AI分析とは？アパレル・小売で売上・在庫・顧客データから原因を調べる方法

1. はじめに：集計しているうちに、原因を調べる時間がなくなる

朝の会議用に店舗別売上を集計し、午後にはECの欠品一覧を更新する。
月末が近づくと、粗利率が下がった商品や返品の多い店舗も確認しなければなりません。
売上、在庫、顧客の数字はそろっていても、担当者が数字を集め直しているうちに、なぜ変わったのかを調べる時間が残らないことがあります。

アパレル・小売では、店舗販売、EC受注、返品、店舗間移動、値引きが同じ日に動きます。
売上が下がった店舗を見つけても、客数が減ったのか、売れ筋の色・サイズが欠品したのか、POSデータの取込が遅れているのかは、売上表だけでは区別できません。
AI分析は、AIが売上・在庫・顧客データの変化を拾い、担当者が原因を調べて次の行動を決めるための仕組みです。

ここでいう次の行動は、在庫を移す、補充数を見直す、値引きの理由を調べる、店長へ売場や欠品を聞く、購入履歴を基に案内対象を選ぶ、といった日々の業務を指します。
AIが結論を代わりに決めるのではなく、どの数字と記録から調べ始めるかを示すことで、担当者が動き出すまでの手順を短くします。

2. AI分析とは

AI分析とは、AIが売上、粗利、客数、在庫、購入履歴などのデータを横断して比べ、担当者が表やグラフを順番に読んでは見つけにくい複数指標の変化を拾い出し、原因候補と優先順を示す方法です。
店舗数やSKUが増えると、売上が下がった店舗、粗利だけが落ちた商品、在庫が偏った色・サイズを、人が毎日同じ条件で探し続けるには時間がかかります。
AI分析では、売上は前年並みでも粗利率だけが落ちた店舗、販売数に対して在庫が偏っているSKU、購入頻度が変わった顧客群などを先に取り上げます。

BIやダッシュボードは、数字を表やグラフで並べる仕組みです。
AI分析は、その数字を比較して「どの差から調べるか」という仮説を出す役割を担います。
ただし、AIが示す原因候補は確定した事実ではありません。店舗の売場記録、POSの取込時刻、在庫引当、販促内容などを担当者が照らし合わせてから、補充や販促の内容を決めます。

2.1. 需要予測との違い

需要予測は、過去の販売数、季節、曜日、販促予定などを基に、これから必要になりそうな販売数や発注数を見積もる方法です。
対してAI分析は、今日や今週に起きている売上・在庫・顧客の変化を読み、何を調べるかを決める場面で使います。
両方を使う場合は、AI分析で現在のズレを調べ、その結果を次回の発注や配分の条件へ戻します。

AIを使った需要予測、補充、配分の考え方を先に確認したい方は、▶ AIを活用した在庫管理のメリットを見るをご覧ください。

3. AI分析で変わる日々の数字の読み方

AI分析を取り入れても、売上日報や在庫照会を読まなくてよくなるわけではありません。
変わるのは、全店舗や全SKUを同じ深さで読むところから始めるのではなく、差が出た箇所から記録を開く順番です。

3.1. 数字を読む順番を、担当者ごとの経験だけに任せない

ベテランのMDやエリア担当は、売上表を見て「まずこの店舗の黒Mを調べる」と判断できることがあります。
しかし、その理由が引き継がれていないと、担当者が変わるたびに全店の帳票を読み直すことになります。
AIが売上、粗利、客数、在庫の差を並べれば、朝の会議で誰がどの店舗やSKUから確認するかを共有しやすくなります。

3.2. 別々の表で終わっていた数字を、同じ問いで比べる

売上が落ちた理由を調べるとき、売上表だけを見ると客数や値引きの影響を見落とすことがあります。
在庫表だけを見ると、引当済みや移動中の数量を販売可能数として読んでしまうかもしれません。
AI分析は、売上・粗利・客数・在庫の変化を同じタイミングで並べるため、担当者が次に開く記録を決める入口になります。

3.3. 仮説と確定した数字を分けて扱う

AIが「客数減少が売上低下に影響した可能性がある」と示しても、その文章だけで販促や人員配置を変えるわけにはいきません。
エリア担当はPOSの取込時刻、営業時間、欠品、催事の有無を調べ、売上低下の理由を絞ります。
AIの出力を仮説として扱い、POS・在庫・販促記録で裏付けを取ることで、もっともらしい説明だけで判断が進むことを防げます。

前節で整理した「どの差から調べるか」は、売上低下、在庫の偏り、顧客の購入傾向で確認する記録と担当者が異なります。
以下では、担当者がAIの出力から何を確認し、どの判断へ渡すかを3つの場面で示します。

4. 【具体例】アパレル・小売でAI分析を使う場面

4.1. 売上低下の理由を、店長へ連絡する前に絞る

午後3時の売上速報で、店舗Aの売上が前週の同じ曜日・同じ時刻より30％低く、客数も25％下がっているとします。
この数字だけでは、客数が減ったのか、売れ筋が欠品したのか、POSデータが途中までしか届いていないのかを区別できません。
AI分析では、全店舗の中から店舗Aを先に取り上げ、売上、客数、時間帯別の推移といった関連する数字を並べます。

エリア担当は、最初にPOSの取込時刻と売上伝票数を確認します。
データがそろっていれば、次に黒Mなど売れ筋SKUの有効在庫と、午後に欠品が起きていないかを調べます。
そのうえで店長へ連絡し、売場変更、催事、人員不足など、数字だけでは分からない事実を聞き取ります。

POSの取込漏れなら情報システム担当が連携を確認し、欠品なら在庫担当が補充や移動の可否を検討します。
売場や接客人数に原因があれば、店長とエリア担当が翌日の売場や人員配置を調整します。
AIは売上低下の原因を確定するのではなく、誰が最初にどの記録を調べるかを決めるために使います。

4.2. 在庫の偏りを、移動・値引き・発注の見直しへ分ける

ECでは黒Mが欠品している一方で、店舗Bには同じSKUが4点表示されている場合があります。
その4点のうち2点が卸受注へ引き当て済みで、1点が別店舗への移動中なら、ECへ回せる数量は1点です。
この場合、在庫担当者は店舗Bの直近の販売数と取り置き予定を確認し、その1点をECへ移すのか、店舗Bで販売を続けるのかを決めます。

一方で、販売可能在庫が十分に残っているにもかかわらず店舗Bで動いていない場合は、打ち手が変わります。
店舗間移動、EC販売、値引き、次回発注の抑制を、販売数、入荷予定、値引き率とあわせて検討します。
つまり、在庫数の差だけでは移動や値引きの結論は出せず、実在庫ではなく引当済みを除いた有効在庫と販売の動きを基に数量を決めます。

ここでAI分析が担うのは、ECで売れているのに店舗では動いていないSKUや、在庫が偏っている色・サイズを先に抽出することです。
移動伝票や値引き条件を確定するのは担当者であり、AIの表示をそのまま在庫移動へ渡しません。
その手順を挟むことで、別の受注に必要な在庫を使ってしまうリスクを抑えられます。

4.3. 購入履歴を、案内する顧客と商品の組み合わせへ使う

春物を店頭で購入したお客様へ、同じブランドの新商品を案内したい場合を考えます。
購入金額だけで対象者を抽出すると、すでに別店舗で同じ商品を購入したお客様や、案内に同意していないお客様まで含まれることがあります。
EC担当や店舗担当は、最後に購入した商品、利用店舗、購入間隔、配信同意、接客履歴、案内する商品の在庫を確認してから送信先を決めます。

AI分析は、購入間隔や購入回数が変わった顧客群を見つける入口として使えます。
その後の案内内容は、店舗の接客方針、商品の在庫、配信同意を踏まえて担当者が作成します。
購入履歴から顧客を分け、案内内容を考える方法は、▶ RFM分析の進め方を見るで詳しく解説しています。

3つの例に共通するのは、AIが出す結果だけでは作業が完了しない点です。
AIの出力を補充、配分、販促、顧客案内へ渡すには、使う数字の意味と更新時点をそろえる必要があります。

5. AI分析の前にそろえるデータ

AI分析に渡すデータは、多ければよいわけではありません。
同じ「在庫」でも、実在庫、引当済み、有効在庫、移動中、返品保留が混ざると、AIが示す数量と担当者が使える数量がずれます。
日々の業務でAI分析を使う前に、数字の意味、更新時点、結果を受け取る担当者を次の表で決めます。

データ・通知	AIへ渡す前に決める内容	数字がずれたときに最初に確認する人
売上・客数	速報値か確定値か、POSを取り込む時刻、取消・返品を反映する時点	店舗運営担当が日報とレジ記録を確認し、取込漏れなら情報システム担当へ渡す
SKU・在庫	色・サイズを含むSKU、実在庫・有効在庫・引当・移動中・返品保留の区別	MDまたはDBが有効在庫と入荷予定を確認し、移動・配分・値引きの可否を決める
顧客情報	店頭・ECの会員ID、同一顧客として扱う条件、配信同意、接客履歴の閲覧権限	EC担当または店舗担当が購入履歴と配信同意を確認し、送信先と案内内容を決める
AIが示す差や原因候補	通知を受け取る担当者、開く記録、確認後に依頼する相手	原因ごとに、店舗運営、在庫、情報システム、ECの担当へ作業を渡す

最初から全データを同じ精度でそろえる必要はありません。
売上速報から店長へ連絡する作業、EC欠品SKUを探す作業、案内する顧客を選ぶ作業のうち、一つを選び、その作業に必要なデータと担当者を決めます。
その範囲で数字のずれや手渡し漏れがなくなってから、対象の店舗、SKU、顧客を広げます。

ただし、データの意味がそろっていても、AIの文章をそのまま結論にすると別の問題が残ります。
次章では、AIが示す内容と担当者が確かめる内容を分けます。

6. AIの出力を日々の業務で使う際の注意点

AIが分析結果として出す文章は、担当者が調べる順番を決める助けになります。
一方で、AIが示した理由や施策案を確定した数字や指示書として扱うと、誤った補充、過度な値引き、配信ミスにつながるおそれがあります。
運用を始める前に、AIへ任せる範囲と担当者が確かめる範囲を分けます。

AIが示す内容	担当者が確かめる内容	その後に決めること
売上低下の原因候補	POS取込、営業時間、売場変更、欠品	店長への連絡内容、販促の見直し
在庫が偏ったSKU	有効在庫、引当、入荷予定、返品保留	移動、配分、値引き、発注の見直し
購入傾向が変わった顧客群	購入履歴、配信同意、接客履歴、対象商品の在庫	送信先、案内内容、実施時期

また、顧客情報をAI分析へ含める場合は、店長、EC担当、本部担当の誰がどの項目を読めるかを決めます。
AIとのやり取りや会議資料へ購入者名、住所、接客メモを必要以上に転記しないよう、閲覧権限と保存先も決めておく必要があります。
AIの文章、売上・在庫の確定値、担当者が行った作業を別々に残すと、後から数値が変わった理由と対応内容を追えます。

7. Creative Vision.NETとLCVの紹介

AIの出力、売上・在庫の確定値、担当者が行った作業を後から照合するには、売上、在庫、顧客の記録を別々の表へ転記しないことも前提になります。
弊社のCreative Vision.NETは販売、在庫、受発注、配分、出荷、売上分析を扱い、Loyal Customer Visionは会員情報、店頭とECの購入履歴、接客履歴を扱います。
導入範囲を広げる場合は、分析用に別の表を作るのではなく、日々の登録内容を売上・在庫・顧客の分析へ使えます。

また、弊社では、店舗ごとの稼働状況と時間帯別の売れ方を扱うAI分析機能「店舗稼働ビューAI」を公開しています。
ただし、AI機能だけで分析の課題が解消するわけではありません。
どのデータを使い、誰が結果を読み、補充・配分・販促・接客のどこへ反映するかを決めたうえで、導入範囲を検討します。
▶ 店舗稼働ビューAIに関するプレスリリースを見る

8. まとめ：AI分析を原因確認と次の行動へつなげる

AI分析は、売上・在庫・顧客データを自動で集めるだけの仕組みではありません。
担当者が数字の変化を調べ、補充、配分、販促、顧客案内のどれを行うか決めるまでの時間を短くするために使います。
最後に、導入前に押さえたい点を4つにまとめます。

1. AIには比較と仮説出しを任せる：売上、粗利、客数、在庫の差が大きい店舗・SKUをAIが示し、担当者はPOS、在庫、販促記録で理由を調べます。
2. 発注・補充の判断は在庫の内訳を見て決める：実在庫だけでなく、有効在庫、引当、移動中、返品保留を含めて数量を読み、移動・配分・値引き・発注抑制を分けます。
3. 速報値と確定値を混ぜない：日中の売上速報と月次の確定売上を区別し、どの数字をAI分析に使うかを画面と会議資料でそろえます。
4. 出力を受け取る担当者と次の作業を決める：AIが差を示した後に、誰が何の記録を調べ、誰へ補充・配分・販促を依頼するかまで決めておくと、分析結果が一覧に残るだけで終わりません。

最初から全社のデータをAIへ渡す必要はありません。
まずは、売上速報から店舗へ連絡する作業、EC欠品SKUを探す作業、案内する顧客を選ぶ作業のうち、もっとも時間がかかる一つを選びます。
その作業で、AIが示す内容、担当者が確かめる記録、次に渡す相手を固定します。原因確認の後に、補充・配分・販促・顧客案内の担当者へ作業を渡せないなら、対象の店舗・SKU・顧客を広げません。

この記事の執筆・編集

株式会社ディー・ティー・ピー
システム営業部 編集チーム

株式会社ディー・ティー・ピー システム営業部 編集チームは、アパレル・小売企業向け基幹システムの専門チームです。
販売管理、在庫管理、受発注、配分、出荷、棚卸、売上分析、顧客管理を含むシステムの販売と導入を支援し、300社以上の導入実績があります。
売上・在庫・顧客データをつなぎ、補充・配分・販促・顧客案内へ記録を渡す業務運用を支援しています。