Insight for Retail ブログ

【店舗経営】店前通行量・来客人数・入店率の定義と計算式｜売上を最大化するデータ活用

店舗の売上を向上させたいと考える小売・飲食業の経営層、店長、マーケティング担当者の皆様。

これまでの店舗経営は、経験や勘に頼った施策、つまり「属人的な経験則」に基づいていることが多くありませんでしたか？しかし、市場の競争が激化する現代において、曖昧な指標に基づいた店舗運営では、再現性のある成長は見込めません。

本記事では、売上向上の基本構造となる重要KPI（店前通行量、来店客数、入店率）の定義と計算式を明確にし、特に店舗側の努力が反映されやすい「入店率」の重要性を解説します。さらに、AIを活用した高精度なデータ計測と、そのデータを具体的な改善アクションに繋げるデータドリブンなPDCAサイクルを具体的に解説します。

AI技術を活用した次世代の店舗運営によって、売上を最大化するための一助にしてみてください。

事例ダウンロード

データが導く、店舗分析支援サービス

ABEJA Insight for Retailは
店舗運営を見える化し、適切な施策を導きます

資料ダウンロード

＼サービスを知りたい／

実店舗売上向上の基本構造：店前通行量・来客人数・入店率の関係性

実店舗の売上は、単に来客人数が多いから上がるわけではありません。売上を最大化するためには、ボトルネックとなっているプロセスを特定し、そこに資源を集中投下する必要があります。

売上をプロセスごとに分解することで、問題が「集客（来店前）」「購買（来店後）」のどちらにあるのか、あるいは「接客」「客単価」のどこにあるのかが明確になります。

特に重要なのは、店前通行人が「来店」し、そして「購入」に至るまでの間に存在する「購入までの空白」です。この空白をデータで可視化することが、売上改善の第一歩となります。

売上を構成する4大KPI（分解式）の理解

実店舗の売上は、以下のシンプルな分解式で構成されています。

売上高＝店前通行量× 入店率 × 買上率 × 客単価

この式に登場する4大KPIは、それぞれ以下のプロセスに対応しています。

店前通行量：店舗の前を通る人数の絶対数。
入店率（キャプチャーレート）：通行量に対する来客人数の割合。（集客力）
買上率（コンバージョンレート）：来客人数に対する購入客数の割合。（接客・商品力）
客単価：一人当たりの平均購入金額。

店舗の売上が低迷している場合、この分解式によって「店前通行量が少ないのか」「入店率が低いのか」「買上率が悪いのか」を特定できます。これにより、「店頭のVMD（視覚的演出）を変えるべきか」「接客研修を強化すべきか」など、具体的な施策の方向性が定まります。

なぜ入店率が店舗のKPIなのか

店前通行量、来客人数、入店率の中で、特に店舗側の努力や施策の有効性がダイレクトに反映されるKPIが「入店率」です。

入店率は、店舗の集客力や店頭施策（VMD、POP、ディスプレイなど）の有効性を測る指標であり、本部や店長が能動的に改善できる最も重要なKPIの一つです。

入店率が「店舗の魅力度」を映し出す鏡である理由

入店率は以下の計算式で求められます。

来客人数 ÷ 店前通行量 × 100

店前通行量：天候や立地、競合店の状況といった外部要因に大きく左右されます。
買上率・客単価：店内の接客スキルや商品ラインナップ、価格設定といった内部要因に依存します。

一方、入店率は、通行人に対して「この店に入りたい」と思わせる店舗の魅力度が数値化されたものです。店頭のディスプレイや照明、季節ごとの訴求などが適切であれば、入店率は向上します。

つまり、入店率は、外部要因（店前通行量）と、来店後の内部要因（買上率）の中間に位置し、店舗側の努力が最も反映されやすく、かつ改善の余地が大きいKPIであると言えます。

業種・業態別に見る入店率の目安

入店率の目標値は、業種や立地によって大きく異なります。例えば、ショッピングモール内のアパレル店舗と、路面店のカフェでは、目標とすべき水準が異なります。

業種・業態	入店率の目安	特徴
アパレル・雑貨	5% 〜 15%	ディスプレイや季節商品の訴求力で大きく変動する。
飲食（テイクアウト等）	15% 〜 30%	即時的な判断が多く、視認性とメニューの魅力が重要。
路面専門店	3% 〜 8%	目的来店客が多く、入店率は低めでも買上率が高い傾向。

上記は、一般的な、業種・業態ごとの入店率の目安となります。自店舗の入店率が、この目安に対して高いか低いかを検証し、低ければ店頭施策の見直しを行うことを推奨します。

【購入までの空白を可視化】高精度なデータ計測技術とその優位性

入店率を正確に把握し、改善アクションに移すためには、まず正確なデータ計測が不可欠です。

従来の計測方法には限界がありましたが、現在はAIカメラを活用した高精度なソリューション（例：ABEJA Insight for Retail）によって、「誰が」「なぜ」入店しなかったのか、あるいは「なぜ」購入に至らなかったのかという「購入までの空白」を可視化することが可能になりました。

従来の計測方法（手動カウント）が抱える限界

従来の店舗データ計測、特に通行量や来客人数の計測は、手動カウントや簡易的なセンサー（赤外線センサーなど）に頼ることが多くありました。

これらの方法は以下の大きな課題を抱えています。

ヒューマンエラー・コスト：手動カウントは人件費がかさむ上、数え間違いなどのエラーが頻発します。
計測のブレ：簡易センサーは、通過人数が集中した際の適切な計測が難しく、データの信頼性に欠けます。

AIカメラを活用した高精度なデータ計測の仕組み

ABEJA Insight for RetailのようなAIカメラソリューションは、画像認識技術を活用することで、従来の課題を一挙に解決します。

AIカメラは、設置されたカメラが捉えた画像をリアルタイムで解析し、人物をトラッキングします。これにより、誤認の少ない正確な店前通行量、来店人数を計測できます。

来店客のペルソナ理解を深める属性分析機能

売上向上において、強力な武器となるのが「誰が来店しているのか」という洞察です。

ABEJA Insight for Retailの属性分析機能は、AIが来店客の年代（例：20代、30代など）や性別を自動で推定し、統計データとして収集します。

この機能の価値は、以下の点で特に際立ちます。

ターゲットの適合性検証：店頭で打ち出しているプロモーションやVMDが、意図したターゲット層（例：20代女性向け）を実際に呼び込めているか否かを数値で検証できます。商品ラインナップとの照合：実際に来店しているお客様の属性と、店舗の商品ラインナップが合致しているかを確認できます。もし、メインターゲットではない層が多く来店しているなら、その層に合わせた商品や施策を追加することで、新たな売上機会を創出できます。

属性データは、感覚的な「この店には若い人が多い」といった認識ではなく、曜日や時間帯ごとの変化も含めて客観的な事実として把握できるため、具体的なマーケティング効果測定に役立ちます。