Boll & Branch、AIの「バーチャルベッドデザイナー」で平均注文額が2倍に：店舗スタイリストの組み合わせ提案をAIに移したクロスセル事例
米高級寝具ブランドBoll & Branchが、AIで自分のベッドに寝具を重ねて試せるツールを店舗とWebで展開し、利用客の平均注文額が2倍になりました。仕組み、数字の読み方、AIエージェント時代のバンドル提案への示唆をEC事業者向けに解説します。
この記事のポイント
- 米国の高級寝具ブランドBoll & Branchは、同社初のAIツール「バーチャルベッドデザイナー」を2026年4月から試験運用しています。自分のベッドの写真に寝具を重ねて組み合わせを試せる仕組みで、店舗ではアンバサダーが顧客と一緒に使い、Webでもテストしています
- ツールを使った顧客の平均注文額は2倍になり、あまり売れていなかったブランケットや装飾用の枕の需要も表に出てきました。顧客宅でベッドを整える出張接客の知見を、寝室に入らずに届ける手段としてAIを使った点が特徴です
- 比較の基準や利用率は未開示で、もともと購買意欲の高い客がツールを使っている可能性も残ります。EC事業者にとっては、接客で使われてきた「組み合わせの提案」をデータにしておくことが、自社ツールにも外部のAIエージェントにも効く準備になります
Boll & Branchが初のAIツールで平均注文額2倍を報告
Boll & BranchはAIを使い、ベッドの設置サービスを広げています。
www.retailbrew.com米国の高級寝具ブランドBoll & Branchで最高商務責任者（CCO）を務めるKatia Unlu氏が、業界カンファレンスeTail Bostonのパネルで同社初のAIツールの成果を明らかにしました。Retail Brewが2026年9月24日に報じたところによると、4月にテストを始めた「バーチャルベッドデザイナー（virtual bed designer）」を使って買い物をした顧客は、平均注文額（AOV）が平均で2倍になっています。
「売上の面でかなり大きい」と語ったUnlu氏は、もう一つの効果も挙げました。Boll & Branchはシーツの印象が強いブランドですが、ツールを使う顧客のあいだではスローブランケットや枕といった装飾品の需要が増えています。これまであまり売れていなかったカテゴリーが、ツールを通じて表に出てきたということです。
ツールは店舗でアンバサダー（販売スタッフ）が顧客と一緒に使うほか、Webサイトでも試験公開されています。原型は店舗の接客にあります。
出発点は「寝室に入る」接客だった
Boll & Branchは2014年にDTC（消費者直販）ブランドとして創業しました。自社店舗の前にNordstromやBloomingdale'sとの提携で百貨店の売り場を試し、手応えをつかんでから単独出店に踏み切っています。2017年にニュージャージー州ショートヒルズで最初の店舗を開き、Retail Brewの2025年11月の記事によれば、同記事の時点までの1年で8店から15店へほぼ倍増しました。今回の記事では、店舗数はまもなく19店になるとされています。
Unlu氏は店舗を「リピートと顧客生涯価値を加速させるもの」と位置づけます。CEOのScott Tannen氏も、寝室の多い郊外の住宅地を選んで出店していると語っており、店舗は一人の顧客と長く付き合うための拠点として設計されています。
この店舗網を土台にしているのが、「Room Service」と呼ばれる出張サービスです。寝具を買った顧客の自宅に店舗のスタイリストが出向き、スチーマーを持ち込んで、枕元にキャンディを置くところまで高級ホテル風にベッドを仕上げます。Retail Brewの2026年3月の記事で同社が示した数字では、このサービスを利用した新規顧客のリピート率は67%で、利用しなかった新規顧客の46%を大きく上回り、顧客生涯価値は188%高くなっています。
問題は広げにくさでした。誰もが寝室に他人を入れたいわけではないため、Unlu氏はこのプログラムを「拡大が難しい」と説明しています。
見落とせないのは、Room Serviceの価値が「ベッドを整えること」だけではない点です。スタイリストは顧客の実際の寝室を見て、今あるものに何を足せばよいかを提案できます。バーチャルベッドデザイナーは、この「実物の寝室を見ながら組み合わせを提案する」部分だけを取り出し、寝室に入らずに提供しようとする試みだと読めます。
もっとも、DTC寝具ブランドの店舗戦略が一様に成功しているわけではありません。同業のParachuteは2025年6月、19店舗を閉じてTargetなどとの提携に軸足を移すと発表しています。
バーチャルベッドデザイナーの仕組み
公式ページの説明はシンプルです。自分のベッドの写真をアップロードするか、同社が用意した写真を選び、そこにシーツや掛け布団のスタイルと色を重ねて見比べ、気に入った組み合わせをそのままカートに入れて購入します。ページには、掛け布団セット、シーツセット、ベッドブランケット、装飾用の枕カバーなどを組み合わせた「カスタムバンドル」の例がいくつも並んでいます。
肝は、商品を一つずつ差し替えながらベッド全体の見え方を確かめられる点です。公式ページの顧客の声には、柄物のシーツが部屋に合わないと数秒でわかり、無地の色を試して選べたとあります。
Retail Brewの記事は技術の提供元に触れていませんが、公式ページの「デザインを始める」ボタンはAI企業Hemsyのドメインにつながっています。Hemsyは自社サイトでBoll & Branchを導入企業として紹介し、Boll & BranchのVP of Commerce、Julia Schneider氏のコメントを掲載しています。同氏は、正確な描画と、閲覧と購入をつなぐ直感的な画面を評価しています。
Hemsyの開発者向けドキュメントによれば、同社の描画は一から画像を生成する方式ではありません。利用者が撮った実際の写真のうち、商品が置かれる部分だけを編集し、部屋、カメラの角度、照明はそのまま残します。形、素材、色は商品画像と色見本で固定します。ドキュメントは、ネイビーの掛け布団がある寝室をAIに想像させる方式との違いを強調しています。カタログの実物に縛られた画像編集であることが、購入判断に使えるかどうかを分けているという主張です。
Hemsyの製品には、ほかにもBoll & Branchの取り組みと重なる機能があります。
- 手順に沿って組み合わせを完成させる「ガイド付き」、あらかじめ決めたセットを一度に試す「バンドル」、カタログから一品ずつ組み立てる「サンドボックス」、商品ページから起動する形式の4つの起動モード
- 店舗スタッフやカスタマーサポート担当者向けの「スタイリストモード」。Hemsyは売り場やチャットでのアップセルに使う画面と説明しています
- 描画の利用回数や、画面ごとに購入に結びついた売上を確認できる分析機能
Boll & Branchの公式ページのリンクには、ガイド付きの手順を呼び出す指定が含まれています。ただし、店舗のアンバサダーがスタイリストモードを使っているのか、どの分析機能を使っているのかは未開示です。Hemsyのサイトは導入企業の成果として「AOV 2倍」を掲げていますが、どの企業のどの期間の数字かは示されていません。
「平均注文額2倍」をどう読むか
2倍という数字は目を引きますが、公表されている情報はこの一点だけです。何と比べて2倍なのか、つまりツールを使わなかった顧客との比較なのか、導入前の同じ顧客層との比較なのかは明らかにされていません。利用率や利用者数、店舗とWebの内訳、売上全体への寄与、返品率もいずれも未開示です。
選択の偏りにも注意が要ります。わざわざベッドの写真を撮って寝具を組み合わせる顧客は、もともとベッド一式の買い替えを考えている可能性が高く、ツールを使わなくても注文額は大きかったかもしれません。店舗では、アンバサダーが隣で提案していることの効果と、AIによる描画の効果を切り分けるのも困難です。Room Serviceのリピート率やLTVの数字にも同じ構造があり、もともと熱心な顧客がサービスを選んでいる可能性は残ります。
一方で、装飾品の需要が表に出たという観察は、数字の大小とは別の意味を持ちます。ベッドを完成形として見せると、シーツだけでは埋まらない部分が見え、そこに足す提案が生まれます。
家まわりの商品では、写真から完成形を見せるツールがこれまでもいくつも登場しています。
| 項目 | Boll & Branch バーチャルベッドデザイナー | IKEA Kreativ | Wayfair Muse |
|---|---|---|---|
| 公開時期 | 2026年4月にテスト開始 | 2022年6月（米国） | 2025年2月（前身のDecorifyを置き換え） |
| 顧客が入力するもの | 自分のベッドの写真、または同社の見本写真 | 部屋を複数枚撮影し、3Dの再現空間を作る | 流行のスタイル名やテキストの説明、部屋の写真 |
| 提案の単位 | ベッド1台分の寝具の組み合わせ | 部屋全体の家具の配置 | 部屋全体のスタイルと、カテゴリー別の商品案 |
| 人の関わり方 | 店舗ではアンバサダーが顧客と一緒に操作 | 顧客が自分で操作（配置の補助機能あり） | 顧客が自分で操作 |
| 公表された成果 | 利用客の平均注文額が2倍（比較基準は未開示） | 本記事の参照資料では確認できず | 未開示（評価指標はエンゲージメントと再利用と説明） |
IKEA Kreativは部屋全体を3Dで再現して家具を配置する大がかりな仕組みで、Wayfairは2023年に出した写真ベースのDecorifyを2025年にMuseへ置き換えました。Home Accents Todayによれば、Wayfairの担当者はMuseの成否をエンゲージメントと再利用で測ると語っており、売上への寄与を示す数字は出していません。これらと比べると、Boll & Branchのツールは対象をベッド1台に絞り、提案の単位を「今日カートに入れる寝具の組み合わせ」にしています。範囲が狭い分、描画の精度と購入までの距離を管理しやすい設計です。
エージェンティックコマースとの接点：目的から商品の組を組み立てる
このツールは、顧客の代わりに買い物を済ませるAIエージェントではありません。組み合わせを選び、購入を決めるのは顧客本人です。それでも、エージェンティックコマース（AIエージェントが商品の発見から購入までを代行・支援する買い物）を考えるうえで示唆があります。
顧客が出発点にしているのは「この寝室をこう見せたい」という目的であり、特定の商品名ではありません。そこからシーツ、掛け布団、ブランケット、枕という複数の商品を組み上げて一つの答えにする流れは、会話型のAIに「落ち着いた雰囲気の寝室にしたい」と頼んだときに期待される動きと同じ形をしています。単品を検索して比べるのではなく、目的から商品の組（バンドル）を組み立てて提案することが、AIを介した買い物の中心的な機能になりつつあります。
Hemsyもこの方向に動いています。同社はAIエージェント向けの描画APIと、エージェントが外部のツールを呼び出す標準であるMCP（Model Context Protocol）のサーバーを公開しています。ドキュメントでは、ショッピングエージェントが掛け布団カバーを勧め、利用者が自分のベッドでの見え方を確かめたい場面を用途の例に挙げています。商品がHemsyの導入企業のものであれば、その企業が自社サイト用に整えた色見本や配置のルールが自動的に使われ、描画の精度が上がる仕組みです。ブランドが自社のツールのために整えたカタログ情報が、外部のAIエージェント経由の提案の質にも影響することになります。
AIを経由した買い物の規模については、Salesforceが2025年の年末商戦（11月1日から12月31日）で、AIとエージェントが小売の売上の20%、2,620億ドルに影響したと推計しています。ChatGPTなどのAI検索から小売サイトに来た客は、SNS経由の客より9倍高い率で購入に至ったとしています。ただし、これはAIエージェント製品を販売する企業が自社プラットフォームのデータから示した数字で、「影響」の定義も広く取られています。Boll & Branchの事例も、AIエージェントが購入を代行した実績ではなく、目的起点の組み合わせ提案が注文額を押し上げた一例です。
EC事業者が明日から参考にできること
最初に手をつけやすいのは、店舗や接客チャットで行われている組み合わせ提案を記録に残すことです。どの商品とどの商品が一緒に勧められ、なぜその組み合わせなのかが、色、季節、素材、部屋の雰囲気といった言葉で残っていれば、自社のツールにもAIエージェント向けの商品データにも転用できます。Hemsyのバンドルが色やサイズ違いまで特定した商品IDの一覧として定義されているように、組み合わせは機械が読める形にしてはじめて再利用できます。
クロスセルの設計では、主力商品の周りにある小物に目を向ける価値があります。Boll & Branchで需要が表に出たのは、シーツの隣にあるブランケットや枕でした。単品の商品ページでは存在感の薄い商品も、完成形の中に置くと必要性が伝わります。自社の品揃えのなかで「組み合わせの中でこそ売れる商品」がどれかを洗い出しておくと、提案の設計が変わります。
計測は、導入前に決めておく必要があります。ツールの利用者と非利用者を比べるだけでは、もともと購買意欲の高い客を選んでいるだけかもしれません。同じ商品ページを見た客や同じ店舗に来た客の中で比べる、スタッフが同席した場合と顧客が一人で使った場合を分ける、返品率まで追うといった設計があって、はじめて「2倍」の中身を説明できるようになります。
まとめ
Boll & Branchのバーチャルベッドデザイナーは、寝室に入るスタイリストの提案を、写真とAIの描画で置き換えようとする試みです。利用客の平均注文額2倍と装飾品需要の掘り起こしは、目的から商品の組を組み立てる提案が売上に効くことを示唆しますが、比較の基準も利用率もまだ見えていません。Webでのテストが本格展開に移るのか、そして同じカタログ情報が外部のAIエージェント経由の提案にも使われていくのかが、次に注目すべき点です。
