投稿者 投稿日: カテゴリー EC×AI活用
AI経由の購入とは、生成AIの回答や提案を経由して発生した注文のことです。
売れ筋を絞り込み、動きの鈍い商品を落とす。この10年ほど、EC運営の定石はその方向でした。Shopifyが2026年8月に公表した四半期決算の内容は、その定石に条件付きの見直しを迫るものです。AI経由の購入の75パーセントが、上位100カテゴリーの外で起きていました。同社ではAI経由の流入と注文がいずれも前年同期の3倍に伸びており、しかもその需要は売れ筋ではなく裾野に向かっています。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）の現場知見にもとづいて解説します。数字の正確な読み方、品揃えの判断をどう変えるか、そして商品データ側で先に手を打つべき箇所を扱います。
Shopify決算の数字を正確に読む
まず数字の出所を押さえます。TechCrunchが2026年8月5日に報じた内容によると、Shopifyの2026年第2四半期では、AI経由の流入と注文が前年同期比で3倍に伸びました。AI経由のセッションの50パーセントが商品ページに直接着地しており、これは従来の検索経由と比べて2.5倍の水準です。そして、AIに帰属する購入の75パーセントが上位100カテゴリーの外で発生していました。売上は36パーセント増の36億ドル、粗利益は31パーセント増の17.1億ドルで、いずれも市場予想を上回っています。
重要なのは、この伸びが従来の検索を食っていないという点です。従来型の検索セッションは過去2年で1.3倍に増えており、依然として全ストアフロントセッションのおよそ3分の1を占めます。Shopify社長のHarley Finkelsteinは、AIは検索の代替ではなく補完になったと述べています。キーワードの一致だけで探す仕組みと、意図を多面的に理解する仕組みが並存し、後者が新しい需要を掘り起こしている構図です。
75パーセントという数字の意味を、EC運営の言葉に置き換えます。買い物客がAIに相談するとき、投げる言葉は商品名ではありません。「猫が吐き戻しにくいフードボウルを探している」「40代の父に贈る、日持ちする和菓子を予算3,000円で」といった、条件と文脈が混ざった相談になります。この形の質問に対して、AIは売れ筋の定番ではなく、条件に最も合う商品を提示します。結果として、検索ボリュームが小さく、キーワード広告では拾えなかった商品に注文が入ります。
もう一つ見落とせないのが、AI経由のセッションの半分が商品ページに直接着地しているという点です。従来の検索では、カテゴリーページやトップページを経由してから商品にたどり着く動線が一定割合ありました。AI経由では、商品ページが最初の接点になります。つまり、商品ページ単体で購入判断に必要な情報が揃っているかどうかが、そのまま成果を分けます。カテゴリーページで補っていた説明は、AI経由の来訪者には届きません。
なお、これらはShopifyのプラットフォーム全体での数字であり、日本の店舗、まして特定ジャンルの店舗にそのまま当てはまるわけではありません。日本市場では会話型の買い物面がまだ発展途上で、AI経由の比率は米国より低い水準にとどまると見るのが現実的です。それでも方向としては先行指標であり、来る前に準備した店舗が有利になる構造は、これまでの流入経路の変化と変わりません。
日本の店舗にとって身近な比較対象を挙げるなら、楽天市場の検索とAI経由の相談の違いです。楽天の検索では、商品名の前方に置いたキーワードが効きます。買い物客が入力するのは2語から3語で、そこに合う商品が並びます。一方、AIへの相談は文章です。「実家の母に送る、日持ちして常温保存できる和菓子で、個包装のもの」という文には、条件が4つ含まれています。この4条件すべてに合致する商品を持っていても、商品名に「個包装」「常温保存」と書いていなければ、判断材料が足りません。楽天市場の商品名は半角255文字（全角換算127文字）まで入るため、条件語を入れる余地は残っています。
品揃えの判断基準はどこが変わるのか
変わるのは、商品を残すか落とすかの判断に使う指標です。従来は、販売数量と在庫回転率が中心でした。月に1個しか売れない商品は、在庫コストと管理コストを考えると落とす対象になります。この判断は、その商品が「検索されないから売れない」のか「検索する言葉が存在しないから売れない」のかを区別していませんでした。
AI経由の需要は後者を掘り起こします。買い物客が商品名を知らないまま条件で相談するため、これまで指名検索が発生しなかった商品にも注文が入る余地が生まれます。ある食品ジャンルの中規模店舗の事例では、贈答用の詰め合わせのなかで、単品では動きが鈍かった商品が、条件を細かく指定した相談経由で動き始めるという現象がありました。単品の売上だけを見て落としていたら、その需要は掘れていません。
とはいえ、すべての死に筋を残せという話ではありません。残す価値があるのは、明確な条件に答えられる商品です。判断基準を3つに整理します。第1に、他の商品では代替できない具体的な属性を持っているか。サイズが特殊、アレルギー対応、対応機種が限定的といった、条件で選ばれる理由がある商品です。第2に、在庫コストが低いか。受注生産やドロップシップで持てる商品なら、残すコストはほぼ管理工数だけになります。第3に、商品データが整っているか。属性が構造化されていない商品は、条件での相談に引っかかりません。
逆に落とすべきなのは、上位商品の下位互換になっている商品です。同じ用途で、価格も仕様も中途半端な商品は、条件で相談されても選ばれません。AI経由の需要が伸びても、この種の商品が救われることはありません。品揃えを広げること自体が目的化すると、管理コストだけが増えます。
判断の実務としては、商品を「条件で選ばれる商品」「指名で選ばれる商品」「どちらでもない商品」の3つに分ける作業から始めるのが分かりやすい形です。3つ目に分類された商品が、整理の候補になります。
属性の粒度をどこまで細かくするか
条件で拾われるためには属性が要る、という話は分かりやすい一方で、どこまで細かくするかの判断は難しい部分です。実務的な目安を示します。
必ず持つべきは、物理的な属性です。サイズ（縦・横・高さ・重量）、容量、素材、色、生産地、賞味期限や使用期限。これらは書けば済むもので、書いていない店舗が多いだけです。特にサイズは、単に「Mサイズ」ではなく実寸を持たせてください。アパレルでは、着丈・身幅・肩幅・袖丈の4項目が最低ラインになります。
次に持つべきは、利用条件に関する属性です。対応機種、対象年齢、使用可能な温度帯、食物アレルギーの特定原材料、電源の種類。これらは購入可否を左右する条件で、間違えると返品につながります。化粧品やサプリメントでは、成分表示の正確さが問い合わせの量を左右します。
その先の、用途やシーンに関する属性は、書き方に注意が要ります。「贈答用」「自宅用」「アウトドア向け」といったラベルは便利ですが、実態と合っていないと誤購入を招きます。商品の仕様から根拠づけられる範囲にとどめてください。ギフト用と書くなら、のし対応や包装の有無を併記します。
やりすぎになるのは、感覚的な形容を属性化する方向です。「上品な甘さ」「ふんわりした肌触り」といった表現を属性欄に入れても、条件の照合には使われにくく、優良誤認のリスクだけが残ります。こうした表現は説明文の中に置き、属性欄は事実に限るという分け方が安全です。
Shopifyを使っているなら、メタフィールドで構造化して持たせるのが本筋です。楽天市場やYahoo!ショッピングでは、商品属性の入力欄と商品説明文の両方に条件語を配置します。Amazonでは、検索キーワード欄が250バイト以内、箇条書きが最大5項目という制約のなかで、購入可否を左右する条件を優先して入れてください。
商品データ側で先に手を打つ5つの作業
AI経由の需要を取るために必要なのは、広告でも新しいツールでもなく、商品データの粒度です。ここからのプロンプトは、ChatGPT、Claude、Geminiのいずれでも動きます。2026年8月時点の主要モデルは、OpenAIのGPT-5.6系、AnthropicのClaude Fable 5、GoogleのGemini 3.7 Flashです。
1本目は、自社の商品を3分類する作業です。品揃えの議論を感覚論にしないために、最初にこれを行います。
プロンプト1：商品の選ばれ方3分類
あなたはEC商品戦略のアナリストです。
以下の商品リストを、次の3分類に振り分けてください。
分類A：条件で選ばれる商品（サイズ・素材・対応機種・アレルギー対応など、具体条件で指名される）
分類B：指名で選ばれる商品（ブランド名・商品名で直接検索される）
分類C：どちらでもない商品（上位商品の下位互換、差別化要素が不明確）
条件：
1. 各商品について、分類の根拠を1行で示す
2. 分類Aについては、どんな条件文で選ばれうるかを2例ずつ挙げる
3. 分類Cについては、条件を足せばAに移せるかを判定する
商品リスト：{商品名・仕様・価格・直近12か月の販売数}
出力：分類表（文章形式）、分類Cの整理候補、分類Aに移せる商品の改善案
2本目は、商品説明を条件で拾われる形に直すためのものです。AI経由の来訪者は商品ページに直接着地するため、ここが最重要になります。
プロンプト2：条件相談で拾われる商品説明への書き換え
あなたはEC商品ページの編集者です。
以下の商品説明を、買い物客が条件で相談したときに正確に拾われる形へ書き換えてください。
条件：
1. 冒頭に「この商品が向いている条件」を3つ、断定形で明示する
2. サイズ・重量・素材・対応範囲・使用可能な状況を数値と単位つきで記載する
3. 向いていない条件も1〜2つ明記する（誤購入を防ぐため）
4. 効能効果の断定、最上級表現、根拠のない比較は使わない
5. 元の商材特性を変えない
商品ジャンル：{ジャンル}
現在の商品説明：{全文}
販売チャネル：{楽天市場／Amazon／Shopify／Yahoo!ショッピング}
出力：書き換え後の全文、追加した属性の一覧、削除した曖昧表現の一覧
3本目は、条件の言葉そのものを洗い出すプロンプトです。社内の言葉と顧客の言葉はずれます。
プロンプト3：顧客が使う条件語の抽出
あなたは顧客インサイトの分析担当です。
以下のレビューと問い合わせ履歴から、購入判断に使われている条件語を抽出してください。
条件：
1. 商品名やブランド名ではなく、条件・状況・目的を表す語に限定する
2. 頻出順に並べ、それぞれ実際の記述例を1つ添える
3. 商品説明に未記載の条件語を「未対応」として区別する
4. 誤解にもとづく条件語（実際には対応していないのに期待されている点）も抽出する
レビュー：{本文}
問い合わせ履歴：{本文}
出力：条件語リスト（頻度・記述例つき）、未対応の条件語、商品説明への追記案
4本目は、仕入れと在庫の判断に使います。品揃えを広げる判断には、コストの裏付けが要ります。
プロンプト4：ロングテール商品の維持コスト試算
あなたはEC事業の管理会計担当です。
以下の商品について、在庫として維持する場合の年間コストと、想定される粗利を試算してください。
試算に含める項目：
1. 在庫金額と保管スペースの機会費用
2. 商品マスタ・画像・説明文の維持工数（年間の更新回数を含む）
3. 販売時の粗利額と年間販売見込み数
4. 受注生産・ドロップシップに切り替えた場合の比較
条件：
- 推測値には根拠と前提を明記する
- 判断は「維持」「受注生産へ移行」「整理」の3択で示す
商品データ：{商品名・原価・売価・在庫数・年間販売数・保管条件}
出力：商品別の試算と判断、判断理由、次のレビュー時期
5本目は、AI経由の流入を計測する仕組みを作るためのものです。測れないものは改善できません。
プロンプト5：AI経由流入の計測設計
あなたはECのアクセス解析担当です。
以下の環境で、AI経由の流入と注文を継続的に把握するための計測設計を作成してください。
条件：
1. 参照元として現れうるホスト名を列挙し、判別できないケースの扱いも決める
2. 月次で見る指標を5つに絞り、それぞれの定義と算出方法を書く
3. 商品ページ直接着地の比率を測る方法を含める
4. 計測できない範囲を正直に明記する
環境：
- カート：{Shopify／その他}
- 解析ツール：{Google Analytics 4／その他}
- 販売チャネル：{記入}
出力：計測設計書（1,500字程度）、月次レポートの雛形、初月にやる設定作業の手順
現場でつまずく4つのパターン
現場で繰り返し見るのは、商品数を増やすこと自体を目的にしてしまうパターンです。AI経由の需要が裾野に向かうという話を、品数を増やせば売れるという話に読み替えると、商品マスタが膨らんで管理が破綻します。増やすべきは商品数ではなく、既存商品の条件情報です。同じ100商品でも、属性が整理されていれば拾われる条件は何倍にも増えます。
2つ目は、商品ページの情報を絞り込みすぎるパターンです。ページの見た目を整えるために説明を短くし、詳細をカテゴリーページやFAQに逃がす設計は、AI経由の来訪者に対しては不利に働きます。セッションの半分が商品ページに直接着地する以上、その1ページで判断材料が揃っている必要があります。読みやすさは保ちつつ、必要な仕様は省かないという設計に切り替えてください。
3つ目は、条件を盛り込みすぎて商品説明が読めなくなるパターンです。属性を書き足すうちに、人間が読むと箇条書きの羅列にしか見えない商品ページができあがります。買い物客の半分は人として読むので、これでは離脱します。属性は属性欄や仕様表として構造化し、説明文は人が読む文章として保つ。この分離ができていない店舗は、どちらの読み手も満足させられません。アパレル系の単一店舗で試したケースでは、実寸を仕様欄に移し、説明文を着用感の描写に絞ったところ、サイズに関する問い合わせが減りながら滞在時間は伸びました。
4つ目は、計測の設計をしないまま施策を評価するパターンです。AI経由の流入は、参照元として明示される場合と、直接流入に混ざる場合があります。全体の注文数の変化だけを見て「効果がなかった」と結論づけると、実際には伸びていた芽を摘みます。商品ページへの直接着地率、商品ページ単位のCVR、新規顧客比率の3つを月次で追う形にしておくと、変化が読み取れます。
費用と工数、そして見るべき指標
商品データの整備にかかる工数は、商品点数と現状の粒度で大きく変わります。目安としては、商品点数300点規模で、条件属性の棚卸しと商品説明の書き換えに5人日から8人日、その後の維持に月あたり3時間程度です。新規商品の登録フローに条件属性の入力を組み込んでしまえば、維持工数は増えません。生成AIの利用料は各社の有料プランで月額20米ドル前後、複数人で使う場合はビジネス向けプランが必要になります。
見るべき指標は3つに絞ります。第1に、商品ページへの直接着地率。ここが上がっていれば、条件で拾われ始めた兆候です。第2に、上位100商品以外の売上構成比。裾野の需要を取れているかが分かります。第3に、新規顧客比率。Shopifyの決算では、AI経由の新規購入者が他チャネルの2倍という数字も示されており、裾野の商品が新規顧客の入口になっている可能性があります。
投資対効果の考え方も整理しておきます。商品データの整備は広告と違い、止めた瞬間に効果が消える性質のものではありません。一度整えた属性は、AI経由でも従来の検索でも、モール内の絞り込みでも使われます。同じ5人日を広告運用の改善に使った場合と比べると、効果の立ち上がりは遅く、持続は長いという特性になります。広告費を月30万円使っている店舗であれば、その1か月分に相当する工数を1回だけデータ整備に充てる、という配分から試すのが現実的です。
優先順位のつけ方も具体化しておきます。全商品を一度に整えるのは非現実的なので、アクセスがあるのに買われていない商品から着手してください。閲覧はされているのに購入に至らない商品は、判断材料が足りていない可能性が高い状態です。次に、レビューや問い合わせで同じ質問が繰り返されている商品。ここは顧客が何を知りたいかが分かっているので、書き足す内容に迷いません。最後に、在庫を抱えているのに動きが鈍い商品という順序です。
短期での成果を期待しすぎないことも大切です。商品データの整備は、効果が出るまでに数か月かかります。直近の支援案件で観測したのは、属性を整理してから3か月ほどで、これまで動かなかった商品にぽつぽつと注文が入り始めるという時間差でした。
この変化が中期で意味すること
品揃えの経済性が変わる可能性があります。ロングテールが理論として語られてから20年近く、実務では「棚に並べても見つけてもらえない」という理由で、裾野の商品は割に合わないとされてきました。条件で探す仕組みが普及すると、見つけてもらう部分のコストが下がります。エージェント経由の取引が中期でどこまで伸びるかという論点と合わせて考えると、品揃えの判断基準そのものを持ち直す時期に来ています。
同時に、競争軸も移動します。売れ筋商品での価格競争から、条件への適合度と情報の正確さの競争へ。これは広告費で勝てる領域ではなく、商品を理解している事業者が有利になる領域です。5,000社支援の中で何度も再現したパターンとして、自社商品の使われ方を細かく把握している店舗ほど、新しい流入経路への適応が速い傾向があります。
Shopifyが主要なAIサービスとの接続を整備しているように、プラットフォーム側の対応も進みます。事業者側でやることは、その接続に乗せる商品データを正確にしておくことに尽きます。仕組みが変わっても、渡すデータの質が成果を決める構造は変わりません。
よくある質問
AI経由の購入の75%が上位100カテゴリー外というのは、日本でも同じですか
現時点では要確認です。この数字はShopifyのプラットフォーム全体での2026年第2四半期の実績であり、日本市場の比率は明示されていません。日本ではAI経由の買い物がまだ普及の初期段階にあるため、比率は低い水準にとどまると見るのが妥当です。
商品数を増やせば売上は伸びますか
いいえ、増やすべきは商品数ではなく既存商品の条件情報です。属性が整理されていない商品は、いくら増やしても条件での相談には拾われません。まず既存の商品データを整える順序をおすすめします。
売れない商品はすべて残すべきですか
いいえ、残す価値があるのは条件で選ばれる理由がある商品だけです。上位商品の下位互換になっている商品は、AI経由の需要でも選ばれません。代替できない属性があるか、在庫コストが低いか、商品データが整っているかの3点で判断してください。
AI経由の流入はどうやって測りますか
参照元のホスト名で判別する方法が基本ですが、直接流入に混ざる分は判別できません。商品ページへの直接着地率と、上位100商品以外の売上構成比を併せて追うと、間接的に変化を捉えられます。
楽天市場やAmazonでも同じことが起きますか
モール内の検索は各モールのアルゴリズムに依存するため、そのまま同じにはなりません。ただし、モール外の生成AIから商品ページへ流入する経路は共通して存在します。商品名と説明文に条件情報を入れる対策は、どのチャネルでも有効です。
何から着手すればよいですか
自社商品を「条件で選ばれる」「指名で選ばれる」「どちらでもない」の3つに分ける作業からです。1日あれば主要商品の分類は終わります。そこから、条件で選ばれる商品の説明文を優先して整えてください。
広告を増やす必要はありますか
必ずしも必要ありません。この変化の本質は、広告で買えない流入が増えているという点にあります。同じ予算を商品データの整備に振り向けたほうが、効果が長く続く場合があります。
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）
参考文献
- TechCrunch: Shopify says AI search is driving more traffic and sales, not replacing Google
- The Motley Fool: Shopify (SHOP) Q2 2026 Earnings Call Transcript
- PYMNTS: AI Just Made Retail’s Long Tail Pay Off
※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/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
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
