Gemini API × ECサイト自動化商品コンテンツAI生成ガイド

取り組みの背景：AI × EC の可能性

オンラインショップの成長を左右する最大の課題は何でしょうか？それはスケールです。

商品が10個なら、商品説明の執筆も手作業で十分かもしれません。しかし100個、1000個となると、物理的に不可能です。さらにグローバル展開となれば、日本語・英語・中国語・スペイン語…と多言語対応も必須。加えて、SEO最適化、顧客レビュー分析、在庫管理との連携など、やることが無限に増えていきます。

ここで活躍するのが Gemini API です。

Gemini APIの最新モデル（gemini-2.0-flash など）は、以下の能力を備えています：

マルチモーダル処理: 商品画像から詳細な商品説明を自動生成
構造化出力: JSON形式で必要なメタデータを確実に取り出す
大量処理: Batch API で数千件の商品を低コストで処理
多言語対応: 同じプロンプトで複数言語の自然な説明文を生成

このガイドでは、実在するEC運営の課題を、Gemini APIでいかに解決するかを、ステップバイステップで解説します。Shopify、BASE、自社ECなど、どのプラットフォームでも応用可能な実装パターンです。

商品画像 → 商品説明自動生成パイプライン

Vision API と構造化出力の組み合わせ

ECサイトで最も時間がかかるのが、商品ページの作成です。特に商品説明文は、営業視点・SEO視点の両立が難しく、外注するにもコストがかかります。

Gemini APIの Vision 能力と構造化出力を組み合わせれば、画像1枚から以下を一度に生成できます：

商品名（原文から抽出もしくは提案）
SEO最適化された説明文（150文字・300文字・500文字の複数バージョン）
主要キーワード
商品カテゴリ
価格帯の提案
ターゲット顧客層

具体的な実装例を見てみましょう。

import Anthropic from "@anthropic-ai/sdk";
import * as fs from "fs";
 
const client = new Anthropic();
 
interface ProductMetadata {
  productName: string;
  shortDescription: string; // 150文字
  mediumDescription: string; // 300文字
  longDescription: string; // 500文字
  primaryKeywords: string[];
  secondaryKeywords: string[];
  category: string;
  targetAudience: string;
  priceRange: {
    minJPY: number;
    maxJPY: number;
  };
  highlights: string[];
}
 
async function generateProductContent(
  imagePath: string
): Promise<ProductMetadata> {
  const imageData = fs.readFileSync(imagePath);
  const base64Image = imageData.toString("base64");
  const imageExtension = imagePath.split(".").pop()?.toLowerCase() || "jpeg";
  const mediaType =
    imageExtension === "png" ? "image/png" : "image/jpeg";
 
  const response = await client.messages.create({
    model: "gemini-2.0-flash",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: [
          {
            type: "image",
            source: {
              type: "base64",
              media_type: mediaType,
              data: base64Image,
            },
          },
          {
            type: "text",
            text: `This image shows a product. Analyze it carefully and provide structured product metadata in JSON format.
 
Requirements:
1. productName: Extract or infer the product name from the image
2. shortDescription: 150文字以内の説明（ECサイトのサムネイル下に表示される想定）
3. mediumDescription: 300文字以内の説明（商品一覧ページ用）
4. longDescription: 500文字以内の説明（商品詳細ページの冒頭）
5. primaryKeywords: 商品の主要キーワード（5個）
6. secondaryKeywords: 関連キーワード（5個）
7. category: カテゴリ（e.g., "ファッション", "家電", "食品"）
8. targetAudience: ターゲット顧客層の説明
9. priceRange: 日本円での想定価格帯（minJPY, maxJPY）
10. highlights: 商品の主要な特徴・メリット（3〜5個）
 
Respond ONLY with valid JSON, no other text.`,
          },
        ],
      },
    ],
  });
 
  const content = response.content[0];
  if (content.type !== "text") {
    throw new Error("Unexpected response type");
  }
 
  const metadata = JSON.parse(content.text) as ProductMetadata;
  return metadata;
}
 
// 使用例
(async () => {
  const metadata = await generateProductContent("./product-image.jpg");
  console.log(JSON.stringify(metadata, null, 2));
})();

このコードの重要なポイント：

Base64エンコード: Vision APIに画像を送信する際は、ファイルをBase64に変換
構造化出力: JSON.parse() で直接オブジェクトに変換可能（JSONスキーマ互換形式を指定）
複数バージョン生成: 150・300・500文字の説明を一度に生成し、ECプラットフォームの異なる表示場所に使い分け

大量商品処理への拡張

1000件の商品がある場合、上記のコードを単純にループするとAPI料金が高くなります。ここで Batch API を活用します。

interface BatchProductJob {
  product_id: string;
  image_url: string;
}
 
async function createBatchProductProcessing(
  products: BatchProductJob[]
): Promise<string> {
  const requests = products.map((product, index) => ({
    custom_id: `product-${product.product_id}`,
    params: {
      model: "gemini-2.0-flash",
      max_tokens: 1024,
      messages: [
        {
          role: "user",
          content: [
            {
              type: "image",
              source: {
                type: "url",
                url: product.image_url,
              },
            },
            {
              type: "text",
              text: "Generate product metadata (JSON format)...", // 前述のプロンプト
            },
          ],
        },
      ],
    },
  }));
 
  // Batch APIで送信（詳細は後述）
  console.log(`Created batch job for ${products.length} products`);
  return "batch-job-id";
}

SEO最適化された商品ページ自動生成

メタデータとキーワード最適化

商品説明が生成できても、検索エンジンに最適化されていなければ意味がありません。Gemini APIを使って、以下も自動化できます：

メタディスクリプション: 160文字以内で、キーワードを自然に盛り込む
OG画像用テキスト: SNSシェア時に表示される説明
構造化データ（Schema.org）: Google検索で商品の価格・在庫が表示される
内部リンク提案: 関連商品へのリンク

interface SEOOptimizedProduct {
  metaTitle: string; // 60文字以内
  metaDescription: string; // 160文字以内
  ogDescription: string; // 120文字以内
  schemaData: {
    "@context": string;
    "@type": string;
    name: string;
    description: string;
    image: string;
    brand: string;
    offers: {
      "@type": string;
      price: number;
      priceCurrency: string;
      availability: string;
    };
  };
  relatedProductSlugs: string[]; // 関連商品のスラッグ
  internalLinks: Array<{
    text: string;
    slug: string;
  }>;
}
 
async function generateSEOOptimizedProduct(
  productName: string,
  description: string,
  category: string,
  keywords: string[]
): Promise<SEOOptimizedProduct> {
  const response = await client.messages.create({
    model: "gemini-2.0-flash",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: `Product information:
- Name: ${productName}
- Category: ${category}
- Description: ${description}
- Keywords: ${keywords.join(", ")}
 
Generate SEO-optimized metadata in JSON format:
1. metaTitle (60 chars max): Include primary keyword naturally
2. metaDescription (160 chars max): Include secondary keywords, CTAを含める
3. ogDescription (120 chars max): Optimized for social sharing
4. schemaData: JSON-LD format for Google Rich Results
5. relatedProductSlugs: 関連商品のスラッグ（3〜5個の例示）
6. internalLinks: 内部リンク提案（テキストとスラッグのペア）
 
Respond ONLY with valid JSON.`,
      },
    ],
  });
 
  const content = response.content[0];
  if (content.type !== "text") {
    throw new Error("Unexpected response type");
  }
 
  return JSON.parse(content.text) as SEOOptimizedProduct;
}

このアプローチにより、検索エンジン + ユーザー両面での最適化が一度に実現します。

顧客レビュー AI分析

レビューテキストから購買インサイトを抽出

ECサイトに蓄積される顧客レビューは、商品改善の宝庫です。しかし、数百件のレビューを手動で読むことは現実的ではありません。

Gemini APIを使えば、以下を自動抽出できます：

感情スコア: ポジティブ/ネガティブ/ニュートラル
頻出テーマ: 「配送が遅かった」「サイズが小さい」など
改善提案: レビューから導き出される商品改善ポイント
顧客セグメント: どの層の顧客が何を評価しているか

interface ReviewAnalysis {
  sentiment: "positive" | "neutral" | "negative";
  sentimentScore: number; // 0.0 ~ 1.0
  mainThemes: Array<{
    theme: string;
    frequency: number;
    examples: string[];
  }>;
  improvementSuggestions: string[];
  customerSegment: string;
  repurchaseLikelihood: number; // 0.0 ~ 1.0
}
 
async function analyzeProductReview(review: string): Promise<ReviewAnalysis> {
  const response = await client.messages.create({
    model: "gemini-2.0-flash",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: `Analyze this customer review in detail:
 
"${review}"
 
Provide structured analysis in JSON format:
1. sentiment: positive / neutral / negative
2. sentimentScore: 0.0 (very negative) to 1.0 (very positive)
3. mainThemes: Array of {theme, frequency (how many times mentioned), examples}
4. improvementSuggestions: What could the product/service improve based on this review?
5. customerSegment: What type of customer is this (age, profession, use case)?
6. repurchaseLikelihood: Probability they will buy again (0.0 ~ 1.0)
 
Respond ONLY with valid JSON.`,
      },
    ],
  });
 
  const content = response.content[0];
  if (content.type !== "text") {
    throw new Error("Unexpected response type");
  }
 
  return JSON.parse(content.text) as ReviewAnalysis;
}
 
// 複数レビューの一括分析とサマリー生成
async function generateReviewSummary(reviews: string[]): Promise<{
  overallSentiment: number;
  topThemes: string[];
  criticalIssues: string[];
  recommendedActions: string[];
}> {
  const analyses = await Promise.all(reviews.map(analyzeProductReview));
 
  const response = await client.messages.create({
    model: "gemini-2.0-flash",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: `Based on these ${analyses.length} review analyses:
 
${JSON.stringify(analyses, null, 2)}
 
Generate a summary JSON with:
1. overallSentiment: Average sentiment score across all reviews
2. topThemes: Top 3-5 recurring themes
3. criticalIssues: Issues that urgently need fixing
4. recommendedActions: Prioritized action items for the business
 
Respond ONLY with valid JSON.`,
      },
    ],
  });
 
  const content = response.content[0];
  if (content.type !== "text") {
    throw new Error("Unexpected response type");
  }
 
  return JSON.parse(content.text);
}

このレビュー分析は、商品開発チーム と マーケティングチーム の両方に価値をもたらします。開発チームは改善ポイントを、マーケティングチームは販促メッセージの改善案を得られるのです。

多言語商品カタログ一括生成

ローカライズ＋文化的適応

グローバル展開は、単なる翻訳ではなく ローカライゼーション が必須です。日本で「プレミアム」と書いても、アメリカ人には響きません。

Gemini APIはマルチモーダル + マルチ言語なので、以下が可能です：

日本語商品説明 → 英語・中国語・スペイン語に「翻訳」ではなく「文化的に適応」
各言語で異なるターゲット顧客を想定した説明の生成
現地の法規制に合わせた表現の調整

interface LocalizedProduct {
  locale: string;
  title: string;
  description: string;
  keywords: string[];
  culturalAdaptations: string[];
  localRegulations: string[];
}
 
async function generateLocalizedProduct(
  originalJaProduct: {
    title: string;
    description: string;
    keywords: string[];
  },
  targetLocales: string[] // e.g., ["en-US", "zh-CN", "es-MX"]
): Promise<LocalizedProduct[]> {
  const results: LocalizedProduct[] = [];
 
  for (const locale of targetLocales) {
    const response = await client.messages.create({
      model: "gemini-2.0-flash",
      max_tokens: 1024,
      messages: [
        {
          role: "user",
          content: `Original Japanese product:
- Title: ${originalJaProduct.title}
- Description: ${originalJaProduct.description}
- Keywords: ${originalJaProduct.keywords.join(", ")}
 
Localize this product for ${locale} market. Respond in JSON:
1. locale: "${locale}"
2. title: Localized title (natural for ${locale} readers, not just translation)
3. description: Localized description (consider local preferences, lifestyle, values)
4. keywords: Keywords relevant for ${locale} search engines
5. culturalAdaptations: What cultural aspects were changed from original?
6. localRegulations: Any legal/regulatory considerations for ${locale}?
 
Respond ONLY with valid JSON.`,
        },
      ],
    });
 
    const content = response.content[0];
    if (content.type !== "text") {
      throw new Error("Unexpected response type");
    }
 
    results.push(JSON.parse(content.text));
  }
 
  return results;
}

実例を挙げると：

観点	日本語版	英語版（US）	中国語版（CN）
説明の重点	品質・ブランド価値	機能・実用性	価格・性価比（コスパ）
トーン	丁寧・謙虚	フレンドリー・力強い	ダイレクト・説得的
キーワード例	「上質」「職人」「和」	「innovative」「premium」「advanced」	「超值」「品质」「经久耐用」

ECプラットフォーム連携

Shopify、BASE との実装パターン

商品コンテンツを自動生成しても、ECプラットフォームに自動登録できなければ意味がありません。主要プラットフォームとの連携パターンを紹介します。

Shopify Admin API との連携

import fetch from "node-fetch";
 
interface ShopifyProduct {
  title: string;
  body_html: string;
  vendor: string;
  product_type: string;
  images: Array<{ src: string }>;
  variants: Array<{
    title: string;
    price: string;
    sku: string;
  }>;
  metafields: Array<{
    namespace: string;
    key: string;
    value: string;
    type: string;
  }>;
}
 
async function createShopifyProduct(
  shop: string,
  accessToken: string,
  product: ShopifyProduct
): Promise<void> {
  const response = await fetch(
    `https://${shop}.myshopify.com/admin/api/2024-01/products.json`,
    {
      method: "POST",
      headers: {
        "X-Shopify-Access-Token": accessToken,
        "Content-Type": "application/json",
      },
      body: JSON.stringify({ product }),
    }
  );
 
  if (!response.ok) {
    throw new Error(`Shopify API error: ${response.statusText}`);
  }
 
  console.log("Product created successfully");
}
 
// Gemini生成コンテンツからShopify形式への変換
async function convertToShopifyFormat(
  generatedProduct: ProductMetadata
): Promise<ShopifyProduct> {
  return {
    title: generatedProduct.productName,
    body_html: generatedProduct.longDescription, // HTMLエスケープ処理省略
    vendor: "自社",
    product_type: generatedProduct.category,
    images: [],
    variants: [
      {
        title: "Default",
        price: String(generatedProduct.priceRange.minJPY),
        sku: `SKU-${Date.now()}`,
      },
    ],
    metafields: [
      {
        namespace: "ai_generated",
        key: "keywords",
        value: generatedProduct.primaryKeywords.join(","),
        type: "single_line_text_field",
      },
      {
        namespace: "seo",
        key: "meta_description",
        value: generatedProduct.shortDescription,
        type: "single_line_text_field",
      },
    ],
  };
}

BASE との API 連携

BASEはShopifyよりも API制限がありますが、基本的なパターンは同じです：

async function createBASEProduct(
  apiKey: string,
  product: {
    title: string;
    description: string;
    category: string;
    price: number;
  }
): Promise<void> {
  const response = await fetch("https://api.thebase.in/api/v1/items/search", {
    method: "POST",
    headers: {
      Authorization: `Bearer ${apiKey}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      title: product.title,
      description: product.description,
      category: product.category,
      price: product.price,
    }),
  });
 
  if (!response.ok) {
    throw new Error(`BASE API error: ${response.statusText}`);
  }
}

実際の運用では、Shopify・BASEの仕様に合わせたメタデータ変換層を用意する点が肝心です。

大量商品の一括処理

Batch API でコスト最適化

1000件以上の商品を処理する場合、リアルタイムAPI呼び出しは非効率です。ここで Batch API を活用します。

interface BatchRequest {
  custom_id: string;
  params: {
    model: string;
    max_tokens: number;
    messages: Array<{
      role: "user" | "assistant";
      content: string | Array<object>;
    }>;
  };
}
 
async function submitBatchJob(requests: BatchRequest[]): Promise<string> {
  const response = await client.messages.create({
    model: "gemini-2.0-flash",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: `You are a batch processor. Process the following requests.`,
      },
    ],
  });
 
  // Batch API の詳細なエンドポイント仕様は、APIドキュメント参照
  console.log("Batch job submitted");
  return "batch-job-id";
}
 
async function monitorBatchJob(jobId: string): Promise<object[]> {
  // ジョブの完了をポーリング
  let attempts = 0;
  while (attempts < 120) {
    // 最大2時間待機
    await new Promise((resolve) => setTimeout(resolve, 60000)); // 60秒待機
 
    // Batch APIからの結果取得
    console.log(`Checking batch job status: ${jobId}`);
    attempts++;
  }
 
  return [];
}

Batch API の利点：

料金が50%割引 通常のAPI呼び出しと比較
スケジューリング可能 ピーク時間外での処理が可能
非同期処理 大量データでもタイムアウトなし

実際の流れ：

ステップ1: 商品リスト → JSON形式のBatch要求に変換
ステップ2: Batch APIに送信 → job IDを取得
ステップ3: 定期的にステータスをチェック
ステップ4: 完了後、結果を取得 → DB登録

品質管理とヒューマンインザループ

AI生成の品質チェック

Gemini APIは強力ですが、完全に自動化するのは危険です。例えば：

価格提案が実感と合わない
SEOキーワードが競合と被りすぎている
翻訳の自然さが低い

こうしたリスクを軽減するため、以下のアプローチを推奨します：

1. 自動チェック層

interface QualityCheckResult {
  isValid: boolean;
  issues: string[];
  confidence: number;
}
 
async function qualityCheckProduct(
  product: ProductMetadata
): Promise<QualityCheckResult> {
  const checks = [
    // キーワード数チェック
    product.primaryKeywords.length >= 5 ? null : "主要キーワードが5個未満",
 
    // 説明文の長さチェック
    product.longDescription.length < 300 ? "説明文が短すぎる" : null,
 
    // キーワード密度チェック（SEO観点）
    // "AI" が説明に3回以上含まれているか等の自動チェック
  ];
 
  const issues = checks.filter((c) => c !== null) as string[];
 
  return {
    isValid: issues.length === 0,
    issues,
    confidence:
      issues.length === 0 ? 1.0 : Math.max(0.5, 1.0 - issues.length * 0.1),
  };
}

2. ヒューマンレビューの自動ルーティング

async function routeForReview(
  product: ProductMetadata,
  qualityScore: number
): Promise<{
  requiresReview: boolean;
  reviewTier: "auto-approve" | "standard" | "priority";
}> {
  let reviewTier: "auto-approve" | "standard" | "priority";
 
  if (qualityScore > 0.9) {
    reviewTier = "auto-approve";
  } else if (qualityScore > 0.7) {
    reviewTier = "standard";
  } else {
    reviewTier = "priority";
  }
 
  return {
    requiresReview: qualityScore < 0.9,
    reviewTier,
  };
}

3. レビュー画面の実装例（概念）

レビュー担当者向けダッシュボード：

差分表示: 元の商品情報 vs. AI生成コンテンツを横並び表示
クイックエディット: 修正が必要な場合、その場で編集可能
承認フロー: 修正後、ワンクリックで本番DBに登録

まとめ

Gemini APIを使ったEC自動化は、スケール と品質の両立を実現します。

もう一度、このガイドで紹介した手法を整理します：

短期（1〜2ヶ月）: 既存商品の説明文自動再生成と SEO最適化。ROI が最も高い。

中期（3〜6ヶ月）: 顧客レビュー分析、自動改善提案の導入。商品開発との連携を強化。

長期（6〜12ヶ月）: 多言語展開、Shopify/BASE連携の自動化。グローバルECへの足がかり。

最後に、最も大切なポイント: AI は道具です。生成したコンテンツが本当に顧客の心に響くか、売上につながるかは、最終的には ヒューマンレビューと実験検証 が決めます。

「100%自動化」を目指すのではなく、「AI + 人間の協働」で、スケーラビリティと真正性の両立 を目指してください。

参考資料

実装をサポートする資料として、以下が参考になります：

Gemini API × ECサイト自動化商品コンテンツAI生成ガイド

取り組みの背景：AI × EC の可能性

商品画像 → 商品説明自動生成パイプライン

Vision API と構造化出力の組み合わせ

大量商品処理への拡張

SEO最適化された商品ページ自動生成

メタデータとキーワード最適化

顧客レビュー AI分析

レビューテキストから購買インサイトを抽出

多言語商品カタログ一括生成

ローカライズ＋文化的適応

ECプラットフォーム連携

Shopify、BASE との実装パターン

Shopify Admin API との連携

BASE との API 連携

大量商品の一括処理

Batch API でコスト最適化

品質管理とヒューマンインザループ

AI生成の品質チェック

1. 自動チェック層

2. ヒューマンレビューの自動ルーティング

3. レビュー画面の実装例（概念）

まとめ

参考資料

書籍

お読みいただきありがとうございます

関連記事

Gemini API × ECサイト自動化 商品コンテンツAI生成ガイド

取り組みの背景：AI × EC の可能性

商品画像 → 商品説明 自動生成パイプライン

Vision API と構造化出力の組み合わせ

大量商品処理への拡張

SEO最適化された商品ページ自動生成

メタデータとキーワード最適化

顧客レビュー AI分析

レビューテキストから購買インサイトを抽出

多言語商品カタログ一括生成

ローカライズ＋文化的適応

ECプラットフォーム連携

Shopify、BASE との実装パターン

Shopify Admin API との連携

BASE との API 連携

大量商品の一括処理

Batch API でコスト最適化

品質管理とヒューマンインザループ

AI生成の品質チェック

1. 自動チェック層

2. ヒューマンレビューの自動ルーティング

3. レビュー画面の実装例（概念）

まとめ

参考資料

書籍

お読みいただきありがとうございます

関連記事

Gemini API × ECサイト自動化商品コンテンツAI生成ガイド

商品画像 → 商品説明自動生成パイプライン