投稿者 投稿日: カテゴリー EC×AI活用
エージェンティックストアフロントとは、AIとの会話の中で商品が見つかり購入まで進む売り場のことです。
2026年3月24日、Shopifyの対象ストアで「Agentic Storefronts」が既定で有効になりました。Shopifyの発表にもとづく報道では、対象は米国の適格マーチャント全体で、Shopifyを利用する事業者は世界で560万を超えるとされています。店舗側が何もしなくても、商品がChatGPTの会話の中に現れる状態になったということです。売上が成立した場合、OpenAIは4%の手数料を取るとされ、Google AI Mode経由では手数料がかからないとされています。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き、日本のEC事業者が何をどの順序で準備すべきかを整理します。
既定で有効になった売り場をどう扱うか
最初に押さえるべきは、これが「申し込んで始める施策」ではなく「既定で始まっている状態」だという点です。店舗が能動的に接続作業をしなくても、商品データがShopify Catalogを通じて構造化され、AIの会話面に出る設計になっています。Digital Commerce 360の報道では、Shopifyが従来の接続方式を切り替えたと説明されています。
露出先はChatGPTだけではありません。Google AI Mode、Microsoft Copilot、Geminiアプリでも既定で発見対象になるとされています。つまり、検索エンジンの順位を追う従来のSEOとは別に、「AIの回答の中で自社商品がどう扱われるか」という新しい面が増えた形です。
手数料の扱いは重要です。ChatGPT経由で完了した売上に対してOpenAIが4%を課すとされる一方、Google AI Mode経由は手数料なしとされています。楽天市場やAmazonのような従来のモール手数料と比べれば低い水準ですが、自社ECの粗利計算には確実に影響します。自社ECの限界利益率が20%の商材で4%を取られると、利益の2割が持っていかれる計算です。チャネル別の損益を分けて見ていない店舗は、どのチャネルが儲かっているのか分からなくなります。
一方で、店舗側に残るものもあります。報道によれば、マーチャントは引き続き記録上の販売者（merchant of record）であり、顧客データの所有権も保持するとされています。注文はShopify管理画面に流れ込み、ChatGPT経由という参照元の属性が付くとされています。モールに出店して顧客情報が手元に残らない構造とは、ここが決定的に違います。
日本の事業者にとっての前提を1つ明記します。ここまでの内容は米国の適格マーチャントを対象とした展開として報じられており、日本のShopifyストアが同じ条件で対象になっているかは、2026年9月時点では要確認です。自社ストアが対象かどうかは、Shopify管理画面の設定項目と公式ヘルプで確認してください。対象外だったとしても、準備の内容は変わりません。商品データの整備は、モール内検索にも通常の検索にも同時に効く投資だからです。
比較対象として、既存のモール流入との違いも整理しておきます。楽天市場やAmazonの検索結果では、消費者が自分でキーワードを入力し、並んだ一覧から選びます。店舗側が打てる手は、商品名のキーワード設計、価格、レビュー、広告出稿です。一方、会話面では消費者が条件を自然文で述べ、AIが候補を絞り込んで提示します。店舗側が打てる手は、属性データの正確さと網羅性に寄ります。広告で順位を買う仕組みが同じように働くとは限りません。この違いを踏まえると、投資先の優先順位が変わります。
もうひとつの違いが、比較の粒度です。一覧画面では価格と写真が並ぶだけですが、会話面では「食洗機対応で、割れにくくて、3歳の子どもが使えるもの」といった複合条件で絞り込まれます。条件のうち1つでも情報が欠けていれば、その商品は候補から外れます。写真では分かっても、属性欄が空なら機械には伝わりません。ここが従来のページ作りと決定的に違うところです。
日本のEC事業者に効く3つの論点
論点は3つに整理できます。商品データの構造、チャネル別の損益管理、そして在庫の同期です。
第一に、商品データの構造です。AIが会話の中で商品を提示するとき、根拠にするのは商品ページの本文ではなく構造化された属性です。サイズ、素材、色、対応機種、内容量、アレルゲン、電源仕様。こうした属性が空欄のままだと、条件を絞り込む質問に対して候補から外れます。人が見るページ上では写真と説明文で伝わっていても、機械が読む面では存在しないのと同じ扱いになります。直近の支援案件で観測したのは、主要属性の充足率が6割を切っている店舗が珍しくないという状況でした。
第二に、チャネル別の損益管理です。ChatGPT経由で4%、自社直販で0%、楽天市場で出店料と手数料、Amazonでカテゴリ別の販売手数料。同じ商品が異なる手数料率で売れる構造になった以上、チャネル別の限界利益を分けて把握する必要があります。売上総額だけを見ていると、手数料の高いチャネルが伸びたときに利益率の低下に気づけません。
第三に、在庫の同期です。会話の中で「在庫があります」と提示された商品が実際には欠品していた場合、顧客体験の毀損は自社ECの問い合わせとして返ってきます。複数モールと自社ECを並行運用している店舗では、在庫の反映遅延が数分から数十分あるのが普通です。AI経由の流入が増えるほど、この遅延が事故の種になります。在庫連携の更新間隔を把握し、欠品時の表示をどうするかを決めておいてください。
もうひとつ、日本固有の事情を加えます。日本のEC事業者の多くは、楽天市場とAmazonを主戦場にしつつ、自社ECをShopifyで運営している構成です。この構成では、Shopify側の商品データが「サブ」扱いになり、更新が後回しになりがちです。ところがAIの会話面に出るのはShopify側のデータです。主戦場ではないほうのデータが露出面を握るという逆転が起きています。商品マスタの整備順序を見直す理由がここにあります。
組織面の準備も挙げておきます。商品データの整備は、担当がはっきりしないまま放置されがちな業務です。商品部は仕入れと価格を見て、EC運営は広告と受注を見て、誰も属性欄を見ていない。この状態で「AI対応をしよう」と号令をかけても、実作業が動きません。属性の所有者を1人決め、新商品の登録時に必須属性が埋まっていなければ公開できないという運用ルールを作ってください。既存商品の遡及整備より、新規登録の品質を固めるほうが先です。遡及整備は終わりが見えない作業になりますが、新規登録の品質固定は今日から効きます。
データの正本をどこに置くかも決めてください。商品情報がモール管理画面、Shopify管理画面、在庫管理システム、社内のスプレッドシートに分散していると、どれが正しいか分からなくなります。正本を1つ決め、そこから各チャネルへ配信する構造にしておくと、露出面が増えるたびの対応コストが下がります。正本を決めずに露出面だけ増やすと、更新のたびに人手で4箇所を触ることになります。
準備の実装手順とプロンプト6本
準備は3段階です。第1に、自社の商品データの属性充足率を測ります。第2に、欠けている属性を埋める優先順位を決めます。第3に、チャネル別の損益を分けて見る仕組みを作ります。露出を増やす施策はその後です。土台が整っていない状態で露出だけ増やしても、比較で負けるだけになります。
以下のプロンプトは6本です。ChatGPT、Claude、Geminiのいずれでも動きます。
1本目は、自社商品データの棚卸しです。何が欠けているかを数字で出します。
プロンプト1：商品属性の充足率を測る
あなたはEC事業者の商品マスタ管理者です。
以下の商品データを読み、購入判断に必要な属性の充足率を算出してください。
商品データ：
{商品コード・商品名・説明文・属性値を貼り付け}
出力条件：
1. このカテゴリで購入判断に必要な属性を10個挙げる（一般的な購買行動から推定し、推定である旨を明記）
2. 各属性について、データ内で値が入っている商品の割合を百分率で算出
3. 充足率が低い属性を3つ挙げ、埋める優先順位とその理由を1行ずつ
4. 説明文の中に埋もれていて属性欄に入っていない情報があれば指摘
2本目は、会話の中で選ばれるかを検証するプロンプトです。実際の購買文脈を再現します。
プロンプト2：AIに選ばれるかを疑似検証する
あなたは商品を探している消費者の代わりに調べるアシスタントです。
以下の条件で商品を3つ推薦し、それぞれを選んだ理由を挙げてください。
条件：
{想定顧客の要望を自然文で記述。例：3歳の子どもがいる家庭向けで、食洗機対応、割れにくい素材の食器}
参照できる商品情報：
{自社商品と競合商品の属性データを貼り付け}
出力条件：
1. 推薦3件について、条件のどの項目を満たしたかを明示
2. 選ばなかった商品について、情報が足りなくて判断できなかった項目を列挙
3. 判断できなかった項目を、商品データ側でどう補うべきかを1行で提案
3本目は、手数料を織り込んだチャネル別の損益設計です。
プロンプト3：チャネル別の限界利益を試算する
あなたはEC事業者の管理会計担当です。
以下の条件で、チャネル別の限界利益率を算出してください。
前提：
{商品名・売価・原価・送料・梱包費を貼り付け}
チャネル別の手数料：
- 自社EC直販：決済手数料のみ{率}%
- AI会話経由（ChatGPT）：決済手数料{率}%＋プラットフォーム手数料4%
- 楽天市場：{率}%
- Amazon：{率}%
出力条件：
1. チャネル別の限界利益額と限界利益率を算出
2. 限界利益率が最も低いチャネルについて、値引き施策を打てる余地があるかを判定
3. 送料無料ラインをチャネル別に変えるべきかの示唆を1行
4本目は、在庫と表示の整合チェックです。
プロンプト4：在庫反映の遅延リスクを洗い出す
あなたはEC事業者の在庫管理担当です。
以下の在庫連携の構成を読み、欠品事故が起きうる箇所を指摘してください。
構成：
{各モール・自社ECの在庫更新方法と更新間隔を記述}
出力条件：
1. 在庫反映の遅延が発生する箇所を、経路ごとに列挙
2. 遅延が最も長い経路について、最大何分ずれるかを推定（推定である旨を明記）
3. 売れ筋商品で遅延が致命的になる条件を3つ
4. 遅延を許容したうえで事故を減らす運用策を2つ
5本目は、商品説明文を属性ベースに書き直すプロンプトです。
プロンプト5：説明文から属性を抽出して構造化する
あなたは商品マスタの整備担当です。
以下の商品説明文から、属性として切り出せる情報を抽出してください。
説明文：
{既存の商品説明文を貼り付け}
出力条件：
1. 「属性名：値」の形式で抽出（単位を必ず付ける）
2. 説明文に書かれていない必須属性を「未記載」として列挙
3. 曖昧な表現（たっぷり、コンパクトなど）は数値に置き換える案を併記
4. 抽出できない情報を推測で埋めない
6本目は、公開前のリスクチェックです。AIが読み取る面に出るからこそ、表現の正確さが問われます。
プロンプト6：属性値と表現の整合を検査する
あなたは表示の適正性を見る品質管理担当です。
以下の商品データを検査してください。
商品データ：
{商品名・説明文・属性値を貼り付け}
検査項目：
1. 説明文の記載と属性値が矛盾している箇所
2. 景表法上の有利誤認につながりうる表現（根拠のない最大級表現、条件付きの特典を無条件に見せる記載）
3. 薬機法に触れる可能性のある効能表現
4. 送料・返品条件の記載が他の表示箇所と食い違っていないか
出力条件：
- 指摘ごとに、該当箇所の引用と修正案を1行ずつ
- 判断できない項目は「要確認」と明記する
90日で準備を終える進め方
準備は90日で形になります。着手範囲を絞れば、既存の運営業務を止めずに回せます。
最初の30日は測定に充てます。主要10属性の充足率を売れ筋上位300点で測り、チャネル別の限界利益率を算出し、在庫反映の遅延を経路ごとに記録します。この3つの数字が出るだけで、社内の議論が具体的になります。数字がないまま議論すると、印象論で終わります。
次の30日は、売れ筋上位300点の属性整備です。プロンプト5で説明文から属性を抽出し、人が確認して商品マスタへ反映します。1件2分として10時間程度の作業です。同時に、新規登録時の必須属性ルールを決めて運用に入れます。
最後の30日で、仕組み化と検証を行います。属性の正本をどこに置くか決め、各チャネルへの配信経路を整理します。そのうえでプロンプト2の疑似検証を回し、条件を絞った質問に対して自社商品が候補に残るかを確認します。残らない場合は、どの属性が足りなかったかが分かるので、次の整備対象が決まります。
この90日を回した後は、月次で属性充足率とチャネル別限界利益率を追う運用に移ります。楽天/Amazonの両方を回している店舗で観測されたのは、この2指標を定点観測している店舗ほど、新しい露出面が出てきたときの初動が早いという傾向でした。
失敗例と回避策
現場で起きやすい失敗を4つ挙げます。
ひとつ目は、露出を増やす前に土台を整えないことです。属性が埋まっていない状態で会話面に出ても、条件を絞る質問で候補から落ちます。露出施策と土台整備の順序を逆にしないでください。5,000社支援の中で何度も再現したパターンとして、データが整っている店舗は新しい露出面が増えるたびに自動的に恩恵を受け、整っていない店舗は毎回やり直しています。
ふたつ目は、手数料を粗利に織り込まないことです。4%という率は単体では小さく見えますが、限界利益率が低い商材では致命的になります。チャネル別の限界利益を出さないまま「新しい流入が増えた」と喜ぶと、利益が減っていることに気づくのが決算期になります。
3つ目は、顧客データの扱いを確認しないまま進めることです。記録上の販売者が自社であるなら、返品対応も個人情報の管理責任も自社に残ります。特定商取引法に基づく表記、返品ポリシー、問い合わせ窓口が、新しい流入経路から来た顧客にも機能するかを確認してください。返品条件の表記が複数箇所で食い違っていると、紛争の火種になります。
4つ目は、在庫連携の遅延を放置することです。ある食品ジャンルの中規模店舗の事例では、在庫反映が最大30分遅れる構成のまま流入を増やし、欠品による注文キャンセルが月40件に達しました。売れ筋だけでも更新間隔を短くする、在庫が一定数を切ったら自動で非表示にする、といった対策が要ります。
5つ目の失敗は、効果測定の設計を後回しにすることです。AI経由の流入は、参照元の記録が従来の検索流入ほど整っていない場合があります。注文データに参照元の属性が付くとされていますが、自社の分析基盤がその属性を拾えていなければ、効果が見えません。準備段階で、注文データのどの項目に参照元が入るかを確認し、レポートに組み込んでおいてください。測れない施策は社内で継続の承認が取れません。
KPIと費用の目安
見るべき指標は、属性充足率、チャネル別の限界利益率、そしてAI経由流入の注文完了率の3つです。流入数ではありません。
属性充足率は、主要10属性に対して何%埋まっているかで測ります。まずは8割を目標に置いてください。店舗運営の現場感覚では、6割から8割へ引き上げる作業がいちばん効率が良く、9割超を目指すと工数が急に増えます。
費用の目安を置きます。3,000点の商品について、説明文から属性を抽出して構造化する作業をAIで回す場合、1件あたり入力1,500トークン・出力800トークン程度です。低単価モデルなら3,000件で数百円の水準に収まります。作業の大半は、抽出結果を人が確認して商品マスタへ反映する工程で、ここは1件あたり1分から2分を見込んでください。3,000点なら50時間から100時間の作業になります。売れ筋上位300点に絞れば、5時間から10時間です。
導入の投資対効果は、AI経由の流入だけで測らないほうが実態に合います。属性を整備すると、モール内検索の絞り込み、通常の検索結果、比較サイトへの掲載など、複数の面に同時に効きます。うるチカラでは、AIエージェント向けの商品ページ整備チェックリストと、ゼロクリック時代の対策を個別に整理しています。
価格設計についても触れておきます。会話面では価格が並列に比較されるため、同一商品の価格がチャネルごとに違うと、そのまま比較対象になります。楽天市場ではポイント込みの実質価格で見せ、自社ECでは送料込みで見せている、といった設計は、機械的な比較では不利に働く場合があります。チャネルごとの価格差をどう説明するかを、あらかじめ言語化しておいてください。合理的な理由（送料の扱い、保証の有無、同梱物の違い）が属性として書かれていれば、比較の土俵が変わります。
返品と保証の条件も同じです。条件が明確に書かれている商品ほど、購入判断の材料が揃います。返品期間、送料の負担者、開封後の可否。これらが商品ページと特商法ページとFAQで食い違っていると、機械が読んだときにどれを採用するか分かりません。表記の整合は、AI対応という文脈でも実務的な意味を持つようになりました。
チャネル戦略をどう組み替えるか
ここから先の論点は、露出面の増加ではなく、チャネル構成そのものの見直しに移ります。AI経由の購買が定着すると、「どのモールに出すか」だけでなく「どの会話面で見つかるか」が売上構成を左右します。
現実的な組み替えの順序を示します。まず、自社ECの商品データを最も整った状態に保つ。次に、モール側のデータをそこから派生させる。最後に、チャネル別の損益で投資配分を決める。多くの店舗はこの逆で、モールのデータが最も整い、自社ECが最も雑になっています。露出面の重心が動いた以上、この順序は見直す価値があります。
手数料構造の違いも戦略に影響します。ChatGPT経由が4%、Google AI Mode経由が手数料なしとされる状況では、どの会話面からの流入かによって利益が変わります。ただし、手数料の安い面だけを狙って露出を制御することは実務的に困難です。できるのは、チャネル別の損益を把握したうえで、全体の商品構成と価格設計を調整することです。AI経由の注文が伸びている状況をどう読むかは、別記事でも整理しています。
日本での提供条件が明確になるまでは、準備に振り切るのが合理的です。商品データの整備、チャネル別損益の可視化、在庫連携の見直し。この3つはいずれも、AI経由の売上がゼロでも回収できる投資です。提供が始まってから慌てて着手する店舗と、既に整えてある店舗とでは、初動の差がそのまま結果の差になります。
最後に、投資判断の考え方を整理します。この準備にかかるコストの大半は、AIの利用料ではなく人の作業時間です。属性整備に50時間、仕組み化に20時間としても、社内人件費で数十万円の水準に収まります。これに対して得られるのは、新しい露出面での可視性と、既存のモール内検索・通常検索での改善です。後者だけでも回収できる投資かどうかを、自社の売上規模で判断してください。年商1億円の店舗で検索経由の売上が1%改善すれば、投資は回収できる計算になります。
よくある質問
日本のShopifyストアも対象ですか
2026年9月時点では要確認です。報じられている展開は米国の適格マーチャントを対象としたもので、日本での提供条件は公式ヘルプと管理画面の設定項目で確認してください。対象外でも、商品データ整備の準備内容は変わりません。
手数料はいくらかかりますか
ChatGPT経由で完了した売上に対して4%とされています。Google AI Mode経由は手数料なしとされています。自社ECの限界利益率が低い商材では影響が大きいため、チャネル別の損益を分けて管理してください。
顧客データは自社に残りますか
はい、マーチャントが記録上の販売者であり顧客データの所有権も保持するとされています。注文はShopify管理画面に参照元の属性つきで入ります。モール出店とはこの点が大きく違います。
何から準備すればいいですか
商品属性の充足率を測るところからです。サイズ、素材、対応機種、内容量といった購入判断に必要な項目が空欄だと、条件を絞る質問で候補から外れます。売れ筋上位300点から着手するのが現実的です。
商品ページの文章は書き直す必要がありますか
文章より属性欄の整備が先です。会話面で参照されるのは構造化された属性データであるためです。説明文に埋もれている情報を属性として切り出す作業が、最も費用対効果が高いところです。
在庫の同期はどうすればいいですか
まず現在の更新間隔を経路ごとに把握してください。売れ筋商品だけでも更新頻度を上げる、在庫が一定数を下回ったら自動で表示を止める、といった対策で事故を減らせます。
楽天市場やAmazonへの影響はありますか
直接の影響は限定的ですが、購買の入口が増えることで各チャネルの役割は変わります。モール側のデータと自社EC側のデータのどちらを正本とするかを決め、整備の順序を見直すことをおすすめします。
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
- Shopify｜Shopify and OpenAI bring commerce to ChatGPT
- Digital Commerce 360｜Shopify changes its integration approach with ChatGPT
- Google AI for Developers｜Gemini API Models
※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
