前回の記事では、Agentic Commerce の最初の戦場は支払いではなく発見と推薦だと整理しました。ここで重要になるのが B2A、Business-to-Agent の基盤です。人間向けの美しい商品ページだけでは足りません。AI Agent が検証できる構造化データ、最新の価格、在庫、配送、返品条件が必要です。
第一の柱は Schema.org です。多くのブランドは Product に name と price を置くだけで満足していますが、AI が推薦を判断するには足りません。Brand、Offer、AggregateRating、ShippingDetails、MerchantReturnPolicy まで含めて初めて、AI は価格、返品、配送、レビューの信頼性を判断できます。
第二の柱は llms.txt です。これは sitemap の複製ではなく、AI に読ませたい重要ページを 20から50件に絞った案内図です。各リンクに一文の説明を付けることで、AI は限られた文脈の中でブランド、主要商品、返品、配送、レビューをすばやく理解できます。Google AI Overview の必須条件ではなく、ChatGPT、Perplexity、Claude などに向いた実務的な補助線です。
第三の柱は Product Feed です。Google Merchant Center、Shopify Agentic Storefronts、OpenAI 側の商品データ連携はいずれもフィード品質に依存します。価格が古い、在庫が遅れている、バリエーションが欠けている、画像や GTIN が不足している。こうした問題は AI の推薦信頼度を落とします。
第四の柱は UCP Manifest です。これは AI Agent に、カタログ照会、カート、割引、checkout など販売者が支援する機能を知らせる入口です。まだ早期段階ですが、年商規模の大きいブランドは仕様の変化を追う価値があります。
AI に読めることと AI に推薦されることは同じではありません。B2A は必要条件であり、十分条件ではありません。競合のデータ品質、AI の既存知識、ユーザーの文脈、プラットフォームごとの表示ロジックも影響します。それでも B2A がなければ、AI は物理的にブランドを理解できません。
Gravity の AI 検索診断は、Schema の深さ、llms.txt の品質、Product Feed の鮮度、AI Agent の実際のクロール、AI 回答におけるブランド記述をまとめて確認します。点数を付けるためではなく、AI が何を見て、何を見ていないのかを明らかにするためです。
実務上の要点は、B2A データ基盤を単発のコンテンツ施策として扱わないことです。商品データ、AI 回答での表現、Agent request、到着後の行動、注文との接続を同じ証拠線で見なければ、チームは「AI で何か起きている」以上の判断ができません。経営会議で必要なのは流行語ではなく、どの層で証拠が強く、どこが推測なのかを分けた説明です。
もう一つ重要なのは、過剰な断定を避けることです。AI 検索と Agentic Commerce の測定はまだ成熟途上であり、prompt sampling、referrer、server log、Shopify order のどれも単独では完全ではありません。だからこそ、複数の弱い証拠を雑に足すのではなく、層ごとに信頼度を置き、改善順序を決める必要があります。
FAQ
Q1: B2A と B2C はどう違いますか？
A: B2C は人間向けの体験最適化です。B2A は AI Agent 向けのデータ最適化で、構造化形式、検証可能な事実、リアルタイム性が重要です。
Q2: EC で最も重要な Schema は何ですか？
A: price、availability、aggregateRating、shippingDetails、hasMerchantReturnPolicy です。多くのサイトは後半三つが不足しています。
Q3: llms.txt は Google AI Overview に必須ですか？
A: 必須ではありません。Google は主に Schema と Merchant Center を見ます。llms.txt は ChatGPT、Perplexity、Claude などに有効です。
Q4: Shopify なら自動で十分ですか？
A: 基本 Schema と Feed はある程度自動化されますが、配送、返品、llms.txt は手作業が残ります。
Q5: B2A 投資のリターンは何ですか？
A: AI 推薦確率の上昇、Rich Results の改善、Product Feed の品質向上、将来の UCP/ACP 連携準備です。