11st StreetのAI検索が購買転換率2倍、「絞ってから検索する」設計がECに突きつけるもの

検索バーに静かに置かれた生成AIが、購買転換率を2倍にした

South Korea's 11st Street Doubled Purchase Conversions with Generative AI Search

7月のパイロットで、AI検索の購買転換率が通常のキーワード検索の2倍以上を記録

www.techtimes.com

韓国のEC大手11번가（11st Street）は2026年8月18日、生成AIを使った「AI検索」をモバイルアプリの全主要カテゴリへ本展開したと発表しました。新しいチャットウィンドウを増やしたわけではありません。既存の検索バーはそのままに、検索語を受け取ってからの数秒間に何が起きるかを組み替えた変更です。

出てきた数字は、7月の1カ月間だけ限定的に公開したパイロットの結果でした。11st Streetによれば、この期間のAI検索の購買転換率は既存の統合検索の2倍以上だったといいます（ブリッジ経済）。購買転換率は検索セッションのうち実際の購入に至った割合を指す指標で、多くのEC環境では数パーセント台にとどまります。その水準で2倍という差は、機能改善というより買い手の行動そのものが変わったに近い規模です。

「検索はショッピングが始まる重要な出発点です」。11st Street開発グループ長のソル・ゴンホ氏は発表でこう述べ、選択肢が膨大なオンライン環境で探索範囲を狭めることに焦点を当てたと説明しました。

「検索してから絞る」を「絞ってから検索する」へ反転させた

キーワード検索が長年解けなかった問題は単純です。語は一致しても、意図は一致しません。「水着」と入力した3人が、体型をカバーしたい人、UVカットが欲しい人、在庫最安値を探す人だったとしても、システムは同じ検索語から同じ結果を返します。あとの整理はフィルタとファセット、そして何度もの再検索に委ねられてきました。

11st StreetのAI検索は、この検索（retrieval）の手前に意図の曖昧さを解く工程を差し込みます。買い手が商品カテゴリを入力すると、商品ドメインの知識を学習した言語モデルが、その分野の消費者が実際に使っている判断基準を推定し、細分化された検索キーワードとして提示します。ノートパソコンなら「軽くて持ち運びやすい」「ゲーミング向け」、水着なら「体型をカバーする」「紫外線を遮断する」、卵なら「動物福祉で育てた」「無抗生剤認証」といった粒度です。

買い手がそのひとつを選んで、はじめて第2層のAIが動きます。ここでは絞り込まれた母集団に対して、価格競争力・配送料・配送速度・購入レビューを総合的に分析し、条件に最適な5点前後まで絞って提示します。数千件の順位付きリストではなく、人間が比較しきれる数に落とすわけです。あわせて関連商品と追加の検索キーワードも並べ、もっと見たい買い手の逃げ道は残しています。

もうひとつの入口が「状況型検索（situational search）」です。「新築祝いに似合う贈り物」「夜食に良いメニュー」「男の子が喜びそうなおもちゃ」「30代女性の夏のワンピース」のような日常語をそのまま入力しても、AIが購買意図を解釈して商品を返します。小売の語彙を知らない買い手が、自分の言葉のまま商品にたどり着ける状態です。実装上は口語表現を構造化された商品カテゴリの意図へ写像する必要があり、システムの中で最も計算負荷の高い層になります。

既存のフィルタとの違いはここにあります。フィルタは、あらかじめ作られた分類ツリーを買い手が学習して使う仕組みです。AI検索は、その分野で使われる判断軸をカテゴリ単位で動的に生成します。買い手が正しい商品用語を知らなくても成立する。この差が、転換率の差を生む土台になっています。

2倍という数字を、どこまで額面通りに受け取れるか

留保は必要です。この数値は11st Streetの自社集計であり、対象は限定公開だった7月の1カ月のみで、第三者による監査は入っていません。パイロット期間に新機能へたどり着いた層は、そもそも新しいものを試す意欲が高いユーザーに偏りがちです。全ユーザーへ展開したあとも同じ差が残るかどうかは、本展開後の数字を待つ必要があります。

比較材料はあります。Adobe Analyticsは2025年ホリデーシーズンに生成AI経由で小売サイトへ流入した買い手の転換率が、他チャネル経由より31%高かったと報告しました。11st Streetの数字はこれを大きく上回りますが、両者は測っている対象が違います。Adobeの31%は外部のAIツールから送られてくる高意図トラフィックの効果で、11st Streetの2倍は自社の検索という接点そのものに意図フィルタを差し込んだ効果です。後者のほうが介入は直接的で、差が大きく出やすい構造にあります。

なお、AI検索の対象は現時点でモバイルアプリのみで、Webとデスクトップは未対応です。効果測定の前提となるユーザー基盤も、韓国のモバイル中心のEC行動に寄っています。

韓国EC3番手が、倉庫ではなく検索バーに賭けた理由

11st StreetはSK Telecom系のSK Planet傘下で、2025年にSK Squareが保有株式をSKプラネットへ譲渡したことで資本関係が整理されました。財務投資家との出口をめぐる長い議論に区切りがつき、事業側の打ち手に集中できる状態になったタイミングでもあります。

競争環境の数字は厳しいものです。Coupangのショッピングアプリが約3,490万の月間アクティブユーザーを抱える一方、Naver Plus Storeは2026年5月に875万へ伸び、11st Streetの821万を上回って2位を固めたと韓国メディアが報じています。本記事の元となったTech Timesの記事は11st Streetを2位としていますが、直近の韓国側の集計ではすでに3位へ後退しているとみるのが正確です。

そのうえで11st Streetが選んだのは、規模ではなく収益性でした。2026年1〜3月期の営業損失は78億ウォンで前年同期比19%改善し、中核のオープンマーケット事業は2024年3月の黒字転換から25カ月連続の黒字を維持しています。マーケティング費を絞り、AIによる商品管理や価格対応の自動化で固定費を下げる方向です。無料会員制の11st Plus（11번가플러스）を軸にした既存顧客のロックインも同じ路線に乗っています。

この文脈に置くと、AI検索は機能追加ではなく戦略手段だと分かります。倉庫も当日配送網も増やさずに、1回の検索あたりの取引を増やす。検索バーは、資本を積まずに改善できる数少ない転換面だからです。

韓国ECは、意図解決の実験場になっている

同じ動きは市場全体で起きています。Naverは2026年第1四半期にNaver Plus Storeアプリへ対話型のショッピングエージェントを投入し、HyperCLOVA Xを基盤に嗜好・予算・レビューを踏まえた推薦を提供しています。8月7日にはCoupangが商品詳細ページでの「AI商品比較」やレビューの賛否要約を含む機能群を拡大し、カカオはカカオトークの会話内で注文と決済まで完結させる構想を示しました（ブリッジ経済）。韓国EC各社の動きは以前の記事でも追っています。

海外の動きも方向は同じです。Amazonは2026年5月にRufusブランドを廃止し、機能をAlexa for Shoppingとして検索バーへ統合しました。Shopifyは2026年第2四半期にAI経由の流入と注文が前年比3倍になったと報告しています。Naverの対話型エージェントについてはこちらの記事で詳しく扱いました。

共通しているのは、検索して並べてから絞るのではなく、意図を確定させてから検索するという順序の入れ替えです。

意図を先に構造化する設計は、エージェント経由の発見と同じ形をしている

ここが日本のEC事業者にとって本題になります。11st Streetが自社アプリの中で内製したのは、買い手のあいまいな言葉を構造化された購買条件に変換し、多基準で候補を5点に絞る工程でした。外部のAIエージェントが商品を探すときにやっているのも、実質的に同じ工程です。

決定的に違うのは、材料です。11st Streetは自社の商品データベースと購入レビュー、配送情報にフルアクセスした状態で条件語彙を生成できます。外部のエージェントが使えるのは、事業者が公開している商品データだけです。「動物福祉で育てた」「無抗生剤認証」に相当する条件が商品情報に存在しなければ、その軸ではそもそも候補に入りません。

つまり11st Streetの事例は、自社検索の改善事例であると同時に、AIエージェントに拾われる商品データが何を備えているべきかの仕様書としても読めます。用途・利用シーン・認証・制約条件が構造化されて存在するかどうかが、内でも外でも同じように効いてきます。

日本のEC事業者は、検索と商品データに何を実装すべきか

最初にやるべきは、自社の主要カテゴリで買い手が実際に使う判断軸を洗い出すことです。検索ログの再検索パターン、つまり同じセッションで検索語がどう書き換えられているかを見ると、フィルタに存在しない判断軸が浮かび上がります。「軽い」「静か」「賃貸でも使える」といった、カタログ用語ではない言葉がそこに残っているはずです。

次が、その語彙を商品データに載せる作業です。属性の追加は地味ですが、AI検索でも外部エージェントでも同じ資産として効きます。以下は工程ごとの対応関係です。

3つ目は、返す件数を減らす勇気です。11st Streetが5点前後に絞ったのは、比較の負荷を買い手から引き取るためでした。候補を減らすには絞る根拠が要り、その根拠は価格・配送・レビューという構造化データから来ます。逆に言えば、根拠になるデータが揃っていない事業者は件数を減らせません。

最後に、効果測定の設計です。AI検索の評価指標は表示回数やクリック率ではなく、検索セッションあたりの購買転換率と、再検索の発生率になります。再検索が減ったかどうかは、意図の解決が実際に前倒しされたかを示す最も素直な指標です。

まとめ

11st Streetの発表は、生成AIをECのどこに置くべきかという問いに、ひとつの具体的な答えを出しました。チャットの窓を増やすのではなく、既に全員が使っている検索バーの内部で、検索の順序そのものを入れ替える。パイロット1カ月・自社集計という限界はあるにせよ、2倍という差はこの設計の方向性を支持しています。

注目すべきは、本展開後に同じ差が維持されるかどうかです。Naverのショッピングエージェントが稼働し、Coupangも比較機能を厚くしている韓国市場で、単一機能による優位が続く期間は長くありません。むしろ日本のEC事業者にとって重要なのは、この競争の結果ではなく、意図を先に構造化するという設計原理が自社の商品データにそのまま跳ね返ってくるという事実のほうです。