SimGym に「ショッピングゴール」が追加 AI 買い物客が目的を持ってストアを試す

図解 ： SimGym にショッピングゴールが追加 ― より実行しやすい提案と視覚的ガイド Apps / 改善 SimGym に「ショッピングゴール」が追加 AI 買い物客が目的を持ってストアを試す テーマ比較に加えて、「購入までの全体導線」「商品の見つけやすさ」「カート追加の確信度」という目的別にシミュレーションできるようになった。提案は番号マーカーでページ上の該当箇所と結び付けて表示され、訪問サマリや再生動画で詳細も確認できる。 このページの構成 そもそも何が変わるのか（30秒で理解） 新しい 3 つのテスト目的（ショッピングゴール） 提案（Recommendations）の見え方が変わった 提案を深掘りする ： 訪問サマリと再生動画 従来 vs 今回のアップデート 使い方の流れ（3ステップ） 技術者が押さえるべき5つのポイント 業務に活かせる3つのユースケース 提案で使える1行サマリ 1 そもそも何が変わるのか SimGym は、 AI 買い物客にストアを訪問させてシミュレーションする 仕組み。 今回、テーマ比較に加えて 「特定のショッピングゴール」を指定して シミュレーションを始められるようになり、提案は ページ上の該当箇所を示す番号マーカー付き で表示されるようになった。 目的別にテストできる 全体導線／商品発見／カート追加の確信度、の 3 つのフォーカスが追加。 提案が「どこに」効くか分かる 番号マーカーで提案とページ位置が対応付けられ、どこを直せばよいかが視覚的に分かる。 根拠まで追える 各提案から AI 買い物客の訪問サマリへ。再生動画で摩擦箇所と好反応の箇所を確認できる。 2 新しい 3 つのテスト目的（ショッピングゴール） テーマ比較 従来から利用可 全体導線 最大の摩擦を発見 商品発見 欲しい物に辿り着けるか カート追加の確信度 商品詳細の情報量 3 提案（Recommendations）の見え方が変わった 提案は より直接的で実行しやすい表現 に更新された。各提案には 番号マーカー が付き、ページ上の該当箇所と対応するため、 ストアのどこに適用すればよいか が視覚的に分かる。 ※ 上図はイメージ。実際の画面レイアウトは記事に記載なし。 4 提案を深掘りする ： 訪問サマリと再生動画 摩擦 どこでつまずいたか 再生動画で、AI 買い物客が摩擦にぶつかった箇所を確認できる。 好反応 何に好意的に反応したか うまく機能している要素も見えるため、「残すべきもの」も判断材料になる。 5 従来 vs 今回のアップデート 項目 従来 今回のアップデート後 シミュレーションの種類 テーマ比較 追加 テーマ比較 ＋ 全体導線 ／ 商品発見 ／ カート追加の確信度 開始のしかた 記載なし 特定のショッピングゴールを指定して開始 提案の書き方 記載なし 更新 より直接的で実行しやすい表現 提案とページの対応 記載なし 新規 番号マーカーで該当箇所を視覚的に表示 深掘り 記載なし 提案ごとに訪問サマリへリンク、再生動画で摩擦・好反応を確認 料金・対象プラン 記載なし 記載なし 6 使い方の流れ（3ステップ） 1 ゴールを選んで開始 テーマ比較・全体導線・商品発見・カート追加の確信度から目的を選び、シミュレーションを開始。 2 番号付きの提案を確認 マーカーでページ上の該当箇所を把握し、どこを直すか決める。 3 サマリ・動画で深掘り 訪問サマリと再生動画で、摩擦と好反応の根拠を確認する。 SimGym の具体的な起動場所・操作手順・利用条件・料金は記事に記載なし。詳細は記事内で案内されているヘルプドキュメント（SimGym simulations）を参照すること。 7 技術者が押さえるべき5つのポイント 1. テストの「問い」を先に決める設計 全体導線（どこが最大の摩擦か）／商品発見（目的の商品に導けるか）／カート追加（情報は十分か）と、検証したい仮説ごとにフォーカスを切り替えられる。 2. 提案 ⇔ ページ位置の対応付け 番号マーカーで「どこを直すか」が明示されるため、提案をそのまま修正チケットに起こしやすい。 3. 根拠は訪問サマリ＋再生動画 提案の妥当性を、AI 買い物客の行動ログ（サマリ）と動画で検証できる。摩擦だけでなく好反応も見えるので、壊してはいけない要素も判断できる。 4. テーマ比較は引き続き利用可 新しいゴールは「テーマ比較に加えて」の追加。テーマ改修前後の比較と、特定局面の深掘りを使い分けられる。 5. API・料金・対象範囲・AI の挙動仕様は記載なし シミュレーション結果の API／エクスポート、料金、対象プラン、AI 買い物客の設定方法やモデルの詳細は記事に記載なし。 AI によるシミュレーションの結果であり、実ユーザーの計測データではない 点を前提に、本番の Analytics と突き合わせて判断するのが安全。 8 業務に活かせる3つのユースケース USE CASE 1 改善施策の優先順位付けを「全体導線」テストで始める 課題 CVR 改善を依頼されたが、どのページ・どの要素から手を付けるべきか判断材料が乏しい。 打ち手 「全体導線（Entire shopping journeys）」でシミュレーションし、最大の摩擦ポイントを特定。番号付き提案を改善バックログに起こす。 効果 初回診断の工数を抑えつつ、「どこを・なぜ直すか」を視覚資料付きでクライアントに説明できる。 技術メモ 結果は AI シミュレーションなので、実際のファネル数値（Shopify Analytics 等）と照合して優先度を確定する。 USE CASE 2 コレクション・ナビ再設計の事前検証（商品発見） 課題 SKU が多いストアで、メニュー構成やコレクション分けを見直したいが、変更が「探しやすさ」に効くか事前に確かめにくい。 打ち手 「商品発見（Product discovery）」で現状を診断し、AI 買い物客が目的の商品に辿り着けているかを確認。再生動画で迷った箇所を把握してから再設計する。 効果 勘ではなく「どこで迷ったか」の根拠を持ってナビ改修を提案できる。 技術メモ 改修後にテーマ比較シミュレーションも併用すれば、変更前後の比較材料になる。 USE CASE 3 商品ページの情報不足を洗い出す（カート追加の確信度） 課題 商品ページの閲覧は多いのにカート追加が伸びない。サイズ・素材・配送などのどの情報が足りないのか分からない。 打ち手 「カート追加の確信度（Add to cart confidence）」でシミュレーションし、商品詳細が購入判断に十分かを確認。番号マーカーの指す箇所から情報追加・配置変更を行う。 効果 商品ページ改善の具体的な修正箇所が明確になり、制作・ささげ側への指示が出しやすくなる。 技術メモ メタフィールドや商品説明テンプレの改修につなげる場合、どの項目が不足と判定されたかを訪問サマリで確認してから実装範囲を決める。 9 提案で使える1行サマリ 「SimGym は AI 買い物客に “目的を持って” ストアを試させるようになった。 全体導線・商品発見・カート追加の確信度を個別に診断し、番号マーカーで“どこを直すか”まで示す。 改善提案の初回診断と根拠資料づくりに使える。」 source ： changelog.shopify.com / simgym-adds-shopping-goals-with-more-actionable-insights-and-visual-guidance 公開日 2026-10-28