この記事のポイント
- AI駆動コマースを掲げるRevmaticsが2026年6月30日、Cart.com傘下だった商品フィード管理大手DataFeedWatchを、現金と株式を組み合わせた条件で買収したと発表しました。
- DataFeedWatchは18,000超のショッピングチャネルへ商品データを配信する「流通の配管」を担い、RevmaticsのAI基盤Lumaraが「何を、誰に、どのチャネルで、いくらで売るか」を判断する知能層を担います。
- AIが商品を発見・推薦する時代には、商品フィード（各チャネル向けに整形された商品データ）の品質がそのまま露出と成約を左右します。EC事業者にとって、フィードをAI発見に最適化することが検索対策と並ぶ新しい必須課題になりつつあります。
RevmaticsがDataFeedWatchを買収した
The deal unites DataFeedWatch's product feed distribution across 18,000+ brands and thousands of shopping channels with Revmatics' Lumara.
www.newsfilecorp.com米ユタ州リーハイに拠点を置くRevmaticsは2026年6月30日、商品フィード管理プラットフォームのDataFeedWatchをCart.comから買収したと発表しました。取引は現金と株式を組み合わせた構造で、売り手であるCart.comがRevmatics株の初期ポジションを取る形になっています。RevmaticsのCEO兼共同創業者Ricky Ray Butler氏はこの買収を、単なる機能追加ではなく「コマースの知能がどこへ向かうか」を示す一手だと位置づけています。
ここで鍵になる言葉が二つあります。ひとつは商品フィードです。これは、自社カタログの商品情報（タイトル、価格、在庫、画像、カテゴリなど）を、GoogleショッピングやMeta、TikTokといった各販売チャネルが要求する形式に整えたデータのことを指します。もうひとつはショッピングチャネルで、消費者が商品を見つけて買える場所、たとえば検索連動の広告面や比較サイト、SNS上のショップなどの総称です。DataFeedWatchはこの両者をつなぐ「配管」として、10年以上にわたりブランドから信頼を集めてきました。
DataFeedWatchが担ってきた「流通の配管」
DataFeedWatchの出自をたどると、この買収の意味が立体的に見えてきます。創業者のJacques van der Wilt氏が同社を立ち上げたのは2012年のことでした。Googleショッピングをはじめとする比較ショッピングチャネル向けに、商品データを最適化するWebツールとして始まり、その後2000超のチャネル・60以上の国へと対応範囲を広げていきます。2022年にはCart.comがDataFeedWatchを買収し、同社の傘下で規模を拡大してきました。今回のRevmaticsによる買収は、そこからの再度のオーナー交代にあたります。
同社が現在カバーする範囲は相当に広く、Googleショッピング、Meta、Bing、TikTokを含む18,000超のショッピングチャネルに商品データを配信し、10億点近い商品を扱ってきたとされます。プレスリリースが「ブランドのカタログと、顧客が商品を見つけられるあらゆる場所とをつなぐ結合組織」と表現するとおり、DataFeedWatchはEC事業者の商品情報を各チャネルの求める形へ翻訳し、届ける役割を果たしてきました。
その効果は数字にも表れています。Revmaticsが引用した63件の顧客事例では、以下のような改善が報告されています。フィード最適化が単なる形式変換ではなく、露出と成約の質を左右する工程であることが読み取れます。
| 指標 | 改善幅 |
|---|---|
| 広告費用対効果（ROAS） | 29〜97％の増加 |
| 顧客獲得単価（CPA） | 18〜46％の削減 |
| コンバージョン率 | 11〜43％の向上 |
| クリック率（CTR） | 13〜57％の向上 |
こうした成果は、商品タイトルの最適化、正確な在庫データ、より的確なカテゴリ分類、そしてフィード管理を一貫して効率化するAIによって実現されている、と同社は説明しています。
Lumaraという「知能層」を重ねる
DataFeedWatchが流通を担うのに対し、Revmaticsが供給するのはその上に載る知能層です。同社の中核をなすのが、特許出願中の自己改善型エージェンティックAI「Lumara」です。Butler氏の言葉を借りれば、DataFeedWatchが商品データを配信するのに対して、Lumaraは何を、誰に、どのチャネルで、いくらで語りかけ、どう成約に導くかを判断する役割を担います。両者を組み合わせることで、オーディエンス設計からメッセージング、配信、そして個別最適化されたランディングページ、さらには実店舗のパフォーマンス追跡まで、収益ファネル全体を最適化するというのが描かれている絵です。
Lumaraについて同社が繰り返し強調するのは、業界主流の「巨大モデルを力任せに回す」路線とは逆を行く設計思想です。同社はこれを「Level 4」の自己改善型AIと位置づけ、タスクごとに最適なモデルを選び、無駄な計算を削ることで、より少ないエネルギーとコストで精度の高い成果を出すと説明しています。Butler氏は「マーケターは無駄削減の達人だ」と述べ、環境負荷を抑えたAI運用を競争上の武器として掲げています。この主張の実効性は今後の実運用で検証されるべきものですが、買収の背景にある思想としては理解しておく価値があります。
DataFeedWatchの既存顧客にとって、変化はまず追加的なものになります。これまで依存してきたフィード管理ツールへのアクセスは継続され、その上にRevmaticsの知能スイートやエンタープライズ機能、コーチングを重ねる選択肢が新たに加わる、という位置づけです。
なぜ「商品フィード供給層」がAIコマースの要衝なのか
今回の買収を、個別企業のM&Aとしてだけ見ると本質を捉え損ねます。より大きな文脈は、AIが商品を発見・推薦する時代において、商品データの供給層が新たな要衝になりつつあるという潮流です。
2026年のコマース環境では、AIエージェントが消費者に代わって商品を発見し、評価し、比較し、購入するという動きが本格化しています。Shopifyのデータによれば、2026年第1四半期にはAI経由の同社ストアへの流入が前年比8倍に、AI検索由来の注文はおよそ13倍に伸びたと報告されています。買い物客が商品ページを一度も見ないまま、AIが推薦した商品が売れていく。そうした購買が現実の割合を占め始めているということです。
この変化は、商品データの位置づけを根本から変えます。従来はWebサイトが「顧客と接する主戦場」でしたが、AIショッピングの時代には、ChatGPTやPerplexity、Amazon Rufus、Google Geminiといった生成AIエンジンが参照する商品フィードこそが主戦場になります。ここで登場するのがGEO（Generative Engine Optimization、生成エンジン最適化）という考え方です。これは、AIエンジンが商品を正しく発見・理解・推薦できるよう、商品データやブランド情報を構造化する取り組みを指します。検索エンジン向けのSEOに対して、生成AI向けの最適化がGEOだと捉えると分かりやすいでしょう。
RevmaticsがDataFeedWatchを取りに行ったのは、まさにこの供給層を押さえるためだと読めます。AIエージェントが正しい商品を推薦するには、その手前で在庫・価格・カテゴリ・タイトルが正確に構造化され、各チャネルへ届いている必要があります。知能層(Lumara)がどれだけ賢くても、供給層のデータが薄ければ推薦の質は上がりません。逆に言えば、18,000超のチャネルへ既に商品データを流している基盤の上にAIの判断力を載せられれば、その改善は同社の言う「一晩で」ネットワーク全体へ波及しうる、というわけです。
EC事業者は商品データをどう整えるべきか
では、実際のEC・小売事業者は何を準備すべきでしょうか。示唆は比較的はっきりしています。
第一に、商品フィードを「広告用の脇役データ」から「顧客との第一接点」へと格上げして扱うことです。かつてWebサイトに払っていたのと同等の注意を、フィードにも継続的に払う必要があります。在庫はおおよその在庫状況ではなく実際の在庫数を反映すること、価格シグナルを透明にすること、レビューや信頼シグナルを整えることが、AIエージェントに選ばれるための基本条件になります。業界では、構造化データの品質、機械可読な商品フィード、透明な価格シグナル、レビュー・信頼シグナル、ブランド権威性、API経由のアクセス性といった複数の軸で「エージェント対応度」を評価する枠組みも語られ始めています。
第二に、複数のAIショッピングエンジンが並立する現実を前提に置くことです。単一の整形済みフィードを用意すれば足りる時代ではなく、参照するエンジンごとに求めるデータの形や重視する要素が異なります。DataFeedWatchのようなフィード管理基盤が価値を持つのは、この「多対多」の翻訳作業を自動化し、チャネルごとの差異を吸収してくれるからです。
第三に、こうした供給層をどこに委ねるかという選択が、今後のベンダー選定の論点になっていくということです。RevmaticsのようにフィードとAIの知能層を垂直統合しようとするプレイヤーが現れる一方、標準規格に沿ってオープンに接続しようとする動きもあります。自社の商品データを誰の基盤に、どのくらい依存させるのかは、慎重に見極める必要があります。
まとめ
RevmaticsによるDataFeedWatchの買収は、AIが商品を発見する時代において、商品フィードという供給層がいかに戦略的な資産になりつつあるかを示す象徴的な動きです。流通を担うDataFeedWatchの配管の上に、Lumaraという判断の知能を重ねる。この垂直統合の狙いは、AI推薦の質が結局は元データの質に支えられているという事実を突いています。
EC事業者にとっての教訓は明快です。AIエージェントに商品を選んでもらうための土台は、賢いアルゴリズムではなく、正確で構造化された商品データそのものにあります。フィードをAI発見に最適化する取り組みは、もはや一部の先進企業の実験ではなく、露出と売上を左右する日常的な運用課題へと移りつつあります。次に注目すべきは、このLumaraの知能が18,000超のブランドネットワークへ実際にどの速度で行き渡り、GEOの実務にどんな標準的な打ち手をもたらすかという点でしょう。
