SEO
Search Engine Optimization
検索結果で見つけてもらう。
主な対象
検索順位・Webサイトへの流入
Agentic Commerce Optimization / ACO
AIに「おすすめされる」から、AIに「選ばれ、購入される」時代へ。
AIが商品を探し、比較し、購入する時代。
LLMエンジニアリングの知見で、AIエージェントに自社商品が選ばれるよう商品情報・比較根拠・購買導線を最適化します。
- LLMエンジニアリング
- 購買選定プロセスの解析
- 探索から購買まで一気通貫
AI Shopping Agent
The next evolution of AI search
これからは、AIが「比較する側」だけでなく、
「購入する側」になる。
これまでの商品購入は、人間が検索し、複数の商品を比較し、自ら購入することが一般的でした。
しかし、AIエージェントの発展により、商品の探索から比較、選定、購入手続きまでをAIに任せる購買体験が広がり始めています。
この変化によって、企業に求められる最適化も変わります。重要なのは、検索結果に表示されることだけではありません。
AIエージェントが、数ある選択肢の中から「なぜ自社商品を選ぶのか」。
その理由を技術的に理解し、改善していくことが新たな競争領域になります。
Before
従来のEC購買
- 01検索人間
- 02商品一覧人間
- 03人間が比較人間
- 04人間が購入人間
After
Agentic Commerce
- 01ユーザーが要望を伝える人間
- 02AIが商品を探索AI
- 03AIが比較・選定AI
- 04購入手続きを実行AI
購買の意思決定が人間からAIへ移るとき、
商品を「選ばれる」ための戦略も変わる。
What is ACO?
Agentic Commerce Optimizationとは？
Agentic Commerce Optimization（ACO）は、AIエージェントが商品を探索・比較・選定・購入するプロセスに対応した最適化です。
従来のSEOが検索結果での露出を、GEOがAIの回答内での推薦を重視するのに対し、ACOはその先にある商品選定と購買までを対象とします。
ACO
Agentic Commerce Optimization
AIエージェントに商品を選んでもらう。
主な対象
商品探索・競合比較・購買選定・購入完了
各最適化が主に対象とする領域
1検索結果での露出
2AIによる推薦・商品探索
3競合比較・選定
4購入完了
SEO
GEO
ACO
Why umoren.ai
データを整備した、その先へ。
AIの選定ロジックから商品情報を設計する。
商品データの構造化やスキーママークアップは、Agentic Commerceに対応するための基礎的な施策です。
しかし、商品がAIに認識されることと、競合商品との比較で最終的に選ばれることは同じではありません。
umoren.aiは、LLMの情報検索、意味理解、比較・選定に関するエンジニアリングの知見を活用し、AIエージェントの購買判断を実験的に分析します。
エイナー・ソーダーバーグ
Einar Söderberg
CTO
スウェーデン・ストックホルムの工科大学にて、LLM Engineeringを中心とした生成AI技術の研究・開発に従事。
現在はumoren.aiの最高技術責任者として、LLMエンジニアチームを率い、LLMが情報を検索・理解・引用・推薦するロジックや、RAG（Retrieval-Augmented Generation）の仕組みに関するR&Dを統括しています。
研究・検証で得られた知見を、AI検索における企業・ブランドの評価構造の解析、プロダクト開発、クライアント向けのLLMO施策へ落とし込み、技術と実ビジネスの両面からAI検索最適化に取り組んでいます。
01Agent Decision Boundary Modeling
AIエージェントの「商品選定の境界」を解析
同じ商品カテゴリでも、購入者の予算・用途・重視する条件によって、AIエージェントが選ぶ商品は変わります。
さまざまな購入条件を用いたシミュレーションを通じて、どのような条件で自社商品が選ばれ、どのような条件で競合商品に負けるのかを分析します。
単なる推薦率の計測にとどまらず、選定結果を左右する要因と改善機会を特定します。
購買意思決定分析 / 競合比較 / 選定条件の可視化
選定境界マップ（例）
自社商品が選ばれる条件競合Cが選ばれる競合Bが選ばれる選定境界
02Agentic Retrieval Optimization
AIの商品探索プロセスに合わせた最適化
AIエージェントが商品の候補を探す際には、価格、用途、仕様、在庫、配送条件など、さまざまな情報が判断材料になります。
umoren.aiでは、LLMの意味理解や検索プロセスの知見を活かし、自社商品が適切な購買条件で候補に入りやすい情報構造を設計します。
商品情報の不足、誤認識、競合商品との違いが伝わらない原因を分析し、改善につなげます。
Retrieval / Embedding / 商品情報最適化
候補抽出の空間マップ（例）
購入条件（クエリ）自社商品候補に入った競合商品
03Comparative Evidence Engineering
競合ではなく自社商品を選ぶ「根拠」を設計
AIが商品を比較する際に重要なのは、単に商品名や価格が認識されることではありません。
性能、特徴、利用シーン、品質、保証など、購入条件に合った商品であることを裏付ける情報が必要です。
umoren.aiは、商品の実際の強みや一次情報を整理し、AIエージェントが比較・判断に活用しやすい形に最適化します。
誇張や根拠のない優位性ではなく、検証可能な商品情報に基づいて選定される状態を目指します。
Comparative Reasoning / Product Evidence / 情報設計
商品根拠グラフ（例）
検証可能な根拠根拠不足（改善対象）
From discovery to purchase
AIの購買プロセスを、ブラックボックスのままにしない。
AIエージェントが自社商品をどの段階で候補に入れ、どの段階で競合を選ぶのか。
商品探索から最終選定、購買実行までを段階的に捉え、改善すべきポイントを明確にします。
01
Discovery
商品が候補として発見される
- 分析すること
- 商品検索・認識の課題
02
Shortlist
購入条件に合う商品として比較対象に残る
- 分析すること
- 条件適合・情報不足
03
Selection
複数の商品から最終的に選ばれる
- 分析すること
- 競合との差・選定理由
04
Purchase
購入手続きが正常に完了する
- 分析すること
- 在庫・配送・購入導線
※実際に観測できるデータや購買機能はプラットフォーム・連携環境によって異なります。
「AIに見つけられない」のか。
「AIに比較されて負けている」のか。
原因が違えば、必要な対策も違います。
Our service
分析から最適化、効果検証まで。
AIエージェントに選ばれるための支援を一気通貫で。
01
Agentic Commerce現状分析
対象商品・競合商品・想定購買シナリオを整理し、AIエージェント上での商品探索や選定の傾向を調査します。
02
競合商品との選定要因分析
なぜ特定の商品が候補に残り、最終的に選ばれるのかを検証。商品仕様や比較情報、購買条件における改善余地を特定します。
03
商品情報・購買環境の最適化
商品データ、一次情報、比較根拠、対応可能なEC連携などを見直し、AIエージェントが正確に商品を理解・選定しやすい環境を整備します。
04
継続的な検証・改善
購買シナリオごとの選定傾向や改善施策の影響を定期的に確認し、競合環境の変化に合わせて改善します。
Who we support
AIエージェント時代の購買競争に備える企業へ。
EC・D2Cブランド
自社ECサイトを運営し、AI経由での新たな商品発見・購入機会を獲得したい企業。
メーカー・消費財ブランド
競合商品との比較において、自社商品の特徴や優位性をAIに正確に理解してもらいたい企業。
大規模EC・小売事業者
商品データ・在庫・配送・購入導線を整備し、AIエージェントに対応した購買環境を構築したい企業。
From GEO to ACO
「推薦される」から「購入される」まで。
umoren.aiが一貫して支援する。
umoren.aiはこれまで、LLMの情報検索・回答生成プロセスを分析し、AI検索で企業やサービスが推薦されるためのGEO・LLMO支援を展開してきました。
ACOは、その技術的知見を商品選定と購買の領域へ拡張する取り組みです。
AIに認識され、比較対象に入り、購入条件に合った商品として選定される。その一連のプロセスを、エンジニアリングの視点から最適化します。
GEO / LLMO
AIにブランドを認識・推薦してもらう
ACO
AIに商品を比較・選定してもらう
Agentic Commerce
AIを通じた購買につなげる
FAQ
Agentic Commerce Optimizationに関する
よくある質問
- ACOとは何ですか？
Agentic Commerce Optimization（ACO）は、AIエージェントによる商品の探索・比較・選定・購入に対応するための最適化です。商品データの整備に加え、AIが商品をどう理解し、競合と比較して選ぶのかを分析することが重要です。
- GEO・LLMOとは何が違いますか？
GEO・LLMOは、生成AIの回答内で企業やサービスが推薦・言及されることを主な対象とします。ACOはその先の商品選定や購買実行までを対象とし、商品情報、選定条件、購買導線などを最適化します。
- 通常の商品ページ改善やSEO対策だけでは不十分ですか？
従来のSEOや商品ページ改善も重要な基盤です。ただし、AIエージェントが商品を選ぶ際には、検索順位だけでなく、購入条件との適合性、商品仕様、比較根拠、在庫・配送などの情報も関係します。ACOではこれらを横断的に評価します。
- ShopifyなどのECサイトにも対応できますか？
ECプラットフォームや商品データの管理状況に応じて、対応可能な分析・最適化方法を検討します。利用可能な連携方式や購入機能は各プラットフォームの仕様によって異なります。
- AIエージェントに必ず自社商品を購入してもらえますか？
特定商品の選定や購入を保証するものではありません。AIエージェントによる選定は、ユーザーの要望、商品の適合性、価格、在庫など複数の要因に左右されます。umoren.aiでは検証可能な条件のもとで改善余地を分析し、適切な商品が選ばれる機会を高めることを目指します。
The future of commerce is agentic
次にあなたの商品を選ぶのは、
人間ではなくAIかもしれない。
AIが商品を探し、比較し、購入する新たな時代。
競合商品ではなく、自社商品が選ばれるための準備を、今から始めませんか。
LLMエンジニアリングを強みとするumoren.aiが、AIエージェント時代に向けた商品選定・購買最適化を支援します。