リテールメディアの基盤を
エージェンティックコマースへ
AI主導のコマースが、買い物客の商品発見と購入のあり方を変えつつあります。Moloco Commerce Mediaは、豊富なカタログ情報、リアルタイムの意思決定、および計測機能を通じて、リテールメディア事業を支えています。この基盤をさらに発展させ、AIエージェントが導く新たなショッピング体験をサポートしていきます。
Molocoのお客様
エージェンティックコマースが切り拓く2つのフロンティア
AIからECサイトへの流入は前年比で4倍に増加しました。ChatGPTやGeminiなどのAIプラットフォームから始まり、ECサイトで完結する購買行動が増える中、EC事業者にはAIエージェントからの推奨を得て、顧客の信頼を築く新たな機会が開かれたことになります。 {[data-attribute="init-tooltip"][tooltip-content="<p>出典:<br><br>EMARKETER、「AI is growing quickly as a retail referral channel. Here's how retailers can win.」、2026年第1四半期(Q1 2026)。</p>"]}
購入候補が決まる場所
買い物客がサイトにアクセスする前に、AIエージェントは構造化された商品情報をもとに、どのECサイト/マーケットプレイスを推奨するかを決定します。自社の差別化要素を守りながら、商品を見つけやすくすることが重要です。
顧客習慣が形成される場所
買い物客は、タイミングがよく、関連性が高く、役立つと感じる体験を通じて習慣を形成します。ECサイト/マーケットプレイスは、コンテキストを理解するAIインテリジェンスによりそのような体験を提供し、買い物客とのより強固で直接的な関係を築くことができます。
推論エンジンは検証可能な商品を推奨
買い物客が、小さな部屋に合うスタンディングデスクをAIエージェントに尋ねた場合、エンジンは単にキーワードを照合しているのではなく、サイズ、互換性、用途、在庫状況といった構造化された属性をもとに推論します。カタログ情報が不足していたり古かったりすると、コンバージョンが下がるだけでなく、検討対象からも外れる可能性があります。
商品データをエージェントが使える状態に準備
Molocoと連携しているECサイト/マーケットプレイスは、商品ごとの重要情報を含むカスタムフィールドを活用し、フィードの段階からカタログデータを体系的に構造化し、拡充しています。この取り組みは2つの明確な成果につながります。
- 現在は、MolocoのAIモデルがこのデータを活用し、オンサイトのパーソナライズ、関連性、商品検索を強化しています。
- 将来的には、AIショッピングエージェントが同じ商品データを使って商品を理解、比較、推薦できるようになります。
単一のカタログを基盤として、オムニチャネルの最適化を実現
リテールメディアを支えるカタログ整備は、2つの役割を果たしています。
- SEOが検索順位を高めるのに対し、構造化された商品データはレコメンドエンジンが商品を評価する際に役立ちます。
- オンサイトのパーソナライゼーションを支える構造化された属性は、外部のエージェントによる商品理解にも役立ちます。
シグナルの共有範囲を管理
Molocoのシグナルガバナンス方針
- 仕様、価格、在庫状況などの商品情報は自由に共有します。
- 基礎データを公開せず、厳選された成果データから得たインサイトは選択的に提供します。
- 独自の行動データ、返品率、学習エンジンを保護します。
コンテキスト型AIが検索、閲覧のプロセスで買い物客をサポート
買い物客は20年かけて検索、閲覧の習慣を築いてきました。画面の隅にチャットボットが表示されたからといって、その習慣は変わりません。チャットボットは利用者が見つけ、明示的に操作する必要があります。
オンサイトインテリジェンス
Molocoがより優れたモデルだと考えるのはアンビエントインテリジェンスです。行動から迷いを検知した瞬間にサポートが現れ、確信が戻れば自然に消える仕組みです。
Molocoのビジョンは、リアルタイム意思決定でセッション内シグナルを読み取り、摩擦が生じた瞬間にコンテキストに合った商品情報を提示することです。
トリガーはボタンではなく行動
サイト内の行動から、外部エージェントが取得できないシグナルが生まれます。
- 商品仕様を確認した時間
- バリエーションの切り替え
- 商品ページ間の反復移動
自社だけが持つデータを基に
最先端のモデルの推論力は向上し続けていますが、ユースケースごとにどのSKUが有効かを示すデータにはアクセスできません。その知見は以下のデータから得られます。
- 返品データ
- サポートの対応パターン
- 購入後の行動
直接的な習慣を育てる設計
買い物客がストアを直接選ぶ場合、その関係は以下のような効果をもたらします。
- 利益率の維持
- 競争優位性を高める独自データの生成
What's live today. What we're building next.
Here's what MCM can do right now, and the capabilities currently in development.
Live in Moloco Commerce Media today
Catalog normalization and product understanding
Real-time behavioral decisioning for onsite personalization, retrieval, and ad relevance
Demand and creative automation workflows
Capabilities in active development,
subject to change.
Structured product data that helps offsite agents discover and understand products
Tools for controlling how signals are shared and used
Monetization based on outcomes from agent-led shopping experiences
現在準備中のECサイト/マーケットプレイスが取り組むべき3つの優先事項
カタログの深さが、相乗効果を生む
最先端のモデルは、ユースケースごとにどのSKUが有効かを学習できません。その知見は自社データにあり、それが推論エンジンが適切な商品提案を行う根拠となります。
サイト内の利用習慣と検索エンジンの順位向上を同時に実現
オンサイトインテリジェンスを支えるカタログ整備は、外部エージェントに商品を理解してもらうための基盤でもあります。1つの投資で、2つのフロンティアを切り拓くことができます。
学習が早ければ早いほど、競争優位性は高まります。
AIエージェントの導入が本格化する頃には、いち早く導入を始めたECサイト/マーケットプレイスは、すでに何十回もの実験を終えています。その知見は、お金で買うことも短期間で得ることもできません。
よくある質問
エージェンティックコマースとは何ですか。なぜ今重要なのでしょうか？
エージェンティックコマースとは、従来の検索や直接アクセスではなく、ChatGPT、Gemini、PerplexityなどのAIプラットフォームによって形成されるショッピングジャーニーを指します。こうしたプラットフォームによりどのECサイト/マーケットプレイスが推薦され信頼されるかにすでに影響しており、その傾向は時間の経過とともに変えにくくなる可能性があります。
アンビエントインテリジェンスはチャットボットと何が違いますか？
チャットボットは、利用者が見つけて明示的に操作する必要があります。私たちが考えるアンビエントインテリジェンスは、迷いを示す行動シグナルを感知し、その瞬間のコンテキストに合ったサポートを提示します。インターフェイスは依然として対話型であるかもしれませんが、表示されるタイミングと理由が異なります。
始めるために新しいインフラを構築する必要がありますか？
Moloco Commerce Mediaは既存のカタログとファーストパーティデータを活用できますが、一部のカタログ更新や技術連携が必要になる場合があります。専用のコマースメディアAIモデル、キャンペーン管理、広告配信インフラを構築し、その専用環境のAIモデルはお客様のデータのみを基に学習します。現在のリテールメディアを支える同じ基盤が、将来のエージェンティックコマースにも対応します。
エージェントプラットフォームと何を共有し、何を保護すべきですか？
3段階のアプローチが有効です。商品仕様、価格、在庫状況は自由に共有できます。また、成果データから得た知見は、基礎データを明かさず有用な結論だけを選択的に共有します。生の行動データストリーム、属性レベルの返品率、学習エンジン自体は引き続き保護されます。
AIエージェントとの接点が、実際にどう成果につながっているかをどのように確認すればよいでしょうか？
マルチタッチアトリビューションでは、エージェント支援セッションのような新しいチャネルの貢献度が過小評価される場合があります。Molocoのホールドアウト方式に基づくインクリメンタリティテストは、対照群を活用することでエージェント支援セッションによる純増収益をより正確に特定します。
