【LLMO論文解説】AIの購入相談67件で「買った」という発言は0件｜推薦の中身は見えても買い手の決定は見えない（プレプリント）

AIに買い物の相談をした人は、その後、実際に買ったのでしょうか。AIが「やめたほうがいい」と言って、買わなかった人はどれくらいいるのでしょうか。

2026年9月に公開された論文「Purchase Advice and Observable Buyer Responses in Real AI Conversations」は、この問いを、実際のAIとの会話記録67件で確かめました。この記事では、原文を読んで、分かったことと分からなかったことを整理します。

合同会社謙虚は、3つのドメインを並行して運用し、何を変えると数字が動くかを測り続けています。この論文は、「AIに薦められた」という事実と「お客様が買った」という事実のあいだに、どれだけ測れない部分があるかを教えてくれるため、数字の読み方を考える材料として読みました。

結論：3行で言うと

• 購入の相談67件のうち、AIが候補・購入経路・条件つきの好みを示したのは52件（77.6%）。購入をやめる・延期する助言は0件でした
• 相談の後に利用者の発言が続いたのは18件（26.9%）で、そのうち購入の意思表明・購入完了の報告・購入断念の発言は0件。ただしこれは「記録された発言」の話で、転換率ではありません
• 中心の発見は、推薦の中身は記録から見えるが、買い手の決定はほとんど見えないという測定上の限界です。因果や母集団の推定はできません

「0件」を、「AIの推薦は購入につながらない」と読むのは誤りです。会話の記録に、買ったという報告が書かれていなかっただけです。

この論文の基本情報

論文はこちらで読めます。arXiv（2609.09878）、DOI（10.48550/arXiv.2609.09878）。

データは、著者の所属企業が持つ独自の研究用データベースから取られています。自社のデータを使った研究であることは、論文自身が利益相反の開示欄に書いています。

この論文が答えた問い

AIとの購入相談の記録から、AIの推薦と、買い手のその後の決定について、どこまで言えるのか。

背景には、ある大手SEOツール会社の報告があります。米国の成人2,338人への2026年7月のアンケートで、AIを時々以上使う人の57.51%が「チャットボットの推薦で何かを買った」、57.5%が「チャットボットの情報で買うのをやめた」と答えた、という内容です。

論文は、この数字は「人ごとの、これまでの経験の自己申告」であり、「購入相談のうち何割がその結果になったか」ではないと指摘します。

同じ人が両方を答えることもあります。そこで著者は、会話の記録そのものを数えると何が言えるのかを確かめました。

どうやって調べたのか

論文が最初に整理しているのは、「AIが何を言ったか」「利用者がその後に何を言ったか」「AIがそれを引き起こしたか」という3つが、別の量だということです。この論文が数えたのは、前の2つだけです。

数える項目（ラベル）は、次のように分けられています。

• 候補・購入経路の提示：AIが選択肢や購入の窓口を挙げる、または条件つきの好みを示す。強く「買え」と言う文である必要は無く、案内も含みます
• 名指しの候補からの方向転換：名指しされた候補を、条件に合わないとして別の候補へ導く（上の分類と重なるラベル）
• 購入をやめる・延期する助言：別の業者や別のホテルを薦めるだけでは当てはまりません
• 同じ目的での利用者の後続発言：AIの回答の後に、同じ購入目的で利用者が続けて書いたもの
• 利用者の意思表明：購入・予約・依頼を明言する／購入完了を報告する／購入そのものを断念する、の3種類

価格を尋ねる、順位づけを頼む、予約の条件を確かめる、といった発言は、購入の意思表明には数えません。AIが書いた口コミの中の一人称は、利用者の発言ではなくAIの文章として扱います。

結果

AIが示した中身

• 77.6%には、ホテルの一覧や予約サイトの案内も含みます。論文は、これを「説得の成功率」や「説得しようとした割合」と呼んではいけないと明記しています
• 方向転換の1件は、ローマの中心部に近い宿を探す相談で、郊外の候補より市内の宿を検討するよう促したものです
• この結果から、思いとどまらせる助言が少ないと結論するのは早計です。ラベルの定義が狭く、サンプルも偏っているためです

会話が続いた件数と、利用者の発言

• 後続発言のない会話は49件（73.1%）です。つまり、7割以上は、記録の上で買い手の反応を一度も見られません
• 後続の利用者発言は、全部で47発言です。内容は、追加の候補の依頼、条件の絞り込み、価格やキャンセル条件の確認、実務的な細部の解決でした
• 1件だけある「候補を断る」発言は、費用と距離を理由に提案された宿を断ったものです。旅行そのものをやめたとは、記録に書かれていません

「会話の深さ」で数えると、反応の見えやすさを過大に見積もる

会話の中に、利用者の発言が2回以上ある記録は23件（34.3%）でした。しかし、同じ購入目的の中での後続発言があるのは18件（26.9%）です。

論文は、会話の長さだけで数えると、後続発言のある件数を27.8%過大に見積もると示しています。計算式は（23-18）÷18です。

これは2つの定義の差であって、すべての会話データに当てはまる偏りの大きさではないと、論文は断っています。

条件を変えて確かめた結果

どの条件でも、終点の発言は0件でした。ただし論文は、言語による差を「言語の効果」とは解釈できないと述べています。

話題、時期、AIの設定、データの変換が揃っていないためです。

「0件」の正しい読み方

論文は、実際に購入が行われたかどうかは、67件のどれでも独立には観察されていないと説明します。報告がないという事実は、「67件のすべてが購入に至った世界」とも「1件も至らなかった世界」とも、両立します。

そのため、実際の購入割合として言えるのは「0%から100%のどこか」だけです。0件を転換率0%と読んではいけない、というのが論文の主張です。

論文自身が書いている限界

• サンプルは、商業的に選ばれた便宜的なもので、宿泊と旅行に偏っています。抽出の確率も、母集団の重みも分かりません
• 317件は、データベースから選ばれた一部です。残った割合は、AI利用における買い物の頻度とは別の数字です
• 適格性の判定、エピソードの境界、助言の向きは、1つのAIによる注釈で、人手での検証がありません。ラベルは調べながら改良されています。事前登録もありません
• 記録は過去のもので、複数のAIの設定にまたがります。2026年時点の現行サービスの挙動は、この記録から読み取れる範囲の外です
• 会話の識別子から、同じ人かどうかを判別することは不可能です。目立たない重複や関連する会話が残っている可能性があります
• 翻訳や正規化が、意味のラベルに影響し得ます。会話の記録は、本物の購入意図や利用者の身元の証拠でもありません
• 購入の結果は、「否定的に測られた」のではなく「欠けている」状態です。転換率、売上、AI支援の正味の需要効果、説得と思いとどまらせの収支は、推定できません
• データの原文は非公開のため、意味の判定を第三者が追試するには、制限つきの原文へのアクセスが必要です。公開されているのは、ラベルから集計を再現する部分だけです

原文を読んで気づいた点

• 日本や日本語の検証は、原文にありません。言語ラベルは英語が40件、その他が27件で、日本語の件数は示されていません。日本の購入相談にそのまま当てはめることはできません
• 著者は、論文の主題に関わる事業の創業者です。論文はその点を利益相反の開示欄に書き、顧客や製品の成果に関する主張はこの件数からは導かれない、と述べています。この記事は、利益相反があるかどうかには踏み込みません。開示されている事実を、そのまま記します
• 評価は、自動採点ではなく、AIによる1人きりの注釈です。論文自身が、正解率や評価者間の一致度を報告しないと書いています
• arXivのプレプリントで、査読を経たかどうかは確認できませんでした（arXivのコメント欄に採択の記載はありません）
• 論文が動機づけに使った57.5%のアンケートは、論文が引用した別の民間企業の報告です。その原資料は、私は確認していません
• 67件の内訳は、宿泊が57%です（38÷67、概算）。「買い物全般」と読むには偏りが大きいと感じました

この論文から、言えること・言えないこと

中小企業の視点で、どう受け取るか

ここからは論文の主張とは別の、私の読み取りです。

• 「AIに薦められた」という数字を、成果として扱わない。この論文が示したのは、推薦の中身は見え、決定は見えない、という差でした。自社でAI経由の問い合わせを数えるときも、「AIで見えた」と「実際に買われた」を別の列に分けておく必要があります
• 測れない部分は、自分から取りにいく。論文が示す設計の方向は、購入の前後を追う調査や、問い合わせフォームでの「どこで知りましたか」の質問です。後者は、私が論文の発想を自社に当てはめた例で、論文そのものの提案ではありません
• AIでの購入に関する調査の数字は、何を数えたかを先に見る。人ごとの「経験したことがあるか」の割合と、会話ごとの割合は別の量です。論文は、同じ見かけの数字が、まったく別の意味を持ち得ることを簡単な式で例示しています
• この結果を、日本のお客様の行動と思わない。データは宿泊と旅行に偏り、言語の内訳も不明です。ホテルを探す人の会話が、住宅リフォームや士業の相談と同じ動き方をするとは、この論文からは言えません

同じ著者のプレプリントを扱った記事として、会話の文脈の効果を測った実験の解説もあります。実際のAIとの会話を材料にし、測り方の限界を扱う点が、この論文と共通しています。

よくある質問

Purchase Advice and Observable Buyer Responses in Real AI Conversationsの「0件」は、AIの推薦が購入につながらないという意味ですか

違います。論文は、0件は「記録された発言が見つからなかった」ことを示し、転換率や説得率ではないと明記しています。

後続発言のある会話は18件にとどまり、購入結果は67件のすべてで観察されていません。

この論文の77.6%は、AIが買い手を説得できた割合ですか

違います。52件（77.6%）は、AIが候補・購入経路・条件つきの好みを示した割合です。

論文は、これを成功率や、買い手を納得させた割合や、説得しようとした割合と呼んではいけないと述べています。

購入相談の会話記録の分析から、AIの推薦が売上を増やすかどうかは分かりますか

分かりません。この論文のデータには、取引の結果も、比較する条件もありません。

論文は、より強い観察的な推定には買い手を購入の開始時点から追う調査が、因果の推定には条件を割り当てる実験が必要だと書いています。

まとめ：今日できる1つのこと

自社の問い合わせフォームに、「どこで当社を知りましたか」という選択式の質問を1つ足してください。選択肢に「AIアシスタントの回答」を入れると、AIでの見え方と、実際の問い合わせが、初めて同じ表に並びます。

AIの回答に自社が出たかどうかと、その後に問い合わせが来たかどうかは、別の記録です。後者を取る仕組みが、この論文が指摘した「見えない部分」を埋める第一歩になります。

この論文は、LLMO論文の一覧の一本です。ほかの論文の解説も、順次公開しています。

ページを増やしても問い合わせが来ないなら、原因はページの外にあります。その場合は、下の入口からご相談ください。