エージェンティックコマースとは？AIが選び買う時代にECが今すべきこと【完全ガイド】

無料カンファレンスのお知らせ

開催日

2026年6月23日（火）13:00 〜16:20

内容

本セミナーでは、月商100万円〜1,000万円規模のEC事業者が陥りやすいリアルな失敗事例をもとに、「なぜ売上が伸びないのか」を徹底解説。広告運用、商品ページ、CRM、導線設計、リピート施策など、売上停滞の原因を分解し、成果につながる改善ポイントを具体的にお伝えします。

【PICK UP！】

15:40 ~ 16:00　株式会社LANY コンサルタント宮下が登壇します！

検索1位、でも売上が伸び悩む。ECサイトにおける競合の考え方

無料カンファレンスに申し込む

「ChatGPTに『おすすめの加湿器を教えて』と聞く」。こうした購買行動が、あなたのECサイトの売上を左右し始めています。

近年、消費者によるAI活用は急速に拡大しています。商品を検索エンジンで探す前にAIへ相談し、比較検討から購入先の選定までをAIとの対話の中で進める人も増えてきました。こうした変化は、EC事業者の集客や売上にも大きな影響を与え始めています。

比較検討から購入までがAIとの対話の中で完結する新しい商取引の形を、「エージェンティックコマース」と呼びます。

結論から言えば、EC事業者にとって重要なのは、「AIに推奨されるブランドになるための準備」を早期に進めることです。決済機能への対応は後からでも間に合いますが、AIからの推奨を獲得するには時間がかかります。準備を始めるのが早いほど、AIに推奨されやすくなります。

この記事は、エージェンティックコマースの全体像を一読で理解するための完全ガイドです。仕組みや従来のECとの違い、ACPやUCPといった共通規格、主要プレイヤーの動向、AIが商品を推奨する仕組み、そしてEC事業者が今から取り組むべき対策までを順を追って解説します。

株式会社LANYはこれまで、SEOやLLMO（AI検索最適化）の支援を通じて200社以上の企業の集客課題を支援してきました。その知見をもとに、エージェンティックコマース時代に向けて何から着手すべきかを具体的にお伝えします。

読み終える頃には、自社ECが取るべき次の一手が明確になっているはずです。

エージェンティックコマースとは

一言でいうと「AIが発見・比較・購入を代行する商取引」

エージェンティックコマースとは、AIエージェントが消費者に代わって商品の発見・比較・購入までを遂行する商取引の形です。

AIエージェントとは、人の指示を受けて自律的にタスクを実行するAIを指します。たとえば「父の日に贈る5,000円台の日本酒ギフトを探して」と頼むと、AIが候補を比較し、推奨し、注文まで進めます。

米国を起点に、この体験はすでに現実になりつつあります。ChatGPT上で処理されるショッピング関連の問い合わせは、1日あたり約5,000万件と推計されています。買い物にAIを使う消費者のうち、48%が「AIによる購入代行」に前向きという調査もあります。

従来のECとの違いは「比較検討がAIの中で完結する」こと

最大の違いは、消費者が比較検討する場所です。従来は検索結果を何ページも見比べていました。これからは、AIとの対話の中で比較が完結します。

消費行動のモデルも変わります。従来のAISAS（注目・興味・検索・購買・共有）に対し、AI時代はAICAS（相談・興味・確認・購買・共有）へ移行します。

ポイントは2つあります。1つは「相談（Ask）」の段階でAIの候補リストに残ること。もう1つは「確認（Confirm）」の段階で選ばれ続けることです。

AIが提示する候補は、多くの場合3〜4枠しかありません。この枠に入れなければ、比較検討の土俵にすら上がれません。さらに、「○○の評判は？」と名指しで確認された段階で、誤情報やネガティブな評価が提示されると、最終的な購入候補から外されるリスクがあります。

3つのレイヤーで捉える（発見・意思決定・取引）

エージェンティックコマースは、3つのレイヤーに分解すると理解しやすくなります。

1つ目は「発見（Discovery）」です。ユーザーの相談を起点に、AIが商品候補を探します。論点は「そもそも候補に入るか」です。

2つ目は「意思決定（Decision）」です。AIが評価軸を立て、候補を比較し、推奨を決めます。論点は「AIに推奨されるか」です。

3つ目は「取引（Transaction）」です。カート・決済・注文をエージェントが実行します。論点は「買える状態になっているか」です。

このうち、売上を最も左右するのが2つ目の意思決定レイヤーです。ここが、後述するLLMOの主戦場になります。

AIエージェントとECをつなぐ「プロトコル」とは

エージェンティックコマースを支える土台が、プロトコルと呼ばれる共通規格です。

これまでAIが商品を買うには、人間のように画面を読み取って操作するしかありませんでした。この方法は読み間違いや決済事故のリスクが高く、規模を広げられません。

プロトコルは、商品カタログの取得から決済までのやり取りを標準化する「商取引の共通言語」です。これがあれば、どのAIとどのECの間でも、正確かつ安全に取引が完結します。ECは一度対応すれば、複数のAI売場に接続できます。

代表的な規格が2つあります。1つはOpenAI陣営のACP（Agentic Commerce Protocol）で、2025年9月にStripeと共同で公開されました。もう1つはGoogle陣営のUCP（Universal Commerce Protocol）で、2026年1月に発表され、Shopifyなど20社超が支持しています。

多くのチャネルで販売するECにとっては、いずれ両方への対応が前提になる可能性が高いです。実際、Shopifyはすでに両陣営に参画しています。

なぜ今、エージェンティックコマースが注目されるのか

わずか9か月で主要プレイヤーの布陣が出揃った

2025年9月以降、主要プレイヤーが相次いで参入しました。構想の段階から、実装の段階へ一気に移行しています。

OpenAIはStripeと組み、ChatGPT上での商品購入機能を米国で開始しました。その後PayPalがACP採用を発表し、数千万のマーチャントがChatGPTに接続できる見通しになりました。GoogleはShopifyやWalmartなど20社超の支持を得て、UCPを発表しました。2026年5月には、検索・Gemini・YouTubeを横断するUniversal Cartも公表しています。

決済領域まで含めたエージェンティックコマースの主要プレイヤーが、わずか9か月で出揃いました。

主要プレイヤーのスタンスは「開放」と「囲い込み」で割れている

各社の戦略には明確な違いがあります。そのため、自社ECを主軸にしているのか、Amazonなどのモールを主軸にしているのかによって、優先して対応すべきプラットフォームは変わります。

OpenAIとGoogleは、外部ECとの連携を前提にエコシステムを構築しています。ChatGPTは2025年8月時点で週7億人超が利用しており、購入は原則として商品を販売するEC事業者の自社サイトで完結します。現時点では販売手数料も発生しません。GoogleもGeminiやAI Modeを通じて購買体験の強化を進めており、Merchant Centerに登録済みの商品データをそのまま活用できます。

一方で、Amazonは自社AIアシスタント「Rufus」を軸とした囲い込み戦略を取っています。外部AIエージェントによるアクセスを制限しており、Amazonでの売上を伸ばすには、引き続きAmazon内での最適化が重要になります。

Shopifyは独自の立場を取っています。ChatGPTなどのAIサービスと連携しやすい環境を整える一方で、購入体験や顧客との関係づくりの主導権はEC事業者が持つべきだと考えています。そのため、AI経由の集客は歓迎しつつも、ブランドと顧客が直接つながる関係性を重視する姿勢を示しています。

つまり、自社ECを中心に展開している事業者であればOpenAIやGoogleへの対応が重要になります。一方、Amazonへの依存度が高い事業者は、AI対応と並行してAmazon内での最適化にも引き続き取り組む必要があります。

OpenAIの方針転換が、LLMOの重要性をさらに高めた

2026年3月、OpenAIはコマース戦略における重要な方針転換を発表しました。ChatGPT内で購入から決済までを完結させる構想よりも、「商品発見の支援」と「EC事業者の自社サイトでの購入完了」を優先する方向へ舵を切ったのです。

これはEC事業者にとって大きな追い風といえます。ChatGPT経由の購入に手数料が発生せず、顧客データも自社に蓄積できます。さらに、ブランド体験や決済フローも自社でコントロールできます。

一方で、この方針転換によって重要性が増したのがLLMO（AI検索最適化）です。購入体験の主導権はEC事業者側に残る一方で、そもそもAIの回答や推奨候補に選ばれなければ購入にはつながりません。

これからの競争で問われるのは、決済機能の優劣ではなく、「AIに推奨される存在になれるか」です。そして、そのための取り組みこそがLLMOなのです。

日本のECも、今のWeb上の情報で評価され始めている

「日本ではまだ買えないから関係ない」と考えるのは危険です。

AIによるブランド理解は、国境に関係なく、今この瞬間のWeb上の情報から形成されています。日本のユーザーもすでにChatGPTやGeminiに「何を買うべきか」を相談し、AIが候補を絞り込んでいます。AI回答を入口にしたECサイトへの流入や購入も、すでに発生しています。

AIに推奨されるかどうかは、現時点ではWeb上の情報量や情報の質に大きく左右されます。チェックアウト機能の普及を待ってから動き出す頃には、競合がすでにAIからの推奨を獲得しているかもしれません。

機能対応は後からでも間に合います。一方で、AIからの推奨は一朝一夕では獲得できません。だからこそ、早めに取り組むことが重要です。

エージェンティックコマースでECサイトはどう変わるのか

来店者は、もはや人間だけではない

AIエージェントは、「商品を見つけ、評価し、購入を代行する新しい来店者」です。これからは人間向けのUI最適化に加え、AIエージェントという機械の来店者に最適化することが、EC運営の標準業務になっていきます。

両者は見ている場所が異なります。人間は商品画像やデザイン、ブランドの世界観を見ます。AIはHTML・構造化データ・フィードに加え、レビューや比較記事などWeb全体の言及からブランド像を形成します。

評価の仕方も違います。人間は感性と情報を組み合わせて判断します。AIは検証可能なファクトと、Web全体の評判を統合して判断します。

離脱の要因も異なります。人間は使いにくいUIや遅い表示で離脱します。AIは「読めない・情報がない・ブロックされている」と離脱します。

AI経由の売上を決める方程式

AI経由の売上は、シンプルな掛け算で表せます。

AI経由の売上＝ AIに推奨される確率（LLMO）× AIが取引完了できる確率（仕様対応）

LLMOとは、Large Language Model Optimizationの略で、AIに推奨・引用されやすくするための最適化を指します。詳しくは下記の記事で解説しています。

仕様対応とは、AIが商品データを正しく読み取り、取引を完了できるようにする技術整備です。

この式が掛け算である以上、どちらかがゼロなら売上もゼロになります。決済に対応しても推奨されなければ流通はゼロです。逆に推奨を取れても、価格や在庫が機械で読めなければ購入は完遂できません。後者は、カゴ落ちならぬ「エージェント落ち」と呼べる状態です。

ただし投資の重心はLLMOに置くべきだと考えています。守り（仕様）は短期で整いますが、攻め（LLMO）は資産形成に時間がかかるからです。

自社の「LLMO必須度」を見極める

すべてのEC事業者が同じ温度感で投資すべきとは限りません。重要なのは、「どれだけ比較・検討して購入される商品か」と「理性的・情緒的のどちらで選ばれる商品か」の2軸で、自社カテゴリを捉えることです。

比較・検討されやすく、理性的な判断で選ばれる商材では、LLMOへの投資優先度は高くなります。家電、金融、人材、不動産、BtoBサービスなどが該当します。AIが比較検討の役割を担うため、推奨候補に入れなければ検討対象になりにくくなります。

一方、比較・検討されやすく、情緒的な要素で選ばれる商材も重要です。ハイブランドやファッション、趣味性の高い商品では、AIがブランドをどのように語るかが購買意欲やブランド価値に影響します。

反対に、比較・検討の度合いが低い商材では、LLMOの優先度は相対的に下がります。飲料や食品、消耗品などは、評判リスクの管理や商品データの整備を中心に進めるとよいでしょう。

LLMOが重要になる領域

ECは「高関与×理性的」の商材が多く、LLMOとの相性が構造的に良い領域です。

AIはどのように商品を推奨するのか

AIが回答を生成する5つのステップ

対策を考える前に、AIがどう回答を組み立てるかを押さえます。流れは大きく5段階です。

第1に、ユーザーが相談文（プロンプト）を入力します。

第2に、AIがその問いを複数の検索クエリに分解し、評価軸を組み立てます。

第3に、検索結果・比較記事・レビュー・商品フィードを横断して情報を集めます。

第4に、集めた情報と、AIが事前に学習しているブランド理解を統合します。

第5に、3〜4個の候補を推奨理由つきで提示します。

この流れを理解すると、ECが介入できる場所が見えてきます。

ECが介入できる3つのポイント

介入ポイントは3つあります。

1つ目は「考え方（KBF）」です。KBFとは購買決定要因のことで、AIが比較に使う評価軸を指します。既存の評価軸で勝つ材料を揃えるか、重視される軸そのものを変える・追加します。

2つ目は「参照先（RAG）」です。RAGとは、AIが回答時に外部情報を参照する仕組みを指します。公式サイトやFAQといった蓄積情報と、PRや調査リリースといった情報を、計画的に配置します。

3つ目は「根拠（RTB）」です。RTBとは「選ばれる理由の裏付け」のことです。曖昧な主張を、第三者が検証できるファクトに変換します。

この3つは、それぞれ独立して機能するものではありません。評価軸を設計しても、参照できる情報がなければAIは推奨できません。参照先に情報があっても、それを裏付ける根拠がなければ信頼されません。そして、根拠があっても重視される評価軸に結び付いていなければ、推奨にはつながりません。

商品の特徴は、「なぜ選ぶべきか」という理由に変換されて初めて価値を持つ

商品特徴をただ列挙しても、AIが推薦理由として引用しづらい場合があるため、「その特徴が、どの選択状況で、なぜ選定理由になるのか」まで翻訳する必要があります。

この選択状況を、CEP（カテゴリーエントリーポイント）と呼びます。CEPとは、消費者が商品カテゴリを思い浮かべる具体的な文脈を指します。たとえば「取引先への出産祝い」「冬の乾燥対策」などです。

たとえば、「日本製で高品質なタオル」という商品特徴だけでは、AIが推奨する理由としては弱い場合があります。そこで、特徴を選定理由へ変換します。たとえば、「取引先への出産祝いでは、相手の好みに踏み込みすぎない実用品が選ばれやすい。ベビー用タオルはサイズ選びで失敗しにくく、洗い替えとしても使えるため、ビジネス関係の贈り物に適している」といった形です。

このように、誰に・なぜ・どんな商品特徴で・どう選ばれるかが1つの段落に揃うと、AIがそのまま推薦理由として引用しやすくなります。

エージェンティックコマースに向けてECが今すべきこと

守り：AIが「読める・買える」サイトにする4ステップ

仕様対応のゴールは、AIエージェントが「アクセスできる→理解できる→正確なデータを取得できる→取引できる」状態です。着手しやすい順に、4ステップで整備します。

1つ目はクローラビリティの確保です。bot対策ツールやWAFが、意図せずAIボットをブロックしていないかを確認します。OpenAIのOAI-SearchBotなど、主要なボットの許可状況をrobots.txtで確認します。

2つ目は、機械可読性の向上です。AIクローラーの多くは、JavaScriptで動的に表示される情報を十分に読み取れない場合があります。そのため、価格や在庫などの重要情報は、JavaScriptを無効にしても読める形でHTMLに出力しておくことが重要です。あわせて、商品情報を表す構造化データも実装します。

3つ目はプロダクトフィードの整備です。ChatGPTのショッピングは、サイトのクロールではなく、マーチャントが直接送信するフィードを正として商品を表示します。フィードの品質と鮮度が、AI売場での露出を左右します。

4つ目はプロトコル対応です。ACPやUCPに接続し、エージェントが取引できる状態にします。Shopifyなどのプラットフォーム利用なら、追加開発はほぼ不要です。

また、AIに発見・推奨されることを目的とするのであれば、現時点ではプロトコルへの対応は必須ではありません。Web上のインデックス、プロダクトフィード、構造化データが適切に整備されていれば、AIの比較・推奨対象になることは可能です。

攻め：AIに推奨されるブランドになるLANY式5ステップ

攻めのLLMOは、行き当たりばったりでは成果が出ません。LANYでは、次の5ステップで進めます。

第1に、CEP設計です。キーワードではなく「ターゲットがどのような文脈でAIに相談するか」を起点に、購入直前に使われる相談文を網羅的に洗い出します。

第2に、現状の可視化です。設計した相談文を実際にAIへ入力し、自社が推奨されるか、どのように語られるか、どの情報源が参照されているかを定点観測します。

第3に、要因分析です。AIが重視している評価軸ごとに、自社と競合の差分を診断します。

第4に、RTBの配置です。選ばれる理由を裏付ける情報を、AIが参照しやすい場所に配置します。

第5に、検証と改善です。施策後に同じ相談文で再検証し、推奨の有無や語られ方の変化を確認しながら改善を重ねます。

特に重要なのが、第4のRTB配置です。選ばれる理由の根拠は、AIが参照する複数の場所に配置する必要があります。

1つ目はオウンドメディアで、商品ページやコラムです。

2つ目は第三者サイトで、比較記事やプレスリリースです。

3つ目はマルチモーダル面で動画やUGC（ユーザー投稿コンテンツ）など、テキスト以外の形式でも根拠を蓄積していきます。

ここで鍵になるのは、露出量ではなく「文脈一致率」です。どの面でも、同じ文脈・同じ選定理由で語られている状態を作ります。同じCEPと選定理由が複数の面で反復されるほど、AIはその商品を「そのシーンに適した候補」と強く認識します。

実際に、ある支援先では「選び方」コラムの冒頭に自社名と定量実績を自然に追記したところ、参照された12回中11回で自社が推奨される状態をつくれました。

「盛る」のではなく「言い切れる形」に整える

AIは曖昧な訴求ではなく、検証可能な事実を優先します。そのため、商品やサービスの情報は、AIが引用・比較しやすい形で整理することが重要です。

たとえば「乾燥肌に大人気で、肌に優しい化粧水です」では弱いです。これを「30代の乾燥肌向けに設計された高保湿化粧水。セラミド3%配合、レビュー4.6点（1,240件）」と書き換えます。

RTBは「盛る」のではなく「整備する」ものです。誤りや定義の曖昧さは、AI経由で増幅され、かえってブランド毀損につながります。

エージェンティックコマースに向けて、まず着手すべき3つのこと

優先順位は明確です。まず守りの土台を最小限整え、並行して攻めのLLMOに着手します。

第1に、AIが商品情報を取得できる環境の整備です。AIボットがサイトへアクセスできる状態を確認するとともに、プロダクトフィードを整備します。

第2に、商品ページを対象としたLLMOです。価格やFAQ、利用シーンなどの情報を充実させ、AIが理解・引用しやすい状態を作ります。

第3に、比較記事やレビューなど第三者による言及を計画的に増やします。AIは自社サイトだけでなく、第三者の評価や口コミも参照するためです。

課題別に見るLLMOの打ち手

LLMOの打ち手は、よくある課題ごとにパターン化できます。LANYの支援で効果が確認された施策を、EC向けに整理しました。自社の課題に近いものから着手します。

費用・価格の相談で候補に入らない場合は、商品ページに料金セクションとFAQを新設し、具体的な金額を明示します。
ギフトなど特定の用途で候補に入らない場合は、「その用途でも選ばれている」という文言を、自社サイトと外部メディアの両方に追加します。
「乾燥対策」など悩み軸の相談で候補に入らない場合は、課題から解決の文脈で事例とFAQを整え、商品と悩みを紐づけます。
競合より推奨されにくい場合は、比較サイトの掲載文に定量データ（シェア・継続率・販売数）を追加します。
比較記事での露出が弱い場合は、比較サイトへの掲載を企画し、「どの選定理由で紹介されたか」を重視します。

まずは「AI-Ready」かを点検する

何から手をつけるか迷ったら、まず現状把握から始めます。以下の項目を「できている・できていない・わからない」で棚卸しするだけで、仕様面の課題が見えてきます。

robots.txtで主要AIボットの扱いを明示している
CDNやWAF、bot対策ツールがAIボットを誤って遮断していない
JavaScriptを切っても価格・在庫・商品名が表示される
商品情報を表す構造化データを実装している
商品ページに価格を明示している（「要問合せ」にしない）
送料・納期・返品条件がテキストで読める
商品ページやサイトにFAQを整備している
プロダクトフィードが最新の在庫・価格に追従している
AI経由の流入（リファラー）を計測する設定がある

この棚卸しだけでも、自社の優先順位が見えてきます。

エージェンティックコマースの効果はどう測るのか

成果は「見える経路」と「見えない経路」に分かれる

AI検索の成果は、4つの経路で売上に変わります。ただし直接計測できるのは半分だけです。

計測できる経路は2つです。1つはAI回答内のリンクからの直接流入で、リファラーで計測できます。もう1つはAIプラットフォーム上での購入です。

計測できない経路も2つあります。1つはAI上での意思決定で、回答を読んで購入先を決め、後日サイトを直接訪問するケースです。もう1つはブランド想起で、「あのAIが薦めていた」という記憶が、店頭や広告接触での購買に波及するケースです。

重要なのは、見えない経路の影響がむしろ大きいという点です。「流入が少ない＝効いていない」とは限りません。

直接KPIと間接KPIの両輪で見る

KGI（最終目標）は「AI検索経由の売上」に置きます。これを2系統のKPIで挟んで捉えます。

直接計測できるKPIは、AI経由の流入数・CVR・売上です。GA4でchatgpt.comなどのリファラーを分離して計測します。あわせて、購入完了画面に「何で知ったか」のアンケートを設置し、生成AI起点の比率を把握します。

間接的に観測するKPIは、対策した相談文での推奨率・推奨ポジション・語られ方の質です。ChatGPT・Gemini・Perplexityといった主要AIで、定点観測します。

実際にLANYでは、問い合わせフォームの認知経路アンケートを常時運用しており、生成AI経由の比率は2026年2月時点で21.4%に達しています。

エージェンティックコマースに関するよくある質問

Q. エージェンティックコマースと会話型コマースの違いは何ですか？

会話型コマースは、チャットや音声などの対話を通じて買い物を完結させる仕組み全般を指します。エージェンティックコマースは、その中でもAIが自律的に発見・比較・購入を代行する点に特徴があります。AIが主体的に動く点が大きな違いです。

Q. 日本ではまだ商品を買えないのに、今から対策する意味はありますか？

あります。AIによるブランド理解は、今この瞬間のWeb上の情報から形成されているからです。日本のユーザーもすでにAIに購入相談をしています。推奨の獲得には時間がかかるため、情報を整えておくほど候補に入りやすくなります。

Q. ACPとUCPの両方に対応する必要がありますか？

多くのチャネルで販売するECは、いずれ両対応が前提になる可能性が高いです。ACPはChatGPT内のショッピングに、UCPはGoogleの検索やGeminiにつながります。Shopifyなどのプラットフォームを利用している場合は、ACPやUCPへの対応もプラットフォーム側が先行して進める可能性が高く、個別の開発負担は比較的小さくなります。

Q. Shopifyを使っていれば対応は簡単ですか？

仕様面の負荷は小さくなります。Shopifyはカタログ経由でChatGPTへ商品データを自動統合し、主要プロトコルにも先行対応しているためです。ただし「AIに推奨される」ためのLLMOは、プラットフォームに関係なく自社で取り組む必要があります。

Q. 何から始めればよいですか？

まずAIボットがサイトを読める状態にし、プロダクトフィードを整えます。並行して、商品ページに価格・FAQ・利用シーンを明記し、AIが引用しやすい形に整備します。そのうえで、比較記事やレビューなど第三者の面での言及を増やします。

Q. SEOとLLMOは何が違いますか？

SEOは自社サイトへの流入を獲得する施策です。LLMOはAIの推奨を獲得する施策です。SEOがキーワード起点で入口を取るのに対し、LLMOは具体的な相談文を起点に、比較記事やレビューを含む情報全体で推薦を勝ち取ります。アプローチは異なりますが、機械可読性の向上や情報整備といった仕様面の取り組みには共通点も多くあります。