この記事のポイント
- Practical Ecommerce が「AIショッピング会話そのものが新しい棚スペースである」と提起。ブランドの仕事は変わらないが、競争相手と評価者がAIに置き換わる
- 米国では既に消費者の42〜60%がAIで買い物を始めており、2025年Cyber WeekではAI関連トラフィックが前年比670%増、AIエージェント由来の購買が670億ドルに到達
- 一方でMirakl調査では商品ページの99%が「LLM対応」基準未満。構造化データ・属性網羅・レビューの3点を整備した事業者だけが「AI棚」の良い位置を取れる
AIショッピングは「もうひとつの棚」になった
AI shopping is akin to physical shelf space, a place where brands compete for visibility and consideration.
www.practicalecommerce.com2026年5月31日に Practical Ecommerce が公開した Armando Roggio 氏の論考が、業界関係者の間で静かに広がっています。論旨は明快です。消費財ブランドは何十年も「棚を取る」ために戦ってきた。クラフトフェア、スーパーの陳列棚、検索結果ページと、舞台は変わってきたが、目的は常に「購買判断を左右する場所に居続けること」だった。そして2026年、その次の舞台がAIだ──というのが Roggio 氏の見立てです。
記事内で引用されている CapitalOne Shopping の調査では、消費者の約60%が既にAIで買い物をしたと回答。NielsenIQ の調査でも、過去1か月にAIツールを使って買い物したと答えた米国消費者は42%に達しています。Salesforce が公表した Cyber Week 2025 のデータ では、AIとエージェントが世界で670億ドル相当の売上に影響を与え、AI関連トラフィックは前年比760%増を記録しました。AIショッピングは「これから来る」フェーズではなく、「すでに最大の棚になりつつある」フェーズに入っているわけです。
Roggio 氏が定義した3つの戦い方
物理棚の比喩を、もう一段だけ解像度を上げておきます。Roggio 氏は、棚をめぐる古典的な戦いを次の3点に整理します。
- 棚に並ぶこと（Getting on the shelf）
- 有利な場所を確保すること（Securing a favorable position）
- 競合より選ばれること（Persuading shoppers to choose）
そして、これがAI棚にも同じ構造で当てはまる、と述べます。AIに認識されること、AI回答内の上位や引用枠に入ること、複数候補のなかで「これがおすすめ」と最終的に選ばれること。三段階のうちひとつでも欠けると、消費者にはそもそも到達しません。
興味深いのは、Roggio 氏が取材した Wayvia の Anthony Ferry CEO の発言です。Ferry 氏は「ブランドの役割自体は変わらない。消費者と小売に対して自社製品を宣伝するという仕事の本質は同じだ。ただし、その対象に 『LLMに自社製品を競合より優先して推奨させるよう教育する』 という新しい層が加わった」と語っています。マーケティングの対象が、消費者と小売バイヤーに加えて「機械の判断者」へと拡張された、という整理です。
数字で見る「AI棚」の急成長
Practical Ecommerce の記事は概念整理が中心ですが、後段の議論を支えるために、業界データを少し補足しておきます。
Salesforce と Adobe が Cyber Week 2025 で観測した数字は象徴的です。AIエージェント経由の購入は、ソーシャルメディア流入と比べて 約8倍のコンバージョン率 を記録しました。AIを業務に組み込んだ小売企業の売上成長率は13%だったのに対し、未対応の企業はわずか2%にとどまったというデータも公表されています。
別の角度では、Bessemer Venture Partners が2025年末に発表したレポート 「Agentic Commerce: The Rise of the Delegated Buyer」 が、「定期購入や日用品はAIへの完全委任が真っ先に進む」と予測しました。Roggio 氏の言葉でいえば「棚の最終段階」に消費者本人がもう立たない、という未来です。週次の食料品オーダーやサブスクの補充から、AIへの購買権限委譲が始まる──これは、ブランド側にとって「人間の目に触れる広告」だけでは届かなくなる領域が広がることを意味します。
「AI棚」での競争はSEOとはルールが違う
ここで一度、SEOとの違いを整理しておきます。これまでのEC SEOは「検索順位＝可視性＝流入」という線形のゲームでした。1位から10位まで順位があり、上位を取れば取るほど露出が増える、という分かりやすい構造です。
ところがAIの回答は、上位10件ではなく 「ひとつの推奨」または「3〜5件の候補」 しか提示しません。Hubspot の最新分析によれば、ChatGPT のショッピング機能で表示される商品の83%が、Google Shopping の上位40件の自然検索結果と一致していました。つまり、SEOの土台がない事業者はそもそもスタート地点に立てない一方で、SEOで20位以下しか取れていない事業者は、AI回答内ではもっと厳しい「ゼロ枠」に直面します。
可視性のメカニズムも変わります。Mirakl が2026年4月に公開した GEO Readiness Analyzer の調査結果 では、35か国の数百ページを調査した結果、平均スコアは100点中48点、AIエージェントから安定的に推奨されるラインとされる80点を超えたのはわずか1%未満でした。43%のページにはレビュー・評価・Q&Aが存在せず、86%は商品画像がAIに正しく解析できる形式で提供されていません。機械可読な構造化データを備えていたページは、わずか9%です。
この数字を Roggio 氏の比喩に当てはめると、「99%のブランドは、AIの棚に商品を並べる前段階で躓いている」ことになります。
AI棚に並ぶための5つのシグナル
では、具体的に何を整備すれば「並ぶ」のか。Practical Ecommerce 記事の主張と、Mirakl・Adobe・Bessemer の各レポートを横断的に読み込むと、AIが商品を選ぶ際に重視する5つのシグナルが浮かび上がってきます。これを物理棚との対応表に整理しました。
| シグナル | 従来の棚／SEOでの相当物 | AI棚での具体策 |
|---|---|---|
| 構造化データ | 棚札・商品コード | Schema.org の Product / Offer / Review / FAQ をフル実装 |
| 属性の網羅性 | POPの仕様書き | サイズ・素材・用途・互換性まで AI が追加質問なしで判定できる粒度 |
| レビュー／第三者言及 | 店頭口コミ・雑誌掲載 | 自社・第三者サイト・Reddit・YouTube での一次レビュー蓄積 |
| 在庫・価格の鮮度 | 棚の補充頻度 | リアルタイム在庫API、価格・送料の機械可読化 |
| エージェント対応 | 什器・棚割契約 | ACP／UCP／MCP 等のプロトコル対応、Trusted Agent 署名検証 |
特に効果が大きいのは、上の2つです。Schema.org の Product / Offer / Review / FAQ を完備し、属性を網羅した商品ページは、AIが「この商品はユーザーの質問に答えるのに十分な情報を持っている」と判断する確率を大きく押し上げます。HubSpot や Backlinko の最新ガイドが共通して指摘しているのは、「AIは曖昧さを嫌う」という性質です。サイズが不明、互換性が書いていない、用途が抽象的──こうしたページは、AIが「ユーザーに聞き返すしかない」と判断して候補から外す傾向にあります。
レビューと第三者言及も無視できません。Mirakl調査で「レビューゼロ」のページが43%という数字は、裏返せば「レビューを揃えるだけで上位43%に入れる」とも読めます。自社サイトのレビューだけでなく、Reddit、YouTube、業界メディアでの一次言及が、AIの判断材料として効きます。
広告予算配分は「30チャネル時代」へ
Ferry 氏がもうひとつ指摘していたのが、マーケティング予算の細分化です。「テレビ・ラジオ・新聞」から「インターネット」へ移行したとき、予算配分の議論が一度起きた。その後インターネット内部が検索・SNS・マーケットプレイスに分裂し、いま生成AIが加わった。Ferry 氏の言葉では「今や30チャネルある」状態です。
ブランド担当者にとっての実務的な課題は、この30チャネルのなかでROIが高いものを見極めることです。AI棚は新興チャネルなので、まだ標準的なアトリビューションモデルが確立していません。しかしSalesforceデータが示すような「コンバージョン率8倍、売上成長率6.5倍の差」という現実を見れば、テスト的に予算を割り当てて学習を始めることの正当性は十分にあります。
ここで重要なのは、AI向けの最適化が「広告費」ではなく「データ整備とコンテンツ投資」に向かう、という性質です。AI棚でのプレースメントは、現時点では基本的に広告買い付けでは買えません（Google が今後変える可能性はあります）。代わりに、構造化データ、属性網羅、レビュー獲得、コンテンツ深度といった「商品データそのものへの投資」がリターンに直結する形になります。
日本のEC事業者・ブランドが今やるべきこと
最後に、日本のEC事業者とブランド担当者に向けて、具体的なアクションを整理しておきます。
最優先は 商品データの監査 です。自社の商品ページが Mirakl の言うGEO基準を満たしているか、Schema.org マークアップが Product だけでなく Offer・Review・FAQ まで実装されているか、属性情報がAIに追加質問なしで判定できる粒度まで書かれているかを、上位売れ筋から順に点検する。これだけで、ほとんどの事業者は他社との差別化要因を得られます。
次に取り組むべきは レビューと第三者言及の体系化 です。自社レビューの分量と多様性を高めることに加え、Reddit や note、YouTube、業界メディアでの言及が増える仕掛けを意識的に作る。AI が引用しやすい一次情報を、自社の外側に分散させて置いておくイメージです。
中期では エージェント対応の決済・チェックアウト整備 が視野に入ります。Stripe の Agentic Commerce Protocol、Google の Universal Cart、Visa の Trusted Agent Protocol など、AIエージェントが商品ページから直接購買を完了するためのプロトコルが揃いつつあります。「AI が見つけた」その先で、人間に戻さずに購買完了まで運ぶ準備がある事業者と、ない事業者では、Bessemer が指摘する「Delegated Buyer」時代の取り分が大きく変わってきます。
最後に、組織論として一点。AI棚対応は、SEO、CRM、商品データ、決済、システムにまたがる横断テーマです。どこか一部門に押し付けると必ず止まります。「AI Commerce Lead」のような肩書を1人置き、3か月単位で進捗をモニタリングする体制を最初に作ることを強くお勧めします。
まとめ
Practical Ecommerce の Roggio 氏が描いた「AIは新しい棚スペース」というフレームは、シンプルですが本質を突いています。AI回答の中での可視性は、もはやマーケティング部門のサイドプロジェクトではなく、ブランドの売上と存在感を左右する主戦場になりつつあります。
数字を並べると、急ぐべき理由は明白です。AI由来の購買は既に670億ドル規模に達し、99%の商品ページはまだ準備ができていません。この「ギャップ」が埋まる前に動けたブランドだけが、新しい棚で良い位置を取れます。構造化データ、属性網羅、レビュー、エージェント対応プロトコル──地味なデータ整備の積み重ねが、AI時代のシェルフトークになる。これが、2026年中盤に立つ私たちが受け取るべきメッセージだと考えます。
