ECの需要予測:手法、計算式、ツール

コンパスと開いた在庫用カートンで表現したECの需要予測。

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

ある倉庫マネージャーから、仕事で一番つらいのは在庫切れではないと聞いたことがあります。前シーズンのベストセラー商品のパレットが、4か月も手つかずのまま積まれているのを見ることだそうです。どちらの問題も、根本の原因は同じです。現実と合わない予測です。

需要予測とは、将来の一定期間に各商品がどれだけ売れるかを予測し、それに合わせて仕入れ、人員配置、マーケティングを行うことです。うまくいけば在庫はスムーズに流れます。外れれば、棚が空になって売上を逃すか、売れ残りに資金を埋もれさせることになります。

このガイドでは、ECで実際に機能する予測手法とその計算式、そして予測が時間とともに改善しているかを測る方法を解説します。

予測精度に取り組む価値がある理由

不正確な予測は、どちらの方向でもコストがかかります。ベストセラー商品が不足すれば、その売上を失います。多くの購入者は待たずに競合から買うため、そのまま戻ってこないことも少なくありません。動きの遅い商品を過剰に抱えれば、資金と倉庫スペースが固定され、最終的には在庫を処分するためだけに値下げが必要になります。

この問題の小売業界全体での規模は、多くの運営者が想定するより大きいものです。The Food Instituteが報じたIHL Groupの調査によると、在庫の歪み(欠品と過剰在庫を合わせたコスト)は、世界の小売業者にとって年間約1兆7,700億ドルの損失に相当します。内訳は、欠品による売上損失が約1兆2,000億ドル、過剰在庫に拘束された資金が5,620億ドルです。

重要な事実: 需要予測

  • 在庫の歪み(欠品と過剰在庫の合計)は、The Food Instituteが報じたIHL Groupの調査によると、小売業者に年間約1兆7,700億ドルのコストをもたらしています。
  • 研究者のThomas GruenとDaniel Corstenによる画期的な調査では、先進国の日用消費財(FMCG)小売における世界平均の欠品率は8.3%でした。
  • 欠品率が8.3%の場合、10品目のリストの全商品が在庫にある確率は約42%にすぎません。商品ごとの小さな誤差率が、カタログ全体で積み重なることがわかります。

ECビジネスでは、この痛みは均等には現れません。ごく一部の主力SKUが売上の大半と欠品リスクの大半を占める一方で、売れ行きの鈍いロングテールは、次のベストセラーに投資できたはずの資金を静かに吸い込んでいます。優れた予測は、外したときのコストが最も高い場所に、注意を集中させてくれます。

ECで機能する予測手法

すべての手法がすべての商品に合うわけではありません。適切なアプローチは、販売履歴の量、需要の変動の大きさ、サプライヤーが必要とするリードタイムによって決まります。

3つの予測ツールで表現した予測手法の選び方。

過去平均とトレンドの外挿。 最もシンプルな出発点です。前年の同じ期間の売上を取り、全体の成長率で調整して、それを基本の予測とします。販売データが少なくとも1年分あり、季節性のない安定した商品にはそれなりに有効ですが、新商品や需要が不規則な商品ではすぐに機能しなくなります。

移動平均。 単一の過去期間を使う代わりに、直近8週間や12週間といったローリング期間の売上を平均して、短期的なノイズをならします。ある1週間だけ極端に好調または不調だったことに過剰反応するリスクを減らせますが、本物のトレンド変化には遅れて反応します。

指数平滑法。 移動平均を改良した手法で、古い期間よりも直近の期間に大きな重みを与えます。そのため、ノイズを除きながら、需要の実際の変化により速く反応できます。ほとんどの在庫管理ソフトや需要計画ソフトで標準的に使われている手法で、計算をソフトが行う場合でも、その仕組みは理解しておく価値があります。

季節分解。 年間の明確なパターンがある商品では、予測の前に販売履歴をトレンド、季節性、残差の各要素に分解します。これは正確な季節商品の計画の土台となる手法です。生の過去平均では、季節商品のピークを大きく過小に、谷を過大に予測してしまうためです。

定性的な上乗せ。 SNSでの突発的な話題、競合の在庫切れ、予定されているマーケティング施策は、どんな計算式でも捉えられません。定量的な出力の上に定性的な判断を重ねてください。販促カレンダーのイベント、既知のサプライ障害、カテゴリーのトレンドデータは、過去の数字だけでなく最終的な予測値にも反映すべきです。

ほとんどのカタログでは、実践的なアプローチは手法を組み合わせることです。安定して売れる商品には指数平滑法か移動平均、年間パターンのある商品には季節分解、そして過去データでは見えない予定された事業イベントには定性的な調整レイヤーを使います。

基本の予測計算式

信頼しきれず行動に移せないブラックボックスのモデルよりも、シンプルで透明性のある計算式のほうが役に立ちます。ほとんどのECカタログで使える形を紹介します。

Base Forecast = Last Period's Sales × (1 + Growth Rate)
Adjusted Forecast = Base Forecast × Seasonal Factor × Trend Factor
Safety Stock = Adjusted Forecast × Safety Percentage (typically 15-25%)
Total Order Quantity = Adjusted Forecast + Safety Stock

計算例:

Last year's sales for this period: 1,000 units
Annual growth rate: 15%
Base forecast: 1,000 × 1.15 = 1,150 units

Seasonal factor (this period runs above average): 1.10
Trend factor (product gaining traction): 1.05
Adjusted forecast: 1,150 × 1.10 × 1.05 = 1,328 units

Safety stock (20%): 266 units
Total order quantity: 1,594 units

安全在庫の割合は、2つの要素に応じて調整してください。予測の不確実性の大きさと、その商品で欠品が起きたときのコストの大きさです。欠品時に顧客が即座にブランドを乗り換えてしまう、利幅の薄い主力商品は、顧客が1週間なら喜んで待ってくれる動きの遅いアクセサリーよりも、高い安全在庫割合が適切です。

予測の質を高めるデータ入力

計算式の性能は、そこに入れるデータの質で決まります。生の販売履歴に加えて、精度を安定して高めてくれる入力がいくつかあります。

需要シグナルを混ぜ合わせる容器で表現した需要予測の入力。

販促カレンダーのデータ。 予定されているすべての割引、フラッシュセール、bundleは、対象商品の想定需要を変えます。季節・販促戦略のカレンダーを予測に直接取り込んでください。予測と販促計画を別々のスプレッドシートで行っていると、予定された販促が在庫計画の不意を突くことになります。

外部のトレンドシグナル。 検索トレンドのデータ、SNSでの言及量、競合の在庫状況は、自社の過去パターンとは無関係に需要を動かします。バイラル動画で紹介された商品は、過去の売上だけで作った予測を簡単に上回ります。計算式が拾ってくれると期待せず、こうしたイベントに対応する手動のオーバーライドの仕組みを用意してください。

リードタイムとサプライヤーの信頼性。 サプライヤーのリードタイムが読めないのであれば、予測精度の価値は下がります。サプライヤーごとに、提示されたリードタイムと実際の納品期間を追跡し、そのばらつきを発注数量だけでなく発注タイミングにも織り込んでください。

チャネル別の需要。 自社サイト、Amazon、小売卸売など複数で販売している場合、同じSKUでもチャネルごとに需要パターンが異なることがよくあります。チャネル単位で予測し、それを合計して総発注数量を出すと、全体を混ぜた予測では見逃す変化を捉えられます。

予測精度の測定と改善

測定できないものは改善できません。多くのEC事業者は、悪いシーズンが議論を迫るまで、予測精度を正式に追跡していません。

予測値と実績値のマーカーを測るノギスで表現した予測誤差の測定。

標準的な指標は平均絶対パーセント誤差(MAPE)で、予測が実際の売上からどれだけ外れたかを、パーセンテージで示します。

MAPE = (|Actual Sales - Forecasted Sales| / Actual Sales) × 100

Example:
Forecast: 1,000 units
Actual: 1,150 units
MAPE = (|1,150 - 1,000| / 1,150) × 100 = 13%

MAPEが低いほど、予測は正確です。許容できる精度はカテゴリーや需要の変動の大きさによって異なるため、唯一の普遍的な目標値はありません。ただ、カテゴリー別に自社のMAPEを時系列で追跡すれば、予測への取り組みがどこで成果を出していて、どこで出ていないかが正確にわかります。

全体だけでなく、カテゴリー別に精度を追跡する。 カタログ全体を混ぜたMAPEは、実態を隠してしまいます。安定した高ボリュームの商品は10%以内で予測できる一方、新商品や季節性の強い商品は40%以上になることもあります。どのカテゴリーが最も予測しにくいかがわかれば、安全在庫を増やす、発注サイクルを短くする、データに投資するといった対策の場所が見えてきます。

平均だけでなく、外れた事例を見直す。 予測を最も大きく外した商品は、根本原因のレビューに値します。サプライ障害だったのか、販促シグナルの見落としか、誰も気づかなかった外部トレンドか、それとも新商品で過去データが単に足りなかったのか。原因ごとに、打つべき手は異なります。

精度のデータを次の予測にフィードバックする。 あるカテゴリーが常に予測を20%上回っているなら、それはノイズではなく、そのカテゴリーの成長率の想定が保守的すぎるというシグナルです。安全在庫のバッファだけでなく、入力そのものを調整してください。

予測ツールとシステム

手作業のスプレッドシートによる予測は小規模なカタログでは機能しますが、複数のチャネルで数十SKUを超えて管理するようになると、規模に対応できなくなります。

専用の需要計画ソフトは、移動平均、指数平滑法、季節分解の計算を自動化し、さらに発注点アラートやサプライヤーのリードタイム追跡も組み合わせます。ほとんどのプラットフォームは、在庫管理システムと直接連携するため、予測と発注書が、バラバラの2つのツールではなく同じワークフローに収まります。

プラットフォームを評価する際は、見栄えのよいdashboardよりも、次の3つの機能を優先してください。総需要だけでなくチャネル単位で予測できること、ツール自体の性能を検証できるように、MAPEや精度の追跡レポートが見えること、そしてアルゴリズムが見通せない既知のイベントに対して、自動予測の上に手動のオーバーライドを簡単に重ねられることです。

どのシステムを使うにしても、その出力を絶対的な答えとして扱いたくなる誘惑に抵抗してください。最も信頼できる予測プロセスは、自動の統計ベースラインと、人間によるレビューのステップを組み合わせます。特に、欠品や過剰在庫のコストが最も高い主力商品ではそうです。

予測を一度きりで終わらせず、習慣にする

一度計算して忘れてしまう予測は、予測がないのとほとんど変わりません。需要予測から本当の価値を得ている事業者は、それを一度きりのスプレッドシート作業ではなく、商品リサーチと検証やアナリティクスとトラッキングのプロセスと結びついた、継続的な習慣として扱っています。

レビューの頻度を固定してください。ピーク期を控えた主力商品は毎週、カタログ全体は毎月です。毎サイクル、予測と実績を比較し、MAPEを計算し、問題がdashboardに表示されなくなるまで安全在庫の数字を積み増すのではなく、外れていた入力のほうを調整します。

この習慣を2、3サイクル続けると、ほとんどのチームで予測精度が目に見えて向上します。計算式が賢くなったからではなく、入力が良くなったからです。それが需要予測の本当の見返りです。完璧な予測ではなく、回すたびに外れが少なくなるプロセスなのです。

ECの需要予測に関するよくある質問

ECにおける需要予測とは何ですか?

需要予測とは、過去の販売データ、季節パターン、外部シグナルを使って、将来の一定期間に各商品がどれだけ売れるかを予測するプロセスです。買いすぎや在庫切れを避けながら、在庫、人員配置、マーケティングを計画できます。

ECに最適な需要予測の手法は何ですか?

ほとんどのECカタログでは、手法の組み合わせが有効です。安定した商品には指数平滑法か移動平均、明確な年間パターンのある商品には季節分解、過去データだけでは捉えられない既知の販促やトレンドのイベントには定性的な上乗せを使います。

安全在庫はどのように計算しますか?

安全在庫は通常、調整後の需要予測に安全割合(多くの場合15%から25%)を掛けて計算します。正確な割合は、予測の不確実性と、その商品で欠品が起きたときのコストの大きさに応じて調整します。

MAPEとは何で、なぜ重要ですか?

MAPE(平均絶対パーセント誤差)は、予測が実際の売上からどれだけずれたかをパーセンテージで示します。カテゴリー別にMAPEを時系列で追跡すれば、予測プロセスがどこで正確で、どこでより良い入力が必要かが正確にわかります。

需要予測の不備は小売業者にどれくらいのコストをもたらしますか?

欠品と過剰在庫を合わせた世界の在庫の歪みは、The Food Instituteが報じたIHL Groupの調査によると、小売業全体で年間約1兆7,700億ドルと推定されています。予測が外れたときに、どれほどの売上と資金が危険にさらされるかを示しています。

需要予測はどれくらいの頻度で更新すべきですか?

主力商品は、特にピーク期に向かう時期は毎週、カタログ全体は毎月見直してください。毎サイクル予測と実績の売上を比較し、あるカテゴリーが一貫して外れる場合は、安全在庫のバッファだけでなく、根本の入力を調整します。

関連リソース

以下の関連ガイドで、予測と在庫のシステムを強化しましょう。

About the author

Harry Nguyen

Harry Nguyen

Sales Operations Practice Lead

Harry Nguyen is Sales Operations Practice Lead at Rework with a growth marketing focus on Asia-Pacific markets. Harry writes about travel and tour growth, ecommerce growth and the growth frameworks teams use to decide where to invest next, and speaks at industry events on how travel and tour businesses put AI agents to work.