この記事のポイント
- ファッションECの競争軸が、検索広告のキーワード入札から「AIエージェントが読める商品データ」へ移りつつあります
- AdobeのデータではAI経由の小売トラフィックが前年比で急増し、コンバージョン率は非AI流入を上回る水準に到達しています
- ASOSのChatGPT内Stylistアプリ、True Fitのエージェント型フィットレコメンドなど、商品データの「機械可読化」を前提とした実装が始まっています
キーワード入札から「制約条件への応答」へ——競争単位の地殻変動
AIショッピングエージェントは、キーワードの可視性から機械可読な商品データへとファッションECの競争軸を再構築している
www.fibre2fashion.comFibre2Fashionが2026年6月1日に公開した分析記事は、ファッションリテール業界に向けて明確な警告を発しました。要旨は次のとおりです。AIショッピングエージェントの普及により、競争の単位はキーワードの可視性から「機械可読な商品データ」へと移行している——というものです。
過去20年にわたり、ファッションリテーラーは「linen shirt」「occasion dress」「organic cotton T-shirt」といった購買意欲の高いフレーズへの入札に予算を投じてきました。しかしAIショッピングエージェントが登場した世界では、消費者の問いかけ方そのものが変わります。
たとえば消費者はこう尋ねます。「湿気の多い気候でも快適に着られる、通気性のあるオフィスパンツを返品しやすい条件で探してほしい」。エージェントは検索結果ページを表示しません。代わりに、自律的にフィルタリングし、比較し、推薦します。検索広告の入札画面という「戦場」そのものが、消費者の目から消えてしまうのです。
Adobeのデータが示すAI流入の急成長
この変化は単なる仮説ではなく、すでに計測可能な現象になっています。Adobe Digital Insightsの最新レポートによると、2026年第1四半期、米国の小売サイトへのAI経由トラフィックは前年比393%増を記録しました。さらに2026年3月、AI流入の訪問者は非AI流入と比較して42%高いコンバージョン率を示し、過去最高値を更新しています。
このコンバージョン率の差は、わずか1年前と比較すると劇的な逆転を意味します。2025年3月時点では、AI流入は従来チャネルに対して38%低いコンバージョン率にとどまっていました。12ヶ月で80パーセントポイントの揺り戻しが起きたことになります。
Search Engine Journalによる分析は、この急激な改善の背景を「AIエージェント側の精度向上」と「商品データ側の整備が追いついた一部リテーラーの存在」の両輪で説明しています。アパレルはホリデーシーズンのオンライン消費で約800億ドルを占める巨大カテゴリであるため、この変化が業界全体に与えるインパクトは無視できません。
AIが「読む」のはサイズ・素材・フィット・返品条件
問題はここから先です。トラフィックがAI経由に移行しても、すべてのブランドが恩恵を受けるわけではありません。エージェントは人間の購入者のように直感や写真の印象で判断しません。サイズチャート、素材構成、フィット感、配送条件、返品ポリシーといった構造化された属性を読み取り、推論材料として活用します。
Bold Metricsの解説が指摘するのは、SKU単位での胸囲、着丈、股下、袖丈といった実測値が機械可読な形式で整備されていなければ、AIエージェントはそもそも商品を推薦候補に入れられないという現実です。PDFのサイズ表や画像化された情報は、エージェントにとっては存在しないのと同義になります。
返品コストの観点でも、データ整備の重要性は高まっています。2025年のアパレル返品率は世界平均で24%、オンライン購入に限れば40%近くに達しており、その52%以上が「サイズ不適合」を理由としています。業界全体で年間450億ドル規模の損失です。Adobeのデータが示すAI流入の高コンバージョン率は、エージェントが事前にフィット情報を理解した上で推薦している証左でもあります。フィットデータが整っていないブランドは、推薦されないだけでなく、推薦された場合の返品リスクも高くなる構造です。
実装事例——ASOS×ChatGPT、True Fitのエージェント化
机上の議論ではなく、すでに具体的な実装が動き始めています。
ASOSは2026年5月20日、英国と米国の顧客向けにChatGPT内で動作する「ASOS Stylist」アプリを公開しました。カテゴリー、シーン、トレンドからアウトフィットを発見し、ASOSの自社ブランドおよびパートナー商品からスタイリング提案を受けられるサービスです。注目すべきはバックエンドです。動画コマースプラットフォームのBambuserが提供する「Intelligence Layer」が、ASOSの商品カタログと動画ライブラリを構造化された機械可読データに変換し、LLMがリアルタイムで処理できる形式で返す仕組みになっています。
つまりこの実装は、商品データの機械可読化がエージェント型購買体験の前提条件であることを裏付けています。動画や画像が豊富にあっても、LLMが解釈可能な構造を持たなければエージェント経由では機能しないのです。
フィット問題に特化した動きもあります。True Fitは2026年2月、20年分の購入データと返品データを学習させたエージェント型AIショッピング体験を発表しました。同社の「Fit Intelligence」はModel Context Protocol（MCP）経由で配信されるため、外部のAIシステムが同じフィット推薦ロジックを利用できます。サイズに関する推薦をエージェント間で標準化する動きが、業界横断で進み始めています。
検索広告予算はどこへ流れるのか
トラフィックがAI経由に移行する一方、従来の検索広告市場には逆風が吹いています。米国のリテールメディア検索広告は2025年に約380億ドル規模に達しましたが、Gartnerは2026年に従来検索のボリュームが25%減少すると予測しています。消費者側でも、41%が商品発見にAIプラットフォームを利用し、33%が従来手法を完全に置き換えたと回答しています。
予算がどこへ向かうのかは、まだ流動的です。短期的にはAI回答内のスポンサード推薦——AmazonのRufus内広告やGoogle AI Overviewsのスポンサード商品、OpenAIがテスト中のChatGPT広告——に一部が振り替わるとみられます。ただし中長期的により大きな投資先となるのが、商品データ基盤そのものの整備です。具体的にはJSON-LDによる構造化データ、SKU単位の実測サイズと素材データ、レビューと返品理由の機械可読化、そしてGTINやMPNといった識別子の整備が挙げられます。
検索広告予算の一部がこれらの「データインフラ投資」に再配分される現象は、すでにEnterprise向けPIM（Product Information Management）ベンダーやデジタルシェルフ管理ツールの売上動向にも表れ始めています。広告枠への投資から、商品データ資産そのものへの投資へ。マーケティング部門と商品データ管理部門の境界線が溶け始めています。
ファッションEC事業者が今やるべきこと
ここまでの構造変化を踏まえると、ファッションEC事業者が優先すべき施策は明確です。最初に取り組むべきは商品データの「機械可読性監査」です。自社のサイズチャートがPDFや画像で提供されていないか、素材構成が構造化データとして記述されているか、配送条件と返品ポリシーがJSON-LDのOffer schemaで定義されているかを点検することから始まります。
次に重要なのが、フィット情報の質的拡充です。標準的なS/M/Lの表記だけでなく、SKU単位の実測値、伸縮性、推奨される体型像までを記述することで、AIエージェントの推薦精度を高められます。True FitのようなMCP経由のフィット推薦サービスとの接続も、技術選択肢として検討に値します。
加えて、レビューデータの構造化と返品理由の機械可読化が必要です。「サイズが合わなかった」という返品理由が定量データとしてエージェントに渡れば、AIは類似体型の購入者に対してサイズ調整を提案できます。返品率の低下とコンバージョン率の向上が同時に進む可能性があります。
最後に、効果測定の指標を更新する必要があります。検索広告のCTRやインプレッションシェアといった既存指標に加え、AIプラットフォーム上での自社ブランドの言及率（Share of Model）、エージェント経由のセッション数、AI流入のコンバージョン率を継続的にモニタリングする体制が求められます。AEO（AI Engine Optimization）の考え方を、ファッション特有のフィット・素材・着用シーンといった属性に翻訳していく作業です。
まとめ
Fibre2Fashionの記事が指摘する「AIショッピングエージェントがファッションの検索予算を奪う」という構造変化は、すでに統計データと実装事例の両面で裏付けられつつあります。検索広告の入札画面が消えゆく一方、新しい競争軸として浮上しているのは、AIエージェントが正確に解釈できる商品データの質です。
ASOSとBambuserの連携、True Fitのエージェント化、Adobeの統計が示すAI流入の急成長——これらはすべて、ファッションECがマーケティング予算の重心をデータインフラへ移すべき時期に来ていることを示しています。サイズチャートを画像のまま放置しているブランドと、SKU単位の実測値を構造化データとして提供しているブランドの差は、今後の数年で売上規模の差として顕在化していくでしょう。
