Shopify Agentic Storefronts対応 Global Catalogで商品をAI検索に表示させる方法

Shopify Agentic Storefronts Global Catalog 商品 AI検索 表示 対策

この記事の結論: ShopifyはWinter '26 EditionでAgentic Storefrontsを発表し、Global CatalogとStorefront Catalogという二層の商品カタログ構造でChatGPT・Perplexity・Microsoft Copilotに商品情報を自動配信するようになりました。個別のAPI連携やカスタム開発をしなくても、商品データを正しく構造化しておくだけでAIエージェントに発見されやすくなります。日本のマーチャントは商品タイトル・説明文・属性・在庫情報の精度を上げることが最優先の対策です。

最終更新日: 2026年07月14日

はじめに

生成AIを使った検索や購買行動が一般化するなかで、ECサイト運営者にとって「自社の商品がAIエージェントにどう見えているか」は無視できないテーマになりました。ユーザーがChatGPTに「防水のトレッキングシューズを探して」と尋ねたとき、あるいはPerplexityで「コスパの良い電動歯ブラシ」を比較させたとき、そこに自社商品が候補として挙がるかどうかは、もはや検索順位だけの問題ではありません。

Shopifyはこの流れに対応する形で、Winter '26 Editionにおいて「Agentic Storefronts」という新しい仕組みを発表しました。これは、Shopifyストアの商品データをChatGPT・Perplexity・Microsoft CopilotなどのAIチャットに即座かつ正確に配信し、マーチャント側が個別の連携作業をしなくても商品が発見可能な状態になる仕組みです。従来のように各プラットフォームに個別のフィードを用意したり、APIを自前で実装したりする必要がなくなり、Shopifyというプラットフォームに乗っているだけで自動的にAI検索の土俵に乗る、という設計思想が特徴です。

本記事では、Agentic Storefrontsの全体像、Global CatalogとStorefront Catalogという二つのカタログの違い、そして日本のマーチャントが今すぐ取り組むべき商品データの最適化手順を、比較表と具体的なチェックリストを交えて詳しく解説します。すでに関連記事で扱ったChatGPT Instant CheckoutやAP2、UCP・ACPといった周辺のエージェント決済プロトコルとあわせて理解することで、2026年以降のAIコマース対策の全体像が見えてきます。

Agentic Storefrontsとは何か

Agentic Storefrontsは、Shopifyが提供する「AIエージェント向け店舗機能」の総称です。中核にあるのは、ShopifyストアのすべてのマーチャントとPro プランを問わず、商品データをAI検索エンジンやAIチャットボットに標準化された形式で配信する仕組みそのものです。

従来のSEOでは、検索エンジンのクローラーがHTMLをレンダリングし、構造化データ(schema.org)を手がかりに商品情報を理解していました。この方式は依然として有効ですが、AIエージェントが商品を「理解」して推薦する際には、より厳密にパースしやすいデータ構造が求められます。Agentic Storefrontsは、この課題に対してShopify自身がプラットフォームレベルで解決策を用意した点が新しいところです。

具体的には、以下の三つの要素で構成されています。

1. Global Catalog — 全Shopifyマーチャントを横断して商品をクエリ可能にする商品データベース
2. Storefront Catalog — 特定の1マーチャントに絞って商品を提示する仕組み
3. Checkout連携 — ChatGPTなどのAIチャット上でエンドツーエンドの決済を完結させる仕組み

この三層構造によって、AIエージェントは「まず幅広く商品を探索し(Global Catalog)、特定の店舗の商品ラインナップを深掘りし(Storefront Catalog)、そのまま購入手続きに進む(Checkout)」という一連の体験をシームレスに実現できます。マーチャント側から見ると、アプリのインストールやカスタム連携なしにこの導線に参加できることが最大のメリットです。

Global CatalogとStorefront Catalogの違い

Agentic Storefrontsを正しく理解するうえで最も重要なのが、Global CatalogとStorefront Catalogの役割分担です。この二つは似た名前ですが、AIエージェントがどの段階でどちらを参照するかが異なります。

Global Catalogは、Shopify上のすべてのマーチャントの商品データを横断的に標準化したデータベースです。AIエージェントがユーザーの曖昧な質問(例えば「秋に使えるコットン素材のブランケットが欲しい」)に応じて、店舗を限定せずに幅広く商品候補を探すときに使われます。ChatGPTの商品推薦エンジンは、このGlobal Catalogを主要な情報源として利用しており、商品データが標準化されていることで複数店舗の商品を公平に比較・提示できるようになっています。

一方Storefront Catalogは、ユーザーがすでに特定のブランドや店舗を指名している場合、あるいはAIエージェントが一度Global Catalogで候補を絞り込んだあとに、その店舗の商品ラインナップを深く参照する際に使われます。例えば「〇〇ブランドのラインナップを全部見せて」という質問には、Storefront Catalogの情報が使われることになります。

この表からわかる通り、マーチャントが最初に意識すべきはGlobal Catalogです。なぜなら、ユーザーが自社ブランドをまだ知らない段階でAIエージェントの候補に挙がるかどうかは、Global Catalogにおける商品データの質にかかっているからです。ブランド名を指名してもらえる段階に来て初めてStorefront Catalogの重要性が増す、という順序で捉えると理解しやすくなります。

3層システムの仕組みと購買までの流れ

Agentic StorefrontsがGlobal Catalog・Storefront Catalog・Checkoutの3層で構成されている理由は、AIエージェントを介した購買行動を分解すると見えてきます。

まず1層目のGlobal Catalogでは、AIエージェントがユーザーの発話や検索意図(サーチインテント)から商品カテゴリーやニーズを抽出し、標準化された商品データベースの中から候補を絞り込みます。ここで重要なのは、Global Catalogに載る商品データがShopify側で自動的に標準フォーマットへ変換されるため、マーチャントが個別にAPIを叩いたり、フィードファイルをアップロードしたりする作業が原則不要という点です。ストアの商品ページを通常通り整備していれば、その情報が自動的に配信対象になります。

2層目のStorefront Catalogでは、ユーザーが特定の店舗やブランドに興味を持った段階で、その店舗の商品ラインナップ全体、在庫状況、バリエーション(サイズ・色などのoptions)を詳細に提示します。ここでAIエージェントは、単に「商品がある」ことだけでなく「今買えるかどうか」という在庫availabilityの精度も重視するため、在庫管理の正確さが直接的にAI検索での表示品質に影響します。

3層目のCheckoutは、ChatGPTなどのAIチャット上で完結するエンドツーエンドの決済です。マーチャントはこの層において、アプリのインストールや独自のカスタム連携を行う必要がありません。全てのエージェントを横断してattribution(どの経路から購入に至ったかの帰属情報)とtracking、そして取引データがShopify側で一元管理される設計になっており、標準的な決済手数料以外の追加の取引手数料は発生しません。

この3層が連動することで、ユーザーは「探す」「選ぶ」「買う」までの一連の体験をAIチャットから離脱せずに完了できるようになります。マーチャント視点で言えば、SEOにおける「検索結果に表示される」「クリックされる」「コンバージョンする」という3段階の最適化が、そのままGlobal Catalog・Storefront Catalog・Checkoutの3層にそれぞれ対応していると考えると理解が早いはずです。

商品データ構造化のベストプラクティス

Agentic Storefrontsにおいて最も重要なのは、商品データそのものの精度です。Shopify側が商品を自動的にlist化する際、title・description・options・images・price・availabilityといった主要属性を中心にAIエージェントがparseしやすい構造に変換しますが、その元データの質が低ければ、変換後の情報も貧弱になります。つまり「AIエージェントに正しく理解される商品ページ」を作ることが、Agentic Storefronts対策の本質です。

以下は、最適化前と最適化後で商品データがどう変わるべきかを示した比較表です。

特にdescriptionの書き方は、従来のGoogle Merchant Centerのフィード最適化とは発想が異なる点に注意が必要です。Merchant Centerでは検索キーワードの網羅性やタイトルの文字数制限が重視される傾向にありましたが、AIエージェント向けの商品説明は「人間の質問に対して直接答えられる文章」であることがより重要になります。例えば「雨の日でも使えますか」という質問にAIエージェントが即答できるよう、防水性能や耐久性といった情報を説明文の中に自然な文章で織り込んでおくことが、AI検索での表示品質を左右します。

また、構造化データ(schema.orgのProduct型)を併用することも引き続き有効です。Global Catalogが参照するのはShopifyの標準商品データですが、AIエージェントが外部のウェブページをクロールして裏取りをするケースもあるため、商品ページ自体にschema.orgのProduct・Offer・AggregateRatingなどのマークアップを残しておくことで、多重の裏付けを提供できます。

ChatGPTデフォルト有効化とオプトアウトの考え方

2026年、ShopifyはChatGPT上でAgentic Storefrontsをデフォルトで有効化する方針を取っています。つまり、マーチャントが特別な設定をしなくても、ストアの商品データはGlobal Catalogを通じて自動的にChatGPTの商品推薦エンジンに供給される状態になります。これは多くのマーチャントにとって歓迎すべき仕様ですが、一方でブランドコントロールの観点から「意図せず商品がAIチャットに露出する」ことに懸念を持つ事業者も存在します。

現状、Shopifyの管理画面にはAgentic Storefrontsに関連する公開範囲の設定項目が用意されており、Storefront Catalogのレベルで表示を制限したり、特定のセールスチャネルからの除外設定を行ったりすることが可能です。完全にオプトアウトしたい場合は、該当する販売チャネルの設定を見直す、または該当商品のpublishing設定でAIチャネルへの配信対象から外す、という運用になります。

ただし、多くの日本のマーチャントにとっては、オプトアウトよりも「デフォルトで有効化された露出機会を活かす」方向の対策の方が費用対効果は高いといえます。なぜなら、Agentic Storefronts経由での商品発見はマーチャント側の追加コストがほぼゼロであり、既存の商品データを整備するだけで露出を最大化できるためです。オプトアウトを検討するのは、価格戦略上AIチャット経由の露出を避けたい場合や、ブランドイメージの統制を優先したい特殊なケースに限られるでしょう。

attributionと手数料の実態

Agentic Storefronts経由の購買がどのように計測され、マーチャントにどのような費用が発生するのかは、多くの事業者が気にするポイントです。公式情報によれば、Shopifyの仕組みでは全エージェントを横断してattribution(流入経路の帰属)とtracking、取引データが一元的に管理され、標準的な決済手数料以外の追加の取引手数料は発生しないとされています。

これは「手数料が本当にゼロか」という疑問に対する重要な手がかりです。正確に言えば「ゼロ」なのはAgentic Storefronts経由であることに対する追加の取引手数料であり、Shopify Paymentsなど既存の決済手数料そのものがなくなるわけではありません。つまり、通常のオンライン販売と同じ決済手数料体系のまま、AIチャット経由の販売チャネルが追加されるとイメージするのが正確です。

attributionについては、Shopifyの管理画面上でどの流入経路(ChatGPT・Perplexity・Copilotなど)からの購入かをトラッキングできる設計になっており、従来のGoogle広告やSNS広告の流入経路分析と同じ感覚でAIチャット経由の成果を把握できます。マーケティング担当者は、この経路別データをもとに、どのAIプラットフォームでの商品露出が実際の売上に貢献しているかを継続的に評価し、商品データの改善サイクルに反映させることが重要です。

Microsoft Copilot Checkoutとの関係

Agentic StorefrontsはChatGPT・Perplexity・Microsoft Copilotの3つを主要な配信先として挙げていますが、それぞれのプラットフォームでの購買体験には差があります。特にMicrosoft Copilotについては、別途Copilot Checkoutという独自の決済プログラムが用意されており、Shopifyのマーチャントプログラムとの連携が進んでいます。

Copilot Checkoutは、Microsoft側が主導するエージェント決済の枠組みで、Windows OSやMicrosoft 365エコシステムに統合されたCopilotから直接商品を購入できる体験を提供します。Shopify Agentic Storefrontsの立場から見ると、Global Catalogを通じて配信された商品データがCopilot側の商品推薦エンジンにも供給され、Copilot Checkoutの決済フローに接続される、という関係性になります。

日本のマーチャントにとって重要なのは、ChatGPT・Perplexity・Copilotのいずれであっても、商品データの入力元は共通してShopifyのGlobal Catalogであるという点です。つまり、プラットフォームごとに個別のデータ整備をする必要はなく、一元的な商品データ最適化がすべてのAIチャネルに波及する構造になっています。これはマーチャントにとって運用負荷の軽減という大きなメリットです。

日本のShopifyマーチャントが取るべき対応手順

ここまでの内容を踏まえ、日本のマーチャントが実務として取り組むべき手順を整理します。

1. 商品タイトルの見直し — 社内管理用の略称ではなく、素材・用途・対象・色・サイズなど検索意図に応える情報を盛り込んだタイトルに変更する
2. 商品説明文の再構成 — 「〜がおすすめです」といった抽象的な訴求文から、具体的な質問に答えられる説明文へ書き換える。想定される質問(サイズ感・洗濯方法・原産国など)を洗い出し、それぞれに答える一文を用意する
3. optionsとimagesの整備 — サイズ・カラーなどのバリエーションをoptionsとして正しく登録し、それぞれに対応する画像とalt属性を設定する
4. 在庫availabilityのリアルタイム連携 — 実店舗在庫やバックオーダー管理システムとの連携を見直し、在庫状況が即座にShopifyへ反映される体制を整える
5. schema.orgマークアップの確認 — Product型・Offer型の構造化データが商品ページに正しく実装されているか、Google Search Consoleの拡張機能レポートなどで検証する
6. 多言語対応の検討 — 海外ローカライズを見据える場合、日本語だけでなく英語版の商品データも用意し、Global Catalogを通じた海外ユーザーへの露出も視野に入れる
7. attributionデータの定期確認 — Shopify管理画面でAIチャット経由の流入・購買実績を定期的にチェックし、露出が伸びない商品カテゴリーを特定して改善する
8. 公開範囲設定の見直し — 意図しない露出を避けたい商品がある場合は、Storefront Catalogレベルでの公開範囲設定を確認する

これらは一度整備して終わりではなく、季節商品の入れ替えや価格改定のたびに継続的に見直すべき運用項目です。特に日本語商品データの扱いについては、AIエージェントが日本語の商品説明を正しくparseできるよう、機種依存文字や過度な絵文字装飾を避け、平易で構造化された文章を心がけることが推奨されます。

従来のGoogle Merchant Centerフィードとの違い

多くのマーチャントがすでにGoogle Merchant Centerに商品フィードを登録している状況を踏まえると、「Global Catalogはそれと何が違うのか」という疑問が生じます。両者の最大の違いは、データの取得方法と最適化の焦点です。

Google Merchant Centerでは、マーチャント側がXMLやCSV形式のフィードファイルを能動的にアップロードし、Google側の審査を経て商品広告や無料リスティングに反映される仕組みが基本でした。一方Shopify Global Catalogは、ストアの商品データそのものを自動的に取得・標準化するため、フィードファイルの管理という作業自体が原則不要です。

最適化の焦点も異なります。Merchant Centerはキーワードマッチングや価格競争力、レビュー評価といった従来型の検索連動要素が重視されてきましたが、Global Catalogが供給するAIエージェントの推薦エンジンでは、自然言語による質問への「答えやすさ」がより重視されます。したがって、両方の仕組みに商品データを供給する場合でも、フィード用のタイトル最適化とAIエージェント向けの説明文最適化は、似て非なる作業として別々に設計する意識が必要です。

競合Shopify店舗と並んで表示されるときに勝つ視点

Global Catalogは全Shopifyマーチャントを横断する仕組みであるため、AIエージェントの回答の中で自社商品が競合の類似商品と並んで提示される場面が今後増えていくと考えられます。この状況で選ばれるためには、単なるSEO的なキーワード対策を超えた差別化が必要です。

まず重要なのは、商品説明文における具体性の差です。AIエージェントは複数の候補を比較する際、より詳細で裏付けのある情報を持つ商品を優先的に提示する傾向があります。素材の配合比率、サイズ実測値、耐久テストの結果など、競合が書いていない具体的な情報を盛り込むことで、比較の土俵で優位に立てます。

次に、在庫availabilityの正確性とレスポンスの速さです。ユーザーが「今すぐ買えるものが欲しい」と尋ねた際、在庫切れの商品を提示してしまうAIエージェントの回答品質は下がるため、プラットフォーム側もavailabilityの精度が高い商品を優先する可能性があります。リアルタイム在庫連携は差別化要因として機能します。

さらに、ブランドメンション(第三者メディアでの言及)の蓄積も引き続き有効です。AIエージェントはGlobal Catalog単体だけでなく、周辺のウェブ情報を裏取りに使うケースがあるため、レビューサイトやメディア記事での言及数・質が、最終的な推薦順位に影響を与える可能性があります。これはLLMOやGEO(Generative Engine Optimization)の文脈でも重視されてきた考え方と共通しています。

よくある質問

Q1. Agentic Storefrontsに参加するために追加の申請は必要ですか?

多くの場合、追加申請は不要です。Global Catalogへのデータ供給はShopifyストアを運用しているだけで自動的に行われる設計になっており、個別のアプリインストールやカスタム連携作業は原則として求められません。ただし、公開範囲の設定やオプトアウトを検討する場合は管理画面での確認が必要です。

Q2. Global CatalogとStorefront Catalogはどちらを優先して整備すべきですか?

まずGlobal Catalogを意識した商品データ整備を優先すべきです。ユーザーがブランドをまだ知らない段階での発見可能性を左右するのはGlobal Catalogであり、ブランド指名検索での深掘り表示に関わるStorefront Catalogは、その次の段階で効いてくる要素だからです。

Q3. 商品説明文はどのくらいの長さが最適ですか?

明確な文字数の上限は公表されていませんが、質問に直接答えられる密度の高い文章が推奨されます。目安として、素材・サイズ感・使用シーン・お手入れ方法をそれぞれ1〜2文で説明し、全体で300〜600文字程度にまとめると、人間の閲覧にもAIエージェントのparseにも適した長さになります。

Q4. 日本語商品データはそのままAI検索に反映されますか?

はい、日本語のまま反映されます。ただし機種依存文字や過度な記号装飾は解析精度を下げる可能性があるため、平易で構造化された日本語表現を心がけることが推奨されます。海外ユーザーへの露出も狙う場合は、英語版データの併記を検討してください。

Q5. Microsoft Copilot Checkoutとの連携は別途設定が必要ですか?

Global Catalogを通じた商品データ供給は共通の仕組みであるため、Copilot向けに個別のデータ整備を追加する必要は基本的にありません。ただしCopilot Checkout固有の決済プログラムへの参加可否については、別途Microsoft側のマーチャントプログラムの条件を確認することをおすすめします。

Q6. 取引手数料は本当に発生しないのですか?

Agentic Storefronts経由であることに対する追加の取引手数料は発生しません。ただし、Shopify Paymentsなど既存の決済手数料自体がなくなるわけではなく、通常の販売と同じ決済手数料体系がそのまま適用される点に注意してください。

Q7. 競合店舗と並んで表示されたときに差をつける方法はありますか?

商品説明文の具体性、在庫availabilityの正確さ、外部メディアでのブランドメンションの蓄積が主な差別化要因です。特に競合が書いていない実測値や具体的な使用シーンの情報を盛り込むことが、AIエージェントの比較において優位に働きます。

Q8. Google Merchant Centerのフィードは今後不要になりますか?

不要にはなりません。Merchant Centerは従来のGoogle検索・ショッピング広告の枠組みで引き続き重要な役割を果たします。Global Catalogとは供給経路も最適化の焦点も異なるため、両方を並行して運用し、それぞれに適したデータ最適化を行うことが望ましい対応です。

Q9. オプトアウトはどのような場合に検討すべきですか?

価格戦略上AIチャット経由の露出を避けたい場合や、ブランドイメージの統制を強く優先したい特殊な事業方針を持つ場合にオプトアウトが検討対象になります。一般的なマーチャントにとっては、露出機会を活かす方向の対策の方が費用対効果は高くなります。

Q10. 商品データの改善効果はどのくらいで見えてきますか?

明確な期間は公表されていませんが、商品データの更新はGlobal Catalogへ比較的短期間で反映される設計とされています。効果測定にあたっては、Shopify管理画面のattributionデータを定期的に確認し、AIチャット経由の流入・購買実績の推移を数週間単位で観察することが推奨されます。

関連用語

• LLMO
• 構造化データ
• schema.org
• ブランドメンション
• ChatGPT検索
• Perplexity
• クローラー
• GEO
• AEO
• 検索意図

関連記事

• Microsoft Copilot Checkoutマーチャントプログラムと商品可視性
• ChatGPT Instant Checkout ACPマーチャント設定ガイド
• AP2 Agent Payments Protocolと日本のEC決済
• UCP対ACP ユニバーサルコマースプロトコル比較
• Perplexityマーチャントプログラムと商品フィード設定
• Googleユニバーサルカートとエージェント型ショッピング準備
• Amazon RufusとRakuten AIショッピングアシスタント最適化
• AI検索最適化の完全ガイド