ZETA RECOMMENDのマルチアングルレコメンドがChatGPTアプリに対応、デジタルシェルフで購買体験を刷新

公開：2026年4月22日更新：2026年4月22日

CodeCampが提供するDX人材育成が可能なプログラミングやITが学べる公開講座

ZETA株式会社は2026年4月22日、AIレコメンドエンジン「ZETA RECOMMEND」の「マルチアングルレコメンド」がChatGPTアプリに対応したことを発表しました。商品の特徴やトレンド、ユーザーの興味関心を反映したデジタルシェルフを、ChatGPT上の対話インターフェースに表示することによって、新たな購買体験の提供を目指す取り組みです。

ZETA RECOMMENDのChatGPTアプリ対応と背景
マルチアングルレコメンドの主な特長
ZETA RECOMMENDのChatGPTアプリ対応の概要
trends編集部の一言
References

ZETA RECOMMENDのChatGPTアプリ対応と背景

ECにおける検索は、ユーザーの意図を捉える最も重要な起点として位置づけられてきましたが、近年は生成AIの普及により、曖昧なニーズを対話で補完する購買行動が拡大しています。ZETAでは「ZETA CXシリーズ」のAIエージェント対応を推進しており、OpenAI「Apps in ChatGPT」への対応や、連携基盤「ZETA LINK for AI」の提供を通じて購買体験強化に取り組んできました。

検索やレコメンド、コンテンツを横断して複数の観点で商品群を提示する「デジタルシェルフ」は、海外で新たな購買インターフェースとして注目を集めています。このデジタルシェルフを対話インターフェースで動的に構成・表示する取り組みは現時点で限定的であり、ZETAは「会話検索」と「レコメンド」を統合した機能の提供を開始しました。

Python研修一覧はこちら

目的に合うPython研修を一覧形式から探したい方は、ぜひご利用ください。

Python研修を比較する

Java研修一覧はこちら

目的に合うJava研修を一覧形式から探したい方は、ぜひご利用ください。

Java研修を比較する

PHP研修一覧はこちら

目的に合うPHP研修を一覧形式から探したい方は、ぜひご利用ください。

PHP研修を比較する

新入社員研修

目的に合う新入社員研修を一覧形式から探したい方は、ぜひご利用ください。

新入社員研修を比較する

全ての研修からも探したい方はこちら

マルチアングルレコメンドの主な特長

今回のChatGPTアプリ対応では、「ZETA SEARCH」と「ZETA RECOMMEND」が連携し、ユーザーの問いかけをコンテキストとして活用する仕組みが導入されています。単一のリストではなく「棚」として、複数の視点から商品群を提示することによって、比較・発見しやすい購買導線を構築しており、注目すべきポイントは次の4点です。

複数のレコメンド軸による比較・発見体験
会話検索とレコメンドの統合
ZETA HASHTAGとの連携による提案軸の拡張
曖昧な商品名でも条件ベースで最適商品を提示

「ZETA HASHTAG」との連携では、商品特徴や利用シーン、トレンドワードを表すハッシュタグをレコメンド軸として活用しています。従来の類似商品表示にとどまらないテーマ性のある商品提案を実現し、クチコミやQ&A、検索クエリなどを横断的に活用することによって、CVRやAOV(Average Order Value)、LTVといった主要KPIの向上に寄与する狙いです。

ZETA RECOMMENDのChatGPTアプリ対応の概要

項目	詳細
対応機能	マルチアングルレコメンド
対応先	ChatGPTアプリ
提供企業	ZETA株式会社
連携製品	ZETA SEARCHやZETA HASHTAG
対象ユーザー	ECサイト運営企業
活用領域	エージェンティックコマース

ZETA RECOMMENDの詳細はこちら

Python基礎・実践(Django)

企業・法人向けのPython研修では、基礎から応用まで体系的に学べます。

Python研修の詳細

DX社員研修

企業・法人向けのDX研修では、実務に繋がるリスキリングでITレベルを向上させます。

DX研修の詳細

Javaエンジニア育成研修

企業・法人向けのJavaエンジニア育成研修では、Javaの基礎から応用まで確実に習得できます。

Java研修の詳細

新卒・新入社員向け研修

企業・法人に新入社員・新卒社員に向けたプログラミング研修を提供しています。

新入社員研修の詳細

コードキャンプのIT研修を全て見る

trends編集部の一言

ECサイトの運営支援でレコメンド機能を検討したことがありますが、ユーザーの曖昧な意図を拾い上げて商品を提案する仕組みは、実装のハードルが高い領域でした。今回の対応はChatGPTの対話インターフェース上で「棚」として商品群を複数軸で提示する点が特徴的で、従来の検索窓から結果一覧という導線とは異なるアプローチとして、実務での活用イメージが湧きます。

特に「敏感肌向け」「人と被らない」のような自然言語の問いかけからレコメンドが生成される仕組みは、商品数が多いECサイトほど効果を発揮しそうだと感じました。EC領域でAIエージェント対応を模索している担当者にとっては、「会話検索」と「レコメンド」を統合した購買体験設計の具体例として参考になる取り組みです。