Insight for Retail ブログ

  棚割りは誰が、何を根拠に決めているのか

複数店舗を運営する小売業の現場を整理すると、棚割りに関わる判断は次のように分かれています。

この表で目を向けたいのは、一番最後の効果検証です。

棚割りを変更する担当者は決まっています。判断の根拠となるデータも、予算と販売実績という形で一応は存在します。しかし、変更した結果がどうだったかを確かめる担当者と手順は決まっていません。そのため、判断が正しかったかどうかは、変更した本人の手応えの中にしか残りません。棚割りが属人化する最初の分岐点は、この効果検証の不在にあります。

判断の根拠にも偏りがあります。商品改廃の根拠を「販売点数・粗利額が低い順」とした場合、売れていない商品は理由を問わずすべて同じ扱いになるということです。ここに、暗黙知が生まれる構造的な理由があります。

  なぜ棚割りの判断は勘に頼らざるを得ないのか

売れていない商品をどのように分析するか。売れていない原因は、大きく2つに分類できます。

POSデータが記録しているのは、買われたという結果だけです。上記のように、買われなかった理由が置き場所にあるのか、商品そのものにあるのかは、POSデータには記録されていません。

その結果、原因の異なる2つの状態に、同じ処方箋が出されることになります。本来は棚の位置を変えれば売れたはずの商品が、改廃の対象として店舗から消えていきます。

一方で、ベテランの担当者は、日々売り場を観察し、POSデータにはない、商品が売れていない原因や対策方法を感覚として掴んでいることがあります。この棚はお客様が通り過ぎがち、この商品は手に取られるが戻される、といった観察の蓄積や、棚の位置や高さをどのように変更すればよいかなどの判断知見が蓄積されているためです。

つまり、商品が売れなかった原因は、データ化されていないだけで、暗黙知としてベテラン担当者の中に残っています。しかし、頭の中にあるので同店舗の限られたメンバーにしか共有されず、ベテランが異動・退職すると、その暗黙知も失われてしまいます。

ここまでを整理すると、棚割りの属人化を解消するために必要なことは大きく2つです。1つは、ベテラン担当者が観察している「お客様が棚の前で立ち止まっているかどうか」を、誰もが確認できる数字にすること。もう1つは、その数字をどう読み、何を判断するかの基準を、組織のルールとして定めることです。

  意思決定を組織化するために、何から手を付けるか

1.現在の意思決定の方法を書き出す

最初に着手するのは、データの収集ではありません。現在の意思決定の方法を書き出していきます。

前章の表と同じ形式で、判断の種類ごとに、担当者・頻度・判断の根拠・効果検証の有無を1枚にまとめます。この作業だけで、次の2つが明らかになります。1つは、効果検証の担当者、結果の判断基準など決まっていないものがいくつもあること。もう1つは、判断の根拠が販売実績、つまりPOSデータに偏っていることです。

複数の店舗を運営している場合は、書き出した内容を持ち寄り、店舗間で突き合わせる機会を設けるのも良いでしょう。同じ商品改廃の判断であっても、店舗ごとに根拠が違うことが分かることもあります。

この工程を飛ばしてデータの整備から始めると、参照できるデータは増えたにもかかわらず、判断の方法は変わらないという状態になります。

2.判断材料に「棚前の立ち寄り人数」を追加する

前章で述べたとおり、POSデータだけでは、売れていない原因が棚の位置にあるのか商品そのものにあるのかを区別できません。そこで、判断材料を1つ追加します。

追加するのは、棚の前に立ち寄った人数です。売場を撮影できる位置にAIカメラを設置し、棚の前の範囲を指定することで計測します。

来客人数や商品の購買データと掛け合わせることで、下記2つの指標が算出できます。

• 立ち寄り率 ＝ 棚の前に立ち寄った人数 ÷ 来客人数

• 棚での買上率 ＝ その棚の商品を購入した人数 ÷ 棚の前に立ち寄った人数

  
  

3.棚の課題か、商品の課題かを切り分ける基準をつくる

指標が揃ったら、その数字をどう読むかを決めます。確認するのは、置いている商品が、いまの棚で力を出せているかです。

立ち寄り率は、入店した人がその棚の前で足を止めたかどうかを表します。これを棚の実力と呼びます。棚での買上率は、足を止めた人が商品を買ったかどうかを表します。これが商品の実力です。

どちらも、棚と商品の組み合わせに対する評価です。同じ商品でも置く棚が変われば数字は変わり、同様に、同じ棚でも置く商品が変われば数字は動きます。強い棚や弱い棚が固定的にあるわけではなく、組み合わせを変えれば結果も変わります。

2つの軸を掛け合わせると、棚は次の4つの状態に分類できます。

どの状態も、打ち手は1つではありません。商品の実力が低い場合、その原因は商品だけにあるとは限らず、サイズ・カラーの展開、接客方法が理由になることもあります。棚の実力が低い場合も、商品を入れ替える前に、商品を置く高さや面数、陳列方法(ハンギングかフォールディングか)を変えるだけで立ち寄り率が動くことがあります。

また、上記のように整理することのメリットは、担当者が誰であっても同じ結論に至ることです。「なんとなくこの棚は弱い」という感覚が、「立ち寄り率が下位で棚での買上率は上位だから、棚の位置を変える」という説明可能な判断に変わります。これが、暗黙知が形式知になった状態です。

▶ なお、判断の基準となる閾値の設け方や、どの棚から改善に着手するかの優先順位については、棚割最適化が注目される背景と、AIカメラの活用方法で解説しています。

4.変更内容を記録として残す

判断の基準を定めても、変更した内容が記録されていなければ、効果検証はできません。記録がない状態では、3か月後に「なぜこの棚がこの構成になっているのか」を誰も説明できず、判断の根拠は再び担当者の頭の中に戻ります。

記録する項目は最小限で構いません。次の内容が揃っていれば、効果検証は可能です。

• 変更した内容（何を、どこから、どこへ）

• 対象の棚・売場

• 変更の期間（開始日と終了日）

• 改善したい指標と目標値（1つだけ選ぶ）

• 分類のタグ（面数変更／位置変更／改廃 など）

• 変更前後の売場写真

• 担当者

とくに注意が必要なのは、変更の期間です。実際の実施日とずれた日付を登録すると、集計時に変更前後の比較そのものが成立しません。記録の正確さが、そのまま効果検証の正確さになります。

5.変更前後の2〜4週間で効果を検証する

効果検証の設計は単純で構いません。変更前の2〜4週間と、変更後の2〜4週間を比較します。1週間単位の比較では曜日や天候の影響を受けるため、適切な判断ができない可能性があります。

ただし、確認する指標を1つに絞ってはいけません。次の4つを並べて確認します。

• 立ち寄り率：棚の位置や面数の変更によって、棚に立ち寄る人が増えたか

• 棚での買上率：棚に立ち寄った人のうち、購入した人の割合が増えたか

• 購入件数：実数として購入が増えたか

• 売上：最終的に金額として増えたか

4つを並べて確認する理由は、率と実数が逆の方向に動くことがあるためです。次の章で説明します。

  効果検証で起きやすい数字の読み違い

棚での買上率が上がったのに、売上は下がるケース

陳列を変更した結果、その棚での買上率は前月より改善したにもかかわらず、購入件数と売上は前月を下回った、というケースがあります。

原因は、棚の前に立ち寄る人が同じ期間に1割以上減っていたことでした。棚での買上率は、棚に立ち寄った人数を分母とする指標です。分母である立ち寄り人数が減れば、率が上がっても、実際に購入した人数は減ります。

率は効率を示す指標であり、事業の成果そのものではありません。

率が改善したときは、必ず立ち寄り人数にも変化が起きていないか確認してください。

棚は改善したのに、店舗全体の売上は下がるケース

「棚を改善したにもかかわらず、店舗全体の売上は下がっている」というケースはよく見られます。このとき、実施した施策に効果がなかったと結論づけるのは誤りです。

店舗全体の売上には、変更した棚以外の売場の増減や、来客人数そのものの変動が含まれています。売上構成比が数%の棚を改善しても、店舗全体の数字を動かすには影響が小さすぎることがあります。

この場合、評価の観点を2つに分けます。

1つは規模で、その棚が店舗全体の売上に占める割合です。その棚がどれだけの影響力を持つかを示します。

もう1つは寄与で、店舗全体の売上の増減額のうち、その棚の売上の増減が占める割合です。店舗全体の変化に対して、その棚の数字がどう働いたかを示します。

店舗全体の売上がマイナスだった月に、ある棚だけがプラスの寄与を示していたなら、その棚は店舗全体の落ち込みを食い止めたと説明できます。さらに、売上規模が同程度の棚同士を比較すれば、来客人数の減少といった要因は、両方の棚に等しくかかります。そのため、2つの棚に生じた差は、売場づくりや接客といった内部の要因に絞り込めます。

計測データそのものが誤っているケース

AIカメラによって計測したデータが常に正しいとは限りません。実際には、次のような誤りが起こります。

• 売場に立つスタッフが繰り返し計測され、立ち寄り人数が実際より多く計上される

• 等身大パネルやポスターに写る人物が人として検出され続け、立ち寄り人数が過大になる

• カメラの計測範囲の設定により、棚の前を通っている人の一部が計測されない

見分け方は単純です。立ち寄り率が100%を超えている棚、つまり来客人数よりも棚に立ち寄った人数のほうが多い棚や、前月から数倍に跳ね上がっている棚があれば、施策の成果ではなく、計測設定の誤りを疑ってください。

ABEJA Insight for Retailでは、こうした計測の誤りが起こらないよう、データの正しさを担保する仕組みを用意しています。

• 導入前の現地調査：天井の高さや什器の配置を確認したうえで、カメラの設置位置・角度・台数を設計します。計測したい範囲が撮影できないという事態を、設置前に防ぎます

• スタッフの除外：売場に立つスタッフを計測対象から除外し、お客様の人数だけを計上します

• 導入直後の実測との突き合わせ：実際に目視で数えた人数と計測値を比較し、ずれが生じていれば設定を調整します

• 運用開始後の定期点検：カスタマーサクセスの担当者が計測値の異常を定期的に確認し、過検出が疑われるエリアは設定を見直します

店舗運営において正しい判断（意思決定）をするためには、精度の高い正確なデータ計測が不可欠です。

  仕組みを整えても判断が変わらない場合のボトルネック

指標を追加し、判断の基準と記録の仕組みを整えても、現場の判断が変わらないことがあります。その場合、ボトルネックは下記の3つにあることが想定されます。

数字は見ているが、どこに課題があるか分からない。

売上の構造が組織内で共有されていないときに起こります。売上が来客人数・買上率・客単価に分解できること、そしてそのどれが落ちたために売上が落ちたのかを、店舗の中で複数の担当者が他者に同じ説明をできるかどうかが分かれ目になります。

課題は分かったが、打ち手が思いつかない。

課題となる指標ごとに打ち手の候補を一覧にしておけば、担当者の作業は、都度ゼロから施策を考えることから、課題に応じて施策を選ぶことに変わります。ここを整理しておくと、施策を考える余裕がなく、毎回同じ施策に戻ってしまう、という状態を防ぐことができます。

施策を実施しても、効果検証まで行っていない。

店舗の実務上でよく起こり得るボトルネックです。施策の実施件数は目標を超えているにも関わらず、効果検証の記録は半分以下しか残っていない、というケースもあります。効果検証が無ければ、施策を続けるべきか、別の施策を試すべきかの判断ができません。実行する施策を記録する時点で、効果検証を行う日も同時に決めるようにしましょう。

  属人化の解消は段階的に進める

棚割りの判断をデータに基づく形式へ移行する際、最初からすべての判断を店舗に委ねてしまうと、現場で迷いが生じやすくなります。データから仮説を導き出す作業は、これまでの店舗実務とは異なるスキルや慣れが求められるためです。

移行は、次の3つの段階に分けて進めます。

運用の頻度は、施策の実施を週次、効果検証を月次、と決めておくと運用しやすくなります。週の初めに前週の結果を確認して打ち手を決め、月の初めに前月に実施した施策をまとめて検証します。2つのサイクルを分けておくと、日々の実行と評価が混ざりません。

評価するのは売上の増減ではなく、学びが残ったかどうか

移行を進めるうえで、もう1つ重要な点があります。現場の振り返りを、売上が上がったかどうかだけで評価しないことです。評価すべきは、その週に、次へ引き継げる学びが残ったかどうかです。

仮説にもとづいて施策を実施し、結果が良かった理由、あるいは悪かった理由を言葉にできたのであれば、売上が上がらなかったとしても価値があります。施策を実施して効果検証も行ったものの、結果の理由を言葉にできなかったのであれば、従前の店舗運営と大きく違いはありません。施策を実施したにもかかわらず、結果の報告だけで振り返りがないのであれば、改善が必要な週になります。

売上の増減で評価すると、季節要因や立地に恵まれた店舗だけが高く評価され、他店舗で再現できる知見は集まりません。他店舗でも使えるかどうかを評価の基準に置くことで、暗黙知は言語化されていきます。

  よくあるご質問

Q1.棚割りは本部と店舗のどちらが決めるべきですか。

A1.どちらか一方に寄せるのではなく、段階的に移行することをおすすめします。データにもとづく判断を始めた直後は、本部が仮説を立て、店舗が実行と記録を担当します。記録が定着してから、打ち手の選択、仮説の立案という順で店舗へ移していくと、運用が定着しやすくなります。

Q2.POSデータだけでは棚割りの判断はできませんか。

A2.何が売れたかは分かりますが、なぜ売れなかったかは分かりません。売れていない原因が棚の位置にあるのか商品そのものにあるのかを区別するには、棚の前に立ち寄った人数のような、購買に至る手前の行動を示すデータが必要です。

Q3.陳列を変更した効果は、どのくらいの期間で判断すればよいですか。

A3.変更前の2〜4週間と変更後の2〜4週間を比較するのが目安です。1週間単位の比較では曜日や天候の影響が大きく、適切な判断ができません。また、棚での買上率のようなパーセンテージだけでなく、購入件数や売上といった実数を必ず併せて確認してください。

Q4.棚の前に立ち寄った人数は、どうすれば計測できますか。

A4.AIカメラの導入が前提となります。売場を撮影できる位置にAIカメラを設置し、計測したい範囲を指定することで、その範囲内にいた人数を計測できます。棚単位で範囲を設定すれば、棚ごとの比較が可能です。なお、店舗ごとに適切なカメラの設置条件は異なりますので、支援実績の豊富なABEJAにご相談ください。

Q5.棚割りの変更記録は、どこまで細かく残す必要がありますか。

A5.変更した内容、対象の棚、変更の期間、改善したい指標と目標値、分類のタグ、変更前後の売場写真、担当者の7項目が揃っていれば、効果検証は可能です。項目を増やすほど記録されなくなるため、最初は最小限で始めてください。とくに変更の期間は、実際の実施日とずれると効果検証の結果そのものが不正確になります。

  まとめ

棚割りの属人化は、担当者の能力の問題ではありません。売れなかった理由を分解できるデータが手元にないため、経験に頼らざるを得ないという、構造の問題です。

解消の手順は、現在の意思決定の方法を書き出すことから始まります。そのうえで、判断材料に棚前の立ち寄り人数を追加し、棚の課題と商品の課題を切り分ける基準を定めます。変更した内容は記録に残し、変更前後の2〜4週間で、率と実数を並べて効果を検証します。

移行は本部主導から始め、段階的に店舗へ移していきます。振り返りの評価基準は、売上の増減だけではなく、次に再現できる学びが残ったかどうかに置きます。この順序を守ることが、属人化の解消を途中で止めないための条件です。

売場全体の改善手順については店舗VMDとは？売上を高めるビジュアル戦略と効果測定の実践法、

判断の前提となる来客人数の計測方法については来店客数カウントとは？｜計測手法を徹底解説、

にて解説しています。ぜひ併せてご覧ください。

店舗データの可視化から、施策立案・効果検証までをデータドリブンに行うなら、「ABEJA Insight for Retail」をご活用ください。

AIカメラによるデータの自動取得に加え、店舗運営を成功に導くカスタマーサクセスチームが、データの見方、示唆出し、施策立案・実行、振り返りまでのPDCA定着を支援します。

店舗改善の次の一手にお悩みのご担当者様は、ぜひ一度お気軽にご相談ください。

「AIカメラ活用×徹底伴走」の店舗分析ソリューション ABEJA Insight for Retail の詳細資料請求・個別無料相談はこちらから

＞＞ サービス詳細・無料相談を申し込む（公式ページへ遷移します）

▼サービス詳細はこちら

https://abejainc.com/insight-retail-main

▼お問い合わせはこちら

https://www.abejainc.com/insight-retail-contact

※ 本記事に記載の計測精度・安定稼働率・データ取得率は、一定期間・一定条件下における実績値であり、設置環境、ネットワーク状況、機器構成、店舗の運用状況等により変動する場合があります。