Andy Tyra, Akeneoのチーフプロダクトオフィサーは、エンジニアリング、プロダクト、デザインチームと協力して、Akeneoの全体的な技術とプロダクト戦略を定義し、会社をマルチプロダクトモダリティで運営するための指導を行っている。Tyraは、AmazonFreshとAWS Marketplaceの創設メンバーであり、これらのビジネスを最初から成長させた。他にも、2023年にWherebyのCEOを務めた。
2025年、ChatGPTとStripeは、Instant Checkoutの導入により、eコマースの景観を変革しました。エージェントコマースの重要なステップとして、ユーザーはAIを介して直接購入できるようになりました。検索と発見のチャネルであったChatGPTは、2028年までに従来の検索を上回す新しいセールスチャネルを作成しました。AIパワードのチェックアウトからパーソナライズされた製品の推奨まで、消費者は以前よりも多くの選択肢と柔軟性を持っています。小売業界では、さまざまな分野でジェネレーティブAIが利用されており、ショッピング体験を向上させ、消費者価値を高めています。実際、75%のショッパーは、オンラインでAIの推奨やチャットボットに既に気づいています。この急速な成長は偶然ではありません。AIの推奨購入を完了した消費者の84%は、それを肯定的な体験と見なしています。AIはユーザーの行動を分析し、ショッパーが製品を見つけるのを助けることで、アイテムの発見と体験を変革しています。2025年10月の時点で、ChatGPTとGeminiは、AIの発見活動の63%以上を占めており、消費者の52%はAIの推奨に基づいて購入する可能性が高いと述べています。ショッパーが方法を変更するにつれて、ブランドと小売業者も同様に変更する必要があります。企業は、堅牢なキーワードマッチングを超えて、eコマース体験を最適化し、ユーザーが実際に検索し、購入する方法に合わせる必要があります。AIが検索クエリを解釈し、ショッパーのリクエストを分析するにつれて、ブランドと小売業者は、バックエンドシステムがそれに追いつけることを確認する必要があります。AIショッピングの加速に備えるには、製品データがAIによって分析できるように最適化され、製品データがすべてのタッチポイントで正確で一貫性があることを確認する必要があります。事実は、オンラインショッピングと製品検索の将来はすでにここにあります。如果ブランドと小売業者が追いつきたい場合は、今日から準備する必要があります。それは製品データから始まります。製品カタログはAIショッピングの加速に備えていない製品データは長年にわたって従来の検索方法に最適化されてきました。検索エンジン最適化(SEO)戦略は、長いキーワードや内部リンクに焦点を当て、関連性を高めることを目的としていました。ただし、今日、従来の検索チャネルにのみ焦点を当てると、20〜50%のトラフィックの低下のリスクがあります。マーケター、ブランド、そして小売業者は、AI検索モデルを組み込んで消費者を適切にターゲットにし、可視性を最適化する必要があります。47%の米国ショッパーがすでにショッピングタスクの1つ以上にAIツールを使用しているにもかかわらず、数多くの製品カタログはまだGenAIに最適化されていません。現在、多くの製品カタログは構造化されたデータファイルが不足しており、コンテキストが欠如しているか、製品間で属性が一貫性に欠けています。MITは、95%のGenAIパイロットプログラムが主に貧弱または断片化されたデータ基盤のため失敗することを報告しており、これにより、組織は年間最大2,500万ドルを失う可能性があります。伝統的なSEOとは異なり、GenAIエンジン最適化(GEO)では、データに関して構造、コンテキスト、一貫性が必要です。如果製品カタログがこれらの重要な要素のいずれかを欠如している場合、コンテンツはAIエージェントによってショッパーに提示されないことを意味します。AIの妄想と推奨の低下は、AIモデルが失敗したことではなく、製品入力が弱いことによるものであり、チームは新しいモデルで効果的に作業できるようにする必要があります。製品コンテンツが「十分に良い」だけでは、AI時代には十分ではありません。特に、不一致の結果がユーザーの信頼を損なうことが示されている場合です。AIショッピングが最大の潜在力を発揮するには、ブランドと小売業者はコマースの基盤である製品データ自体に焦点を当てる必要があります。AIが購入ファネルをより大きな部分を占めるにつれて、AI駆動の検索は顧客関係の構築を排除しません。実際、AIの顧客の嗜好を予測する能力は、真の顧客の信頼を強化します。そうであるほど、顧客は、完全で高品質の製品情報のある製品に対して、平均で25〜30%多く支払う用意があります。今日のショッピング景観では、AIはブランドと小売業者にとって巨大な潜在力を生み出していますが、その利益を得るには、製品情報を以前になく向上させる必要があります。AIショッピング時代の成功に必要な要素AIショッピングが最も効果的に機能するには、製品が誰のために、どのように関連しているか、他の製品とどう違うかを判断するのに役立つ、豊富なコンテキスト情報が必要です。この情報がすべて利用可能な場合、AIはショッパーにデータに基づいた強力な推奨を行うことができます。データがAI準備完了かどうかを判断することは、AIが十分な情報に基づいた回答を生成するために必要な基準を満たしているかどうかを判断することを意味します。AIショッピングの場合、これは、製品情報が強力な購入推奨をサポートするのに十分な強度があるかどうかを判断するために、自分とチームに7つの重要な質問を投げかけることを意味します。 単一の真実源とガバナンス:製品データ、バリデーションルール、バージョン履歴を含む中央システムはあり、すべてのシステムがそれに依存できますか?AIエージェントは秒単位で数千のストックキーピングユニット(SKUs)を評価します。如果属性が複製され、不一致、またはシステム全体で断片化されている場合、モデルはデータに対する信頼を失い、誤った推論を行う可能性があります。データ構造はすべての製品にわたって一貫性があり、時間の経過とともに変更に適応できるようにする必要があります。これにより、製品カタログが進化するにつれて、AIモデルが壊れることはありません。 モデルと分類学:カテゴリ、属性、単位、値のリストは、製品を簡単に比較できるように、定義、統一、チーム全体で共有されていますか?モデルは共有された意味に依存します。如果「素材」と「生地」という単語が別個の概念として存在する場合、モデルは製品を比較するのに苦労します。チーム全体で一貫した定義を使用することで、AIの偏見と曖昧さを軽減し、推奨の精度を向上させることができます。 各チャネルの完全性と正規化:各チャネルについて、必要な属性は完全で、正規化されており、AIがSKUs全体で比較しやすいですか?AIは存在しないものを推測できません。したがって、各製品ごとに高いデータ量があり、値が正規化されて比較しやすいことを確認します。製品ごとに多くのデータポイントがあると、AIモデルは微妙なパターンを認識し、予測の精度を向上させることができます。 豊富なコンテンツとデジタルアセット:各製品には、構造化され、AIが解釈しやすい、豊富な説明、画像、ビデオ、ガイドラインがありますか?AIには、使用例や材料などの強力なフィールドが必要です。ただし、今日の情報の多くは、PDFまたは画像などの構造化されていない形式に格納されています。このようなコンテンツは、AIに読み取れるようにするために、広範なクリーニングが必要です。データを最初から構造化することで、エラーと長期的な労力を削減できます。 ローカライゼーションと地域特有の準備:言語、単位、サイズ、地域要件は、人間のレビューが必要な場合には明確に構造化され、ガバナンスされていますか?AIモデルは、グローバルデータでトレーニングされたものの、地域のコンテキストが必要です。そうでない場合、誤った推奨を行う可能性があります。自動化と人間のオーバーサイトのバランスをとる、ワークフロー駆動のガバナンスを確実に実施し、単位の変更や地域固有の属性がないことを確認します。AIの出力がデータを翻訳、変換、ローカライズされるにつれて正確性を維持するために、人間のオーバーサイトは重要です。 サプライヤーデータのオンボーディングと検出性:サプライヤーは、AIが簡単に接続して比較できる、一貫した識別子を持つ標準化された形式でデータを提出していますか?AIは、複数のデータソースを相互参照できる場合に最も効果的に機能します。サプライヤーのデータが一貫性のない、または半構造化された形式で到着すると、全体のモデルが弱くなります。標準化された入力テンプレートと一貫した識別子を使用して、サードパーティデータがAIに優しいものであることを確認する必要があります。ボーナスとして、サプライヤーデータをマーケットプレイスや顧客データなどの他のソースと接続すると、AIの精度を向上させ、偏見を軽減することができます。 AIエージェントとGEOの検出性:製品データは、機械が読み取れるように構造化されており、構造化マークアップで豊富にされており、AI駆動の発見が進化するにつれて適応できるように構築されていますか?AIモデルは、テーブル、行、標準化されたファイルなどの予測可能で構造化された形式でデータが提供される場合に最も効果的に機能します。AI駆動の発見が成長するにつれて、アーキテクチャは将来にわたって適応できるようにする必要があります。モデルとエージェントは、将来数年間にわたってデータを解釈し続けることができます。 最良の結果を得るためのルールショッパーは、AmazonのRufusなどのストア固有のアシスタントなど、AIツールを選択できます。ブランドや小売業者は製品カタログを所有していますが、AIが製品を分析するデータを所有しているわけではありません。つまり、AIツールを完全に制御していないということです。今日のコマースで競争力を維持するには、製品がAIエージェントに表示され、さらに重要なのは、背後にあるデータが正確であることを確認する必要があります。すべてのデータは、信頼性と精度の高い記録を持つ信頼できる検証可能なソースから来なければなりません。サプライヤーまたはデータプロバイダーから来ても、データ収集の規格と規制(GDPR in EuropeやCalifornia Consumer Privacy Actなど)に従っている必要があります。データセットに偏見や不正確さがある場合、AIツールはそれらを永続化し、最終的には不正確な情報を広める可能性があります。ベストプラクティスとして、ブランドや小売業者は、データが一貫性と正確性を維持することを確認するために、定期的にデータを監査する必要があります。データ形式は常に従わなければなりません。時間の経過とともにデータに意図しない変更がないことを確認する必要があります。これらのベストプラクティスに従うことで、コマースの強固な基盤、そしてAIが効果的に機能する基盤を確立できます。データが正確であれば、結果は価値があり、そしてそれが顧客を信頼できるブランドや小売業者に戻すことになります。今後の展望AIショッピング革命がここにあります。消費者がショッピングの問い合わせにAIアシスタントを使用するにつれて、この技術は成長し、機能を拡大し続けるでしょう。時間の経過とともに、それらは購入決定に最も重要な要因となる可能性があります。企業はコマースの変化に速やかに適応する必要がありますが、多くの場合、これは製品情報の準備状況を再検討することを意味します。従来の検索は変化しています。今日、リーダーシップをとるブランドは、部屋で最も大きな声ではありません。最も細部にこだわるものです。如果データが現在AI統合に備えられていない場合、明日の買い手の前に表示されません。AIモデルが進化し続けるにつれて、1つのことは明らかです。成功は強固なコマース基盤にあり、最も強力なブランドはデータを知恵に、知恵を信頼に変えるでしょう。