エージェンティックコマースとは？LLMOとの関係とAIに選ばれるECサイトの作り方

「ChatGPTに『一人暮らし向けのおすすめ冷蔵庫を教えて』と相談する」——こうした買い方が、ECの売上を静かに左右し始めています。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との対話で進める消費者が増えてきました。この変化は、EC事業者の集客や売上の入口そのものを変えつつあります。

比較検討から購入までがAIとの対話の中で完結する、この新しい商取引をエージェンティックコマースと呼びます。本記事では、その定義と仕組み、OpenAI・Googleの最新動向、そして売上を大きく左右するLLMO（AIに推奨・引用されやすくするための最適化）との関係を、EC事業者の実務目線で順を追って解説します。

結論から言えば、EC事業者にとって大切なのは「AIに推奨されるブランドになる準備」を早く始めることです。決済機能への対応は後からでも間に合いますが、AIからの推奨を得るには時間がかかります。読み終える頃には、自社ECが次に取るべき一手と着手の順序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？AIが商品を選び買う新しい商取引

「検索して選ぶ」から「AIに任せて選んでもらう」へ。生成AIの普及で、消費者の買い方そのものが変わり始めています。まずは定義と全体像を、3つのレイヤーで整理します。

AIエージェントが発見・比較・購入を代行する仕組み

結論から言うと、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」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「予算3万円で、来週の出張に間に合うキャリーケースを探して」と頼むと、AIが条件を解釈し、候補を比較し、おすすめを提示します。さらに進めば、決済や配送設定まで委ね、人間は最終承認だけを行う——そんな購買が現実になりつつあります。実際にOpenAIは2025年9月、ChatGPT上で購入まで完結する「Instant Checkout」と、販売者連携の標準仕様ACP（Agentic Commerce Protocol）を公開しました。

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「どこで比較検討するか」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。

ポイントを整理すると次のとおりです。

• 起点の変化：「検索」から「委任」へ移る
• 比較の場所：自社サイトからAIの回答内へ移る
• 人間の役割：選定作業から最終承認へ縮小する

つまり消費者は、複数サイトを回遊せずに「AIが絞り込んだ少数の候補」から選ぶようになります。この候補に入れるかどうかが、EC事業者にとっての新しい勝負どころになります。

発見・意思決定・取引の3つのレイヤーで全体像をつかむ

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が早まります。

• 発見（Discovery）：そもそも候補に入るか
• 意思決定（Decision）：AIに推奨されるか
• 取引（Transaction）：買える状態になっているか

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。AIが評価軸を立てて候補を比較し、推奨を決めるこの段階こそが、後述するLLMOの主戦場になります。発見と取引が整っていても、ここで選ばれなければ売上にはつながりません。

エージェンティックコマースの最新動向｜OpenAIとGoogleで何が起きているのか

2026年6月時点で、主要プレイヤーの動きはこの1年で大きく変わりました。OpenAIとGoogleの最新方針を押さえ、EC事業者が優先すべきことを確認します。

OpenAIは商品発見と加盟店サイトでの購入完了を重視している

OpenAIは2025年9月、ChatGPT内で購入まで完結する「Instant Checkout」とACPを発表し、当初はチャット内で買い物が完結する体験を打ち出していました。ところが2026年3月、方針を転換します。

OpenAIの説明によると、ChatGPT内で決済まで囲い込むより、商品の発見・比較をChatGPT内で行い、購入は加盟店のWebサイトやアプリで完了させる体験を優先する方向へ舵を切りました。背景には、ユーザーが商品リサーチにはChatGPTを使う一方、購入は使い慣れた自社サイトやアプリで済ませる傾向があったとされています。EC事業者にとっては、手数料や顧客データの観点で追い風です。同時に「そもそもChatGPTの回答で選ばれること」の比重が、一段と高まったことを意味します。

GoogleはUCPとUniversal CartでAI購買体験を拡張している

Googleは2026年1月、AIエージェントと加盟店をつなぐ標準仕様UCP（Universal Commerce Protocol）を、Shopify・Etsy・Walmartなどと共同で公開しました。AI Mode in SearchやGemini上で、Merchant Centerの商品フィードを使って高意欲ユーザーに商品を届けられる設計です。

さらに2026年5月のGoogle I/Oでは「Universal Cart」を発表しました。Search・Gemini・YouTube・Gmailを横断して商品をカートに入れ、価格追跡や再入荷通知までAIが代行し、Google Payまたは加盟店サイトで購入できる構想です。OpenAIが「発見」に寄せる一方、Googleは「発見から決済まで」を自社エコシステムに統合しようとしている——この対比が、現在の勢力図を読むうえでの軸になります。

今のEC事業者は決済対応よりAIに選ばれる準備を優先すべき

2つの動きから読み取れる示唆は明確です。決済・チェックアウトの接続は、ShopifyなどのプラットフォームやGoogle・OpenAIが先行整備を進めており、後追いでも間に合う領域です。

一方で「AIの回答で候補に入り、推奨される」状態づくりは、Web上の情報の蓄積に時間がかかります。つまり、今のEC事業者がまず投資すべきは決済対応ではなく、AIに発見・推奨される準備、すなわちLLMOです。次章で、その理由を売上の構造から掘り下げます。

なぜエージェンティックコマースでLLMOがカギを握るのか

ここでは本記事の核となる考え方を示します。AI経由の売上がなぜLLMOで決まるのかを、購買モデルの変化と「確率の掛け算」で説明します。

購買行動がAICASへ移り相談段階で候補に残ることが重要になる

LLMO（Large Language Model Optimization）とは、AIに推奨・引用されやすくするための最適化を指します。LLMOの基本的な考え方やSEOとの違いは、LLMOの基本やSEOとの違いを解説した記事でも詳しく整理しています。

なぜLLMOが効いてくるのかは、購買行動モデルの変化を見ると分かります。AI時代の購買行動は、従来のAISAS（注目・興味・検索・購買・共有）よりも、「相談・興味・確認・購買・共有」というAICAS型で捉えると分かりやすくなります。着目すべきは2点です。

• 相談（Ask）段階：AIの候補リストに残れるか
• 確認（Confirm）段階：名指し確認で選ばれ続けるか

AIが提示する候補は、質問内容やAIサービスによって変わります。ただし多くの購買相談では数件に絞り込まれるため、その候補枠に入れるかどうかが分かれ目になります。さらに「○○の評判は？」と確認された段階で誤情報やネガティブな評価が出ると、最終候補から外れるおそれがあります。

AI経由の売上はLLMOと仕様対応の掛け算で決まる

AI経由の売上は、次の4つの確率の掛け算で捉えると、実務に落とし込みやすくなります。

AI経由の売上
＝ 相談文で候補に入る確率
× 比較回答内で推奨される確率
× 購入先として選ばれる確率
× サイト上で購入完了できる確率

このうち、LLMOが主に高めるのは「候補に入る確率」「推奨される確率」「購入先として選ばれる確率」の3つです。仕様対応が主に支えるのは「購入完了できる確率」です。掛け算である以上、どれか1つでもゼロに近づくと、売上全体が大きく目減りします。たとえば推奨はされていても、価格・在庫・配送条件がAIに読み取れない場合、AIはその商品を安全に購入先として提示できません。これは人間でいうカゴ落ち以前に、AIの比較候補から外れてしまう状態です。

そのうえで、投資の重心はLLMO側に置くべきだと考えます。仕様面の整備は比較的短期間で完了しますが、AIからの推奨は時間をかけて積み上げる資産だからです。

なお、商材によってLLMOの優先度は変わります。高単価家電、家具、ガジェット、BtoB向け商材、ギフト、旅行用品のように、比較検討されやすい商品ほど、AIの推薦候補に入る価値は大きくなります。一方、日用品や低単価の消耗品では、まずは商品データの正確性、レビュー管理、ブランド名の誤認防止を優先する方が現実的です。すべてのECが同じ施策を行うのではなく、「AIに相談されやすい購入シーン」があるかどうかで優先順位を決めることが大切です。

来店者がAIに変わる前提でサイトを設計し直す必要がある

これからの来店者は、人間だけではありません。「商品を見つけ、評価し、購入を代行する機械の来店者」＝AIエージェントが加わります。両者は見ている場所が根本的に違います。

• 人間が見るもの：商品画像・デザイン・世界観
• AIが見るもの：HTML・構造化データ・フィード・第三者の言及
• 離脱の理由：人間はUIの悪さ、AIは「読めない・情報がない・ブロックされている」

この変化は数字にも表れています。Adobeの2025年の調査では、AI経由の小売サイト流入は2024年7月から2025年2月で12倍に増加し、2025年2月時点では他の流入と比べて直帰率が23%低く、ページビューが12%多く、滞在時間が41%長いと報告されています。一方で同社は、多くの小売サイトが機械可読になっておらずAI検索で不利になっていると指摘しています。人間向けの作り込みに加えて、AIが商品情報を正しく取得できる前提でサイトを設計し直すことが、標準業務になりつつあります。

エージェンティックコマースでAIが商品を推奨する仕組み

対策の前に、AIがどう推奨を決めるかを押さえます。回答が組み立てられる流れと、ECが介入できる具体的なポイントを解説します。

AIは相談文を分解し少数の候補へ絞り込む

AIが回答を組み立てる流れは、おおむね次の5段階です。

• 入力：ユーザーが相談文（プロンプト）を打つ
• 分解：問いを複数のクエリに分け、評価軸を組む
• 収集：比較記事・レビュー・商品フィードを横断する
• 統合：集めた情報と学習済みのブランド理解を統合する
• 提示：少数の候補を推奨理由つきで返す

AIが1つの質問を複数の検索意図やサブクエリに分解する仕組みは、クエリファンアウトの仕組みを解説した記事でも詳しく紹介しています。ここで押さえたいのは、収集の段階で参照されるのが自社サイトだけではない点です。レビューや比較記事といった第三者の言及まで含めて、AIはブランド像を形成します。

ECが介入できるのは評価軸・参照先・根拠の3点

この流れの中で、ECが働きかけられるポイントは3つに集約されます。

• 評価軸（KBF）：AIが比較に使う購買決定要因
• 参照先（RAG）：AIが回答時に参照する外部情報
• 根拠（RTB）：選ばれる理由を裏づける検証可能な事実

KBFは購買決定要因、RAGはAIが外部情報を参照する仕組み、RTBは「選ばれる理由の裏付け」を意味します。この3つは独立では機能しません。評価軸を設計しても参照できる情報がなければ推奨されず、情報があっても根拠がなければ信頼されず、根拠があっても重視される軸に結びつかなければ推奨に至りません。連動させて初めて効果が出ます。

商品特徴は選ばれる理由に翻訳して初めて推奨される

「高品質でこだわりの素材」のような特徴の列挙だけでは、AIは推薦理由として扱いにくくなりがちです。特徴は「誰に・どの場面で・なぜ選ばれるか」まで翻訳して初めて価値を持ちます。この”場面”をCEP（カテゴリーエントリーポイント＝消費者がそのカテゴリを思い浮かべる具体的文脈）と呼びます。

商品説明の書き換えイメージを、いくつか挙げます。誰に・どの場面で・なぜ選ばれるかが一文に揃うほど、AIが推薦理由として扱いやすくなります。

表1：商品説明のBefore/After（選ばれる理由への翻訳）

悪い例（特徴の列挙）	良い例（選ばれる理由への翻訳）
軽量スーツケース	2泊3日の国内出張に使いやすい、機内持ち込み対応・静音キャスター付きの軽量スーツケース
こだわりのコーヒー豆	在宅勤務中に毎日飲みやすい、酸味が控えめでミルクにも合う中深煎りコーヒー豆
おしゃれなレザー財布	30代男性への誕生日プレゼント向けに選びやすい、薄型でスーツにも合う本革財布
高機能なモバイルバッテリー	出張や旅行中にスマホとPC周辺機器を同時に充電しやすい、10,000mAh以上・USB-C対応のモバイルバッテリー

このように「誰に・なぜ・どの特徴で・どう選ばれるか」を一段落に揃えると、AIが推薦理由として扱いやすくなります。逆に主観的な形容詞だけの説明は、検証可能な根拠（RTB）に乏しく、引用されにくくなります。

エージェンティックコマース時代にECがLLMOで今すべきこと

ここからは実践です。AIが「読める・買える」守りと、AIに「推奨される」攻めを、着手しやすい順に具体化します。タイトルで掲げた「AIに選ばれるECサイトの作り方」もこの章で形にしていきます。

守りはAIが読める買えるサイトに整える

仕様対応のゴールは、AIが商品情報を正しく取得し、取引まで完了できる状態です。具体的には「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」の順で整えていきます。

• クローラビリティ確保：WAFやbot対策がAIボットを誤遮断していないか確認する
• 機械可読性向上：価格・在庫をJS無効でも読めるHTMLに出し、構造化データを実装する
• フィード整備：商品フィードを共有できる場合は、価格・在庫・画像・レビューなどの鮮度を保ち、AI上の表示精度を高める
• プロトコル対応：ACP/UCPは将来のAI購買に備える布石。対応地域・条件があり全ECの最優先ではない

AIボットの種類やrobots.txtでの制御方法は、AIクローラーの種類と制御方法を解説した記事で確認できます。なおACPやUCPのようなプロトコル対応は、今後のAI購買体験に備えるうえで意味があります。ただし現時点では対応地域・対応プラットフォーム・参加条件があり、すべてのECが最初に取り組むべき施策ではありません。まずは商品データ・商品ページ・FAQ・レビュー・外部言及を整え、AIの発見・比較対象に入る土台をつくることを優先しましょう。

攻めはAIに推奨される根拠を複数の場所へ配置する

攻めのLLMOは、思いつきで施策を打っても成果につながりません。アドカルでは、EC向けのLLMOを次の5ステップで整理すると実務に落とし込みやすいと考えています。これを「EC向けAI推薦診断フロー」と呼んでいます。

1. 購買相談プロンプトの棚卸し
2. AI回答上の表示・非表示・競合状況の診断
3. 商品ページ・FAQ・レビュー・外部言及の不足要素の特定
4. 選ばれる理由を商品ページと外部接点に反映
5. AI表示率・推奨理由・引用元・指名検索の変化を定点観測

特に効いてくるのが、ステップ4の「選ばれる理由の反映」です。根拠（RTB）は、商品ページやコラム（自社）、比較記事やプレスリリース（第三者）、動画やUGC（テキスト以外）といった複数の接点へ、同じ選定理由で配置します。鍵は露出量ではなく、推薦文脈の一貫性です。同じ選定理由が複数の接点で繰り返し語られるほど、AIはその商品を「その場面に適した候補」として認識しやすくなります。

そしてRTBは”盛る”のではなく、検証可能な事実へ整えることが欠かせません。たとえば「おしゃれなギフトセット」ではなく、「30代女性への誕生日ギフト向けに、香りの好みが分かれにくい無香料ハンドクリームとタオルを組み合わせたギフトセット。職場関係の相手にも贈りやすく、3,000円台で選べます」のように、誰に・なぜ向くかを具体的に言い切れる形へ整えます。

まず着手すべき3つの優先施策

何から始めるか迷ったら、優先順位ははっきりしています。守りの土台を最小限整え、並行して攻めに着手します。

• ①取得環境の整備：AIボットのアクセスを確認し、プロダクトフィードを整える
• ②商品ページのLLMO：価格・FAQ・利用シーンを充実させ、引用されやすくする
• ③第三者の言及拡大：比較記事やレビューなど外部の言及を計画的に増やす

AIは自社サイトだけでなく第三者の評価も参照するため、この3点はどれも欠かせません。ECサイト全体で取り組むべき具体施策は、ECサイトのLLMO対策を解説した記事もあわせて参考にしてください。

自社がAI-Readyかをチェックリストで点検する

着手前に、現状を「できている・いない・わからない」で棚卸しすると課題が見えてきます。仕様面（守り）とLLMO面（攻め）の両方を点検します。

仕様（守り）の点検

• robots.txtで主要AIボットの扱いを明示しているか
• JSを切っても価格・在庫・商品名が表示されるか
• 商品情報の構造化データを実装しているか
• 価格を明示しているか（「要問合せ」にしない）
• 送料・納期・返品・保証の条件がテキストで読めるか
• フィードが在庫・価格に追従しているか
• AI経由（リファラー）の計測設定があるか

LLMO（攻め）の点検

• 商品ページに「誰に向いているか」が書かれているか
• 商品ページに「向いていない人・注意点」が書かれているか
• 用途別・悩み別・利用シーン別の説明があるか
• 競合と比較されたときの選定理由が明確に書かれているか
• 商品ごとのよくある質問がHTMLテキストで読めるか
• レビューや口コミが画像だけでなくテキストとして読めるか
• 比較記事・第三者メディア・SNSでの言及があるか
• 主要な購入相談プロンプトを10〜20個定義しているか
• ChatGPT/Gemini/Perplexityでの自社表示を確認しているか
• AI回答上での推奨率・推奨順位・引用元を記録しているか
• 誤情報・古い情報・ネガティブな語られ方を把握しているか
• GA4だけでなく指名検索数や購入後アンケートも見ているか

とくに「AI回答上で自社がどう扱われているか」の確認では、アドカルのLLMO診断で次の観点を見ています。

• 自社が候補に出るか
• 何番目に推奨されるか
• 競合はどの企業・商品か
• AIが推奨理由として何を挙げているか
• 公式サイト・比較記事・レビュー・SNSのどれが引用・参照されているか
• 誤情報や古い情報が出ていないか
• ブランド名＋評判・比較・口コミ系の検索が増えているか

AI回答内での表示状況を整理する考え方は、AI Visibilityの測定方法を解説した記事でも詳しく紹介しています。より細かく点検したい場合は、LLMOチェックリストもあわせて活用してください。

エージェンティックコマースとLLMOの効果を測る方法

成果は一部しか直接計測できません。見える経路と見えない経路を分け、直接KPIと間接KPIの両輪で観測する考え方を示します。

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、計測できる経路と、できない経路に分かれます。

• 見える経路①：AI回答内リンクからの直接流入（リファラーで計測可）
• 見える経路②：AIプラットフォーム上での購入
• 見えない経路①：AI上で意思決定し、後日サイトを直接訪問
• 見えない経路②：「AIが薦めていた」というブランド想起の波及

直接計測できるのは前半だけです。むしろ見えない経路の影響が大きい場合もあるため、「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の両輪で推奨状況を観測する

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

• 直接KPI：AI経由の流入数・CVR・売上。GA4でAIのリファラーを分離し、購入後アンケートで生成AI起点比率を把握する
• 間接KPI：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。ChatGPT・Gemini・Perplexityなど主要AIで定点観測する

定点観測では、同じ相談文を定期的に同じ条件で入力し、推奨の有無・順位・引用元・語られ方の変化を記録します。直接の数字が伸びにくい段階でも、間接KPIで改善を確認できれば、施策は前進していると判断できます。LLMOの効果測定で追うべき指標やGA4での確認方法は、LLMOの効果測定で見るべきKPIを解説した記事でも詳しく整理しています。

エージェンティックコマースとLLMOに関するよくある質問

検討段階でよく挙がる疑問に、結論ファーストで簡潔に答えます。

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か

会話型コマースは、チャットや音声など対話で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、そのうちAIが自律的に発見・比較・購入まで代行する点に特徴があります。AIが主体的に動くかどうかが、両者を分ける境界です。

日本ではまだ買えないのに今から対策する意味はあるか

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。日本でも生成AIを商品比較や購入相談に使うユーザーは増えつつあり、推奨の獲得には時間がかかります。チェックアウト機能の普及を待つ頃には、競合が先に推奨を獲得しているおそれがあります。機能対応は後追いできても、推奨という資産は一朝一夕には積み上がりません。

SEOとLLMOは何が違うのか

SEOは自社サイトへの流入獲得、LLMOはAIからの推奨獲得を狙います。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では共通点も多くあります。

構造化データや商品フィードだけでAIに選ばれるのか

構造化データや商品フィードは、AIに正しく読まれるための土台です。ただし、それだけで推奨されるとは限りません。AIが推薦理由を組み立てるには、商品ページの文脈、FAQ、レビュー、比較記事、第三者の言及といった「選ばれる根拠」が必要です。読める状態（守り）と、選ばれる根拠（攻め）は別物だと捉えてください。

LLMO対策はどれくらいの期間で効果が出るのか

直接流入の変化は短期では見えにくい場合があります。一方で、主要な相談文での表示有無、推奨順位、引用元、語られ方の質は、数週間〜数カ月単位で変化を確認できます。だからこそ、直接KPIだけでなく間接KPIで定点観測し、改善の兆しを早期に捉えることが大切です。

ShopifyやAmazonでもエージェンティックコマース対策は必要か

必要です。プラットフォームがプロトコル対応を進めても、「AIに推奨される理由」は自社で整える必要があります。商品名・説明文・レビュー・FAQ・比較文脈・外部言及の整備は、利用プラットフォームに関係なく欠かせません。とくにAmazonは外部AIの扱いが独自のため、モール内での最適化も並行して進めると安全です。

まとめ：エージェンティックコマースとLLMOで選ばれるECをつくる

エージェンティックコマースは、AIが発見・比較・購入を代行する新しい商取引です。米国を中心に実装が進み、日本企業にとっても準備すべきテーマになりつつあります。EC事業者が押さえるべき要点は、AI経由の売上が「候補・推奨・選択・購入完了」という確率の掛け算で決まること、優先すべきは時間のかかるLLMOであること、そして商品特徴は「誰に・なぜ選ばれるか」へ翻訳し、複数の接点で一貫して発信することの3つです。自社ECがAI検索上でどう表示されているかを確認したい場合は、アドカルのLLMOコンサルティングサービスもご確認ください。まずは、ChatGPT・Gemini・Perplexityなどで、自社商品がどのような相談文で表示されるか、競合と比べてどのように語られているかを確認することから始めましょう。アドカルでは、AI検索上での表示有無・推奨理由・引用元・競合比較を可視化するLLMO診断も行っています。自社ECがAIにどう見られているかを確認したい方は、お気軽にご相談ください。