、企業の研究部門(AI研究所)に所属しています |
| 発表 | REALM 2026(Second Workshop for REsearch on Agent Language Models)の会議録。2026年10月、ハンガリー・ブダペスト。会議録の1097〜1117ページ(21ページ)。出版社はACL |
| 掲載状況 | ACL Anthologyに掲載済み(ID: 2026.realm-1.76)。DOIは10.18653/2026.realm-1.76で、Crossrefに「会議録の論文」として登録されていることを確かめました |
| arXiv番号 | 論文中に記載を確認できませんでした。この記事ではACL Anthology版のPDFを読んでいます |
| 種類 | 新しい手法の提案と、その性能実験(ワークショップ論文) |
| 実験データ・コード | 実験に使ったデータは既存のベンチマーク(E-GEO)です。この論文のコードの公開先は、論文とAnthologyのページで確認できませんでした |
論文はこちらで読めます。ACL Anthologyのページ、会議録(DOI)。
ワークショップは、大きな学会に併設される小さめの研究会です。査読の方法や厳しさは会ごとに異なり、このワークショップについては、私が確認した範囲では分かりませんでした。
この論文が答えた問い
商品ページの書き換えで効いた手法を、「項目ごとの使える手順」として記録し、結果を見ながら育てていくと、書き換えの効果は安定して上がるのか。
商品ページは、タイトル、特徴の箇条書き、説明文のように、役割の違う項目でできています。これまでの手法は、ページ全体を「もっと魅力的に書き直して」と1つの指示文で書き換えていました。
論文は、一括で書き換える方法に2つの弱点があると指摘します。1つ目は、書き換えてはいけない項目まで書き換えてしまうことです。
2つ目は、ある商品でうまくいった手がかりが、次の商品に使い回せる形で残らないことです。
論文が挙げる例では、耐久性を強調する指示を別の商品に当てはめた結果、革の作業靴に「ゴムの絶縁」という、元の商品情報にない言葉が入りました。
どうやって調べたのか
提案された方法の仕組み
論文は、書き換えの知識を「手順書」としてまとめます。手順書の1項目は、次の内容を持ちます。
- 具体的な編集操作(例:傷みやすい部分の素材名を書く)
- その操作をしてよい項目(タイトル、特徴、説明文のどれか)
- 過去の結果の記録(順位が上がった回数、下がった回数、変わらなかった回数)
最初の手順書は計9項目です。GEO原論文(前に解説した記事)の有力な方法7つを、項目ごとの手順に書き直しました。
そこに、質問への合致を冒頭に書く手順と、元の商品情報にない内容を書かない手順の2つを加えています。
この手順書を、次の4つの役割で更新していきます。
| 役割 | やること |
|---|---|
| 編集役 | 質問と商品情報を受け取り、手順書から使う手順を選んで、商品ページを書き換える |
| 順位付け役 | 書き換えた商品を含む10件を並べ直し、順位の変化を返す |
| 振り返り役 | 結果を読み、手順の追加または修正を提案する |
| 調整役 | 既にある手順とほぼ同じ提案を、文章の近さとAIの判定で取り除く |
これらに加えて、確定した変更を手順書に書き込む記録役があり、こちらは機械的に処理されます。
順位が悪化する結果が続いた手順は、使う対象から外されます。ただし、記録としては残されます。
実験の設定
| 項目 | 設定 |
|---|---|
| データ | E-GEOという既存の実験データ。投稿サイトの「長く使える物を探している」という購買相談と、ネット通販の商品情報を組み合わせたもの。質問ごとに商品10件が付く |
| 商品の分類 | 6分類(家庭用品・台所、衣類・小物、電気製品、工具・DIY、スポーツ・アウトドア、健康・美容) |
| 手順書づくり | 1,000問を100問ずつ10回に分けて学習 |
| 評価 | 学習に使っていない900問(各分類150問)。実際に集計できたのは887問 |
| 使ったAI | 編集役・順位付け役・振り返り役・調整役のすべてにGPT-5.4を使用 |
| 書き換える商品 | 10件の候補から1件をランダムに選び、その商品だけ書き換える |
評価の指標は4つです。1つ目は平均順位上昇幅(MRG)で、書き換えた商品が平均で何位上がったかを表します。
2つ目は成功率(SR)で、順位が少しでも上がった割合です。3つ目は悪化の深刻さ(DSR)で、順位が下がった場合に、大きく下がるほど重く数える指標です。
小さいほど良い値です。
4つ目は分類間のばらつき(CV)で、6分類の効果の差を表します。これも小さいほど、分類によらず安定していると読みます。
比べた方法は3つです。一括の指示文で書き換える方法(比較対象)、最初の9項目の手順書をそのまま使う方法、そして手順書を更新する提案手法の2つの形(調整役あり・なし)です。
結果
最初の手順書だけでも、一括の指示文より上がった
| 方法 | 平均順位上昇幅 | 成功率 | 悪化の深刻さ | 分類間のばらつき | 手順の数 |
|---|---|---|---|---|---|
| 一括の指示文 | 0.351 | 44.1% | 3.961 | 0.117 | – |
| 最初の9項目のまま | 1.343 | 58.6% | 2.628 | 0.042 | 9 |
| 更新あり・調整役なし | 1.519 | 60.6% | 2.389 | 0.054 | 51 |
| 更新あり・調整役あり(提案手法) | 1.611 | 61.6% | 2.172 | 0.034 | 47 |
数値は論文の表1です。順位は10件の中での位置で、小さい値が上位です。
- 最初の9項目を使うだけで、平均順位上昇幅は0.351から1.343へ上がりました。論文は、手順を項目ごとに分けたことの効果と読んでいます
- 提案手法の1.611は、一括の指示文の約4.6倍です(概算:1.611÷0.351)。最初の9項目と比べると約20%増です(概算:(1.611-1.343)÷1.343)
- 成功率は、一括の指示文が44.1%、提案手法が61.6%で、差は17.5ポイントです
- 調整役なしは手順の数が51に増え、分類間のばらつきも大きくなりました(0.054)。論文は、似た手順の積み上がりが原因の可能性を挙げています
論文自身も、更新ありの2つの形では手順の数が違うため、改善のすべてを「結果から学んだ効果」とは言い切れないと書いています。
別のAIが順位を付けた場合
順位付けに使ったAIが、書き換えたAIと同じ系列であるという疑いに対して、論文は追加の実験を行いました。書き換えと手順書はGPT-5.4のままで、順位を付けるAIだけをQwen3.5-122B-A10BとGemini-3.5-flashに替えました。
| 方法 | GPT-5.4(元) | Qwen3.5 | Gemini-3.5 |
|---|---|---|---|
| 一括の指示文 | 0.351 | -0.031 | -0.051 |
| 最初の9項目のまま | 1.343 | 1.335 | 0.960 |
| 更新あり・調整役なし | 1.519 | 1.167 | 0.975 |
| 提案手法 | 1.611 | 1.522 | 1.078 |
表の数値は、論文の表2の平均順位上昇幅です。
- 順位付けのAIを替えると、一括の指示文は平均がマイナス(-0.031と-0.051)になり、書き換え前より下がる結果になりました
- 提案手法は3つのAIすべてで最も高く、成功率も最も高い値でした(Qwen3.5は54.1%、Gemini-3.5は48.9%)
- 調整役なしの形は、Qwen3.5では最初の9項目(1.335)より低い値(1.167)でした。論文は、調整役が手順を絞ることで、順位付けのAIに特有の癖を取り込みにくくしたと読んでいます
論文自身は、AIごとに順位の付け方の癖があるため、AI同士の絶対値の比較は避けて、同じAIの中での方法の比較に注目するよう述べています。
学習していない分類でも効くか
分類を1つ除いて学習し、除いた分類で評価する実験も行われました。論文は、除いた分類でも、全分類で学習した場合の改善の大部分が残ったと述べています。
全体の平均順位上昇幅の低下は0.07でした。
一部の分類では、除いて学習したほうが全分類で学習した場合を上回りました。論文は理由を、分類同士の干渉の可能性と見ていますが、「今後の分析課題」としています。
手順の修正は効いたのか
成績の悪かった手順を修正した9件のうち、8件で、平均への自然な戻りを差し引いた比較対照を上回る改善が見られました(符号検定でp=0.020)。差し引いた後の、助けになった割合の平均の伸びは5.3ポイントです。
一方、すでに成績の良かった手順を修正しても、はっきりした改善は見られませんでした。論文は、この分析を観察的なものと位置づけています。
具体例:手順が育った様子
論文の事例では、「1か月で切れないケーブルがほしい」という質問が取り上げられています。最初の手順では「素材の情報を足す」だけで、順位は5位から6位へ1つ下がりました。
そこで、傷みやすい部分に絞った書き方に手順を修正し、「過去の商品が壊れた理由に、作りの根拠を対応させる」という手順を新しく加えました。その結果、この商品は5位から1位に上がっています(論文は位置を0から数えるため、表記は「4→0」)。
新しく加えた手順は、その後185回使われ、助けになった割合は62%、悪化した割合は13%、平均の順位上昇は+1.90でした。
論文自身が書いている限界
論文は、限界の節で次の点を挙げています。
- 編集役、順位付け役、振り返り役、調整役がすべて同じAI(GPT-5.4)です。順位を付けるAIの好みに合わせた書き換えを学んでいる可能性があります。別のAIでの実験もしましたが、完全には切り分けられていません
- 1回の書き換えで得られる順位の変化は1つだけです。複数の手順が使われても、結果はすべての手順に同じように割り当てられます。ある手順が、他の手順の失敗の分まで悪く記録される場合があります
- 使った手順の記録は、編集役の自己申告です。別のAI(Claude Opus 5)が50件を確かめたところ、申告の88.3%が実際の編集と一致していました
- 一度悪い方向に修正した手順を、元に戻す仕組みがありません
- 実際のネット通販の検索は絶えず更新されるため、学んだ手順が古くなり、定期的な学び直しが必要になる可能性があります
- 画像を含む設定には、まだ対応していません
論文は倫理面の節でも、順位が上がったことは商品の品質が良いことの証拠ではないと明記しています。
また、書き換えた文章が元にない良さをほのめかす可能性にも触れ、実際の運用では、書き換えた内容を元の商品情報と照らして確認するよう求めています。
原文を読んで気づいた点
ここからは、論文が書いている限界とは別に、私が原文を読んで気づいた点です。
- 日本語での検証は報告されていません。購買相談も商品情報も、英語のデータです
- 実際の通販サイトの検索では測っていません。順位は、AIに10件を並べさせた結果です。実際のサービスの検索アルゴリズムや、クリック、購入には触れていません
- 評価はすべて自動です。順位はAIが付け、人が読んで品質を採点する評価は、報告された範囲にありません
- データに商品の価格欄がありません。価格に合わせる手順が1つ、効かないまま使われなくなりましたが、原因はデータに価格がなかったことでした。手順そのものの優劣としては読めません
- 表の値に、誤差の範囲は示されていません。調整役の有無による差(1.519と1.611)が偶然を超えるかどうかは、表からは判断できません
- 書き換える商品は、候補10件のうちランダムな1件です。1回の書き換えで評価しているため、結果は選ばれた商品と質問の組み合わせに左右されます
- 査読の有無と方法は、確認できませんでした。会議録への掲載はCrossrefで確認できました。論文の著者は企業の研究部門に所属しているため、自社の研究環境での報告として読むのが安全です
この論文から、言えること・言えないこと
| 言えること(論文の設定で確認された) | 言えないこと(論文では確認されていない) |
|---|---|
| 項目ごとに操作を決めた手順書は、一括の指示文より、順位の上昇幅が大きく、悪化も少なかった | 日本語の商品ページでも、同じ大きさで効くこと |
| 結果を見ながら手順を更新すると、平均順位上昇幅がさらに上がった | 実際のネット通販の検索で、順位が上がること |
| 似た手順を取り除く調整役が、安定性を高める効果を示した | クリック、購入、売上が増えること |
| 別のAIが順位を付けても、提案手法が最も高かった(3つのAIで確認) | 順位が上がった商品が、本当に良い商品であること |
| 一部の分類を学習から除いても、効果の大部分が残った | 未知の分野すべてで通用すること |
中小企業の視点で、どう受け取るか
ここからは論文の主張とは別の、私の読み取りです。論文の結果を直接、自社に当てはめるものではありません。
1. 商品ページは、項目ごとに役割を分けて直す
タイトル、特徴の箇条書き、説明文を、まとめて「もっと魅力的に」と直すのではなく、項目ごとに何を足すかを決めておく。この発想自体は、論文の実験設定に関係なく、社内の運用に取り入れやすいと考えます。
2. 元の情報にないことは、書かない
論文でも、手順書の中で唯一の「禁止の手順」が、元の商品情報にない内容を足さないという項目でした。AIに書き換えを任せる場合は、書き換えた文章を元の情報と照らして確認する工程が必要だと思います。
3. 効かなかった手順も、記録に残す
この論文は、悪化が続いた手順を捨てずに、「何が効かなかったか」の記録として残しています。自社でも、うまくいった書き換えだけでなく、効かなかった書き換えと、その条件(どの質問、どの項目か)を残しておくと、次に同じ失敗を避けやすくなります。
4. 1回の結果を、全体の結論にしない
論文の限界が示すとおり、1回の結果は、複数の変更の合計です。自社の数字を測るときも、一度に複数を変えると、どれが効いたか分かりません。
変更は1つずつ、日付つきで記録するほうが確かだと考えます。
よくある質問
GLOBEは、商品ページの書き換えにどう使う論文ですか
手順書を育てる考え方を示した研究で、すぐ使える道具の紹介ではありません。コードの公開先も、確認できた範囲では示されていません。
GLOBEの結果は、日本語の商品ページにも当てはまりますか
論文は日本語での検証を報告していません。英語の購買相談と商品情報での実験です。
日本語で効くかどうかは、自社で小さく試して確かめる必要があります。
GLOBEで順位が上がると、実際の売上も増えますか
論文は売上を測っていません。測ったのは、AIが付けた10件の中での順位です。
論文も、順位が上がったことは商品の品質の証拠ではないと述べています。
まとめ:今日できる1つのこと
自社の商品ページを1つ開き、タイトル、特徴の箇条書き、説明文のそれぞれに、いま書いてある内容が「元の事実」で裏づけられているかを確かめてください。裏づけのない言葉が1つでも見つかれば、それを消すか、根拠を足します。
この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。
この記事に書いたことを、そのまま御社のページに
生成AIに引用されるページを、お話しいただくだけでお作りします。お時間をいただくのは初回15分のヒアリングだけです。まず1ページ、無料でお作りします。
OKが出るまで、何度でも直します。事実が違う、言い回しが硬い、この話は入れないでほしい。どれも遠慮なくおっしゃってください。何度お直ししても、追加の料金はいただきません。
これまでに127社にご利用いただきました。毎月ご依頼いただいている方の6割以上が、月10ページを選ばれています。料金はページに掲載しています。
ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。
自社のマーケティング課題を根本から解決しませんか?
ウェブサイトから要素を引き算し、訪れた人が迷わず次の一歩に進む形へ組み直す。初回60分のオンラインで御社のサイトを一緒に読み、どこから直すべきかをお伝えします。手順をまとめた無料の診断と解説動画もご用意しています。
初回は無料・60分・オンライン完結・その場で契約のお願いはいたしません


