投稿者 投稿日: カテゴリー EC×AI活用
エージェンティックコマースとは、AIエージェントが商品探索から購入までを代行する買い物の形のことです。
「Googleで検索したとき、AIの回答のなかに自社の商品が出てこない」。この悩みが、2026年のEC集客で新しい分かれ道になりつつあります。GoogleはAIが買い物を仲介するエージェンティックコマースへ本格的に舵を切り、検索のAIモードやGeminiのなかで商品を推薦する仕組みと、それに連動した広告フォーマットを整えてきました。ここに自社商品を露出させられるかどうかで、これからの流入は大きく変わります。この記事では、Googleのエージェンティックコマース広告の全体像と、日本のEC事業者が商品をAIに拾わせるための具体的な準備を、フィード最適化のプロンプトとともに整理します。
Googleがエージェンティックコマースで整えてきた仕組み
まず、Googleがこの領域で何を用意したのかを押さえます。Search Engine Landなどの報道によると、Googleは2026年に入ってから、AIが買い物を仲介する前提の仕組みを段階的に発表してきました。
一つは、2026年1月に示されたUniversal Commerce Protocol（UCP）です。これは、AIエージェントが決済のやり取りを扱うためのオープンな標準で、割引コードやロイヤルティ（会員特典）の適用、サブスクリプションの課金までを、エージェントが横断して処理できるようにする枠組みです。買い物のプロセスそのものを、人ではなくAIが進める前提の土台といえます。
もう一つは、2026年2月に導入されたBusiness Agentです。これは、ブランドがAIの仮想的な販売員を、GoogleのAIモード検索やGeminiアプリのなかに配置できる仕組みです。ユーザーがAIに相談する流れのなかで、そのブランドの担当役が接客する、という体験を実現します。
そして、これらに連動する広告フォーマットとして、スポンサー付きのリテールリスティングや、Direct Offersと呼ばれる形式が用意されました。Direct Offersは、購入を検討している意欲の高いユーザーに対して、サイト全体の価格を変えずに限定的な割引を届けられる形式で、ロイヤルティ特典や商品バンドルへの拡張も進んでいるとされています。これらは、AIが買い物を仲介する導線のなかに、広告として商品を差し込む仕組みです。
日本市場では、こうしたGoogleのエージェンティックコマース広告をEC活用の視点で解説した情報がまだ乏しく、ここが空白のKWになっています。裏を返せば、早く仕組みを理解して準備した店舗が、AI経由の露出を先取りできる局面です。エージェンティックコマース全般の背景は、既存記事のACPとUCPを比較したエージェンティックコマース解説や、Salesforce Agentforceのショッパーエージェント記事とあわせて読むと、Google以外の動きも含めた全体像がつかめます。
AIに商品を拾わせるために整えるべきデータ
広告フォーマットを使う以前に、そもそもAIが自社商品を推薦候補として認識できる状態を作ることが前提になります。ここが整っていないと、いくら広告に出しても、AIの推薦文脈に自然に乗れません。
Googleの説明を踏まえると、AIの買い物結果で商品を拾わせるための鍵は、大きく三つあります。第一に、Merchant Center（Googleに商品情報を登録する仕組み）のフィードを、対応するすべての商品属性にわたって完全な状態にすることです。商品名やカテゴリだけでなく、素材、サイズ、色、対象、用途といった細かな属性まで埋めるほど、AIが「健康的な」「サステナブルな」「保湿力のある」といった意図的な問いに対して、自社商品を候補に挙げやすくなります。属性の空欄は、そのままAIに見つけてもらえない機会損失につながります。
第二に、商品ページ側で、Googleの商品データ仕様に沿った正確な構造化データ（検索エンジンに内容を機械的に伝えるための記述）を用意することです。価格、在庫、レビューといった情報を構造化データで明示しておくと、AIがその商品を正しく理解し、推薦の根拠に使えます。
第三に、レビューの件数、価格の正確さ、リアルタイムの在庫状況が、露出の重要なシグナルとして働く点です。AIは、ユーザーに勧めて問題のない商品を選ぼうとするため、レビューが厚く、価格や在庫の情報が正確で最新の商品を優先しやすくなります。つまり、日々の運用でこれらを整えていること自体が、AI経由の露出を左右します。
これらは、従来のSEOやショッピング広告の延長にありながら、「人が見て選ぶ」前提から「AIが理解して選ぶ」前提へと、最適化の重心を移す作業です。人向けに整えた情報が、AIにとっても読み取りやすい構造になっているか。この観点で自社の商品データを見直すことが、出発点になります。
フィード最適化・構造化データ整備のプロンプト3本
ここからは、Merchant Centerのフィード整備や構造化データの点検に使えるプロンプトを3本紹介します。中括弧の変数を自店の情報に置き換えてください。
まずは、商品フィードの属性の抜けを洗い出すプロンプトです。AIに拾われる土台づくりの第一歩になります。
プロンプト1：Merchant Center商品属性の充足チェック
あなたはGoogleショッピングとエージェンティックコマースに詳しいECコンサルタントです。
以下の商品フィード（1商品分の属性一覧）を見て、AIの買い物推薦で拾われやすくするために、
埋めるべきなのに空欄・不十分な属性を指摘してください。
観点：
1. 素材・サイズ・色・対象・用途など、検索意図につながる属性の充足度
2. 「健康的」「保湿」などの意図的な問いに答えるための属性の有無
3. 各不足属性について、どう埋めるべきかの具体例
商品ジャンル：{ジャンル}
（ここに商品属性を貼り付け）
次に、商品ページの構造化データを点検するプロンプトです。AIに正しく理解させる記述の抜けを見つけます。
プロンプト2：商品ページ構造化データの点検
以下は当社の商品ページのHTML（またはJSON-LD）です。
Googleの商品データ仕様の観点で、構造化データに不足や誤りがないか点検してください。
観点：
1. 価格・在庫・レビューが構造化データで正しく明示されているか
2. AIが商品を理解するうえで欠けている情報はないか
3. 修正すべき箇所と、その記述例
（ここにHTMLまたはJSON-LDを貼り付け）
最後に、Direct Offers向けの訴求文を設計するプロンプトです。検討中のユーザーへ届ける限定オファーの言い回しを整えます。
プロンプト3：Direct Offers向け限定オファーの訴求設計
購入を検討している意欲の高いユーザーに向けた、限定割引の訴求文を3案作成してください。
条件：
1. サイト全体の価格は変えず、限定的なオファーであることが伝わる表現
2. 誇大表現（最大級・No.1・絶対など）は使わない
3. 商品バンドルやロイヤルティ特典への展開も想定した文面
商品ジャンル：{ジャンル}
主要訴求：{素材・産地・実績など}
準備でつまずく典型パターンと回避策
現場で繰り返し見るのは、広告の出稿設定にばかり注力し、肝心の商品データが薄いまま出してしまうケースです。AIの推薦は、広告の入札額だけで決まるわけではなく、商品データの充実度やレビュー、在庫の正確さといったシグナルの積み重ねで動きます。フィードの属性が空欄だらけのまま広告費を積んでも、AIの推薦文脈に自然に乗れず、費用対効果が伸びません。まずデータを整え、その上で広告を重ねる順序が定石です。
もう一つは、価格や在庫の情報が実態とずれているケースです。AIは正確な情報を優先するため、表示価格と実売価格の食い違いや、在庫切れ商品の掲載残りは、露出を下げる要因になります。フィードと実在庫を自動で同期する仕組みを整えておくと、この取りこぼしを防げます。多店舗を運営している場合は特に、モール間で情報がずれやすいので、同期の仕組みを先に用意しておくのが安全です。
AI経由の露出で先行する店舗と出遅れる店舗の違い
同じ商品カテゴリでも、AI経由の露出で差がつき始めています。この差はどこから生まれるのか、現場で観測される傾向を整理します。
先行する店舗に共通するのは、商品データを「人向けの見栄え」と「AI向けの構造」の両面で整えている点です。商品ページの見た目を作り込むだけでなく、その裏側で、属性や構造化データ、在庫や価格の情報が機械的に読み取れる形になっています。AIは、ページの美しさではなく、読み取れる情報の正確さと厚みで商品を評価するため、この裏側の整備ができている店舗ほど、AIの推薦候補に上がりやすくなります。特にレビューの蓄積は一朝一夕には作れないため、早くから真摯にレビューを集めてきた店舗が、ここで優位に立ちます。
一方、出遅れる店舗に多いのは、フィードを一度作ったきり更新していない、あるいは複数モールに展開するなかで情報がばらついているケースです。ある食品ジャンルの中規模店舗の事例では、楽天と自社ECで商品説明の属性がそろっておらず、片方では埋まっている情報がもう片方では空欄、という状態が放置されていました。人が見る分には気づきにくい差ですが、AIにとっては、情報の欠けた側は推薦しづらい商品になります。多店舗展開の店舗ほど、この情報の一貫性が課題になりやすいのです。
もう一つの分かれ目は、変化への構えです。エージェンティックコマースの仕組みは、まだ発展途上で、仕様や提供範囲が頻繁に更新されます。先行する店舗は、この変化を追いながら、新しい属性や機能に対応できる運用体制を持っています。逆に、一度整えて終わりにしてしまうと、仕様の更新に取り残され、せっかくの土台が古びていきます。大切なのは、完璧な状態を一度で作ることではなく、変化に合わせて商品データを継続的に手入れし続ける習慣です。この習慣の有無が、半年から1年の時間軸で、AI経由の露出の差となって表れます。
言い換えれば、AIに拾われるかどうかは、特別な裏技ではなく、地道なデータ整備と運用の継続で決まります。派手な施策より、こうした基礎の積み上げがものを言う領域だと捉えておくのが実務的です。
KPIと費用の目安
エージェンティックコマース経由の効果は、まだ計測の枠組みが発展途上のため、当面は「AI経由の流入と、そこからの購入」を分けて見られるように計測設計を整えることが先決です。Google側の計測ツールが対応してくる範囲で、AIモードやショッピングからの流入を分離して把握し、従来の検索流入と比較していきます。
費用面では、Direct Offersのような形式は、サイト全体の価格を下げずに限定的な割引を届けられるため、値引きによる利益毀損を抑えながら、意欲の高いユーザーに絞って訴求できる点が利点です。全顧客への一律値下げと違い、検討中の層にだけオファーを届けられるので、粗利を守りやすくなります。ただし、割引の設計を誤ると、本来定価で買う顧客にまで割引が広がる恐れがあるため、対象の絞り込みは慎重に行うべきです。導入初期は小さく試し、AI経由の反応を見ながら広げるのが現実的です。
投資の優先順位としては、広告費を積む前に、まずデータ整備へ時間を割くことを勧めます。フィードの属性補完や構造化データの整備は、外部への支払いが発生しない社内作業でありながら、AI経由の露出に最も効く土台です。ここが整っていない状態で広告費だけを投じても、効果は頭打ちになります。人的な工数はかかりますが、一度整えれば継続的に効き続けるため、費用対効果の観点でも、データ整備を先に済ませてから広告を重ねる順序が合理的です。限られた予算のなかで成果を出すなら、この順序を守ることが近道になります。
今後の展望と独自考察
エージェンティックコマースが広がると、EC集客の主戦場は「人が検索結果を見て選ぶ」場から「AIが候補を絞って提示する」場へと移っていきます。この変化で効いてくるのは、広告費の多寡以上に、商品データがAIにとって読み取りやすく、信頼できる状態になっているかです。AIは、勧めて問題のない商品を選ぼうとするため、データの正確さと厚みが、そのまま露出の土台になります。
日本のEC事業者にとって重要なのは、この変化を「まだ先の話」と後回しにしないことです。フィードの属性を埋め、構造化データを整え、在庫と価格を正確に保つ作業は、いますぐ着手できるうえ、従来のSEOやショッピング広告にもそのまま効きます。AIに拾われる準備は、AI時代だけのものではなく、今日の集客も同時に底上げする投資です。仕組みが本格化してから慌てるより、露出の土台を先に固めておくことが、これからの数年で差になります。
もう一段踏み込んで考えると、エージェンティックコマースは、検索経由の集客における「ブランドの一次想起」の意味も変えていきます。従来は、ユーザーが特定のブランド名で検索してくれるかどうかが集客の分かれ目でした。しかしAIが仲介する買い物では、ユーザーが特定のブランドを指名しなくても、意図に合致すればAIが候補に挙げてくれます。これは、知名度で劣る中小の店舗にとって、実は追い風になり得ます。データを丁寧に整え、レビューを積み、正確な情報を保っている店舗は、ブランド力が大手に及ばなくても、AIの推薦文脈のなかで対等に候補入りするチャンスを得られるからです。指名検索を待つ集客から、意図に応える集客へ。この転換を前向きに捉え、自社の商品データを「AIに正しく理解される資産」として育てていく視点が、これからの数年でますます重要になります。まずは主力商品から着実に整え、AIに選ばれる状態を作っていくことが、遠回りに見えて最短の打ち手です。
よくある質問
エージェンティックコマース広告はもう日本で使えますか
Googleの仕組みは段階的に展開されており、機能や提供範囲は地域や時期で異なります。日本での提供状況や対応範囲は変動するため、最新情報はGoogleの公式発表で要確認です。まずはフィードや構造化データの整備など、今できる準備から始めるのが現実的です。
広告を出せばAIに推薦されますか
広告出稿だけでは十分ではありません。AIの推薦は、商品データの充実度、レビュー、価格や在庫の正確さといったシグナルの積み重ねで動きます。データを整えたうえで広告を重ねる順序が効果的です。
Merchant Centerのフィードは何から直すべきですか
まず、素材・サイズ・色・対象・用途といった、検索意図につながる属性の空欄を埋めることから始めます。空欄が多いほど、AIの意図的な問いに拾われにくくなります。
Direct Offersは利益を削りませんか
サイト全体の価格を下げずに、検討中の意欲の高いユーザーにだけ限定的な割引を届けられる形式です。一律値下げより粗利を守りやすい一方、対象の絞り込みを誤ると割引が広がるため、設計は慎重に行ってください。
小規模な店舗でも取り組む価値はありますか
あります。フィード整備や構造化データの最適化は、費用をかけずに始められ、従来のSEOやショッピング広告にも効きます。むしろ専任チームを持たない店舗こそ、早めに土台を整える価値があります。AIが仲介する買い物では、ブランドを指名されなくても意図に合えば候補に挙がるため、知名度で劣る店舗ほど、データ整備で勝負できる余地が広がります。
最初の一歩は何をすべきですか
まず、主力商品を数点選び、プロンプト1でフィードの属性の抜けを洗い出してください。そこから属性を埋め、構造化データを整える流れで進めると、AIに拾われる土台が着実に整います。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
