Gap、EC開始30年で「AIショッピング」へ。次の競争力は商品情報の設計にある

対話型検索、AIスタイリング、GoogleのUCP対応。Gapの具体策から、顧客とAIの両方に商品の価値を伝えるファッションECの経営課題を読み解く。

FACTS / Gap Onlineから30年、次の売場は対話の中へ

Gap Inc.は2026年10月5日、1996年のGap Online開始から30年の節目に、AIによる新たな購買体験を発表した。サンフランシスコのTech Weekで取り組みを示したのは、最高技術責任者〈CTO〉のSven Gerjets。検索窓や絞り込みに、意図を言葉で伝える買い物を加える構想だ。従来型ECを全面的に置き換える発表ではない。

FACTS / Old Navy、Banana Republic、Alta、Daydreamの役割

Old NavyとBanana Republicでは、自然な言葉で欲しいものを説明し、関連する商品提案を受ける対話型の商品発見機能を紹介。GapブランドはAlta Dailyとの連携で、好みや着想に応じたスタイリングと、Altaのアバター上でGap商品を試す体験を打ち出した。Daydreamでも、日常の言葉を使ってGap Inc.の商品を発見できるとしている。

検索、組み合わせ、見つける場所をそれぞれ広げる施策だ。ただし、この発表には日本を含む全地域での利用開始日や、対象者全員への提供条件、機能別の売上・購入率改善の実績は記載されていない。アバターによる試着表現も、実物のサイズ適合を保証するものと解釈してはいけない。

FACTS / GoogleのUCP対応は、購入の接続まで視野に

これに先立つ3月24日の公式発表では、Bold MetricsのAgent Sizing Protocolによるサイズ提案と、GoogleのUniversal Commerce Protocol〈UCP〉への対応を説明している。UCPは、AIと小売の間で購買の処理をつなぐ共通の仕組み。GapはGoogle検索のAI ModeやGeminiアプリの利用中に購入できる体験を目指すとした。将来形の説明を、全ブランド・全地域で実装完了という実績に読み替えることはできない。

Googleの10月2日更新の公式導入資料では、Merchant CenterのUCP統合ハブは米国で段階的に提供され、対象は米国内販売の商品。一部の事業者が参加し、技術対応と商品ごとの購入対象設定が必要とされる。日本語の説明ページがあることと、日本で同じ購入機能が提供されていることは別だ。本記事では日本でのGapのAI内決済提供を確認したとは書かない。

また、10月9日更新のGoogle公式資料では、AI上のカートを事業者のサイトへ移すCart APIと、Google内で決済するNative checkoutを区別している。「AI経由の購買」は一つの形ではなく、自社ECへ戻って購入する経路もある。連携という言葉だけで、注文をどこが受けるかを判断しないことが重要になる。

BUSINESS VIEW / 検索順位だけでなく、相談への答えが問われる

ここからはFASHION SHIFTの分析だ。検索型ECでは顧客が商品名やカテゴリーを選び、一覧から比較する。対話型ECでは、「出張に持っていけて、しわが気になりにくい服」のように、用途を入口にできる。これは説明のための仮例であり、Gapでその質問への推薦結果を検証したものではない。

この変化が広がれば、SEOで検索結果へ出ることに加え、AIが相談内容と商品を結び付けるための情報が重要になる可能性がある。ただし、各AIサービスの推薦基準や順位付けは同一ではなく、今回の発表から内部の仕組みは分からない。情報を整えれば必ず推薦される、広告費が不要になる、といった保証はない。

BUSINESS VIEW / 商品情報の設計が、マーケティングになる

日本の企業がまず取り組めるのは、説明文を増やすことより、情報の意味を揃えることだ。素材の組成、厚さ、伸縮性、透け感、寸法、シルエット、手入れ、想定する用途を整理する。画像の雰囲気や「上品」「万能」といったコピーだけでは、顧客の具体的な条件に答えにくい。

さらに、同じ商品でも色とサイズを識別できる商品ID、最新の価格、在庫、配送、返品条件が必要になる。商品ページ、外部へ渡すデータ、注文システムで情報が食い違えば、魅力的な提案が購入時の失望につながり得る。商品データの構造化は、項目を機械が扱いやすい形に揃えることであり、検索や接客の品質を支える業務でもある。

着用シーンやサイズ感には主観も含まれる。モデルの身長、着用サイズ、実寸などの確認可能な情報と、スタッフの感想を分けたい。「細く見える」を寸法のような事実に変えたり、AI向けに機能を誇張したりする必要はない。曖昧さを減らすことと、ブランドらしい表現を消すことは別である。

BUSINESS VIEW / 外部AIとの接続は、まず小さく検証する

外部サービスへ商品情報を渡す際は、何を更新し、どの売場へ送り、誰が注文と返品に対応するかを先に決める。すべての機能を一度に導入するより、対象商品を絞って発見から購入までを追い、誤った説明、在庫切れの提案、返品理由を確認する方法が考えられる。国内で使える機能と、海外向けの技術対応も分けて判断したい。

評価するのはAI経由のアクセス数だけではない。購入率、粗利益、返品、問い合わせ、継続購入まで見なければ、流入が増えても利益が残るとは限らない。AIは入口を増やす一方、顧客が自社の売場を訪れる前に比較を終える可能性もある。公式の商品情報を正しく届ける力と、ブランドに直接相談したくなる理由の両方が必要になる。

編集長・竹内真 はこう見る

これまでファッションECの成長戦略は、SEO、Web広告、SNS、購入率の改善が中心だった。しかし、AIが商品選びを支援する時代には、消費者に加えて、AIにも商品を正しく理解してもらうことが重要になる。

日本のファッションECでは、画像やキャッチコピーが充実していても、素材、サイズ感、用途、着用シーンの情報を、もっと整理できる余地があるのではないか。今後は商品情報の設計そのものが、マーケティング戦略の一部になると考えている。

一方、ファッションは合理性だけで選ばれるものではない。人間の感性を動かすブランドづくりと、AIに正しく理解される商品情報設計。この二つを両立することが、次世代のファッションECの競争力を左右するのではないか。

SOURCES / 出典・元記事URL

AI生成イメージ。紹介企業の実際の店舗・商品・社員、技術や過去の記録写真ではありません。