私。はじめに: 会話型ショッピングの時代
I.A.市場の状況とショッピング モデルの変化 (検索からチャット)
世界の e コマース市場は、会話型 AI テクノロジーの成熟によって根本的な変化を迎えています。消費者の行動は、ユーザーが複数のソースにわたる結果を手動で照合して検証する必要がある従来のキーワードベースの検索 (「20 タブ サイクル」とも呼ばれる) から、綿密な相談と調査を必要とする複雑な自然言語クエリに移行しています。 OpenAI は、この変化の明らかな兆候にすぐに気づきました。この特殊な機能がリリースされる前でさえ、消費者は ChatGPT 上で 1 日あたり約 5,000 万件のショッピング関連のクエリを行っていました。この強い需要は、Web 上の情報を単に要約するだけの一般的なツールでは、ユーザーが買い物をする際の重要な決定を支援するには不十分であることを示しています。
「ショッピング リサーチ」機能は、商品発見プロセスを対話型の対話に変換するために導入されました。これは、単なる基本的なショッピングの質問ではなく、特に多くの制約を必要とする複雑なクエリについて、ユーザーがより深い意思決定を行えるように設計されています。
I.B. 「ショッピング リサーチ」の概要: 目的と使いやすさ
ショッピング リサーチの立ち上げは、世界的なショッピング カレンダーに合わせた戦略的な動きとみなされます。この機能は、ブラック フライデーと年末ホリデー シーズンのピーク ショッピング シーズンの直前の月曜日 (11 月末近く) に展開を開始します。このタイミング戦略は、商品を購入したり調べたりしたい多数のユーザーを引き付けることを目的としています。
この機能は、モバイル プラットフォームと Web プラットフォームの両方で、Free、Go、Plus、Pro プランを含むすべてのログイン ユーザーに広く利用可能です。さらに重要なことは、OpenAI がクリスマス シーズンを通じてすべてのプランに対して「ほぼ無制限」の使用を提供することで、積極的な市場浸透戦略を採用していることです。この段階で無料かつ無制限のアクセスを提供する目的は、ユーザーの行動 (ユーザーの慣れ) を確立することです。ユーザーが繁忙期に複雑なショッピング調査を行うために ChatGPT に依存するようになった場合、来年会社が使用制限を課したときに有料プランへのアップグレードを検討することさえ、使用を維持する可能性があります。これにより、このツールは ChatGPT をデフォルトの製品検索チャネルとして確立し、電子商取引プラットフォームや従来の検索エンジンと直接競合する手段となります。
このツールが特に優れたパフォーマンスを発揮する中心的な製品カテゴリは、エレクトロニクス、美容、家庭と園芸、キッチンと電化製品、スポーツやアウトドア用品など、詳細な情報を必要とし、ユーザーが間違って購入するリスクをほとんど許容しないカテゴリです。徹底した調査が必要な高額取引に焦点を当てていることは、OpenAI が重要な意思決定セグメントをターゲットにしていることを示しています。
II.動作メカニズムとプラットフォーム テクノロジー: mini GPT-5 と強化学習
II.A. GPT-5 mini: コマース固有のアーキテクチャ
ショッピング リサーチのテクノロジー基盤がパフォーマンスの差別化要因となります。この機能は、GPT-5 シリーズのまだ広くリリースされていないバージョンである GPT-5 mini モデルの特殊バージョンによって提供されます。これは汎用の AI モデルではなく、「研究優先」モデルと呼ばれることが多い、商業目的に重点を置いた微調整されたアーキテクチャです。
このモデルは、特に強化学習 (RL) 手法を使用して、特定のショッピング タスクに焦点を当てた追加のトレーニングを受けています。特殊な RL のアプリケーションは、電子商取引における大規模な言語モデルの最大のリスク、特に製品の仕様や価格に関する幻覚に対処するように設計されています。 OpenAI エンジニアは、RL をトレーニングすることで、信頼できる Web サイトを読み取り、信頼できるソースを引用し、さまざまなソースからのデータを合成して高品質の製品研究結果を生み出すモデルの能力を優先しました。引用ソースとデータ集約に重点を置いているのは、ChatGPT を複雑な調達決定のための信頼できるアドバイザーとして確立することを目的とした技術戦略です。
II.B.モデルのパフォーマンスと精度の評価 (精度メトリクス)
パフォーマンスに関して、OpenAI は明確な比較指標を公開しています。この特殊なミニ GPT-5 モデルは、社内の評価に基づいて、厳しい制約のある複雑なクエリに対して 64% の製品精度を達成しています。
この 64% の精度レベルは、ChatGPT の以前のパフォーマンスを大幅に上回っています。
これは、37% の精度しか達成できなかった、一般的な商品クエリに対して従来の ChatGPT 検索を使用した場合に比べて大幅な改善です。
これは、同様の比較タスクで 56% の精度しか達成できなかった OpenAI の高度な研究モデルである GPT-5 Thinking を上回りました。
精度の向上により、このツールは重要な研究タスクに許容できるレベルにまで上がりました。ただし、OpenAI は、64% の精度が「完璧ではない」ことも慎重に認めており、モデルでは依然としてこれらの詳細でエラーが発生する可能性があるため、価格と在庫状況に関する最新の詳細を確認するために小売業者の Web サイトにアクセスすることをユーザーに推奨しています。
このテクノロジーの進化の概要を提供するために、ショッピング ドメインにおける OpenAI のさまざまな AI モデル間のパフォーマンス比較を以下に示します。
ショッピング タスクにおける OpenAI AI モデルのパフォーマンス比較
GPT-5 mini (RL でトレーニング済み):
タスクの種類/特性: ショッピング リサーチ (クエリ複合体、
製品精度: 64%。
戦略的意義: 詳細な研究アドバイザーとしての位置づけ、幻覚エラーを最小限に抑える。
GPT-5 の考え方:
タスクの種類/特性: 一般的な研究モデル (先行モデル)。
製品の精度: 56%。
戦略的な意味: 製品データの集約の向上。
ChatGPT 検索 (旧):
タスク タイプ/特性: 一般的な製品クエリ。
製品精度: 37%。
戦略的意味: 価値の高い購入を決定するには低すぎます。
Ⅲ．ユーザー エクスペリエンス (UX) と会話型インタラクション プロセス
III.A.発見ワークフローと結果の絞り込み
ショッピング リサーチ機能は、直線的な検索エクスペリエンスを会話型の発見プロセスに置き換えるように設計されています。この機能は、ユーザーが一般的または特定のショッピング リクエスト (たとえば、1500 ドル以下でバッテリー寿命が 18 時間のスマートフォンを探すのを手伝ってください) を行うとアクティブになります。
最初のクエリの後、ChatGPT は直感的なインターフェイスを開き、検索範囲を絞り込むための「クイズのようなエクスペリエンス」を提供します。 AI は、予算、対象となる受信者、その他の希望する属性について明確な質問をします。
重要な点は、ユーザーがリアルタイムで調査をナビゲートできる双方向の対話型インターフェイスです。モデルが潜在的な製品を提案すると、ユーザーはその製品に「興味なし」または「もっと似たもの」とマークを付けることができます。ユーザーがアイテムを気に入らない場合、ChatGPT は特定の理由 (価格やスタイルなど) について追加のフィードバックを求めます。この「好き/嫌い」メカニズムは、ユーザー エクスペリエンスを向上させるだけでなく、RL モデルを継続的に改良するための詳細な意図データを提供するため、OpenAI にとって非常に価値のある独自のトレーニング データ収集メカニズムとしても機能します。
III.B.出力: パーソナライズされた購入ガイド
インタラクティブで詳細な調査が完了すると、システムは数分でパーソナライズされた購入ガイドを提供します。このガイドは、ユーザーが製品を比較するために数十のタブを開く必要がなくなり、効率が高くなるように設計されています。これには以下が含まれます:
最も推奨される製品。
オプション間の主な違いの明確な分析。
各製品の特定のトレードオフ。
信頼できる小売業者から入手した、価格、在庫状況、レビュー、仕様、画像に関する最新情報。ファッションやアパレルなどのカテゴリでは、指示に服装の提案が含まれる場合があります。
III.C.パーソナライゼーションと会話記憶
会話記憶を使用することで、パーソナライゼーションが大幅に強化されます。ユーザーがこの機能を有効にすると、好み、予算、または以前の会話で議論された制約に基づいて調査をさらにパーソナライズできます。これにより、ChatGPT は蓄積された知識を備えたパーソナル ショッパーとして機能することができます。 OpenAI を使用すると、設定で機能を有効または無効にする機能を提供することで、ユーザーがこの情報の記憶を制御できるようになります。
IV.競争分析と貿易変革戦略 (代理商取引)
IV.A.エージェント コマース戦争での立場を取る
ショッピング リサーチの立ち上げは、Amazon と Google の立場に直接挑戦し、エージェント コマース領域に参入するという OpenAI の意図を明確に表明したものです。現在、競争は 3 つの主要なプラットフォームを中心に展開しています。
Amazon: 依然として独自のデータ、顧客ロイヤルティ、独自のエコシステム内の即時トランザクション機能に依存しています。
Google (Gemini/Shopping Graph): 新しい AI ショッピング機能を実装し、Shopping Graph の 500 億を超える商品リストと、現地在庫を確認してください。
OpenAI (ChatGPT): 深く客観的な調査と専門的な AI テクノロジーに賭けて、意思決定プロセスにおいて信頼できるアドバイザーとしての地位を確立します。
これらの AI ショッピング ツールの台頭は、コマース クエリが従来の検索エンジンから会話型 AI に移行することを示しており、AI エージェントがデフォルトのトランザクション ポータルとして決定される時代の基礎を築きます。
IV.B.戦略的差別化要因: 客観的な調査とソースの品質
OpenAI の最も顕著な戦略は、ソースの品質と客観性を優先することです。 GPT-5 mini モデルは、質の高いレビュー サイトや Reddit などのユーザー フォーラムを検索して本物のレビューを収集できるように調整されています。
さらに重要なことは、OpenAI は、製品の推奨は関連性に基づいて独立しており、調査機能の開始時に広告やアフィリエイトの手数料は発生しないと主張していることです。これは、Google/Amazon の広告および紹介料ベースの収益モデルとは戦略的な違いを生み出します。客観性を重視することで、重要な購入決定において消費者との信頼が築かれます。
ブランドにとっての影響は、検索エンジン最適化 (SEO) から AI 最適化 (AIO) への移行です。顧客が ChatGPT を通じて製品発見を始める場合、小売業者は従来のキーワードだけに焦点を当てるのではなく、AI エージェントに表示されるようにデータを最適化する必要があります。
エージェントティック コマースの主要なプラットフォーム間の戦略の比較は次のとおりです:
エージェントティック コマースのプラットフォーム戦略の比較
ChatGPT (OpenAI):
主流の発見モデル: Research-First Agent (GPT-5 mini RL)。
戦略的焦点: 綿密なコンサルティング、客観的なレビューの集約。
主なデータ ソース: パブリック ウェブ、高品質のレビュー、Reddit。
現在の収益化メカニズム: インスタント チェックアウト取引手数料 (ACP)。
Google (Gemini):
主流の発見モデル: AI モード (ショッピング グラフ)。
戦略的焦点: マルチソース比較、ローカル在庫チェック セット。
主要データ ソース: ショッピング グラフ内の 500 億件の限定商品リスト。
現在の収益化メカニズム: 広告/製品の推奨。
Amazon:
- : 紹介料、直接/サードパーティ販売。
IV.C.データは重要であり、「Amazon ウォール」
ショッピング リサーチの包括性に対する潜在的な障壁の 1 つは、巨大な小売プラットフォームからのデータへのアクセスです。 OpenAI は Web サイトの robots.txt に従い、閲覧エージェントによるアクセスを許可するページからのみ情報を取得します。
これはデータ アクセスの中断につながります。大規模な小売プラットフォーム (特に Amazon) では、詳細な製品データの収集が制限されることがよくあります。 ChatGPT が Amazon の包括的なデータにアクセスできない場合、最も完全な市場比較を提供することはできません。したがって、OpenAI の戦略は、主要な競合他社からのリアルタイムの独自データの欠如を補うために、公開ソースからの高品質のレビューと製品属性データの集約に依存する必要があります。
V.ビジネス モデル: インスタント チェックアウトとエージェント コマース プロトコル (ACP)
V.A.インスタント チェックアウト: 必須の収益化パス
OpenAI の長期戦略目標は、インスタント チェックアウト (IC) を通じてリサーチと取引を統合することです。 IC を使用すると、ユーザーはチャット インターフェイスで直接購入トランザクション (現在商品を購入していること) を完了できるため、ユーザーが支払いのために小売業者の Web サイトにリダイレクトする必要がある場合に発生するコンバージョンの摩擦や「コンバージョン リーク」が排除されます。
経済的には、IC は OpenAI がサブスクリプション料金以外の持続可能な収益源を生み出す主な方法です。 OpenAI は、トランザクションごとに「少額の手数料」を請求することで、AI を実行するための膨大なコストをカバーするために必要な、多額の電子商取引収益を生み出すことができます。この Pay-per-Purchase ビジネス モデルは、従来の検索エンジンの Pay-per-Click モデルとは大きく異なります。
V.B.パートナー エコシステムと ACP プロトコル
IC を実装するために、OpenAI は Stripe と提携して Agent Commerce Protocol (ACP) を開発しました。 ACP は、販売者が注文の履行、配送、返品を管理している限り、AI 環境で直接トランザクションを実行できるオープン スタンダードになるように設計されています。
OpenAI は、このエコシステムを拡大するために戦略的な小売パートナーシップを確立しました。
すでに稼働中: 米国のすべての Etsy セラーは自動的に IC 対応になります。 Glossier、SKIMS、Spanx、Vuori などの主要 D2C ブランドを含む、一部の Shopify 販売者がパイプラインに加わっています。
近日公開予定: Walmart は IC を使用するための提携を発表しました。 Target はまた、Target のアプリへの緊密な統合によるショッピング サポートも発表しました。これらの主要パートナーの参加は、ACP プロトコルの検証に役立ちます。
V.C.ランキングのバイアスと中立性の分析
OpenAI では、製品の推奨は関連性に基づいており、スポンサーは付いていない、と述べています。さらに、購入者はインスタント チェックアウトを無料で使用でき、価格には影響せず、IC 対応アイテムは商品結果で優先されません。
しかし、販売者の評価メカニズムを分析すると、その複雑さが明らかになりました。複数の小売業者が同じ商品を販売する場合、販売者のランキング要素には、在庫、価格、品質、販売者のタイプ (メーカーまたはマスターセラー)、インスタント チェックアウトが利用可能かどうかが含まれます。
インスタント チェックアウトの可用性をランキング要素として考慮すると、ACP を使用する販売者に対する「間接的なバイアス」が生じます。 IC が製品の評価を直接高めるわけではありませんが、価格と品質が同等の競争の激しい市場では、スムーズなチェックアウト体験を提供できる能力が決定的な競争上の優位性となります。これにより ACP の採用が強力に推進され、主要なコマース仲介者としての OpenAI の地位が確固たるものとなります。
主要パートナーとのインスタント チェックアウト (IC) 統合のステータスは次のとおりです:
インスタント チェックアウト (IC) 統合ステータス
Etsy 販売者:
統合タイプ: 直接購入 (インスタント)
現在のステータス (レポート時点): 実装済み (2025 年第 3 四半期から)。
戦略的意味: 従来の SEO では見つけるのが難しい、ユニークな手作りの商品を調達します。
Shopify 販売者 (選択):
統合タイプ: 直接購入 (ACP)。
現在のステータス (レポート時点): 進行中(Glossier、SKIMS、Spanx、Vuori など)。
戦略的意味: IC がコンバージョンの摩擦を軽減する大規模な D2C エコシステムを活用します。
ウォルマート:
統合タイプ: インスタント チェックアウト。
現在のステータス (レポート時点): 近日公開予定 (「近日公開予定」) .
戦略的意味: 大規模な実店舗小売パートナー、IC モデルの検証。
ターゲット:
統合タイプ: Target アプリ経由の購入をサポート。
現在のステータス (レポート時点): 近日公開予定。
戦略的意味: 差別化されたモデルのコラボレーション: チェックアウトの代わりに Target のアプリに深く統合ChatGPT。
VI。データ品質、信頼性、AI 最適化 (AIO) の課題
VI.A.レビュー データの収集および集計メカニズム
ChatGPT は、インターネット全体を検索してリアルタイムの価格、在庫状況、レビュー、仕様、および画像情報を収集することによって詳細な調査を実行します。
購入ガイドを提供するために、このモデルは公開 Web ページに基づいてレビューの概要を生成し、ユーザーが製品について一般的に好きな点と嫌いな点を強調表示します。ただし、OpenAI は、これらのレビューの概要と評価はモデルによって生成されたものであり、OpenAI によって検証されていないことを公的に警告しています。 「予算に優しい」などの説明的なラベルは、最低価格を推奨するものではなく、レビュー担当者がどのくらいの頻度で価値があると言及するかに基づいて推測されます。
VI.B.構造化商品データの最適化への移行
AIO 時代、ChatGPT での商品の可視性は入力データの品質に依存します。商品を適切に表示してランク付けするには、販売者は構造化され、詳細な、AI によって最適化された商品データを提供する必要があります。
OpenAI は、直接的なプロダクト フィード メカニズムを確立しました。このメカニズムにより、販売者は構造化データを OpenAI に直接提供できるようになり、ChatGPT が最も正確で最新の商品情報を反映できるようになります。これは、小売業者が可視性を得るために製品属性データの強化とUGCに投資する必要がある新しい流通チャネルとしてOpenAIが自らを位置付けていることを裏付けています。
VI.C.信頼と人間の声の課題
詳細な調査は改善されましたが、AI 取引に対する消費者の信頼は依然として障壁となっています。初期の調査では、消費者は購入前に情報をよく確認するため、ChatGPT トラフィックからのコンバージョン率は従来のチャネルからのコンバージョン率よりも依然として低いことが示されています。ユーザーが購入前の最終ステップとして ChatGPT を使用していない可能性があるのは、AI 取引に対する信頼度が低いことが原因である可能性があります。
さらに、ChatGPT のモデルは、人間の声 (ジャーナリスト、製品レビュー担当者) からのレビューや意見の集約に依存しています。 AI がデフォルトのアドバイザーになることに成功した場合、本来のレビュー情報源の役割を失い、客観的な情報を編集するために AI が依存している高品質のデータが損なわれる危険性があります。
VII.ケーススタディ: 検索からピアノ購入のアドバイスまで
ショッピング リサーチ機能は、楽器の購入など、複雑で詳細かつ一か八かのクエリを解決できるように特別に設計されています。
ユーザー クエリ (例):
「初心者向けのデジタル ピアノ、温かみのある音、アコースティック ピアノのような重みのあるキー、低価格のものを探しています 15
これは典型的なクエリですが、予算 (1,500 万未満)、機能 (加重キー - 加重キー/ハンマー アクション)、および品質 (暖かいサウンド、初心者の勉強用) のバランスが必要なため、単純なキーワード検索では解決できません。
ChatGPT の調査プロセス:
制約の収集: ChatGPT は、部屋のスペース (適切なピアノ モデルを提案するため) とサウンドの好み (ジャズ、クラシックなど) について追加の質問をします。メモリー機能が有効になっている場合、ユーザーがジャズ ピアノの好みを持っている場合、ChatGPT は自動的に温かみのあるサウンドと良好なペダル感度を優先します。
Deep Discovery: システムはインターネットや質の高いレビュー サイト (ピアノ/音楽フォーラムなど) を検索して、技術的条件 (
加重キーとハンマー アクション) を満たすピアノ モデルを見つけます。レビューの集約: モデルは、潜在的なモデルに関する実際のユーザーの意見を総合します。たとえば、コミュニティからのフィードバックを集約して、Roland FP-30X や Kawai ES120 などのモデルを推奨する場合があります。
一部の初心者ユーザーは、手頃な価格の Kawai Ca49 (約 2,000 ドル) のキーの感触が許容範囲内であることを高く評価しています。
Roland F701 や FP-30X などのモデルは、その重量感のあるキーの感触と心地よいサウンドで高く評価されています。
結果出力: 結果は単なるリストではなく、各オプションのトレードオフを強調した詳細な比較ガイドです。たとえば、安価なモデルには
エスケープメント機能がなかったり、内蔵トーン (トーン) の数が少ないことが判明する場合があり、これにより、新規ユーザーが高額な費用を支払う前に自分の決定を理解できるようになります。
VIII.よくある質問 (FAQ)
Q1: ショッピング リサーチはどのような製品カテゴリをサポートしていますか? 電子機器、ファッション/化粧品、家庭と園芸、キッチンと電化製品、スポーツとアウトドア用品など、詳細で非常に複雑なリサーチを必要とするカテゴリに最適です。
Q2: Shopping Research の使用には料金がかかりますか? いいえ。この機能は現在、Web プラットフォームとモバイル プラットフォームの両方で、Free、Go、Plus、Pro プランを含むすべてのログイン ユーザーに無料で利用できます。 OpenAI は、ホリデー シーズン中は「ほぼ無制限」の使用も提供します。
Q3: ChatGPT の製品推奨にはスポンサーが付いていますか、それともアフィリエイト手数料がかかりますか? OpenAI は、製品推奨は広告やアフィリエイトの手数料ではなく、関連性、ソースの品質、およびユーザーのクエリとの関連性に基づいていると述べています。
Q4: ショッピング調査の精度はどの程度ですか? 複雑なクエリに関する OpenAI の内部テストでは、この特殊なモデルは 64% の商品精度を達成しました。完璧ではありませんが、この数字は従来の ChatGPT 検索機能を使用した場合の 37% よりも大幅に高くなります。 OpenAI は、ユーザーが小売業者の Web サイトで価格と在庫状況を常に再確認することを推奨しています。
Q5: ChatGPT で直接購入 (インスタント チェックアウト) するにはどうすればよいですか? 直接購入するには、Agent Commerce Protocol (ACP) に参加している販売者によって製品が販売されている必要があります。 Instant Checkout は現在、米国のすべての Etsy 販売者と一部の Shopify 販売者に展開されており、Walmart と Target も間もなく開始されます。製品が IC をサポートしている場合、チャット インターフェースに [購入] ボタンがすぐに表示されます。
消費者向け: 今すぐショッピング エクスペリエンスを変革しましょう。複雑なクエリ (例: 「ペットのいる 30 平方メートルの部屋に最適な、価格が 700 万以下の 3 つの空気清浄機モデルを比較する」) から始めて、ショッピング リサーチの威力を体験してください。このホリデー シーズンは事実上無制限の使用量を最大限に活用して、情報に基づいたショッピングの決定を下すことができます。もう何十ものタブを開く必要はありません。
販売業者と小売業者向け: AI 最適化 (AIO) の時代が始まりました。 ChatGPT の公平な調査結果に商品が確実に表示されるようにするには:
構造データ:商品の属性データとユーザー評価 (UGC) が AI エージェント用に最適化されていることを確認します。
商品フィードの購読: サインアップして OpenAI にライブの商品フィードを提供し、価格設定と在庫情報を常に正確に保ちます。
ACP の採用: インスタント チェックアウトを有効にし、変換の摩擦を軽減し、販売者評価における間接的な競争上の優位性を得るには、エージェント コマース プロトコル (ACP) の採用を検討してください。
「ショッピング リサーチ」機能は、ChatGPT を複雑なショッピング リサーチ タスクを実行できる特殊な AI エージェントに変えることで、OpenAI にとって重要な技術的進歩を表しています。強化学習でトレーニングされたミニ GPT-5 モデル (商品精度を 64% 向上) とインスタント チェックアウト戦略の組み合わせは、将来の AgenticCommerce モデルの基礎を築きます。この戦略は、便利なツールを提供するだけでなく、ChatGPT をデフォルトの製品発見ポータルとして確立し、確立された検索および電子商取引のビジネス モデルと直接競合することでもあります。
OpenAI は、信頼できるアドバイザーと摩擦のない取引仲介という二重のポジショニング戦略を追求しています。 OpenAI は、客観性 (広告なし) とデータ ソースの品質 (質の高いレビューに重点を置く) を強調することで、従来の広告に依存した検索エンジンが維持するのに苦労していた信頼を構築します。同時に、ACP およびインスタント チェックアウト プロトコルの開発により、OpenAI は作成するトランザクションから経済的価値を確実に獲得し、従来のペイパークリック モデルに代わる持続可能なペイパーパーチェスを構築できます。ウォルマートやターゲットなどの小売大手との提携は、このアウトレットコマースモデルの正当性を裏付けています。
「ショッピング リサーチ」とインスタント チェックアウトの開始は、消費者が積極的に製品リサーチと比較プロセスに取り組む必要がある従来のショッピング モデルの終焉を告げるものです。将来的には、AI Agent が取引の発見、コンサルティング、そして最終的な実行の役割を担い、AI がデフォルトの取引ゲートウェイとなる取引エコシステムを確立します。特に構造化された商品データの最適化や ACP などの標準の採用を通じて、この Dialogue Commerce モデルに適応しないブランドは、新しいバリュー チェーン全体での可視性とコンバージョンを失うリスクがあります。メモリとリアルタイム インタラクションを通じてリサーチをパーソナライズできる機能により、ChatGPT は欠かせない個人的なショッピング コンパニオンとしての地位を確固たるものにするでしょう。
シェア
