Azoma Agentic Commerce Optimisationとは？Amazon Rufus最適化を解説

Azoma Agentic Commerce Optimisationとは？Amazon Rufus最適化を解説

この記事の結論: Azomaは2022年創業、ロレアル・ユニリーバ・マースなど大手消費財ブランドを顧客に持つ海外発のエージェンティックコマース最適化企業だ。2026年9月7日、Amazon RufusのリブランドであるAlexa for Shoppingを含む複数のAIショッピングエージェントを横断対応する新機能「Agentic Commerce Optimisation」を発表した。可視性追跡・製品データ最適化・コンテンツ生成の3層構成で、プラットフォームごとに引用元の構成比が大きく異なるという自社データを根拠に「一つの最適化では全AIに通用しない」と説く。日本語圏ではまだ言及がほぼゼロの領域で、越境ECブランドや海外展開を計画する事業者にとっては先行して仕組みを把握しておく価値が大きい。

最終更新日: 2026年9月9日

はじめに

Amazonで商品を検索すると、以前は検索結果の順位を確認するだけで済んだ。ところが2024年に登場したAIショッピングアシスタント「Rufus」が2026年5月にAlexa+へ統合され「Alexa for Shopping」という名前に変わった頃から、状況は一段と複雑になった。順位そのものより、AIが会話の中でどの商品を「おすすめ」として言うかが購買行動に直結するようになったからだ。しかもこの変化はAmazon一社にとどまらない。ChatGPT、Google Gemini、Perplexity、Walmart Sparkyといった複数のAIショッピングエージェントが並行して商品を推薦する時代に入っている。

こうした状況に対して、2022年創業の海外企業Azomaは「Agentic Commerce Optimisation(ACO、エージェンティックコマース最適化)」という新しい対策カテゴリーを掲げ、2026年9月7日にその中身を公式発表した。ChatGPT・Gemini・Amazon Rufus・Alexa for Shopping・Walmart Sparky・Perplexityという主要なAIショッピングエージェントを横断的にモニタリングし、商品データやコンテンツを各エージェント向けに最適化するサードパーティツールという位置づけだ。すでに本サイトではAmazon公式のRufus機能解説や楽天AIとの比較記事、あるいはAlexa for Shopping・Buy for Meの日本向け対応手順を扱ってきたが、それらはいずれも「Amazonという単一プラットフォームにどう向き合うか」という切り口だった。本記事はそれとは別に、「複数のAIショッピングエージェントを横断で計測・最適化するサードパーティツール」としてAzomaを取り上げ、その機能・データ・日本の事業者にとっての意味合いを整理する。日本語の検索結果ではAzoma・ACOという言葉自体がほぼ言及されていない状態であり、越境ECや海外拠点を持つブランドにとっては情報の非対称性が生まれやすい領域だと言える。

Azomaとは何か｜創業背景と主要クライアント層

Azomaは、AIショッピングエージェント経由の売上拡大を専門に扱うエンタープライズ向けソフトウェア企業だ。公式サイトでは自社を「end-to-end agentic commerce optimization software for enterprises(エンタープライズ向けのエンドツーエンドなエージェンティックコマース最適化ソフトウェア)」と位置づけている。2022年の創業以来、生成AI検索が普及する以前から商品データと第三者言及の構造化に取り組んできた経緯があり、2026年に入ってAIショッピングエージェントの台頭という追い風を受けて事業領域を拡張した格好だ。

顧客層として公式に名前が挙がっているのは、ロレアル(L'Oréal)、ユニリーバ(Unilever)、マース(Mars)、バイヤスドルフ(Beiersdorf)、レキットベンキーザー(Reckitt)といった、いずれも世界規模で商品を展開する大手消費財(CPG)ブランドだ。CPG企業が並ぶ理由は単純で、同一商品を複数の小売チャネル・複数の国で同時に展開しているブランドほど、AIショッピングエージェントごとに商品情報の見え方がバラつくリスクが大きく、横断的な計測・統制のニーズが強いからだと考えられる。中小規模のD2Cブランドよりも先に、こうした多国籍CPG企業がAzomaのような専業ツールを取り入れている点は、この市場の成熟度を測る一つの目安になる。

Azoma自身は自社を「Generative Engine Optimization(GEO)」の文脈でも紹介しており、GEOやLLMOといった既存のAI検索最適化の枠組みを、ショッピングという購買行動に特化させた応用領域として位置づけていることがうかがえる。つまりAzomaが扱っているのは全く新しい概念というより、既存のGEO/LLMO的な発想を「AIが商品を推薦する」という具体的な購買文脈に当てはめ直したものだと理解すると全体像をつかみやすい。

Agentic Commerce Optimisation(ACO)とは何か｜2026年9月7日発表の新機能の全体像

2026年9月7日付のプレスリリース「Agentic Commerce Optimisation: Azoma on Which Platforms Help Brands Get Recommended by AI Shopping Agents」で、AzomaはACOという概念を次のように説明している。ブランドの商品を、ChatGPT・Gemini・Amazon Rufus・Alexa for Shopping・Walmart Sparky・Perplexityといった複数のAIショッピングエージェントに対して「発見可能(discoverable)」「理解可能(understandable)」「推薦可能(recommendable)」にする実務全般、というのがAzoma自身によるACOの定義だ。

プレスリリース内でAzomaのCEOであるMax Sinclair氏は、Harvard Business Reviewが2026年8月に報じた内容を引きながら次のように述べている。「Harvard Business Reviewは経営層に対し、アルゴリズムによる買い物がすでに現実になっていると伝えた。インフラは稼働しており、プロトコルは公開され、エージェントはすでに購買の推薦を行っている。ブランドにとっての問いは、自社の商品データ・コンテンツ・第三者からの言及が、それらのエージェントに推薦してもらえるだけの読み取りやすさと信頼性を備えているかどうかだ。それを解決するのがAgentic Commerce Optimisationだ」。この発言の背景には、Gartnerが2028年までにB2B購買の90%、金額にして15兆ドル超がAIエージェント間のやり取りを経由するようになるという予測があり、Azomaはこれを新カテゴリー創設の根拠として引用している。

ここで重要なのは、ACOが単一のAIに対する個別最適化ではなく、複数のAIショッピングエージェントを横断して同じ商品データの「読み取られやすさ」を底上げする発想である点だ。従来のAmazon SEOや楽天SEOのように「そのモールの中でどう順位を上げるか」という一プラットフォーム完結の対策とは前提が異なる。ChatGPTでの引用、Geminiでの比較検討、Rufusでの推薦、Sparkyでのレコメンドが、それぞれ別のロジックで動きながらも根っこの商品データ品質を共有しているという捉え方が、ACOという言葉が生まれた背景にある。

Amazon RufusからAlexa for Shoppingへ｜リブランドとAzomaの対応範囲

Amazonは2026年5月13日、これまでアプリ内のチャットボットだった「Rufus」をAlexa+に統合し、「Alexa for Shopping」という名称に切り替えた。商品比較・価格追跡に加え、目標価格到達時の自動購入(auto-buy)、Amazon未取扱の商品までブランド公式サイトから取り込んで購入代行する「Buy for Me」機能が追加され、単なる検索補助から購買そのものを担うエージェントへと役割が広がっている。

Azomaは2026年8月20日付のプレスリリース「Amazon Rufus Optimisation: What Brands Should Look for in AI Shopping Visibility Tools」で、このリブランドを踏まえたツール選定基準を先に公開していた。同社CEOのMax Sinclair氏は「Rufusはamazonカタログ最適化の意味そのものを変えた。AmazonがRufusの体験をAlexa for Shoppingへ移行させる中で、ブランドは自社商品がどう理解され、比較され、推薦されるかを測定し続ける必要がある」とコメントしている。つまりAzomaにとって「Rufus」という名称は、リブランド後も検索キーワードとして・また対策対象の実質としても生き続けているという整理だ。

Azomaが挙げるAmazon Rufus最適化ツールの選定基準は次の5点にまとめられる。

1. 可視性追跡 — 自社商品がAI検索・AI推薦の中でどの位置に表示されるか
2. 製品レベル分析 — ASIN単位での個別トラッキング(カテゴリ全体の平均値だけでは不十分)
3. 消費者クエリの可視化 — 購入者が実際にRufusへ入力している質問文そのものの把握
4. 競合比較 — 同カテゴリ・同ブランド内での相対的なパフォーマンス比較
5. 最適化ワークフロー — 分析結果を実際の商品ページ改修・コンテンツ配信につなげる導線

この5基準は、本サイトで扱ってきたAmazon Rufus公式機能に対するオーガニック対策(Q&A整備・レビュー母数の確保・構造化された商品説明)と対立するものではない。むしろオーガニック対策で整えた土台を、複数ASIN・複数ブランドの規模で継続的に計測し、優先順位づけを自動化するためのレイヤーとしてAzomaのようなツールが機能する、という位置づけで理解するのが実務上は正確だろう。

Azomaの3つのコア機能｜可視性追跡・製品データ最適化・コンテンツ生成

公式サイトの説明を整理すると、Agentic Commerce Optimisationの機能は大きく3層に分かれる。

第1層:Shopping Agent Visibility(可視性追跡)

Share of Voice(SOV)の追跡、ASIN単位の商品ランキング監視、カテゴリ・ブランド・商品単位での競合比較を行う層だ。Amazon Rufus向けには「Conversation Explorer」という機能があり、実際の購入者がRufusにどのような質問文を入力しているかを可視化できる。またRufusの推薦に影響を与えている外部Webサイトを特定する「Citation Intelligence」機能もあり、PR施策の優先順位づけに使えるとされる。

第2層:Product Optimisation(製品データ最適化)

SKU単位での監査を行い、商品データの欠落(データギャップ)やスキーマの誤りを補修し、AIが解釈しやすい形に整える層だ。公式サイトの説明では、1商品あたり153項目という粒度で属性(attribute)を拡充する事例が紹介されており、Universal Commerce Protocol(UCP)やAgentic Commerce Protocol(ACP)といった、複数のAIエージェントが商品情報をやり取りするための新しいプロトコルへの対応も含まれる。

第3層:Content & Image Generation(コンテンツ・画像生成)

AIエージェント向けの商品詳細ページ(PDP)コンテンツと商品画像を自動生成する層だ。ShopifyやAmazon Seller/Vendor Centralとの連携により、分析結果を実際のリスティング更新へ迅速に反映させ、Slack・Teamsへの通知統合によって社内の運用フローに組み込みやすくしている。

3層構成を通して見ると、Azomaは「計測して終わり」の可視化ツールではなく、計測結果を実際の商品データ・コンテンツの修正にまでつなげる実行支援まで含んだ設計になっている。この点は、AthenaHQのような可視性計測に重心を置く既存のAI可視性ツールと比べたときの、ショッピング特化ツールならではの違いだと言える。

プラットフォーム別の引用ソース構成データが示す対策の違い

Azomaが2026年第2四半期の自社分析として公開したデータによると、AIショッピングエージェントが商品情報の根拠として参照するソースの構成比は、プラットフォームごとに大きく異なる。

このデータが示す実務上の含意は明確だ。ChatGPTやGeminiではメディア掲載・リテーラー掲載の比重が大きいのに対し、Alexa for Shopping(旧Rufus)ではアフィリエイトサイトの比重が突出して高い。つまり同じ「AIショッピングエージェント対策」といっても、Amazon向けにはアフィリエイトサイト経由の言及づくりが効きやすく、ChatGPTやGemini向けには専門メディアでの獲得記事・リテーラーの商品ページ整備が効きやすいという、優先順位の違いが数値として表れている。1つのプラットフォームで効果があった施策をそのまま他のプラットフォームに横展開しても同じ結果は得られにくい、という点がAzomaの主張の核であり、これが「Agentic Commerce Optimisation」という横断カテゴリーが必要とされる理由の一つになっている。

日本の事業者にとっての読み替え方も考えておきたい。日本にはまだAlexa for Shoppingのようなアフィリエイト重視型のAIショッピングエージェントは本格展開されていないが、楽天のRakuten AIは検索キーワード変換とモール外の言及を重視するなど、プラットフォームごとに評価軸が異なるという構造そのものは共通している。「1つのAI対策がすべてに通用するわけではない」という前提を早い段階で持っておくことは、国内外を問わず有効な考え方だ。

導入企業の実績データで見るAzomaの効果

公式サイトでは複数の導入企業の実績が紹介されている。数値の解釈には注意が必要だが、傾向をつかむ材料として整理する。

• マース(Mars): 「AIディスカバリーに向けた包括的サポート」を受けたと評価。別の事例ページでは、エージェンティック棚(agentic shelf)における可視性が17.7%向上、年間のSKU売上が68%伸長したとする数値が示されている。
• Ruroc(スキー・スノーボード用ヘルメットブランド): ChatGPTでの推薦において自社カテゴリで1位を獲得し、サイトトラフィックが14倍に増加したと報告されている。
• Perfect Ted(抹茶飲料ブランド): ChatGPT・Perplexity経由の検索流入から生まれた売上が前年比532%成長したとされる。
• ポートフォリオ全体の平均値として、Rufusでの言及頻度が平均5倍に増加し、コンバージョン率が32%改善したという数値も紹介されている。

いずれもAzoma自身が公表しているベンダー主導の数値であり、算出条件(比較期間・対象商品数・母数)は公開情報だけでは検証できない。第三者機関による独立検証を経た数値ではない点は差し引いて受け止める必要があるが、それでも「AIショッピングエージェント経由の言及・流入が、対策実施前後で数倍単位に変わり得る」という方向性そのものは、他のAI可視性・GEO系ツールの事例とも整合的だ。数値の絶対値を鵜呑みにするより、「AIエージェント経由の露出は施策次第で大きく動く変数である」という定性的な示唆として受け止めるのが実務上妥当だろう。

サードパーティ最適化ツールとしてのAzomaの位置づけ｜Amazon公式対策・国内ツールとの違い

Azomaのようなサードパーティツールは、Amazon公式が提供するRufus向けの機能(Customer Q&A、Brand Analytics、Search Query Performanceなど)とは役割が異なる。整理すると次のようになる。

この比較から見えるのは、両者が代替関係ではなく補完関係にあるという点だ。Q&A整備やレビュー母数の確保といったオーガニックな地道な作業は、ツールの有無にかかわらず必要になる。Azomaのようなツールが担うのは、その作業を複数プラットフォーム・大量SKUの規模で継続的に監視し、優先順位をつけて実行に落とし込む部分だ。したがって、出品SKUが数十点規模の中小事業者であれば、まずは無料で実践できるオーガニック対策(既存記事で解説したQ&A整備・構造化データ実装)を先に固め、複数ブランド・多国展開を行う段階になって初めてAzomaのようなエンタープライズ向けツールの検討が現実的な選択肢になってくる、という段階的な考え方が妥当だろう。

なお、国内で流通しているAI可視性・GEO系ツール(AthenaHQや国産のブランド言及モニタリングツールなど)は、ChatGPTやGoogle AI Overviewsといった一般的なAI検索での言及・引用の計測を主戦場としている。一方でAzomaはショッピング・購買という文脈に特化しており、ASIN単位の商品データ最適化やAmazon Seller Centralとの連携といった、ECの実務に踏み込んだ機能を持つ点が違いになる。「AI検索全般での言及」を測りたいのか、「購買に直結するAIショッピングエージェントでの推薦」を測りたいのかによって、選ぶべきツールのカテゴリー自体が変わってくる。

日本のEC事業者・ブランドが今から検討すべきこと｜導入判断チェックリスト

2026年9月時点で、Azomaが日本語対応や日本国内での代理店展開を発表した形跡は確認できない。プレスリリースや公式サイトの言語も英語が基本であり、日本語の検索結果でもAzoma・Agentic Commerce Optimisationという言葉への言及はほぼ見当たらない。つまり現時点の日本市場にとっては「まだ関係のない話」に見えるかもしれないが、次のような事業者にとっては早めに情報を押さえておく価値がある。

• 越境ECで米国・欧州向けに商品を展開しているブランド: Alexa for ShoppingやChatGPT・Geminiでの推薦は、すでに海外向け商品ページに対して発生し得る状態にある。国内よりも先に海外チャネルでの評価が動く可能性がある。
• グローバル本社が海外でAzomaのような契約を検討・締結している日本法人: CPG業界を中心に、本社主導でAzomaのようなエンタープライズツールの導入が進むケースが今後増えると見られる。日本法人としては、本社の施策方針や計測ダッシュボードの見方を早期に理解しておく必要がある。
• AI可視性・GEO領域の情報を先取りしたい国内ツールベンダー・コンサルタント: ショッピング特化のACOという概念は、国内でもECのAI検索対策を扱う事業者にとって参考になる切り口になり得る。

導入を具体的に検討する場合のチェックリストとしては、次の項目を確認するとよい。

1. 自社が展開する国・チャネルで、Azomaが対応するAIショッピングエージェント(ChatGPT・Gemini・Rufus・Sparky・Perplexity)がどの程度の購買トラフィックを生んでいるか
2. 対象SKU数がエンタープライズ向け契約に見合う規模か(数十SKU規模であればオーガニック対策を優先すべき)
3. 既存のPIM(商品情報管理システム)やShopify・Amazon Seller Centralとの連携が現実的か
4. 料金体系・契約条件を公式の「Book a Demo」経由で個別に確認できるか(公開情報だけでは料金は分からない)
5. 提示される効果指標(Share of Voice、コンバージョン改善率など)の算出条件を、契約前にベンダーへ具体的に確認できるか

まとめ

• Azomaは2022年創業、ロレアル・ユニリーバ・マースなど大手CPGブランドを顧客に持つ海外発のエージェンティックコマース最適化企業である。
• 2026年9月7日、ChatGPT・Gemini・Amazon Rufus(Alexa for Shopping)・Walmart Sparky・Perplexityを横断対応する新機能「Agentic Commerce Optimisation」を発表した。
• 機能は可視性追跡・製品データ最適化・コンテンツ生成の3層構成で、SKU単位の監査からリスティング更新までを一気通貫でカバーする設計になっている。
• 自社データによれば引用ソースの構成比はプラットフォームごとに大きく異なり(例:Alexa for Shoppingはアフィリエイト比率73%)、単一の対策を全AIに横展開する発想はリスクがある。
• 導入企業の実績数値(コンバージョン改善・トラフィック増など)はベンダー発表であり、独立検証されたものではない点を踏まえて参考程度に受け止める必要がある。
• 日本語圏での言及はほぼゼロだが、越境EC事業者やグローバル本社を持つ日本法人にとっては先行して仕組みを把握しておく価値がある。
• 中小規模の出品者は、まず無料で実践できるオーガニックなRufus対策(Q&A整備・構造化データ実装)を優先し、規模が拡大した段階でAzomaのようなエンタープライズツールを検討するのが現実的な順序だ。

よくある質問

Q1. Azomaとは何のツールか?

複数のAIショッピングエージェントに商品を推薦させるための最適化を専門に扱う、海外発のエンタープライズ向けソフトウェアである。2022年創業で、ロレアル・ユニリーバ・マースなど大手CPGブランドを顧客に持つ。

Q2. Agentic Commerce Optimisation(ACO)とは何か?

ブランドの商品をChatGPT・Gemini・Amazon Rufus・Walmart Sparky・Perplexityなど複数のAIショッピングエージェントに対して発見・理解・推薦されやすくする取り組み全般を指す、Azomaが2026年9月7日の発表で定義したカテゴリー名である。

Q3. Amazon RufusとAlexa for Shoppingの違いは何か?

Rufusは2024年から提供されてきたAmazonアプリ内の対話型ショッピングアシスタントで、2026年5月13日にAlexa+へ統合され「Alexa for Shopping」という名称に変わった。比較・価格追跡に加え、自動購入や他社サイト商品の購入代行「Buy for Me」まで機能が拡張されている。

Q4. Azomaは日本語サイト・日本企業でも使えるか?

2026年9月時点で日本語対応や国内代理店展開の発表は確認できない。公式サイト・プレスリリースは英語が基本であり、日本語での実務情報も乏しいため、導入を検討する場合は自社での英語での問い合わせや海外本社経由の確認が前提になる。

Q5. Azomaの料金体系はどうなっているか?

公式サイトに具体的な料金は公開されておらず、公式サイトの「Book a Demo」を通じた個別相談・見積もり形式になっている。エンタープライズ向けの契約が前提と見られ、中小規模の出品者が気軽に契約できる価格帯とは想定しにくい。

Q6. Azomaと国内のAI可視性ツール(AthenaHQなど)との違いは何か?

AthenaHQなどの一般的なAI可視性・GEOツールは、ChatGPTやGoogle AI Overviewsでの言及・引用計測を主戦場とする。一方Azomaはショッピング・購買という文脈に特化しており、ASIN単位の商品データ監査やAmazon Seller Centralとの連携など、EC実務に踏み込んだ機能を持つ点が異なる。

Q7. Agentic Commerce Optimisationは既存のSEOやLLMO対策と何が違うか?

対象がキーワード順位やAI回答内の言及ではなく、AIエージェントによる「商品の推薦・購入判断」に絞られている点が異なる。ただし根本にある「構造化された正確な情報を機械可読な形で用意する」という考え方は、既存のLLMOやGEOの発想と地続きである。

Q8. Azoma導入で具体的にどんな成果が報告されているか?

公式サイトでは、ある導入企業がChatGPT推薦でカテゴリ1位を獲得しサイトトラフィックが14倍に増加した事例や、別の企業でRufusでの言及頻度が平均5倍・コンバージョン率が32%改善した事例などが紹介されている。ただしいずれもベンダー発表の数値であり、算出条件は公開情報だけでは検証できない。

Q9. Amazon公式のQ&A整備などのオーガニック対策とAzomaのようなツールはどちらを優先すべきか?

出品SKUが少ない中小事業者は、まず無料で実践できるQ&A整備・レビュー母数確保・構造化データ実装といったオーガニック対策を優先すべきだ。Azomaのようなツールは、複数ブランド・数百SKU規模で継続的な監視と実行の自動化が必要になった段階で検討価値が出てくる。

Q10. 日本語の検索結果でAzoma・ACOの言及がほとんどないのはなぜか?

Azomaの事業展開が現時点で英語圏の大手CPGブランドを中心にしており、日本語での情報発信や国内代理店展開が行われていないためだと考えられる。越境ECブランドやグローバル本社を持つ日本法人にとっては、この情報の空白期間のうちに仕組みを把握しておく価値がある。

関連用語

• GEO
• AEO
• LLMO
• 構造化データ
• ブランドメンション
• AI Overview

関連記事

• Amazon RufusとRakuten AIに選ばれる商品最適化ガイド【2026年版】
• Amazon Buy for MeとAlexa for Shoppingにブランド商品を表示させる対策
• AthenaHQとは？AI可視性・GEOツールの使い方を日本語で解説
• AI可視性の競合シェア・オブ・ボイス分析ガイド
• AI可視性ツール市場の資金調達動向【2026年版】
• ChatGPT Shopping商品表示の仕組みとMerchant Center最適化【2026年版】
• AI検索対策完全ガイド｜ChatGPT/Perplexity/Gemini/Claude/AI Overview 統合戦略【2026年版】
• LLMO完全ガイド
• Merchant Center AI performance insightsに検索意図・用語・属性の3新機能
• Kai Footprintとは？多言語・APAC特化のAI可視性ツールを解説
• Vaylisとは？ドイツ発GEOツールのAI検索可視性を日本語で解説
• Aergosとは？GEOとSEOを統合する代理店向けプラットフォーム解説