OmnicomのFlywheelがGEO機能を発表、Amazon・Walmart・TargetのAI推薦にブランド商品を載せる

FlywheelがAIアシスタントの推薦枠にブランド商品を「載せる」機能を発表

Omnicom's Flywheel Found a Way to Inject Brands Into Amazon, Walmart, and Target's AI Assistants

A new tool helps marketers appear in AI-driven recommendations.

www.adweek.com

2026年6月23日、フランス・カンヌで、Omnicom傘下のコマースエージェンシーFlywheelが新機能を発表しました。ブランドの商品を、Amazon・Walmart・TargetのAI主導の商品発見に表示させるためのGEO（Generative Engine Optimization、生成エンジン最適化）機能です。

買い物客がAIアシスタントに質問すると、AIは数件に絞った推薦を返します。その数件に入れなかった商品は、棚に並んでいないのと同じ扱いになります。Flywheelが今回商品化したのは、まさにこの「数件の枠」をブランドが獲得するための支援です。

FlywheelのCEO、Alex McCord氏は発表でこう述べています。

"

商品発見がAI主導のショッピング体験へと急速に移行するなか、ブランドはこうした環境でどう表示されるかを根本から考え直す必要があります。

出典: Alex McCord, Flywheel CEO

AI責任者のMike O'Donnell氏は、より直接的に危機感を語ります。行動を起こさなければ、商品はAIが生成する推薦から消え、オーガニックトラフィックも減っていく、という警告です。Flywheelの発表は、この課題を個別の小手先対応ではなく、定型化したサービスとして解こうとする点に新しさがあります。

なぜ今、この発表が出てきたのか

背景には、小売プラットフォームの検索体験そのものがAIへ置き換わりつつある現実があります。AmazonのAIアシスタントRufus（2026年5月にAlexa for Shoppingへ改称）は3億人規模の利用者を抱え、年換算で約120億ドルの増分売上を生んでいるとされます。WalmartのSparkyは平均注文額を押し上げ、アプリ利用者の多くがすでに試したと報じられています。

買い物客が「子ども向けの安全な日焼け止めは」と尋ねれば、AIが数件に絞った答えを返す。検索結果ページを上から眺めて選ぶ行動が、AIとの短い対話に置き換わっていきます。この変化のなかで、ブランドが自社商品をどう露出させるかという問いが切実になりました。

ここで主戦場になるのが、AIが推薦を組み立てる「発見レイヤー」です。AIに選ばれるための最適化という発想は、AEO（AI Engine Optimization）やAIショッピング時代の「新しい棚スペース」としてすでに議論されてきました。Flywheelの動きは、その議論を大手代理店の具体的なプロダクトへ落とし込んだ事例にあたります。

GEOはSEOと何が違うのか

GEOを一言でいえば、AIに選ばれるための最適化です。検索結果ページで上位に並ぶことを目指したSEOに対し、GEOはAIアシスタントが生成する推薦のなかに商品を入れることを狙います。攻める相手が、検索アルゴリズムからAIの推論へと変わりました。

決定的なのは評価軸です。SEOではキーワードの一致や被リンクの数が順位を左右しました。GEOで効くのは、商品が買い物客の意図にどれだけ的確に答えるかです。Walmart Sparkyの挙動を分析した調査では、Sparkyはサイズ・素材・利用シーン・成分・評価といった構造化された属性フィールドに商品をマッピングして推薦を組み立てるとされます。属性フィールドが空欄なら、Amazonでどれだけ実績があっても、その商品はSparkyの回答に現れません。

Flywheelの新機能は具体的に何をするのか

Flywheelのアプローチで興味深いのは、AIの推薦ロジックをリバースエンジニアリングする点です。AIがどんな商品コンテンツを評価し、何を手がかりに推薦を選ぶのか。そのふるまいを解析し、商品データを逆算して整えます。発表によれば、機能は3つの要素を一つのワークフローに統合しています。

第一がAIによる監査です。各小売プラットフォームの商品詳細ページ（PDP）を、AIのふるまいやアルゴリズム、可視性シグナルに基づくGEOのベストプラクティスと照らし合わせ、欠けているシグナルを洗い出します。ギフト用途、対象年齢、素材、安全情報といった、人間向けの説明では省かれがちな情報が、ここで可視化されます。

第二がコンテンツの最適化です。監査で見つかった欠落をもとに、商品のタイトル・箇条書き・説明文を書き換えます。狙いは検索順位ではなく、会話的な言語、ユースケース、対象オーディエンス、機能的ベネフィットを盛り込み、AIの推薦モデルに噛み合う状態にすることです。キーワードを詰め込む発想とは正反対で、消費者が実際に投げかける問いに答える記述へと作り変えます。

第三がパフォーマンス計測です。施策がトラフィック、コンバージョン、売上にどう効いたかを継続的に追跡します。ある美容ブランドのパイロットでは、商品説明を消費者の意図とAIの推薦モデルに合わせて磨き込んだ結果、ポートフォリオで56%の成長と、クリック・サイトトラフィックの80%増加が報告されています。

この機能は、Flywheel単体の施策にとどまりません。親会社の広告部門Omnicom Media Groupは、AI検索時代にブランドが表示されるか消えるかを決める4つの柱として、Consumers（消費者）・Content（コンテンツ）・Code（コード）・Credibility（信頼性）を掲げています。Flywheelの商品データ整備は、この大きなGEO戦略の一部に位置づけられています。

エージェンシーがGEOを「商品化」する意味

今回の発表で見落とせないのは、GEOが個社の試行錯誤から、大手代理店が提供する体系的なサービスへと移りつつある点です。これまでブランドは、AIにどう見られているかを手探りで確かめるしかありませんでした。Flywheelのような事業者が監査から最適化、効果測定までを一つのワークフローとして提供すれば、ブランドは再現性のある形でGEOに取り組めます。

代理店がこの領域に参入する流れは、Flywheelに限りません。AdobeがBrand Visibilityを含むAIツールを無料開放したように、AI検索時代の可視性を巡る支援は、複数のプレイヤーが競う市場へと育ち始めています。ブランド側から見れば、選択肢が増えると同時に、何もしないことのリスクが相対的に大きくなっていきます。

EC事業者への示唆

FlywheelのようなエージェンシーのGEO支援を使うかどうかにかかわらず、EC事業者が押さえるべき基本は共通しています。

最優先は属性フィールドの徹底的な充足です。AIアシスタントは人間のようにページを眺めるのではなく、構造化された属性を機械的に読み取って意図に合致させます。サイズ、色、利用シーン、成分、素材といったフィールドが一つでも空いていると、その商品は推薦の対象から静かに外れます。Sparkyの分析では、属性が不完全な商品は推薦に現れないと明言されています。

次に意識したいのが、商品説明の書き方です。「防水 軽量 アウトドアジャケット」のように属性を並べるのではなく、「4月のヨーロッパ旅行で小雨に対応し、機内持ち込みバッグに収まる」といった、買い物客が口にする文脈に答える記述へ変えます。AIは万能な商品ではなく、特定の状況に最適な商品を選ぶためです。レビューについても、星の数より「普段Mの人はLがおすすめ」といった利用文脈を含む声のほうが、AIが細かい質問に答える根拠になります。

最後に、価格や在庫のチャネル間の一貫性です。データが食い違うと、AIはその商品をリスクと見なして推薦から外します。GEOは一度きりの施策ではなく、AIのふるまいの変化に合わせて商品データを更新し続ける継続的な営みだと捉えるべきです。

まとめ

FlywheelのGEO機能の発表は、AIショッピングの発見レイヤーを巡る支援が、専門エージェンシーの体系的なサービスへと移り始めた合図です。買い物客がAIに尋ね、AIが数件に絞って答える世界では、その数件に入れるかどうかが売上を左右します。商品データをAIが読み取り、推論し、選びやすい形に整える作業は、もはや任意の取り組みではなくなりつつあります。自社の商品データがAIにどう見えているかを、いま一度点検する価値があります。