2026年4月現在、本記事で紹介する Rufus の各機能（Auto-Buy、Buy for Me、アカウントメモリ等）は米国の Amazon でのみ提供されています。日本の Amazon.co.jp への展開スケジュールは公式に発表されていません。記事中の数値・機能説明はすべて米国市場に関するものです。

Rufus のエージェンティック機能──Auto-Buy / Buy for Me / 価格トラッカーの全体像

2024年2月に米国でベータ提供が始まり、同年7月に全米の顧客へ一般提供が拡大された Rufus は、当初は商品に関する質問応答や比較検討を支援するチャットボットでした。しかし2025年後半から、Amazon は Rufus を「エージェンティックAI」へと大きく転換させています。

Auto-Buy（自動購入） は、Prime会員向けの機能です。ユーザーが「このヘッドフォンが30%オフになったら買って」と指示すると、Rufus が定期的に価格を監視し、条件を満たした時点で自動的に購入を完了します。対象は Amazon が発送する商品（Fulfilled by Amazon）に限られます。注文後24時間以内であれば無料でキャンセルが可能で、設定は6か月間有効です。

Buy for Me（代理購入） は、Amazon のストア外にある商品を Rufus が代わりに購入する機能です。ユーザーが商品を検索すると、Amazon 内の商品に加えて外部マーチャントの商品も表示され、「Buy for Me」ボタンを押せば、Amazon の決済情報と配送先を使って外部サイトでの購入を Rufus が代行します。対象商品はローンチ時の約65,000点から50万点超へ拡大しました。2026年3月時点では Shop Direct プログラム全体で40万以上のマーチャント・1億点超の商品が接続されていますが、そのうち Buy for Me で購入可能なのは「数千万点」とされています。

価格トラッカーとアラート では、30日・90日の価格推移をグラフで確認でき、「この商品、過去30日で値下がりした？」といった質問にも即座に回答します。価格アラートを設定すれば、目標価格に達した時点で通知を受け取れます。

アカウントメモリ は、これらの機能を支える基盤です。Rufus はユーザーの購買履歴、検索行動、カート内容、レビュー履歴などを横断的に記憶し、「5歳と8歳のスポーツ好きな息子がいる」「ゴールデンレトリバーを飼っている」といった情報を次回以降の応答に反映します。

数字で見る Rufus のインパクト──3億人・120億ドル・節約率20%

Rufus の影響力は、すでに無視できない規模に達しています。

2025年を通じて3億人以上の顧客が Rufus を利用しました。月間アクティブユーザーは前年比149%増、インタラクション数は同210%増と、急速に浸透しています。

売上への貢献も明確です。Amazon は2025年Q4決算（2026年2月発表）において、Rufus が年間約120億ドル（約1.8兆円）の増分売上を生み出したと報告しています。2025年Q3時点の「年率100億ドルペース」から上振れした形で、ホリデーシーズンでの加速が寄与しました。

コンバージョン率の差も顕著です。Rufus を利用したショッピングセッションでは、未使用セッションと比べて購入に至る確率が60%以上高いことが公式に報告されています。

Auto-Buy を利用した顧客は、平均20%の節約を実現しています。価格が下がるまで自動で待機する仕組みが、結果的に消費者の購買単価を引き下げているのです。

広告主が直面する「見えない壁」──従来の検索結果との乖離が意味すること

EC事業者にとって最も深刻な構造変化は、従来の検索アルゴリズムと Rufus のAIレコメンドが大きく異なる結果を返すという事実です。

Profitero+ と Mars United Commerce が共同で実施した調査「Decoding Rufus」では、Amazon の従来検索で1ページ目に表示される商品のうち、Rufus のレコメンドにも表示されるのはわずか22%であることが判明しました。つまり、検索1ページ目に表示されていても、AIアシスタント経由のトラフィックでは約8割の商品が「見えない」状態に置かれるリスクがあります。

この乖離が意味するのは、従来型のSEO・広告施策だけではAI時代の可視性を確保できないということです。Rufus はキーワードマッチングではなく、ユーザーの意図理解、購買履歴、レビュー分析、カテゴリ知識を統合して商品を選定します。Amazon Bedrock 上で Anthropic Claude Sonnet、Amazon Nova、独自カスタムモデルを組み合わせたリアルタイムルーティングにより、クエリの種類に応じて最適なモデルが応答を生成しています。

さらに、Amazon は Rufus の会話内にSponsored Products Prompts および Sponsored Brands Prompts という新しい広告フォーマットを展開しています。2025年11月のオープンベータ開始を経て、2026年3月25日に米国で一般提供（GA）が開始され、CPC課金が適用されるようになりました。既存のキャンペーンは自動的に登録され、広告主は Ads Console または API 経由でプロンプトの管理・一時停止が可能です。

Buy for Me が崩す小売の境界線──Amazon がプラットフォームからエージェントへ

Buy for Me の本質は、Amazon が「自社マーケットプレイスの運営者」から「インターネット全体の購買エージェント」へとポジションを変えようとしている点にあります。

従来、Amazon 上で商品を販売するには、セラーとして出品するか、ベンダーとして卸す必要がありました。しかし Buy for Me と Shop Direct の拡大により、Amazon に出品していなくても、Rufus の検索結果に自社商品が表示される状況が生まれています。2026年3月には、Feedonomics や Salsify、CedCommerce などのフィードサービス経由でマーチャントが商品カタログを接続できる仕組みが整備されました。

これは二つの意味で「境界線の崩壊」です。

第一に、消費者の購買判断が Amazon の UI 内で完結するようになります。外部サイトのブランド体験や独自のコンバージョンファネルは、Rufus が中間に入ることで省略されます。消費者にとっては便利ですが、ブランド側は顧客との直接的な接点を失うリスクがあります。

第二に、Amazon の競合であるはずの小売サイトの在庫が、Amazon の検索インターフェースから購入できるようになります。Amazon は手数料を取らない代わりに、顧客の購買データと行動ログを蓄積します。長年にわたる購買データに加え、今後は Kindle、Prime Video、Audible の利用履歴も統合される予定であり、パーソナライゼーションの精度はさらに高まる見込みです。

Alexa+ との連携も進んでおり、音声経由のショッピング会話では従来の Alexa と比べてデバイス上の購入が3倍に増加したと報告されています。プラットフォームからエージェントへの進化は、EC業界全体の競争構造を書き換える可能性を持っています。

EC事業者が今すぐ取り組むべき対策──商品データ・レビュー・AI対話最適化

Rufus が購買プロセスの中心に位置づけられていく中で、EC事業者が取り組むべき施策は大きく3つの領域に分かれます。

1. 商品データの構造化と充実

Rufus は商品タイトル、箇条書き（Bullet Points）、商品説明、A+コンテンツ、スペック情報を統合的に読み取り、会話型の応答を生成します。Profitero+ の調査では、レビュー数が1件しかない商品が Rufus に推薦される確率はわずか0.2%であることが示されています。

具体的には、以下の対応が求められます。

  • 商品タイトルにユースケースや利用シーンを含める：「防水Bluetoothスピーカー」ではなく「キャンプ・アウトドアに最適な防水Bluetoothスピーカー」のように、用途を明示する
  • 箇条書きに"質問への回答"を意識した記述を入れる：「バッテリー持続時間は？」「防水性能は？」といった想定質問に対応する情報を網羅する
  • Backend Search Terms を定期的に見直す：会話型クエリで使われそうなフレーズ（「○○に使える」「○○の代わりになる」）を追加する

2. レビューの量と質の強化

Rufus はレビュー内容を分析し、「レビューハイライト」として要約を生成します。この機能は週に数億回のインプレッションを記録しており、エンゲージメントは前年比100%増加しています。

  • レビュー数の底上げ：Amazon Vine やフォローアップメールを活用し、レビュー数を増やす
  • ネガティブレビューへの対応：Rufus はネガティブな情報も応答に反映するため、製品改善とレビュー返信の双方が重要
  • Q&A セクションの充実：Community Q&A も Rufus の回答ソースとなるため、よくある質問への回答を積極的に掲載する

3. AI対話最適化（AEO: Answer Engine Optimization）

従来のSEO（検索エンジン最適化）に加え、AIアシスタントの応答に選ばれるための最適化が新たな競争軸になります。

  • 会話型クエリへの対応：「○○と△△の違いは？」「○○に最適な製品は？」といった自然言語の質問に対して、自社商品が推薦されるよう、リスティングの情報設計を見直す
  • カテゴリ横断の関連性を意識する：Rufus はユーザーの過去の購買カテゴリを横断して推薦を行うため、関連商品群を意識したカタログ設計が有効
  • Buy for Me / Shop Direct への参加検討：Amazon 外で販売する事業者も、フィードサービス経由で商品カタログを接続することで、Rufus 経由の新規顧客を獲得する選択肢が生まれている

出典・参考文献