Walmart Sparkyに推薦される商品の条件: 引用元の7割超は商品ページの外にある
Walmart決算でSparky利用者が前年比70%増、注文単価40%高と判明しました。Azomaの実測が示すSparkyの引用元構成比と、AIアシスタントに商品を推薦させるためEC事業者が着手すべき施策の順番を解説します。
この記事のポイント
- Walmartが2026年8月20日の決算説明で、AIショッピングアシスタント「Sparky」の利用者数が前年比70%増、Sparky利用者の注文単価が非利用者比で40%高いと開示しました。
- Azomaの実測によると、Sparkyが推薦を組み立てる際の引用元はアーンドメディア36%、ブランド公式サイト30%、小売側コンテンツ27%、UGC5%、アフィリエイト2%で、小売の商品ページが占めるのは全体の4分の1程度です。
- 商品ページの整備だけでは引用面の大半に手が届きません。ただし「40%多い」を因果と読むのは早計で、Sparky上の広告枠もすでに開き始めています。
Walmartが決算でAIアシスタントに金額を付けた
Azomaが、WalmartのSparkyにおける商品可視性の高め方、AIショッピングエージェントでの発見性、リテールメディア収益への影響を明らかにしました。
www.martechcube.comAIアシスタント経由の買い物が増えている、という話はこの2年ほど繰り返されてきました。変わったのは、そこに金額の裏づけが付いたことです。
2026年8月20日のWalmart第2四半期決算説明で、CEOのJohn Furner氏はSparkyの利用者数が前年比70%増であること、そしてSparkyを買い物に使う顧客の注文単価が、使わない顧客より40%高いことを述べました。同じ四半期のグローバルEC売上は23%増、グローバル広告事業は38%増です（決算説明の書き起こし）。
注目すべきは伸び率そのものより、開示の粒度でしょう。これまで小売各社のAIアシスタント関連の開示は「利用が伸びている」「エンゲージメントが高い」といった定性的な表現にとどまっていました。注文単価という、事業者が自社の数字と直接比べられる指標で語られたのは大きな変化です。
そしてこの面には、検索連動広告のような明示的な入札枠が長らくありませんでした。棚に並ぶかどうかが、出稿予算ではなく情報の状態で決まる。そこに、では何を整えれば並ぶのかという問いが立ちます。
Sparkyは何を読んで推薦を組み立てているのか
エージェンティックコマース最適化を掲げるAzomaは、この問いに実測で答えを出しています。同社が数百万件規模のショッピングエージェントの引用を分析した結果として示したSparkyの引用元構成比が、下の内訳です。
| 引用元の種類 | 構成比 | 打ち手の性質 | 着手から効きはじめるまで |
|---|---|---|---|
| アーンドメディア（第三者の記事・レビュー・比較） | 36% | 掲載を取りにいく広報・PR・レビュー獲得 | 長い（数か月単位） |
| ブランド公式サイト（brand.com） | 30% | 構造化データ、仕様の機械可読化、比較しやすい記述 | 中程度（クロールと再インデックス待ち） |
| 小売側コンテンツ（商品ページ等） | 27% | 商品情報の整備、属性の充足 | 短い（自社で完結する） |
| UGC（口コミ・投稿） | 5% | レビュー数と鮮度の維持 | 中程度 |
| アフィリエイトサイト | 2% | 提携先の記事品質 | 短い |
ここから読み取れることは単純です。小売の商品ページが占めるのは27%にすぎず、アーンドメディアとブランド公式サイトの合計66%が引用面の主役だという構図になっています。Walmartの商品ページを丁寧に作り込むことは当然必要ですが、それは推薦の根拠のうち4分の1に手を入れたにすぎません。
Azoma創業者兼CEOのMax Sinclair氏は、この点を次のように表現しています。
Sparkyがあなたの商品を推薦するかどうかは、Sparkyが読む情報源全体でどう見えているかで決まります。そしてその大半は、あなたのWalmart商品ページではありません。
Azomaはロンドンとトロントに拠点を置く企業で、2026年3月にAgentic Merchant Protocol（AMP）という商品カタログ配信の標準を公開しています。OpenAIのACPやGoogleのUCPが買い手側の発見体験に商品データをつなぐ規格であるのに対し、AMPは売り手側が商品情報の表現を一度定義して各エージェントへ配る、という位置づけを取っています。L'Oréal、Unilever、Mars、Beiersdorf、Reckittが公開時点の採用企業として挙げられました。
ただし数値の扱いには注意が要ります。この構成比は、AIエージェント上の可視化ツールを販売する事業者による自社分析です。対象カテゴリの内訳、集計期間、Sparky以外のエージェントをどこまで混ぜたのかといった算出条件は公表されていません。方向感を掴む材料としては有用ですが、自社カテゴリの数値としてそのまま持ち込むべきものではありません。
「40%多い」を因果と読むと足をすくわれる
Walmartが示した40%という数字は、Sparkyを使う顧客と使わない顧客の比較です。ここで「Sparkyを使わせれば単価が40%上がる」と読むと、施策の期待値を大きく見誤ります。
同じ論点は、AmazonのRufusをめぐる分析ですでに指摘されています。あるリテールメディア分析では、ブラックフライデー期間中のRufus関与セッションが全セッションの約4割でありながら購入の約66%を生み、転換率は非関与セッションの3.5倍だったと報告されました。ところが同じ分析は、この数字の読み方に明確な留保を付けています。Rufusを使う顧客は、そもそも購買意欲の高い層である可能性が高いという点です。加えて、ごく短い接触でも「Rufusセッション」に数える定義が差を膨らませうること、モデル化されたパネルデータに依存していることも挙げられ、結論は「強い方向性の示唆であって、因果の証明ではない」とまとめられています（Retail Media Breakfast Club）。
Walmartの40%にも、まったく同じ選択バイアスの疑いが残ります。買い物に手間をかける層ほどアシスタントを試し、そういう層ほどまとめ買いをする、という説明でも数字は成立してしまうからです。
もう一点、「Sparkyの推薦には有料枠がない」という前提も、すでに揺らいでいます。Walmartは2025年末にSparky内での広告を静かにテストし、2026年に入ってスポンサードプロンプトという形式で拡大しています。商品推薦を尋ねた際に、スポンサー枠のプロンプトが提示される仕組みです。あわせて広告主向けのAIアシスタント「Marty」も検索広告の出稿者へ展開されています（eMarketer）。
推薦の中身そのものが買えるようになったという確認は取れていませんが、この面が収益化の対象として扱われていることは明らかです。「買えない面だから情報整備で勝てる」という状態は、恒久的な構造ではなく現時点の窓と見るのが妥当でしょう。
Sparkyはもうアプリの中だけにいない
もうひとつ、日本の事業者が見落としやすい変化があります。
Walmartは2025年10月にOpenAIとの提携を発表し、ChatGPT内のInstant Checkoutで直接購入できる導線を試しました。しかし2026年3月、転換率が自社チャネルを大きく下回ったことを受けてこの実装から離れ、代わりにSparky自体をChatGPTとGeminiに埋め込む方式へ切り替えています。買い手はWalmartアカウントで認証し、カートは同期され、決済はWalmart側で完結します（Retail Dive）。
つまり、引用元構成比の話はWalmartアプリの内側だけの話ではなくなりました。汎用アシスタントで始まった会話がそのままSparkyの推薦に接続される以上、整備すべき情報面は小売の閉じた世界の外へ広がっています。
EC事業者は、どの順番で手を付けるべきか
ここまでの材料を、日本のEC事業者が明日から動かせる形に落とし込みます。Sparkyは国内で使えませんが、引用元の構造という論点はChatGPTやGeminiのショッピング回答、Amazon Rufus、各モールのAI検索にそのまま当てはまります。
順番の原則は、効きはじめるまでの時間が長いものから着手することです。アーンドメディアは掲載が決まってからインデックスされ、モデルの参照に乗るまでに数か月かかります。自社サイトの構造化はその次、商品ページの整備は自社で完結するぶん最後に回しても間に合います。多くの事業者が逆順に着手し、最も短期で終わる27%の領域だけを磨いて止まっているのが現状です。
自社サイトで具体的に効くのは、商品名と型番の表記ゆれをなくすこと、仕様を文章ではなく属性として持つこと、そして「どういう人に向くか」「他とどう違うか」という比較の言語を商品説明に含めることです。アシスタントは質問を複数のクエリに分解して調べるため、用途や利用シーンの語彙が欠けていると、そもそも候補集合に入りません。
測定の設計も、従来のSEOとは別物になります。アシスタントの回答はクエリごとに生成されるため、同じ商品が言い回しの近い2つの質問で出たり出なかったりします。手動のスポットチェックでは状態を把握できません。カテゴリごとに代表プロンプトの集合を決め、自社と競合の登場率を定点観測する設計が要ります。何本のプロンプトを、どの頻度で見るのかを先に決めてしまうのが現実的です。
そのうえで、Azomaの構成比をそのまま自社の目標配分に使うのは避けるべきです。カテゴリによって、アーンドメディアの厚みもUGCの影響力も大きく変わります。まず自社カテゴリの代表プロンプトで実際に引用されているURLを収集し、自社の引用元構成比を出すところから始めるのが確実です。
まとめ
Walmartの開示が示したのは、AIアシスタント経由の買い物がすでに単価で測れる規模になったという事実です。一方でその数字は相関にとどまり、広告枠も開き始めています。断定的な結論を出すには材料がまだ足りません。
それでも、引用元の大半が商品ページの外にあるという構図は、当面変わらないでしょう。注目したいのは、Walmartがスポンサードプロンプトをどこまで推薦本体に近づけるか、そしてSparkyがChatGPTとGeminiの内側でどれだけの取引を運ぶようになるかです。年末商戦を含む四半期の開示が、ひとつの節目になります。
