Perplexity Comet エージェント最適化 対策｜AXOで操作を完遂させる実装

Perplexity Comet エージェント最適化 対策｜AXOで操作を完遂させる実装

この記事の結論: Perplexity Cometのようなエージェント型AIブラウザに「申込・資料請求・カート追加・決済」まで完遂させたいなら、引用最適化(LLMO)とは別軸のAXO(Agentic Experience Optimization)が要る。鍵はDOMとアクセシビリティツリーの機械可読性、label/ariaを備えたフォーム、意味の通るボタン文言、そして構造化データとrobotsでのエージェント許可設計だ。a11y対応がそのままAXOになる。

最終更新日: 2026年7月8日

はじめに

Perplexityが公開したエージェント型ブラウザ「Comet」は、ユーザーの代わりにWebページを読み、クリックし、フォームに入力し、場合によっては購入や予約まで進める。ここで多くの担当者が見落とすのが、「AIに引用してもらう」ことと「AIに操作してもらう」ことはまったく別の課題だという事実である。前者はLLMO(Large Language Model Optimization)の領域で、テキストの明快さと構造化データ、権威性が効く。後者はサイトのUIをAIエージェントが誤りなく操作しきれるかどうか、すなわちAXO(Agentic Experience Optimization)の領域だ。

Cometで引用と実訪問を勝ち取る戦略については、姉妹記事のPerplexity Cometブラウザエージェント引用戦略で詳述している。引用戦略はこちらを参照してほしい。本稿はあえてそこには踏み込まず、「エージェントがサイトに来たあと、目的のタスクを最後まで実行できるか」だけに焦点を絞る。申込ボタンが押せない、住所フォームで止まる、カート追加が反応しない——LLMO対策が万全でも、AXOが欠けていればコンバージョン直前でエージェントは離脱する。

対象読者は、EC・SaaS・BtoBリード獲得サイトの運用者、フロントエンドエンジニア、そしてこれからエージェント経由の流入を取りに行くマーケターだ。抽象論ではなく、DOM設計・フォームのマークアップ・robots制御・GA4での識別まで、コード例とチェックリストで踏み込んでいく。

AXOとは何か｜LLMOとの決定的な違い

AXO(Agentic Experience Optimization、エージェント体験最適化)とは、AIエージェントがWebサイト上で目的のタスクを容易かつ確実に実行・操作できるようにするための最適化を指す。読ませる最適化であるLLMOと対をなす概念だと捉えると腹落ちしやすい。

両者の違いを整理しておく。

決定的なのは、LLMOがコンテンツ層の勝負なのに対し、AXOはインタラクション層の勝負だという点だ。人間の目には完璧に見えるページでも、エージェントは視覚ではなくアクセシビリティツリーやDOMノードを頼りに操作対象を推定する。ボタンが<div onclick>で実装され、ラベルがCSSの背景画像で描かれていれば、人間はクリックできてもエージェントには「押せるものがそこにある」と認識されない。

LLMOとAXOは排他ではなく、コンバージョンまでの一本の導線として連続する。エージェントはまず検索・要約(LLMOの領域)で候補サイトを選び、次にそのサイトを訪れて操作(AXOの領域)する。片方だけ強くても取りこぼす。とりわけLLMO対策が進んだ企業ほど、「引用はされているのに申込が完了しない」というAXOのボトルネックが可視化されやすい。用語の体系的な整理はLLMO(大規模言語モデル最適化)とはも併読してほしい。

Perplexity Cometのエージェント挙動を理解する

対策を立てる前に、相手の動きを知る必要がある。CometはChromiumベースのエージェント型AIブラウザで、ユーザーの自然言語指示を受けて能動的にページを操作する。上位プランのProでは、ローカルアプリとの連携、複数(19種と報じられる)のAIモデルの統合、エージェント用ツール群などを備え、単なる閲覧を超えた自動操作を行うとされる。

エージェントの典型的な行動サイクルはこう捉えるとよい。第一に、ページのDOMとアクセシビリティツリーを取得して「いま何が操作可能か」を把握する。第二に、ユーザー指示(例:「このセミナーに申し込んで」)を、ページ上の具体的な操作列(該当ボタンを探す→フォームに値を入れる→送信)に分解する。第三に、各ステップを実行し、結果のDOM変化を観測して次の一手を決める。第四に、エラーや想定外の画面(CAPTCHA、モーダル、在庫切れ)に遭遇すれば、リトライするか、ユーザーに判断を仰ぐ。

この挙動から導かれる示唆は明快だ。エージェントは「見た目」ではなく「機械可読な状態」を頼りにしている。だからこそ、要素のロール(役割)が正しく付与され、ラベルがテキストとして取得でき、状態変化がDOMに反映されることが、そのまま操作成功率に直結する。Perplexity自体の仕組みはPerplexityとはで補足している。

なお、エージェントによる自動購買には法的な緊張もある。Amazonは購買代行的なComet機能に懸念を示したと報じられており、論点は情報アクセス権、プラットフォーム保護、公正競争にまたがる。自社サイトを最適化する側としても、「どこまでの自動操作を許すか」を設計段階で決めておくべきだ。この点は後半の許可設計とセキュリティで扱う。

エージェントが操作しやすいDOM/アクセシビリティ設計

AXOの土台は、DOMとアクセシビリティツリーの機械可読性である。ここが崩れていると、以降のフォーム最適化も構造化データも効きが鈍る。

セマンティックHTMLを最優先する

第一原則は、役割に合ったネイティブ要素を使うことだ。押せるものは<button>、遷移するものは<a href>、入力は<input>/<textarea>/<select>。<div>や<span>にクリックハンドラを載せる実装は、人間には動いてもエージェントには「操作可能」と認識されにくい。

<!-- 悪い例: ロールが伝わらない -->
<div class="btn" onclick="submitForm()">申し込む</div>

<!-- 良い例: ネイティブ要素でロールとラベルが自明 -->
<button type="submit">セミナーに申し込む</button>

どうしても非ネイティブ要素を使う場合は、roleとtabindexとキーボード操作を自力で補う。ただし補完コストが高く壊れやすいため、原則は避ける。

アクセシビリティツリーを整える

エージェントが実際に参照するのはDOMそのものより、そこから計算されるアクセシビリティツリーであることが多い。各要素に対して「ロール・名前(アクセシブルネーム)・状態」が正しく算出されるかを検証する。ブラウザDevToolsのAccessibilityパネルや、axe等の自動チェッカで、名前が空になっている操作要素を洗い出すのが手早い。

<!-- アイコンのみのボタンにアクセシブルネームを付与 -->
<button aria-label="カートに追加">
  <svg aria-hidden="true"><!-- カートアイコン --></svg>
</button>

状態をDOMに反映する

「選択中」「開いている」「読み込み中」といった状態を、視覚効果(色やアニメーション)だけで表現しないこと。aria-expanded、aria-selected、aria-busy、disabledなどでDOM上に明示する。エージェントは状態を読んで次の操作可否を判断するため、状態が視覚のみだと誤操作や停止を招く。アクセシビリティ設計がそのままAXOになる理由がここにある。人間の支援技術のために整えた属性が、そっくりそのままエージェントの手掛かりになるのだ。

フォーム・ボタン・ナビの機械可読化

コンバージョンが起きるのはたいていフォームだ。ここがAXOの最大の勝負どころであり、LLMO対策済みのサイトが最も詰まりやすい箇所でもある。

入力欄はlabelとautocompleteで意味づける

すべての入力欄に、プログラム的に関連づいた<label>を与える。加えてautocomplete属性で「この欄が何を求めているか」を標準語彙で示すと、エージェントはユーザーの保存情報から適切な値を当てやすくなる。

<label for="email">メールアドレス</label>
<input id="email" name="email" type="email"
       autocomplete="email" required
       aria-describedby="email-hint" />
<p id="email-hint">確認メールをお送りします</p>

typeを正しく指定する(email/tel/number/date)ことも重要だ。入力の意味と制約が型から伝わり、エージェントの値生成が安定する。

ボタン文言は動作を名詞・動詞で明示する

「送信」「OK」「次へ」だけでは、エージェントは何が起きるか予測しづらい。「無料資料をダウンロードする」「カートに追加する」「予約を確定する」のように、対象と動作を含む文言にする。同一画面に複数の送信ボタンがある場合は、文言またはaria-labelで区別できるようにする。

エラーはテキストで、対象欄に紐づけて返す

バリデーションエラーを色枠だけで示すと、エージェントは「なぜ止まったか」を読めない。エラー文をテキストで出し、aria-invalidとaria-describedbyで該当欄に結びつける。これによりエージェントは失敗理由を解釈し、値を直して再送信できる。

<input id="tel" name="tel" type="tel" autocomplete="tel"
       aria-invalid="true" aria-describedby="tel-error" />
<p id="tel-error" role="alert">電話番号はハイフンなしで入力してください</p>

多段フォームとナビは予測可能に

ステップ制のフォームでは、現在地(「3ステップ中2」)と次アクションを明示する。グローバルナビは<nav>でマークし、リンクテキストは遷移先が分かる語にする。無限スクロールやマウスホバー依存のメニューは、エージェントが辿れず離脱の温床になるため、クリックで開く代替経路を用意する。

堅牢なセレクタ耐性を意識する

エージェントやそのための自動化スクリプトは、要素を特定するために安定した手掛かりを必要とする。頻繁に変わる自動生成クラス名(例:css-1a2b3c)しか目印がない要素は、特定に失敗しやすい。重要な操作要素には安定したidや、意味のある属性(role、name、aria-label)を残し、レイアウト都合で無闇に変えない運用を敷く。

構造化データとエージェントをつなぐ

構造化データはLLMOの道具という印象が強いが、AXOでも効く。エージェントが「このページで何ができるか」「値段や在庫、開催日時は何か」を機械的に確定させる助けになるからだ。

商品ページならProductとOffer(価格・在庫・通貨)、イベント申込ならEvent(日時・場所・チケット)、記事ならArticleをJSON-LDで付与する。とりわけ在庫や価格、開催可否といった「操作の前提となる事実」を構造化しておくと、エージェントは無駄な探索をせずタスクの実行可否を判断できる。

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Event",
  "name": "AXO実装セミナー",
  "startDate": "2026-08-20T14:00+09:00",
  "eventAttendanceMode": "https://schema.org/OnlineEventAttendanceMode",
  "location": { "@type": "VirtualLocation", "url": "https://example.com/seminar" },
  "offers": {
    "@type": "Offer",
    "price": "0",
    "priceCurrency": "JPY",
    "availability": "https://schema.org/InStock",
    "url": "https://example.com/seminar/apply"
  }
}
</script>

将来的にはPotentialAction(例:OrderAction、ReserveAction)のように「このページで取れる行動」を明示する記述が、エージェントに操作の入口を教える手掛かりとして重みを増すだろう。実装の基礎は構造化データとは、JSON-LDとは、Schema.orgとはで押さえておくとよい。構造化データはLLMOとAXOの両方に効く、費用対効果の高い一手だ。

robots/ボット分類とエージェントアクセス許可

エージェントを歓迎するのか、制限するのか。ここは技術と経営判断が交差する論点だ。

まず前提として、エージェント型ブラウザのアクセスは「人間ユーザーの操作の代行」と「自律クローラの巡回」の中間に位置し、従来のボット分類が綺麗に当てはまらない。robots.txtやUAでの一律ブロックは、正当なユーザー代行まで締め出してコンバージョン機会を失う恐れがある。一方で無制限に許すと、自動購買や大量申込による不正・在庫荒らしのリスクを負う。

現実的な設計指針は次のとおりだ。第一に、閲覧・情報取得の経路(商品情報、料金、FAQ)は原則開放し、エージェントが事実を掴めるようにする。第二に、決済・アカウント作成・与信のような「不可逆な操作」には、CAPTCHAや二要素、明示的な人間確認といったガードを段階的に設ける。第三に、robots.txtは検索・学習クローラの制御に用い、ユーザー代行エージェントの許可可否はUAだけに依存せず、操作の種類ごとにサーバ側で判断する。robotsの基本はrobots.txtとは、クローラ全般はクローラとはを参照。

# robots.txt の例(学習用クローラは制御しつつ、情報ページは開放)
User-agent: *
Allow: /products/
Allow: /pricing/
Disallow: /checkout/
Disallow: /account/

重要なのは、robots.txtはあくまで宣言であり、決済のような重要操作の防御は必ずサーバ側ロジックで担保することだ。前述のAmazonの懸念が示すように、購買代行を巡る規範はまだ流動的である。自社の利用規約に、自動化エージェントによる操作の許容範囲(価格スクレイピング、自動購買、転売目的の大量取得など)を明記しておくと、後々の紛争を避けやすい。

エージェント流入をGA4で識別・計測する

打ち手を回すには、エージェント経由のトラフィックを分けて見られることが不可欠だ。だが、ユーザー代行エージェントは人間のセッションに紛れやすく、標準設定のGA4では埋もれてしまう。

識別のアプローチは多層で考える。第一に、User-Agent文字列にComet/Perplexity由来のトークンが含まれるかをサーバ側で判定し、カスタムディメンションとしてGA4に送る。第二に、リファラやランディングの傾向(特定の入口URLへの直接着地、極端に短い滞在での目的到達)を組み合わせて推定精度を上げる。第三に、フォーム送信までの操作パターン(人間離れした入力速度、マウス移動イベントの欠如)をイベントとして記録し、後から分類する。

// サーバ側でエージェントらしさを判定し、GA4へカスタムディメンション送出
const ua = req.headers['user-agent'] || '';
const isAgent = /comet|perplexity/i.test(ua);
gtag('set', 'user_properties', { traffic_agent: isAgent ? 'comet' : 'human' });

計測できたら、エージェント経由の「タスク完了率」を主要KPIに据える。着地はするが申込で落ちるパターンが多ければ、それはAXOのフォーム設計に穴があるサインだ。エージェント流入のGA4セグメント設計の実践はエージェントトラフィックのGA4可視化で詳しく扱っているので、計測基盤づくりはそちらと併走させてほしい。数字で見えれば、AXOは感覚論から改善サイクルへと変わる。

AXO実装チェックリスト

最後に、着手順に並べた実務チェックリストを置く。上から順に潰していけば、エージェントのタスク完了率は着実に上がる。

• 押せる要素は<button>、遷移は<a href>、入力は<input>等のネイティブ要素で実装している
• アイコンのみの操作要素にaria-labelでアクセシブルネームを与えている
• 「開いている/選択中/読込中/無効」の状態をaria-expanded等でDOMに反映している
• すべての入力欄に<label>が関連づき、autocompleteと正しいtypeを設定している
• ボタン文言が対象と動作を含む(「カートに追加する」等)明快な語になっている
• バリデーションエラーをテキストで返し、aria-invalid/aria-describedbyで該当欄に紐づけている
• 多段フォームで現在ステップと次アクションを明示している
• 重要操作要素に安定したid/属性があり、自動生成クラス名だけに依存していない
• Product/Event/OfferなどのJSON-LDで価格・在庫・日時を機械可読にしている
• robots.txtは情報ページを開放し、決済/アカウント操作の防御はサーバ側で担保している
• 利用規約に自動化エージェントの許容範囲を明記している
• GA4でエージェント経由流入を分離し、タスク完了率をKPI化している
• 引用最適化(LLMO)はComet引用戦略記事で別途カバーしている

この一覧の大半は、実はアクセシビリティ(a11y)対応と重なる。つまりAXOは「AIのためだけの追加投資」ではなく、人間の支援技術ユーザーへの配慮と地続きの取り組みだ。両方に効くからこそ、優先度を上げる価値がある。

よくある質問

Q1. LLMO対策は万全なのに、なぜエージェントで申込が完了しないのですか?

LLMOはテキストを読ませる最適化で、AXOは操作させる最適化だからです。引用に必要な明快な文章や構造化データが揃っていても、ボタンが<div>実装だったりフォームにlabelが無いと、エージェントは操作対象を特定できず途中で止まります。CVはインタラクション層で起きるため、そこを別途整える必要があります。

Q2. アクセシビリティ対応がそのままAXOになるのはなぜですか?

エージェントが操作対象を推定する際、視覚ではなくアクセシビリティツリー(ロール・名前・状態)を主に参照するからです。支援技術ユーザーのために付与するlabelやariaは、そっくりそのままエージェントの手掛かりになります。結果として、a11y改善はスクリーンリーダー利用者とAIエージェントの双方に同時に効き、投資効率が高くなります。

Q3. エージェントに購買や申込を完遂させるフォームは、具体的に何を直せばいいですか?

まず全入力欄にlabelとautocomplete、正しいtypeを付けることです。次にエラーをテキストで該当欄に紐づけて返すこと。さらにボタン文言を「予約を確定する」のように動作が分かる語にし、多段フォームなら現在ステップを明示します。これで値の生成・再送信・完了判断がエージェント側で安定します。

Q4. Comet経由のトラフィックはGA4でどう識別しますか?

User-Agentにcomet/perplexityトークンが含まれるかをサーバ側で判定し、カスタムディメンションとしてGA4へ送るのが基本です。加えて入口URLへの直接着地、マウスイベントの欠如、人間離れした入力速度などの挙動を組み合わせると推定精度が上がります。単一シグナルに頼らず多層で見るのがコツです。

Q5. エージェントの自動購買を許可すべきですか、法的リスクはありますか?

情報取得は原則開放しつつ、決済のような不可逆操作にはガードを段階的に設けるのが現実解です。Amazonが購買代行機能に懸念を示したように、規範はまだ流動的で、情報アクセス権・プラットフォーム保護・公正競争が論点になります。利用規約に自動操作の許容範囲を明記し、防御はサーバ側で担保してください。

Q6. robots.txtでエージェントを一律ブロックするのは有効ですか?

推奨しません。ユーザー代行エージェントを一律に締め出すと、正当な見込み客まで失います。robots.txtは学習・検索クローラの制御に用い、エージェントの操作許可はUAだけに頼らず操作種別ごとにサーバ側で判断するのが安全です。決済など重要操作の防御は宣言ではなくロジックで担保する前提を崩さないでください。

Q7. 構造化データはAXOにも効くのですか?LLMOだけの施策では?

両方に効きます。価格・在庫・開催日時をJSON-LDで示すと、エージェントは操作の前提となる事実を無駄な探索なしに確定でき、タスク実行可否を素早く判断できます。将来的にはPotentialActionのように「このページで取れる行動」を記述する手法が、操作の入口を教える手掛かりとして重要になっていくでしょう。

Q8. 引用戦略の記事とこの記事は何が違うのですか?どちらを読むべきですか?

引用戦略の記事はCometに「引用・訪問してもらう」LLMOの話、本記事は訪問後に「操作を完遂させる」AXOの話です。まず引用されて選ばれ、次に操作されてCVするという一本の導線なので、両方必要です。集客が課題なら引用戦略記事から、CV直前の離脱が課題なら本記事から着手してください。

Q9. セレクタ耐性とは何で、なぜ重要なのですか?

エージェントが要素を特定する手掛かりの安定性のことです。自動生成クラス名(css-1a2b3cなど)しか目印が無い要素は、ビルドのたびに名前が変わり特定に失敗しやすくなります。重要操作要素には安定したidや意味ある属性を残し、レイアウト都合で無闇に変えない運用を敷くと、エージェントの操作成功率が安定します。

Q10. どこから着手すれば費用対効果が高いですか?

コンバージョン直前のフォームとボタンからです。label/autocomplete付与、エラーのテキスト化、ボタン文言の明確化は低コストで完了率に直結します。次にa11yツリーの整備と構造化データ、最後にGA4での計測基盤を組みます。計測を早めに入れると、どのステップで落ちているかが見え、改善の優先順位を数字で決められます。

関連用語

• Perplexityとは
• LLMO(大規模言語モデル最適化)とは
• クローラとは
• robots.txtとは
• 構造化データとは
• JSON-LDとは
• Schema.orgとは
• AEO(回答エンジン最適化)とは
• GEO(生成エンジン最適化)とは

関連記事

• Perplexity Cometブラウザエージェント引用戦略2026
• ChatGPT Atlas AIブラウザ引用最適化2026
• Googleエージェント型ブラウジングとMariner終了2026
• エージェントトラフィックのGA4可視化とセグメンテーション
• AIエージェントがSEO/LLMOに与える影響
• Perplexity引用獲得戦略2026
• LLMO完全ガイド
• AI検索最適化ガイド