インターネットに商品データをどう載せるかは、単なる「運用上の整理整頓」の話ではありません。AI時代においては、自社の商品がユーザーに発見され、購入につながるための絶対的な前提条件です。本稿では、商品データを「AIエージェント仕様」にするための具体策を解説します。
|
この記事でわかること
|
目次
- AI時代のECデータ戦略
- 大手企業が直面する、商品データの課題
- AIエージェント仕様の条件とは？
- 4つの選択肢
- 【選択肢①】AIエージェント仕様を標準実装するプラットフォームを選ぶ（推奨）
- 【選択肢②】商品データフィードを自社で構築する
- 【選択肢③】何もしない／様子を見る
- 【選択肢④】SEO・ブランディングに頼る
- 行動するタイミングは、未来ではなく「今」
AI時代のECデータ戦略
「最新GEO実践ガイド」では、AI時代に選ばれるための3つの柱として「SEOの基本」「ブランド構築」「データの質」を挙げました。そのうち今回は、技術リーダー向けに「データの質」に焦点を当てます。
背景には、AIによるコマースの劇的な変化があります。
2025年以降、AI経由の注文数は15倍に増加。大手調査・アドバイザリー企業のGartner®*の新レポート「Optimize Product Data for Agentic Commerce」（2026年1月15日、Sandy Shen・Jason Daigler著）でも、2030年までにデジタルコマース全体の20%がAIプラットフォーム経由になると予測されています。
しかし、明確なデータ戦略を持つ企業はごく一部。一方で、企業の経営層の関心事になりつつあり、技術リーダーの方々は、「AI対応の施策を講じているのか？」と聞かれることもあるでしょう。
本稿では、その答えとなる、具体的な技術面のフレームワークを紹介します。AI仕様の商品データにするにはどのような選択肢があるか、確認していきましょう。
|
☝️なぜ、Shopifyがこのテーマを語るのか？ 理由の一部をご紹介します。
本稿でお伝えする内容は、当社がリアルタイムで学び、構築している最新の知見に基づいています。 |
大手企業が直面する、商品データの課題
「インターネットに商品データをどう載せるかは、AI時代の前提条件」と聞いて、思わずため息が出る方もいるかもしれません。
当社は日々、大手企業のDXリーダーやCIO、技術リーダーの方々などと対話をしています。そうして現場の声を聞く中で、商品データの扱いが多くの大手企業で課題になっていると実感しています。
典型的な課題のパターンを紹介します。
多くの大手小売企業では、データアーキテクチャを数年、場合によっては数十年かけて進化させてきました。
当初はERP（統合基幹業務システム）、やがてPIM（商品データ管理）が必要に。PIMはWebサイトにデータを渡し、Webサイトはマーケットプレイスに接続します。
チャネルごとに、「OMS（受注管理システム）」、「WMS（倉庫管理システム）」「DAM（デジタルアセット管理）」といった独自のシステムが導入され、それぞれで商品属性のデータが個別に管理されています。
その結果、商品データは複数の場所に分散することに。自社サイト、マーケットプレイス、SNSなど、販売チャネルごとにフォーマットが異なるため、バックエンドには同一商品の複数の異なるデータが並存することになるのです。これらをつなぐミドルウェアは、大半は以前の現場担当者の頃から使われ、スケールが増してSKU数が増えるほど、状況は悪化してしまいます。
これはまた、過去の失敗ではなく、時代の変化に適応してきた証でもあります。現実の課題を解決するためにシステムが追加され、その当時のカスタマイズは理に適っていたはずです。しかし、時間の経過とともに技術的な負債は積み上がり、誰も全容を把握できないまでに至ってしまっているのです。商品データをAI仕様にするには、こうした実情を直視しなくてはなりません。
現実は複雑です。しかし、だからこそ正しいアプローチが重要になります。ここからは、AIエージェントが実際に活用できる商品データとはどういうものか、「AIエージェント仕様」について具体的に見ていきましょう。
AIエージェント仕様の条件とは？
生成AIのチャット画面でユーザーへ提案され、購入してもらうには、商品データをAIエージェント仕様にする必要があります。その必須条件は、「機械可読性」と「リアルタイム性」です。
機械可読なデータ
機械可読なデータとは、ソフトウェアシステム（特にAIエージェントやLLM（大規模言語モデル））が人の介在や中間的な翻訳なしに、クエリ、解釈、処理できる形で構造化された情報のこと。
多くの商品データは、Webサイトの閲覧者向けにつくられてきました。読みやすい文章、ビジュアルで魅せるページ、フロントエンドで美しく表示されるカスタムテーマ……。しかし、人が見やすいものと、AIが理解できるデータは別物です。
これは、データ品質のみならず、データのアクセシビリティの問題です。商品ページに買い手に必要な情報がすべてそろっていても、例えばその情報が、LiquidテンプレートやJavaScriptのレンダリングロジック、カスタム表示ルールの中にあると、AIには参照されません。
リアルタイムデータ
エージェンティック・コマースにおける「リアルタイムデータ」とは、LLMが過去にウェブを巡回（スクレイピング）した時点ではなく、ユーザーが問いかけた時点の商品データのことを指します。
生成AIがAPIを通じて商品データにアクセスできない場合、Webサイトを巡回して情報を集める「スクレイピング」に頼らざるを得ません 。しかし、在庫は刻一刻と変動し、新色の追加や割引の適用なども頻繁に行われます 。更新頻度の高い商品データをスクレイピングに頼ると、ユーザーが情報を見る頃には古い内容になっている可能性が高く、生成AIは「誤った情報」を伝えることになってしまうのです。さらには、正確なデータでないと、生成AIはその商品を推薦しなくなる傾向があります。
正確なリアルタイムデータであるか否かで、生成AIのチャット内でのコンバージョンが左右されます。UCPは、チェックアウト完了前の同期的なAPIコールで、その商品が表示価格で実際に購入できるかを必ず検証します。この検証に失敗すると購入ボタンは機能せず、ユーザーは生成AIのチャットから該当商品のWebサイトなどに移動しなくては購入できなくなり、致命的な離脱要因になってしまうのです。
ここまで、AIエージェント仕様の商品データについて見てきました。次は、想定されるAIエージェント仕様の選択肢と、そのメリット・デメリットについて説明していきます。
|
自社サイトのAI対策は万全ですか？ 現状を診断できる『AIに選ばれるための、厳選ECチェックリスト』をご活用ください。 無料でダウンロード |
4つの選択肢
AIエージェントへの対応を検討する際には、主に4つの選択肢があります。
【選択肢①】AIエージェント仕様を標準実装するプラットフォームを選ぶ（推奨）
商品データのAIエージェント仕様を最も確実に実現する方法は、Shopifyへの移行、または既存のECプラットフォームに加えてAgenticプランの採用です。
生成AIは、さまざまなコマースプラットフォームのサイトをスクレイピングして商品データを表示できます。しかし、主要な生成AIへのAPIアクセス（リアルタイムデータの連携）を標準で実装しているコマースプラットフォームは、Shopifyだけです。
Shopifyは、主要なAIチャネルとの連携を見据えた商品データ連携やAPI活用をいち早く進めているコマースプラットフォームです。
生成AIのチャットで買い物をする人が正確な情報をもとにチャット内で購入できるようにするには、LLMに商品データへのAPIアクセスを提供することが、最も確実な方法です。そして、それを実現するのが「Agentic Storefronts」という機能です。
-
Agentic Storefronts（AIエージェント対応のストアフロント）
Chat GPT、Microsoft Copilot Checkout、Google AIモード、GeminiといったAIプラットフォーム上で、自社商品を正確かつ即座に発見してもらい、販売できるようになります。Shopifyマーチャントには、この機能は自動で有効化されます。 -
Shopify Catalogの役割
「Shopify Catalog」はAgentic Storefrontsを支える機能で、商品をあらゆる生成AIに配信・表示させます。特定の連携やカスタム設定は不要。販売チャネルの選択も、AIプラットフォームごとにオン・オフを切り替えるだけです。 -
Agentic Plan（Shopifyへの移行が難しい場合）
既存のECプラットフォームを置き換えられない企業向けには、「Agenticプラン」をご用意しています。Shopifyのオンラインストアを利用せずに、Agentic Storefrontsのメリットを受けられるプランです。商品フィードの接続とチェックアウトの設定は必要ですが、エージェンティック・コマース用の「サイドカー」としてShopifyを追加するだけでご利用いただけます。
ここで、「複雑なカスタムサイトと膨大なバックエンドデータを持つ自社で本当に使えるのか？」と疑問に思われる方も多いでしょう。
AIの推論は、Shopifyに取り込まれたデータに対して行われるため、元のシステムは関係ありません。Shopify Catalogの基本的な掲載要件を満たしていれば、商品は自動的に生成AIの推薦対象に含まれ、追加の作業は不要です。
📍【重要な違い】ディスカバリーとネイティブ販売Agentic Storefrontsの設定の有無に関わらず、商品は生成AIの推薦に表示される可能性があります。それがディスカバリーです。一方、ネイティブ販売（消費者が生成AIのチャットから直接チェックアウトを開いて購入できること）には、Agentic Storefrontsの有効化が必要です。
|
【選択肢②】商品データフィードを自社で構築する
自社での対応を選択する場合、技術的および運用上の多大なコストが発生します。
AIプラットフォームごとに要件が異なるのが最初のハードルです。Gartner®*によれば：
- OpenAI / ChatGPT：マーチャント申請を行い、指定の仕様に合わせて商品フィードを構築
- Google / Gemini：Google Merchant Centerにenrichedフィードを提出のうえ、「GenAI Attributes」で拡張し、UCPマニフェストファイルをホストしてリアルタイム在庫確認のエンドポイントを構築
- Perplexity：Feedonomics、Sonar API、またはEnterprise Resource Hubで連携
つまり、AIプラットフォームごとに、各種連携、データフォーマット、承認プロセス、継続的な保守などの対応をしなくてはなりません。さらに、AIプラットフォームは日進月歩の状況で、AIによる新たなショッピング体験は絶えず進化しています。
また、リアルタイムデータの要件もあります。UCPではチェックアウト完了前に最新の価格や在庫を反映した状態を同期的に取得できることが求められます。その際、たとえ1時間ごとに在庫が同期されていたとしても、単なるスケジューリング実行の同期では、購入ボタンは機能しません。
技術的な負荷は累積して影響範囲は広がります。AIプラットフォームとの連携や保守に費やす時間が増えれば、その分、イノベーションなどに充てるリソースは削られます。AI仕様のジョブが増えるたびに、AIエージェント仕様のコマースシステムを導入済みの競合他社との差は広がってしまうわけです。
【選択肢③】何もしない／様子を見る
生成AIはまだ進化の途上で不確実性が高く、費用対効果が良くないと、様子見を選択している方も少なくないでしょう。こんな意見をしばしば耳にします。
「商品データは最良の状態ではないが、技術的には動いている。月にわずかな注文しか見込めないチャネルに、売上高数千億円規模の会社と自らのキャリアを賭ける価値はあるのか？」
確かに、AI経由のオーガニックな注文は現在、デジタルコマース全体の約0.4%に過ぎません。どこに資本を投資するかを熟考するのは、健全なビジネス判断です。
しかしリスクの本質は、「対応しなくてはならないときに準備ができていないこと」にあります。変化が起きたときに慌てないように、今のうちに基盤を整えておくことは重要です。
現状は以下のとおりです。
- 2025年1月以降、AI経由のトラフィックは9倍、注文は15倍に増加
- Gartner®*は、2030年までにデジタルコマース全体の20%がAIプラットフォーム経由になると予測
エージェンティック・コマースはまだ黎明期にあります。時間は残されています。だからこそ、今動くことが安全策であり、決してリスクではないのです。
今、あらゆる企業がデジタル変革の決断を迫られています。変革に踏み切った企業の経営層が共通して語るのは、「変革のリスクより、変革しないリスクの方が大きかった」ということ。進化する顧客の期待に応えるために動いたのであり、選択肢はそれしかなかったのです。
業種を問わず、現代のコマースに共通する現実があります。変わり続けるか、市場から退くか──その二択を迫られているという現実です。
今動くことは、単に競合に先んじるということではありません。顧客の購買プロセスそのものが再定義される中で、そのプロセスの設計に自ら関われるかどうか──その差が、数年後のブランドポジションを大きく左右するでしょう。
【選択肢④】SEO・ブランディングに頼る
エージェンティック・コマースに賛同するものの、エンジニアリングよりマーケティングの課題だと感じている方もいるかもしれません。
生成AIで買い物をする人がどのように自社の商品を見つけるかは、SEOやブランディングが大きな役割を果たします。実際、追加投資をしていないのに、生成AI経由のトラフィックが増えているかもしれません。
しかし、それはエージェンティック・コマースの一側面に過ぎません。
前述したように、LLMにクリーンな商品データが参照されていなければ、生成AIはWebスクレイピングに頼ることになり、正確な情報を見つける可能性は限りなく低いでしょう。生成AIがリアルタイムの商品データにアクセスできなければ、潜在顧客が見る頃には商品データは更新前の古い情報になっている可能性が高いのです。
こんなケースも珍しくありません。
- 古い在庫：サイトの在庫表示が更新されていない。またはスクレイパーが再クロールしていないため、生成AIが在庫切れの商品を薦める
- 誤った価格：AIがキャッシュされたページの古い価格を表示し、決済時に顧客が驚く
- 誤解を招く商品表現：AIが不完全または古いコピーに基づいて商品を説明する。あるいは事実ではない商品情報を生成してしまう
- コンテキストの欠如：返品ポリシー、配送日数、サステナビリティの取り組みについて顧客が尋ねても、生成AIは答えられない、あるいは誤った回答をする
AIエージェントへの対応をSEOやブランディングに任せることは、技術的には生成AIで商品が発見される確率を高める一方、それだけに頼ると、ショッピングはディスカバリー止まりで、購入はAIとのチャット内ではなく他のECサイトなどに移動して行う必要があります。先述のように、これは致命的な離脱要因となるため、この選択肢は推奨できません。
何もしないことや、AIエージェントへの対応をSEOやブランディングに委ねることは、一見すると中立的な選択に見えるかもしれません。しかし現実には、誤った商品データを表示されるリスクが高く、ブランドの信頼を静かに損ない続ける選択です。
行動するタイミングは、未来ではなく「今」
これまでのECの商品データは、十分条件を満たせば事足りていました。ECストアは動き、注文は入りました。
しかし、その前提は大きく変わりつつあります。
人間と違い、AIエージェントは「機械可読でリアルタイムなデータ」を必要とします。これは遠い未来の仮説ではなく、この瞬間も指数関数的に進展しているコマースチャネルの技術仕様です。
対応を先送りにするほど、エージェンティック・コマースに対して行動している競合との差は広がる一方です。その差は、ある時点から簡単には埋められなくなります。商品データを正確に表示させて生成AI内で購入まで完結させている競合との差は、静かに、しかし確実に広がっていきます。
自社だけで抱え込む必要はありません。Shopifyなら、標準機能でその第一歩を踏み出せます。
*Gartner®は、Gartner, Inc. およびその関連会社の商標です。
|
自社サイトのAI対策は万全ですか？ 現状を診断できる『AIに選ばれるための、厳選ECチェックリスト』をご活用ください。 無料でダウンロード |
