リテール実行分析、フィールドデータを配荷とシェルフパフォーマンスの意思決定に変える方法

著者: Esther Van · 更新日: 2026年7月1日

FMCGのフィールドチームは、これまでにないほど多くのデータを収集しています。訪問レポート、写真監査、GPSトラッキング、受注記録、そしてディストリビューターからの二次販売フィードです。それにもかかわらず、多くの営業責任者が口をそろえて言うのは、レポートは増えたのに、明確さは減ったということです。

リテール実行におけるデータの問題は量ではありません。翻訳、つまり変換の問題です。フィールドデータは取得されていても、意思決定に変換されていません。スーパーバイザーは訪問コンプライアンス率を見ます。エリアマネージャーは週次の店舗カバレッジ表を受け取ります。ナショナルマネージャーは月次のトレンドスライドを受け取ります。そして、本当に重要な問い、つまりどのテリトリーのどの店舗が今まさに配荷とシェルフスペースを失いつつあるのかという問いは、その中のどこにも答えが見つからないままです。

リテール実行分析とは、フィールド活動データを配荷、品揃え、店頭コンプライアンスに関する具体的な商業的意思決定に変換する実践です。ダッシュボードではありません。レポートでもありません。意思決定です。この記事では、その実践の構築方法を解説します。

リテール実行分析が対象とする範囲

リテール実行分析は、DSR（Direct Sales Representative、直販営業担当者）のフィールド活動から、それが生み出すはずの商業的成果までのすべてを対象とします。追跡する指標は次のとおりです。

訪問コンプライアンス、DSRは計画された店舗を、計画されたビート（担当巡回ルート）で、計画された日に訪問したか。訪問コンプライアンスは基盤です。これがなければ、その先はすべて推測になります。

数量配荷、対象店舗全体のうち、各優先SKUを取り扱っている店舗の割合はどれくらいか。数量配荷は広がり、つまり十分な数の店舗に入り込めているかを追跡します。

加重配荷、カテゴリー全体の販売金額のうち、各優先SKUを取り扱っている店舗が占める割合はどれくらいか。加重配荷は質、つまり正しい店舗に入り込めているかを追跡します。

必須取扱品コンプライアンス、DSRが訪問した店舗のうち、必須取扱品SKUが品揃えされ、在庫があり、正しく値付けされていることが確認された割合はどれくらいか。必須取扱品コンプライアンスは、取り扱われていることと売れていることの間の変換ステップです。

棚割り遵守、商品は棚の正しい位置に、正しい向きで、正しい棚スペース配分で陳列されているか。棚割り遵守は、配荷が確立された後の販売速度を左右します。

欠品率、訪問のうち、優先SKUが登録されているにもかかわらず棚にない状態だった割合はどれくらいか。欠品は、記録上の配荷（登録済み）と実際に存在する配荷（在庫があり入手可能）とのギャップです。『Sensors』誌に掲載されたディープラーニング研究は、AI画像認識（棚の写真を読み取り、商品を識別し欠品を検出するソフトウェア）を用いた自動棚画像分析が、完全な欠品ポジションを86パーセント超の平均精度で検出できることを示しており、AI支援の写真監査が手作業による抜き取り検査に代わる信頼性の高い手段になりつつある理由を裏付けています。

プロモーション実施率、プロモーション期間中、対象店舗のうちプロモーションを正しく実施した割合はどれくらいか。POS資材が設置され、プロモーション価格が適用され、目立つ陳列が確保されているか。

これらの指標はそれぞれ、フィールド活動から商業的成果に至る経路における異なる失敗パターンを表しています。あるブランドが数量配荷85%を達成していても、欠品率が高く棚割り遵守が低ければ、販売機会のかなりの部分を失うことがあります。配荷の広がりだけを追跡する分析では、それを損なうコンプライアンスと在庫可用性の問題を見逃してしまいます。

これらの指標を商業的成果に結び付けるより広いフレームワークについては、FMCG販売KPIと指標で、これらの指標が数量目標や市場シェア測定とどう関連するかを解説しています。

重要事実、リテール実行分析 先進国市場における主要FMCG製品の世界平均欠品率はおよそ8.3%で、この数値は研究者Thomas GruenとDaniel Corstenによる広く引用されている研究で示され、Grocery Manufacturers Associationのベンチマークでも確認されています。一般的な小売業者は欠品によって売上の約4%を失っています。(GMA/Grocery Out-of-Stock Study) エンタープライズ向けAI画像認識プラットフォームは、実際のフィールド条件下での標準的な棚写真から、SKUレベルで90〜95パーセント以上の精度を達成すると報告しており、写真ベースの棚割り監査が大規模な手作業による抜き取り検査に代わる信頼できる手段になりつつあることを示しています(小売画像認識ベンダーであるVisionGroup Retailが2026年の棚監査分析でこの範囲を報告しています。実際のFMCG導入に関する独立した査読済みベンチマークにはばらつきがあります)。 小売段階でのプロモーションは、メーカー段階で200〜400%の受注変動を引き起こします。これは欠品と先買いのダイナミクスによる文書化された結果であり、先行指標分析はその被害が二次販売データに到達する前に予測することを目的としています。(Supply Chain Math, ブルウィップ効果に関する調査)

データソースとその信頼性

すべてのフィールドデータが同等というわけではありません。その上に分析を構築する前に、営業責任者は各データソースが実際に何を測定し、どれほど信頼できるのかを理解しておく必要があります。

SFA(Sales Force Automation)訪問レポートは、DSRが各店舗で何が起きたと報告したかを記録します。最も鮮度が高く、ほぼリアルタイムで得られるデータソースですが、同時に自己申告バイアスの影響を最も受けやすいものでもあります。必須取扱品SKUが遵守されていたとする訪問レポートの信頼性は、それを入力したDSR次第です。写真の証拠やマネージャーによる抜き取り確認は自己申告データを補正しますが、データ品質のガバナンスの必要性に取って代わるものではありません。

写真認識データ(DSRが店舗で撮影し、AI画像認識で処理される画像)は、自己申告の訪問データよりも客観的です。小売商品認識に関する2020年の査読済みディープラーニング研究は、コンピュータビジョンシステムが1枚の写真から棚上の個々のSKUを識別し、棚割りのギャップ、在庫追跡の失敗、コンプライアンス逸脱を検出できることを裏付けています。AI画像認識は、棚の写真から数秒以内に棚シェア、棚割り遵守、競合の存在、POS資材の設置状況を検出できます。しかし写真データは、写真提出率に応じてしか完全性を持たず、写真が写す範囲しかカバーしません。準拠しているセクションだけを撮影し、非準拠のセクションを撮影しないDSRは、GPSが不正操作されるのと同じ形で写真の証拠を不正操作していることになります。

DMSの二次販売フィードは、ディストリビューターから店舗への実際の取引を記録します。これはチャネルを実際に流れているものに最も近いグラウンドトゥルースです。DMSデータは通常、ディストリビューターのシステムと照合プロセスに応じて1〜3日のタイムラグを伴って届きます。自己申告の訪問データよりは信頼性が高いものの、解釈はより複雑です。二次販売は、根本的な需要だけでなく、ディストリビューターの在庫方針、発注サイクル、与信制約も反映しています。

ディストリビューター在庫フィードは、ディストリビューターレベルの手持ち在庫を示します。店舗に到達する前の欠品リスクを特定するのに有用ですが、多くの場合24〜48時間のタイムラグを伴い、ディストリビューターのシステムとプリンシパルのマスターデータとの間で製品コードの整合が必要です。

サードパーティのリテール監査データは、店舗を物理的に監査するプロバイダーから提供され、数量配荷、棚シェア、コンプライアンスの独立した検証を提供します。これは通常、最も信頼性が高く、最も鮮度が低い(多くのリテール監査プロバイダーは月次または四半期ごとにデータを提供します)データソースであり、対象店舗全体ではなくサンプルをカバーします。

これらのソースを統合する要件については、フィールドデータを分析に使える形にする技術アーキテクチャを解説したSFAとディストリビューター管理システムで取り上げています。

指標の階層、先行指標と遅行指標

リテール実行分析における最も重要な構造上の判断は、どの指標が成果を予測し、どの指標がそれを確認するものかを理解することです。

このマネジメント上の含意は明快です。遅行指標はこれまでどこにいたかを教えてくれます。先行指標はこれからどこへ向かうかを教えてくれます。多くのFMCGレビューミーティングは、時間の80%を遅行指標(目標に対する数量、先月に対する配荷)の議論に費やし、先行指標(訪問遵守、必須取扱品コンプライアンス)の議論には20%しか割いていません。この比率は逆転させる必要があります。

今週の訪問計画遵守が高く、必須取扱品カバレッジも高いテリトリーは、4〜8週間後の数量成長に向かっています。訪問遵守が低下し欠品率が上昇しているテリトリーは、被害が出た後に二次販売データに現れる数量問題に向かって進んでいます。先行指標分析があれば、営業責任者はミスが起きてから説明するのではなく、その前に介入できます。

分析のケイデンス、いつ何を見るか

リテール実行分析は、存在するだけで価値を生むわけではありません。レビュー、解釈、アクションという定義されたケイデンス(頻度)を通じて価値を生み出します。

日次例外レポートはフィールド向けです。エリアマネージャーの日次ビューは、どのビートが計画より遅れているか、どのDSRの訪問レポート完了率が低いか、どの優先度の高い店舗が予定された頻度のウィンドウを超えて訪問されていないかをフラグすべきです。これは読むためのレポートではありません。市場が閉じる前に対処すべきシグナルの集合です。

週次エリアレビューはスーパーバイザーとエリアマネージャー向けです。週次ビューは、チーム全体のビート遵守、DSR別・製品グループ別の必須取扱品コンプライアンス率、優先店舗における配荷ギャップ、その週に入手できる二次販売データに基づく目標に対する数量をカバーすべきです。週次レビューはコーチングの会話を支えます。どのDSRが支援を必要としているか、どの店舗が注意を必要としているか、どの製品カテゴリーでコンプライアンスのギャップが見られるかです。

月次戦略レビューは地域マネージャーと営業ディレクター向けです。月次分析は、テリトリー全体の数量配荷・加重配荷のトレンド、チャネル別・店舗階層別の欠品率、計画に対するプロモーション実施率、前年および目標テリトリー計画に対する二次販売のトレンドをカバーすべきです。月次レビューはリソース配分の意思決定を推進します。どこにフィールド人員の労力を追加するか、どこにトレードプロモーション予算を振り向けるか、どこでディストリビューターの問題がパフォーマンスの上限になっているかです。

FMCG販売ダッシュボードでは、これらのケイデンスが組織の各階層向けの具体的なダッシュボード設計にどうマッピングされるかを解説しています。しかしその前に、ケイデンスの問題は、多くのFMCGオペレーションが間違えている構造的な問題にぶつかります。組織のどの階層が、どの階層のデータを見るべきかという問題です。

店舗レベル対テリトリーレベルの分析

FMCG営業オペレーションにおいて最もよくある分析上のミスの1つは、意思決定に店舗レベルのデータが必要な場面でテリトリーレベルにとどまり、逆に意思決定がテリトリーレベルに属する場面で店舗レベルまで掘り下げてしまうことです。

テリトリーレベル分析が適しているのは、リソース配分の意思決定(この地域にDSRを追加すべきか)、チャネル戦略のレビュー(この地域では伝統小売がモダントレードを上回っているか)、目標に対するトレンド追跡(配荷は計画どおりのペースで構築されているか)です。

店舗レベル分析が適しているのは、コーチングの会話(このDSRが対応できていない具体的な店舗はどこか)、コンプライアンス介入(モダントレードチャネルのどの店舗で棚割り遵守が基準を下回っているか)、機会の特定(カテゴリー指数の高いどの店舗が現在優先SKUを取り扱っていないか)です。

規律とは、それぞれの意思決定に対してどの階層で動くべきかを知ることです。テリトリーの平均値は、それを説明する店舗レベルのパターンを覆い隠します。しかし集計を伴わない店舗レベルのデータは、テリトリーレベルのシグナルを覆い隠すノイズを生み出します。リテール実行分析から最も多くを引き出す営業責任者は、答える問いに応じて階層間を柔軟に移動できる人たちです。

店舗レベルのデータと配荷測定の関係については、数量配荷と加重配荷で、両方の階層で配荷指標を計算・解釈する方法を解説しています。そして、そのデータの収集方法における最大の変化の1つは、まさに棚そのもので起きています。

写真ベースの実行監査で実際に何を測定できるか

写真ベースの実行監査は、リテールコンプライアンス測定で可能なことを一変させました。5年前、コンプライアンスチェックといえばスーパーバイザーによる抜き取り確認と、収集から数週間後にデータが出るサードパーティの定期監査を意味していました。今日では、AI画像認識がDSRの棚写真を数秒で処理し、棚シェア比率、SKU別のフェイシング数、棚割り遵守スコア、競合の存在、POS資材が正しく設置されているかどうかを返すことができます。

FMCGフィールドオペレーションにおける実用的なユースケースは次のとおりです。

店舗レベルでの棚シェア測定。 チームが今週訪問したすべての店舗の棚シェア写真データを見られるスーパーバイザーは、二次販売データに現れる前に棚スペースの喪失を特定できます。競合がテリトリー内の12店舗でこの2週間にシェアを拡大していれば、それはすぐに対応すべきシグナルです。

大規模な棚割り遵守。 1日あたり20店舗を訪問する200名のDSRから成るフィールドフォースは、1日に4,000件の棚コンプライアンスデータポイントを生成できます。4,000枚の写真を人手でレビューできるスーパーバイザーチームはありません。AI画像認識は例外を自動的にスーパーバイザーのキューに振り分けます。棚割り遵守がしきい値を下回る店舗、または写真にSKUの欠落が写っている店舗だけがレビューキューに表示されます。スーパーバイザーは、準拠している店舗が準拠していることを確認する作業ではなく、例外への対応に時間を使えます。

POS資材展開の検証。 POS資材へのトレードプロモーション予算は、その資材が店舗に実際にない限り無駄になります。プロモーション期間中の写真監査は、訪問した各店舗でのPOS資材の存在を確認し、プロモーションが市場で実際に実施されているかどうかをトレードマーケティングが把握できる展開完了率を提供します。

パーフェクトストアと訪問ステップフレームワークでは、写真監査が測定対象とする店頭実行基準を解説しています。重要なのは、そのデータが届いた後にスーパーバイザーが何をするかです。

分析とコーチングをつなぐ

リテール実行分析の目的は、レポートを生成することではありません。スーパーバイザーがチームを効果的にコーチングするために必要な、具体的でデータに裏付けられた情報を提供することです。

この違いが重要なのは、分析がレポーティングの手段として展開されると、結果を事後的に説明するためだけにデータがレビューされ、事前にそれを変えるためには使われないサイクルが生まれるからです。分析がコーチングツールとして展開されると、スーパーバイザーが同行訪問に臨む前に、担当DSRがどの店舗を軽視してきたか、どのコンプライアンスギャップに対処すべきか、どの行動を強化すべきかを正確に把握しているサイクルが生まれます。

あるDSRのモダントレード店舗における必須取扱品コンプライアンス率がチーム平均84%に対して72%であること、上位10店舗のうち3店舗が過去10日間訪問されていないこと、そして写真提出率がチーム内で最も低いことを把握しているスーパーバイザーは、コーチングの会話に持ち込める具体的な観察事項を持っています。それは、目標達成状況についての一般的な議論とは異なる会話です。

これを機能させるには、分析レイヤーがDSRレベルのデータを、スーパーバイザーが自ら30分の分析時間を費やすことなくアクションに移せる形式で提示する必要があります。スーパーバイザーのテリトリーの成果を最も予測する指標でランク付けされた、例外フラグ付きのDSRダッシュボードは、コーチングのインサイトをエクスポートファイルの中に埋もれさせるのではなく、アクセスしやすいものにします。

医薬品成長ライブラリのテリトリー分析と営業ダッシュボードでは、同じ「データからコーチングへ」の原則が製薬フィールドフォースマネジメントにどう適用されるかを、スーパーバイザーダッシュボード、コーチングケイデンス、指標選定の並行した構造とともに解説しています。

パイプラインマネジメントのPipeline Coverage Analysisフレームワークは、関連する概念をB2B営業に適用しています。ミスになる前にパイプラインのカバレッジギャップを特定するという、リテール実行分析が配荷とコンプライアンスに適用するのと同じ先行指標のロジックを使っています。

フィールド活動と商業的成果の間のループを閉じる

リテール実行分析の実践がうまく機能しているかどうかを判断するテストはシンプルです。商業的成果を特定のフィールド活動の意思決定にまで遡って追跡できるか、そして商業的なミスにつながる前にフィールド活動のギャップを特定できるかです。

先月あるテリトリーで二次販売が8%落ち込み、分析によって6週間前に訪問計画遵守が88%から71%に低下したこと、そして同じ時期に優先モダントレードアカウントの必須取扱品コンプライアンスが75%を下回ったことがわかったなら、ループは閉じています。何が起きたのか、なぜ起きたのか、いつ始まったのかを理解できています。さらに重要なのは、次のサイクルで同じパターンを早期に捉えるためにどの先行指標を監視すべきかがわかることです。

Revenue Operations Dashboardフレームワークは、営業オペレーション責任者が複数ソースの分析をどのように意思決定ビューへと構造化するかを解説しており、この設計原則はリテール実行データを数量・配荷の成果とあわせてどう提示すべきかにそのまま当てはまります。

多くのFMCG営業オペレーションは、これを行うための生データをすでに持っています。不足しているのは分析上の構造です。先行指標と遅行指標を備えた明確な指標階層、日次フィールドデータを週次コーチングと月次戦略に結び付ける定義されたケイデンス、そしてそのデータを行動に移せるほど信頼できるものにするデータ品質基準です。

構造を構築してください。データをつなげてください。そうすれば、すでに行われているフィールド活動は、コンプライアンスのための事務作業ではなく、商業的インテリジェンスに変わります。

---

引用可能な要点

「消費者が探しているものを見つけられないとき、70%は別のブランドを購入し、30%は店を出て行きます。つまり欠品は単なる販売機会の損失ではなく、競合による顧客獲得の瞬間になるのです。」、Retail OOS研究(出典)

「標準的なフィールド条件下で稼働するエンタープライズ画像認識プラットフォームは、SKUレベルで90〜95パーセント以上の精度を達成します。これは、この技術が運用上の意思決定に信頼して使えるようになるしきい値です。」、VisionGroup Retail、2026年、小売画像認識ベンダー(出典)

先行・同時・遅行の分析階層、 組織の各階層が正しい時間軸でアクションを取れるようにリテール実行分析を構造化するための実践的なフレームワークです。

• 先行指標(訪問計画遵守、必須取扱品カバレッジ、訪問頻度)、数量への影響の4〜8週間前、フィールドチームとエリアマネージャーにとって最もアクション可能性が高い
• 同時指標(欠品率、棚割り遵守、プロモーション実施率)、当該週の数量への影響、数日以内のフィールド対応が必要
• 遅行指標(二次販売数量、数量/加重配荷、市場シェア)、過去4〜13週間の活動を確認、商業的な是正措置に対するアクション可能性は低い

規律とは、アクション可能性に比例してレビュー時間を投資することです。多くのFMCGレビューミーティングはこの階層を逆転させ、時間の80%をすでに起きたことを説明する遅行指標に費やしています。

関連記事

• SFAとディストリビューター管理システム
• FMCG販売ダッシュボード
• 数量配荷と加重配荷
• パーフェクトストアと訪問ステップ
• FMCG販売KPIと指標
• テリトリー分析と営業ダッシュボード
• Revenue Operationsダッシュボード
• Pipeline Coverage Analysis