投稿者 投稿日: カテゴリー EC×AI活用
Goとは、Grokで動くGopuffの予測型ショッピングアシスタントです。
2026年6月3日、米国のクイックコマース大手Gopuffが、SpaceX傘下のxAI（SpaceXAI）と共同で「Go」という名前のAIショッピングアシスタントを発表しました。注目すべきは技術そのものより、店を開いた瞬間にカートが半分でき上がっているという購買体験の作り方です。検索窓を叩いてもらう前提を捨て、来店した瞬間に「あなたが次に欲しいもの」を先回りして提示する。この設計思想を、楽天市場・Amazon・Shopify・Yahoo!ショッピングの接客にどう翻訳するか、ここから具体的に掘り下げます。
Gopuffの「Go」が変えた購買体験の起点
まず事実関係を正確に押さえます。世の中では「Grok Go」という通称も出回っていますが、正しくは、Gopuffが提供するアシスタントの名前が「Go」で、その頭脳としてGrokのテキスト・音声・画像モデルが使われている、という関係です。xAIはXへの投稿で「Powered by Grok text, audio and image models」と明記しています。Goという名前はGopuffのサービス名であって、Grokの新モデル名ではありません。記事や社内資料で引用するときは、ここを取り違えないようにしてください。
Gopuffは全米400超のマイクロフルフィルメントセンター（小型の即時配送拠点）を持ち、最短15分で日用品や食品を届けるクイックコマース事業者です。今回の発表は、xAIのフロンティアモデル、Gopuffが13年積み上げた即時配送データ、そしてX上のリアルタイムな文化的シグナルを掛け合わせ、予測型の購買体験を作る、という座組みになっています。公式のプレスリリースと、決済メディアのPYMNTSが報じた内容が一次情報です。
Goの機能は大きく3つに整理できます。1つ目は予測カート。アプリを開いた瞬間に、購入履歴・時間帯・場所などから推奨カートを自動生成し、リピーターはワンタップで決済まで進めます。2つ目は音声操作。「100キロカロリー以下のスナック」のような自然言語の指示で、ハンズフリーにカートを組み立てられます。3つ目はビジュアルフィード。Grok Imagineの画像生成を使い、在庫商品をもとにリアルな利用シーンを生成して、買い物体験そのものを「眺めて選ぶ」フィードに変えます。
ここで日本のEC事業者が注目すべきは、Goが解こうとしている摩擦の正体です。Gopuffの共同CEOであるYakir Golaは、配送と即時アクセスが整った今、商取引に残る最大の摩擦は「顧客が考え、決め、何が必要だったかを思い出すこと」だと述べています。配送スピードや在庫の問題ではなく、顧客の脳内の意思決定コストこそが最後のボトルネックだという認識です。これは日本の店舗運営にもそのまま刺さる論点です。送料無料も翌日配送も当たり前になった今、勝負は「選ぶ手間をどれだけ肩代わりできるか」に移っています。
技術構成の面でもう一点押さえておきたいのが、Goが3種類のモデル（テキスト・音声・画像）を組み合わせている事実です。これまでのECのレコメンドは、購入履歴を入力にして商品IDを返す、いわば数値処理の世界でした。Goはそこに、自然言語のやり取り（テキスト）、ハンズフリーの指示受け（音声）、シーンの可視化（画像生成）を重ねています。買い物という体験を、文字・声・絵の3つの入出力で多重化したわけです。日本のEC事業者がこれを真似るとき、いきなり3つすべてを実装する必要はありません。自社の客層が最も使いやすい入出力を1つ選び、そこから広げるのが現実的です。スマホ片手に料理しながら買い足す層なら音声が効き、ギフト用途が中心なら画像によるシーン提案が効きます。
もう一つ見落とせないのが、データの出どころです。GoはGopuff自身の13年分の配送データに加えて、X上のリアルタイムな文化的シグナルを掛け合わせています。何が今話題になっているか、どんな気分が広がっているかを、購買予測に織り込もうという発想です。日本のEC事業者が直接Xのデータを取り込むのは現実的ではありませんが、季節・天候・SNSのトレンドを商品提案のタイミングに反映させるという考え方は、手元のツールでも部分的に再現できます。気温が上がった日に冷たい商品を前に出す、といった単純な連動から始めるのが入口です。
日本の楽天・Amazon・Shopify・Yahoo!でGoの発想をどう写すか
Goをそのまま日本に持ち込めるわけではありません。Gopuffは自社アプリと自社配送網を持つ垂直統合型で、日本の多くのEC事業者は楽天市場やAmazonというモール上で店を構えています。プラットフォームごとに「できること」と「規約上できないこと」がまるで違うため、Goの3機能を自社の環境に翻訳する作業が要ります。
楽天市場の場合、予測カートそのものを店舗側で実装することはできません。カート機能は楽天の共通仕様だからです。ただし、Goの予測カートが体現している「リピーターの再注文を1タップに近づける」発想は、楽天R-Mail（楽天市場の店舗向けメルマガ）のセグメント配信と、定期購入機能の組み合わせで近づけられます。たとえば最終購入日から30日前後の顧客に、前回購入カテゴリに合わせた件名でR-Mailを出す。ここで絶対に守るべきは、R-Mail本文に自社サイトやLINE公式へのリンクを置かないことです。楽天市場の店舗運営規約では、R-Mailから楽天外URLへ誘導する運用は禁止されています。遷移先は楽天市場内の商品ページ・カテゴリページに限定してください。
Amazonでは、Rufus（Amazonの生成AI検索アシスタント）が既にGoに近い役割の一部を担い始めています。買い物客が「忙しい朝向けの簡単な朝食」のような曖昧な質問を投げると、Rufusが商品提案を返す。Goのチャット内提案と発想は同じです。出品者側でやるべきは、Rufusに正しく解釈される商品情報を整えることです。商品説明（半角2,000文字以内）と検索キーワード（裏側のGeneric Keywords、250バイト以内）に、利用シーンや解決する困りごとを具体的に書き込む。「グルテンフリー」「100キロカロリー以下」のような、顧客が口にしそうな条件語を本文へ自然に織り込むのが効きます。商品レビューへの返信や特典提供で誘導するのは規約違反になるため、あくまで商品情報の解像度で勝負します。
Shopifyや自社EC（BASE・STORES含む）は、Goに最も近い体験を自力で作れる土俵です。自社ドメインなので、トップページに「あなたへのおすすめカート」ブロックを置き、購入履歴と閲覧履歴から初期表示を組むところまで実装できます。Shopifyならアプリ連携でレコメンドエンジンを差し込み、Liquidのテンプレートで会員ステータス別の出し分けを行う。Goのビジュアルフィードに相当する「シーン提案型のトップ」も、自社ドメインなら表現の自由度が高いぶん作り込めます。ここでも景表法・薬機法・特商法は当然守る前提です。
Yahoo!ショッピングは楽天より外部誘導の規約が緩いものの、2024年以降ガイドラインが強化されており、店舗から外部へのメール内リンクは推奨されません（要確認）。PayPay経済圏との連携が強みなので、Goの予測発想はクーポンの自動付与タイミングの最適化に振り向けるのが現実的です。直近の支援案件で観測したのは、闇雲に全顧客へクーポンを撒くより、購入間隔のデータから「そろそろ切れる頃」を狙って配るほうが、消化率も再購入率も明確に上がるという傾向でした。
自社の予測カート・音声接客・ビジュアル提案を設計する手順
ここからは実装パートです。Goの3機能（予測カート・音声操作・ビジュアルフィード）を、日本のEC事業者が手元のChatGPT・Claude・Geminiで再現するための実務プロンプトを4本用意しました。それぞれ独立して使える形にしてあります。執筆時点（2026年6月）のフラッグシップは、OpenAIがGPT-5.5系、GoogleがGemini 3.5系、AnthropicがClaude Opus系という並びですが、下記プロンプトはモデルを問わず使えます。
最初に取り組むべきは予測カードの「設計図」づくりです。Goの予測カートをいきなりシステムで作るのは大ごとなので、まずどんなロジックで何を推すかを言語化します。
プロンプト1：予測レコメンドの設計図づくり
あなたはECのCRM設計に詳しいデータアナリストです。
以下の自社ECの状況をもとに、Gopuffの「Go」のような予測カート（来店時に推奨商品を先回り表示する仕組み）を、現状のツールで実現するための設計図を作ってください。
出力してほしいもの：
1. 推奨ロジックの優先順位（再購入間隔・前回カテゴリ・時間帯・季節など、どの順で重み付けするか）
2. それぞれのロジックで使うデータと、その取得元（注文履歴・アクセス解析など）
3. 最初の30日で検証する小さな実験案を3つ
4. 規約・法令上の注意点（楽天R-Mailの外部誘導禁止、薬機法・景表法など該当するもの）
自社EC情報：
- 販売チャネル：{楽天/Amazon/Shopify/Yahoo!のどれか}
- 主力ジャンル：{ジャンル}
- 平均購入間隔：{値、不明なら「不明」}
- リピート率の現状：{値、不明なら「不明」}
次に、音声操作に相当する「自然言語での絞り込み接客」です。Goは「100キロカロリー以下のスナック」のような曖昧な指示を商品提案に変換します。これを自社の商品データに対して行うためのプロンプトが下記です。チャットボットの応答設計や、サイト内検索の言い換え辞書づくりに使えます。
プロンプト2：自然言語リクエストを商品提案に変換する接客スクリプト
あなたは{ジャンル}に詳しいECの接客担当です。
顧客が自然な言葉で投げてくる曖昧なリクエストを、自社の在庫から具体的な商品提案に変換する応答パターンを設計してください。
条件：
1. 顧客のリクエスト例を10種類想定する（例：「罪悪感の少ないおやつ」「来客用の手土産」など）
2. それぞれに対し、絞り込みの質問を1つと、提案する商品タイプを2〜3挙げる
3. 断定的な効能表現（治る・効く・痩せるなど薬機法に触れる語）は使わない
4. 在庫切れ時の代替提案の文言も添える
商品ラインナップの概要：{主要カテゴリと価格帯を3〜5行で}
3つ目は、ビジュアルフィードに相当する「利用シーン画像」の企画です。GoはGrok Imagineで利用シーンを生成しますが、日本のEC事業者がいきなり画像生成に頼ると世界観がぶれます。まずは何のシーンを、どの商品で見せるかを設計します。
プロンプト3：シーン提案型ビジュアルフィードの企画
あなたはECのビジュアルMDです。
Gopuffの「Go」のビジュアルフィード（商品を使うシーンを見せて発見を促す）を参考に、自社のトップページや特集ページ向けのシーン提案を企画してください。
出力してほしいもの：
1. 季節・時間帯・利用者像で切ったシーンを8つ
2. 各シーンで主役にする商品カテゴリと、合わせ買いを狙う関連商品
3. 各シーンの画像に入れたい要素（撮影またはAI生成の指示メモ。文字焼き込みは避ける）
4. そのシーンが刺さりやすい既存顧客セグメント
自社EC情報：
- 主力ジャンル：{ジャンル}
- ブランドの世界観：{2〜3語で}
- 客層：{値}
最後に、Goが解こうとした「顧客の意思決定コスト」を自社で減らすための診断プロンプトです。機能を作る前に、自社の購買導線のどこに迷いが生まれているかを洗い出します。
プロンプト4：購買導線の意思決定コスト診断
あなたはECのUX改善コンサルタントです。
「顧客が考え、決め、思い出す手間」を商取引最後の摩擦と捉え、自社ECの購買導線でその摩擦が最も大きい箇所を診断してください。
手順：
1. 入店から決済までの導線を5〜7ステップに分解する
2. 各ステップで顧客が「迷う・面倒に感じる」要素を挙げる
3. 摩擦の大きさを高・中・低で評価し、優先的に直すべき3箇所を選ぶ
4. それぞれに、AIや既存機能で摩擦を減らす具体策を1つずつ提案する
自社ECの導線メモ：{現状の流れを箇条書きで}
この4本は順番に使うのが効果的です。プロンプト4で摩擦の所在を診断し、プロンプト1で予測ロジックを設計し、プロンプト2で接客の言い換えを整え、プロンプト3で見せ方を企画する。いきなり画像生成や音声UIから入ると、土台の購買データ設計が抜けたまま見た目だけ真似ることになり、現場で繰り返し見るのは、その手の「機能先行・データ後追い」が定着せず放置されるパターンです。
運用に乗せるときのコツも添えておきます。プロンプトの出力は一度きりで終わらせず、自社の用語に合わせて手直しした版を「自社テンプレート」として保存しておくことです。たとえばプロンプト2で生成した接客スクリプトは、自社の商品名や言い回しに置き換えた最終版を、チャットボットのFAQやサイト内検索の同義語辞書に流用できます。プロンプト1で出た推奨ロジックは、楽天R-Mailの配信セグメント条件や、Shopifyの自動化フローの分岐条件にそのまま落とし込めます。AIに毎回ゼロから考えさせるのではなく、設計の初稿を高速で作る道具として使い、確定した仕様は人間側の運用ルールに固定する。この役割分担ができている店舗ほど、施策が形骸化せずに回り続けます。
検証の進め方にも触れておきます。4本のプロンプトで作った施策は、必ず一部の顧客セグメントで小さく試してから全体に広げてください。たとえばプロンプト1の予測ロジックは、まずリピート上位2割の顧客だけに適用し、再購入間隔がどう動いたかを2〜4週間で観測する。効果が確認できてから対象を広げます。最初から全顧客に当てると、効いたのか効かなかったのかが切り分けられず、結局やめてしまうことになりがちです。アパレル系の単一店舗で試したケースでは、上位顧客向けの限定検証で手応えを掴んでから横展開したことで、社内の納得感も得やすくなりました。
Goを真似るときに陥りやすい3つの失敗
1つ目は、予測カートを「精度の高いレコメンド」と同義に捉えてしまう失敗です。Goの肝は精度そのものより、来店した瞬間に提示が完了している速さにあります。リコメンド精度を上げる前に、表示タイミングと初期表示の質を整えるほうが、体感は大きく変わります。アパレル系の単一店舗で試したケースでは、レコメンドの中身を変えるより、トップ最上部に「前回の続き」を置くだけで回遊が伸びました。
2つ目は、楽天市場でGoの体験を作ろうとして規約に触れる失敗です。「自社アプリのようなパーソナライズをR-Mailで実現したい」と考え、本文に自社サイトやLINEへの導線を入れてしまう。これは楽天市場の店舗運営規約違反で、最悪の場合ペナルティ対象になります。楽天上での予測体験は、楽天市場内で完結する設計に限定してください。外部送客が必要な施策は、Shopifyや自社ECの土俵でやるのが筋です。
3つ目は、ビジュアルフィードのAI生成画像でブランドを崩す失敗です。Grok Imagineのような画像生成は手軽ですが、生成のたびにトーンがぶれると、かえって安っぽく見えます。商品の質感や色がデータと食い違う画像を出すと、景表法上の優良誤認リスクも生じます。AI生成は「シーンの背景や雰囲気」に留め、商品本体は実写を使うのが当面の安全策です。
加えて、4つ目として挙げておきたいのが、海外事例をそのまま和訳して社内提案に使ってしまう失敗です。Goは米国のクイックコマースという、日本とは配送網も購買頻度も異なる前提の上に成り立っています。最短15分配送だからこそ「思い出す前に届く」体験が価値を持つのであって、配送リードタイムが数日かかる商材で同じ訴求をしても噛み合いません。海外のAI接客事例を見るときは、自社の配送速度・購買頻度・客単価という前提条件が一致しているかを先に確認してから、取り入れる機能を選ぶことが肝心です。前提が違うまま機能だけ移植すると、現場で空回りします。
費用・工数の目安とKPIの置き方
導入コストの大半は、月額のAI利用料と運用工数です。ChatGPT Plus、Claude Pro、Gemini Advancedはいずれも月額20米ドル前後が目安で、上記4本のプロンプトを回す程度なら、まずこのプランで十分です。Shopify側でレコメンドアプリを入れる場合は、月額数十米ドルからの有料アプリが多く、機能と価格は要確認です。
工数面では、プロンプト1〜4の初回設計に半日〜1日、その後の検証サイクルに週1〜2時間が現実的な見込みです。KPIは段階を分けて置くのが定石です。初期は「トップからの回遊率」「再購入までの日数」を見て、予測表示が刺さっているかを確認する。次の段階でCVRと客単価を追います。直近の支援先で観測した範囲では、いきなりCVRを目標にすると施策が打ち上げ花火になりやすく、まず回遊と再来店の改善を先行指標として追ったほうが、結果的にCVRも後から付いてきました。
数字目標を置くときは、根拠のない倍率を掲げないことが重要です。「予測カートで売上2倍」のような前のめりな目標より、「再購入間隔を平均で数日短縮する」といった、データで検証できる粒度に落とすほうが、現場が動けます。
工数を抑える観点では、最初から全機能を内製しようとしないことも効きます。予測ロジックの設計や接客スクリプトの初稿はAIに任せ、画像のシーン演出は既存の撮影素材の組み合わせで賄い、レコメンドの表示部分だけ既存アプリやプラットフォーム機能を使う。こうして「AIで作る部分」「既存ツールで賄う部分」「人が確定する部分」を切り分けると、ゼロから開発するより圧倒的に早く、しかも崩れにくい運用になります。費用対効果が読めない段階で大きな開発投資に踏み切らず、月20米ドル前後のAI利用料の範囲で検証を回し切ってから次の投資判断をする、という順序が安全です。
AIショッピングアシスタント時代に店舗が問われること
Goが示したのは、買い物の起点が「検索」から「予測」へ移りつつあるという方向性です。これはGopuff一社の話ではなく、AmazonのRufusや各社のショッピングエージェント開発と同じ大きな流れの中にあります。買い物客の側でも、AIエージェントに買い物を任せる前提が広がりつつあり、PYMNTSの調査では、2年以内に少なくとも時々はAIエージェントで買い物すると回答した消費者が約64%に上ったと報じられています（米国・ブラジル・UAEの調査、出典はPYMNTS）。
この流れが日本のEC事業者に突きつけるのは、「人間ではなくAIに選ばれる商品ページをどう作るか」という問いです。AIエージェントが顧客の代わりに比較・選定するようになると、感覚的なバナーや雰囲気訴求より、構造化された商品情報・明確な利用シーン・正確なスペックが効いてきます。AIエージェントがECをどう変えるかという全体像はAIエージェントとは何か（EC視点の解説）で整理しており、自動運営の実装観点はAIエージェントでEC運営を自動化する方法にまとめています。
xAI製品を自社業務に組み込む観点では、Grokの外部連携機能を扱ったGrokのコネクタ機能でEC業務を連携する方法が参考になります。あわせて、OpenAIの操作エージェントをEC業務に使う観点はOpenAI OperatorのEC活用で、用途別のAI使い分けはChatGPT・Claude・Geminiの使い分けで扱っています。Goのようなアシスタントを設計する前に、どの場面でどのAIを使うかの土台を固めておくと、ツール選びで迷わなくなります。
もう一つの差別化視点として、AIエージェント時代に効く商品情報は、人間向けのSEOとは評価軸が少しずれてくる点も押さえておきたいところです。人間は写真やキャッチコピーの雰囲気で選びますが、AIエージェントは商品名・スペック・利用条件といった構造化された情報を読み取って比較します。つまり、これまで「装飾」として扱ってきた要素より、正確な属性値やシーン適合の記述のほうが、AI経由の選定で効いてくる可能性が高い。楽天の商品名フィールドやAmazonの検索キーワード欄を、人間とAIの両方に読まれる前提で書き直す作業が、近い将来の地味だが大きな差になります。
編集部で実際に運用しているプロンプトでも痛感するのは、結局のところAIアシスタントは「自社が顧客の何を肩代わりしたいか」が定まっていないと機能しないという点です。Goは「考える・決める・思い出す」を肩代わりすると明確に宣言しました。自社は何を肩代わりするのか。そこを言語化することが、ツール選定より先に来る最初の一歩です。
よくある質問
「Grok Go」と「Go」は何が違いますか
正確には別物の呼び方ではなく、Gopuffのアシスタント名が「Go」で、その頭脳としてGrokが使われているという関係です。「Grok Go」は通称で、xAIが出した新モデルの正式名称ではありません。引用するときは「Grokで動くGopuffのGo」と書くのが正確です。
日本のEC事業者もGoをそのまま使えますか
現時点でGoはGopuffのアプリ内機能で、米国先行・英国が続く展開です（要確認）。日本のモール出店者がGoを直接導入することはできません。本記事で示したように、Goの設計思想を自社のツールに翻訳して取り入れるのが現実的なアプローチです。
楽天市場でGoのような予測体験を作れますか
カート機能自体は楽天の共通仕様なので店舗側では作れませんが、R-Mailのセグメント配信と定期購入機能で「再注文を近づける」発想は実装できます。ただしR-Mail本文から自社サイトやLINEなど楽天外URLへ誘導するのは規約違反です。遷移先は楽天市場内に限定してください。
無料で始められますか
本記事のプロンプト4本を試すだけなら、ChatGPT・Claude・Geminiの無料枠でも着手できます。本格運用では月額20米ドル前後の有料プランが目安です。Shopify向けレコメンドアプリを使う場合は別途アプリ費用がかかり、金額は要確認です。
最初の一歩は何をすべきですか
機能の実装ではなく、購買導線の診断から始めるのがおすすめです。プロンプト4で「顧客がどこで迷っているか」を洗い出し、摩擦の大きい1〜2箇所だけを最初の改善対象に絞ると、検証が回りやすくなります。
AI生成画像で商品写真を作っても問題ありませんか
背景や利用シーンの雰囲気づくりに使うぶんには有効ですが、商品本体の質感や色を実物と食い違わせると景表法上の優良誤認リスクがあります。商品本体は実写を使い、AI生成はシーンの演出に留めるのが当面の安全策です。
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/
【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
