Michaelsの「Ask Mike」が従来検索の2倍超で転換、6週間で本番化したAIショッピングアシスタントの中身

「Ask Mike」が公開した初期の数字

Michaels says AI shopping assistant more than doubles conversions

Michaelsは、AIショッピングアシスタント「Ask Mike」を使った買い物客が、従来の検索を使った客の2倍を超える率で転換したと発表しました。

www.marketingtechnews.net

北米で1,300店舗超を展開するクラフト・手芸小売のMichaelsが、2026年7月21日に初の顧客向けAIショッピングアシスタント「Ask Mike」を正式発表しました。実は5月から静かに稼働しており、今回の発表は初期実績の開示を兼ねています。

公開された数字は4つです。ローンチ以降の累計で会話数は約75,000件に達し、そのうち27%が商品リンクのクリックまたはカート追加につながりました。用途の60%超は商品発見に集中し、Ask Mikeを使った買い物客のコンバージョンは従来検索の利用者の2倍を超えたとされます。

提供面はデスクトップとモバイルのWebに加え、iOSとAndroidのアプリにも展開済みです。買い物客は個別の商品名を入力する代わりに、やりたいことを自然な言葉で伝えます。Ask Mikeは制作の種類、素材、色、予算といった条件を逆に聞き返してから商品を推薦する設計になっています。

検索が取りこぼす「プロジェクト単位」の意図

この事例で本質的なのは、AIが賢くなったという話ではなく、買い物客の意図の粒度と検索窓の粒度がずれているという長年の問題に、会話型UIが正面から手を当てた点です。

Michaelsで president and chief customer officer を務めるHeather Bennett氏は、その構造をこう説明しています。

"

従来の検索では、顧客はプロジェクトを「花柄の生地」のような孤立したキーワードに分解する必要があり、その結果を自分でふるいにかける作業が残ります。Ask Mikeなら、買い物客は「宇宙をテーマにしたパーティーの計画を手伝って」といった完全な問いを自然な対話で投げるだけで、必要な商品とアイデアがその場で組み上がります。

出典: Heather Bennett, president and chief customer officer, Michaels

子どもの誕生日パーティーを開きたい人が本当に必要としているのは、紙皿でも風船でもバナーでもなく、その全部です。ところがキーワード検索は、ひとつのクエリにひとつの答えを返す装置として設計されています。買い物客は自分の頭のなかで企画を部品に分解し、検索を何度も往復し、抜けがないかを自力で点検することになります。

Michaelsが観測した購買行動の違いは、この差を裏づけています。Ask Mike経由の顧客はパーティーや額装、クラフトといったプロジェクトについて、中心となる材料と仕上げ用の小物をひとつのセッション内でまとめてカートに入れる傾向がありました。対して検索窓を使う顧客は、すでに頭にある特定の商品を1点だけ探しに来ることが多かったといいます。

ECのユーザビリティ研究で知られるBaymard Instituteも、サイト内検索には完全一致の商品名検索だけでなく、機能ベース、互換性ベース、用途ベースといった複数の検索意図が存在すると指摘してきました。Ask Mikeの聞き返しは、まさに「顧客が何を完成させようとしているのか」を先に確定させてから推薦に入る構造になっています。会話型アシスタントの価値は、対話のなめらかさよりも、この意図の解像度を上げる工程にあります。

「2倍」という数字をどこまで信じるか

とはいえ、この2倍という数字はそのまま自社の期待値に置き換えられるものではありません。留保すべき点が少なくとも3つあります。

第一に、開示が部分的です。MarketingTech Newsの報道によれば、Michaelsは基準となるコンバージョン率、比較対象グループの母数、平均注文単価のいずれも開示していません。商品クリック、カート追加、購入完了それぞれの内訳も示されていません。「まとめ買いの傾向がある」という観測についても、それが実際にバスケットサイズの拡大や高い注文単価につながったことを示すデータは提示されていない状態です。

第二に、比較の設計そのものに自己選択の問題が残ります。新しいアシスタントをわざわざ開いて対話を続ける買い物客は、その時点でサイト内検索の平均的な訪問者より購買意欲が高い可能性があります。この差を取り除いた比較なのかどうかは、公開情報からは判断できません。

第三に、しばしば併記されるAdobeのデータは別種の指標です。Adobe Digital Insightsは1兆件超の米小売サイト訪問の分析から、2026年5月にAI経由の流入が非AI流入より54%高い率で転換したと報告しました。滞在時間は53%長く、閲覧ページ数は23%多いという数字も出ています。ただしこれは外部のAIサービスから小売サイトへ送客された訪問者の話であり、小売サイトに埋め込まれたアシスタントの成果とは直接比較できません。

普及率の実態も冷静に見ておく価値があります。YouGovが2025年7月に米国の成人1,414人を対象に実施した調査では、AIショッピングアシスタントを使ったことがある人は14%にとどまり、56%は「使ったことがなく、使うつもりもない」と答えていました。1年前の調査であり数字は動いているはずですが、会話型UIが検索窓を置き換える段階にはまだ距離があることを示しています。Michaelsの結果が意味するのは「使った人には効く」であって、「全員が使う」ではありません。

6週間を可能にしたのはモデルではなくカタログ

実装面でもっとも参考になるのは、コンセプトから本番稼働まで6週間だったという事実の中身です。

Google Cloudでretail industry strategy & solutionsのglobal directorを務めるPaul Tepfenhart氏は、この短さを、長年のインフラ投資とGemini Enterprise for Customer Experienceが噛み合ったときに何が起きるかの証拠だと位置づけました。Michaelsは以前からGoogle Cloud上で基盤を積み上げてきており、Ask Mikeはその蓄積の上に載ったという説明です。

より具体的な要因を挙げているのが、Google CloudでAmericas lead of retail and CPG solutionsを務めるKapil Dabi氏です。同氏はModern Retailの取材に対し、Michaelsが既存のクラウド基盤に加えて技術スタックを刷新済みであり、商品カタログをAIが扱える形に整理していたことが短期実装につながったと説明しています。

ここは自社に引き寄せて読むべき箇所です。会話型アシスタントの導入プロジェクトが長期化する理由は、たいていモデル選定やUI設計ではなく、商品データの側にあります。属性が欠けている、カテゴリ構造が販売管理の都合で切られている、用途やシーンの情報がどこにも構造化されていない。こうした状態のカタログに対して、いくら優秀なモデルを接続しても「誕生日パーティー」から適切な商品群を組み立てることはできません。

Dabi氏はさらに、技術基盤は成功条件の一部にすぎないとも述べています。買い物客が特定の購買行程のどの段階でどんな支援を必要としているかを、小売側が理解している必要があるという指摘です。誕生日パーティーを計画する顧客には、1商品に絞った回答ではなく複数カテゴリにまたがる推薦が要る。この業務知識は外部のモデルには入っていません。

共通基盤としてのGemini Enterprise for CX

Ask Mikeを支えるGemini Enterprise for Customer Experienceは、Google Cloudが2026年1月のNRFで発表した、ショッピングとカスタマーサービスを一つのインターフェースに束ねる小売・飲食向けのパッケージです。同じ基盤の上で、複数の大手小売が異なる用途の実装を進めています。

並べて見ると、成果の開示レベルにばらつきがあることがわかります。Ulta Beautyは2026年4月に「Ulta AI」をUlta.comとアプリに投入しましたが、決算説明でKecia Steelman CEOが述べたのは「初期結果は有望」という一言にとどまります。数値を出したMichaelsは、この文脈ではむしろ踏み込んだ側です。

もう一つ見落とせないのが、The Home Depotの事例が示す守備範囲の広さです。同社の実装は購買前の商品発見ではなく店舗への電話応対で、10秒で問い合わせ内容を把握し従来の電話メニューより4倍速く解決に到達すると報告されています。同じ基盤が発見にも応対にも使われている点は、AIエージェントの投資対効果を単一のKPIで測りにくくしている要因でもあります。

EC事業者が先に着手すべきこと

Michaelsの発表から実務的に抜き出せる論点は、突き詰めると次の順序になります。

はじめに、自社の検索ログを「意図の粒度」で見直すことです。ゼロ件ヒットのクエリや、複数回の検索を経て離脱したセッションは、キーワードに分解しきれなかった意図の痕跡です。会話型UIを載せるかどうかの判断より先に、そこにどれだけの需要が埋まっているかを測るほうが早い。

次に、商品データの整備です。用途、シーン、対象年齢、併用する商品といった情報が構造化されていなければ、会話型アシスタントは推薦を組み立てられません。この作業はAI導入の前工程ではなく、AI検索での可視性やエージェント経由の取引にも同時に効く投資です。

そして、評価設計です。Michaelsが未開示にした項目は、そのまま自社が最初に決めておくべき指標のリストになります。アシスタント利用者と非利用者の母数、購買意欲を揃えた比較、クリックとカート追加と購入完了の分離、そして平均注文単価。ここを曖昧にしたまま「2倍」という社内報告が回り始めると、投資判断を誤ります。

まとめ

Michaelsが示したのは、AIショッピングアシスタントが実験段階を抜けつつあるという事実と、その効果測定がまだ標準化されていないという事実の両方です。6週間という開発期間の短さは、参入障壁がモデル側から自社データ側へ移ったことを意味します。

次に注目すべきは、Michaelsが予告している商品詳細ページへのAI要約と文脈プロンプトの統合が、いつどう実装されるかです。アシスタントが独立したチャット窓から商品ページの中へ溶け出したとき、サイト内検索という部品はどこまで残るのか。その答えは、おそらく2026年後半の実装事例から見えてきます。