SEO、そしてAI検索向けのGEO（生成エンジン最適化）に続く概念として、「Agentic Commerce Optimization（ACO）」という言葉が登場しています。小売分野のアナリストであるScot Wingo氏が提唱し、ニュースメディアのForkastが紹介しました。ここではその要点と、実務への示唆を整理します。なお、ACOはまだ新しい用語で、業界で標準化された定義ではない点に注意してください。
Table of Contents
ACOとは何か
ACOは、ブランドのデータやAPI、インフラを、AIエージェントにとって「読み取り可能」かつ「実行可能」な状態にするという考え方です。記事では、3つの最適化を次のように位置づけています。
- SEO：人間が入力するキーワードでの順位獲得
- GEO：LLMが生成する要約や回答への影響
- ACO：エージェントが商取引を実行できる仕組みの整備
SEOとGEOが「発見」を扱うのに対し、ACOは「実行」の仕組みを扱うという整理です。
主な主張
記事で示されている論点は、大きく3つです。
- 可視性から取引能力へ：目標が「見られること」から「実行されること」に移る。
- 人へのマーケティングから、エージェント向けのエンジニアリングへ：データの透明性とAPIの信頼性が、成約を左右する要因になりうる。
- 新しい競争上の壁：信頼できるAPIで商取引ロジックを公開できない企業は、次世代の購買エージェントから見えなくなるおそれがある。
最適化の対象となる4つの接点
記事は、エージェントとの接点を4つに分けています。
- Answer Engines：商品リサーチを担う回答エンジン
- Retailer Agents：在庫や購買を管理する小売側のエージェント（記事ではAmazon Rufusが例示）
- Personal Agents：ユーザーの代理として購入を実行する個人用エージェント
- Brand/Retailer Sites：エージェントとサイトをつなぐAPI連携
データをどう読むか
記事の冒頭では、小売トラフィックの11.4%が自律型エージェント経由だとする数字が紹介されています（出典はRetailgenticのレポートと記載）。ただし、記事本文ではこの数字の算出方法や定義は説明されておらず、ほかの定量データも示されていません。事例も限られているため、現時点では「方向性を示す提唱」として受け止めるのが妥当です。
SEO担当者・EC運営者が今できること
概念の段階とはいえ、足元の準備として意味のある取り組みは多くあります。
- 商品データの整備：価格、在庫、仕様などを、構造化データなどで機械が正確に読み取れる形にする。
- 情報の一貫性：サイト、フィード、各モールで情報が食い違わないようにする。
- APIや購入フローの確認：在庫照会や注文の仕組みが安定して動作するか点検する。
- 指標の見直し：表示回数や順位だけでなく、AI経由の流入や成約の動きも観測できるようにする。
AI検索時代の評価軸については、ブランド言及とエンティティが新たな評価軸になるという記事も併せてご覧ください。
まとめ
ACOは、AIが「探す」だけでなく「買う」ところまで担うという前提に立った考え方です。まだ提唱段階で、検証されたデータは乏しいものの、構造化された正確な商品情報を整えるという方向性は、従来のSEOの延長線上にあります。大きな投資を急ぐより、まずデータの正確性と一貫性という基礎を固めておくのが現実的でしょう。
