オープニングと訂正事項
この番組は、中小小売企業の取締役経験のある2人が、 そのリアルについて緩くお話しします。
人事に軸足を置いたジェネラリスト、私戸部有利が、 インドのM&A経験がある連続企業家、樋口幸太郎さんに話を聞いていきます。
既に小売企業を経営している方、これから小売ビジネスで 企業を考えられている方に役立つ情報を楽しく語っていきます。
リテールトーク104回目です。よろしくお願いします。
何か話したいことがありそうでしたね。
何か話したいこと?
この前ストーカーレコードにご利用いただいている ハートリレーションのメンバーの方と飲んできました。
会長になられた安倉さんと、新しく代表になられた岡田さんと、 経営管理をやっている方の3名と、僕で飲みに行ったんですけれども、
その中で1個、訂正を求められたのがあって、 ここのボスとして訂正させてくださいという話です。
何かというと、リテールトークの第30回なので結構前ですかね。
ゆとりさんがハートリレーションさんの買収をしたという話をした時に、
これまでのPLの推移とか色々見ながら、 ああでもない、こうでもない、みたいなことを話をする中で、
ちょっと単独での成長がきついと感じてきたのかもしれないですね、 みたいな話をしていたら、
ちょうど最近お耳に入ってしまったようで。
事実と違いますと、絶賛バリバリ成長中なので、 訂正してくださいというのを言われてしまったので、
皆さんにお伝えしておきますと、僕自身の目論みが完全に外れて、
バリバリハートリレーションさん成長中とのことで、 皆さんご認識くださいというのを言われました。
すごいハードクレームみたいな、そういう感じではなく、 あれどういうことですか、みたいな感じの中で訂正求められた感じなので、
その後は楽しく飲ませてもらって、 引き続きスターレコードをご利用いただいているので、
良いプロダクトにしていきますので勘弁してください、みたいな感じで、 ちょっとすいませんでしたという話をさせてもらいました。
今、ハープキャリアというメディアを見ていて、 自社の私たちのハープという会社のメディアなんで、
ちょっと手前見せる恐縮なんですけど、 従業員推移数が出るんですよ。
2024年時点の9月とかで81名だったのが、 今もう115名とかまで伸びているので、
結構ちゃんと右肩あたり伸びていらっしゃるんだろうな、 という感じがします。
いや、大変失礼しました。
リレーションされているらしいので。
ありがとうございます。
でも聞いていただいているの嬉しいですね。
そうですね。ありがたいですね。
気を引き締めて、ちゃんと発言に責任を持ち、
やっていこうと思います。
お願いします。ありがとうございます。
AI時代の商品マスター設計の重要性
今日のテーマは、AI時代に設定しておきたい 商品マスターの項目という話ですね。
最近の会でも、AI使える状態にするまでに、 まずはデータ整備ですよね、という話をしていますよね。
これ本当に前々から話をしていて、
AI使うその前の段階、自動化するみたいな話の時にも あるんですけれども、
やっぱりきれいにデータ整備しておかないと、
自動化もできないし、AIが使いやすくもならない みたいな形なので、
AIを入れてどういうふうに分析できるかの前に、
そもそも分析できる状態になっていない という話が結構あるし、
弊社のクライアントさんでスターレコードのデータを 入れていくという時にも相当苦労していて、
AIでもとても難しいだろうというふうに 思うところがあるので、
今日はその中でもデータ整備の革新中の革新と、 僕自身は思っている商品マスターの設計について、
ちょっと具体的な項目を挙げながら、 こういう分析のためにこういう項目を入れておくといいので、
事前にこういう項目を整理して入れられるようにしましょう みたいな話ができればなと思っています。
前回はSKU単位で手数料とか総量も安分する みたいな話も出ていましたけど、
データ設計の中心にある商品マスターで、 SKU単位で何を管理すべきなのかという話ですね。
その中で前提、大元の話からすると、 SKUに意味を持たせるということを、
直近結構大手企業の方からも話を聞いていて、 さらに中堅企業の方もSKUに意味を持たせて、
それがぶれないようにすることで、 AIの分析しやすくするという話が出たので、
まずここは結構徹底していただくといいかなと思っています。
SKUに意味を持たせる設計
具体的にどういうことかというと、 僕らのストアレコードの商品マスター例みたいな資料を作って、
ホワイトペーパー的に配っているんですけれども、 金版の中に年度コード、カテゴリーコード、
シーズンコード、ブランドコード、アイテムコード、 さらにSKUになるとカラーコード、サイズコードを足して、
SKUを見るとどういうアイテムで、 どういうカテゴリーのものなのかというのが、
一発で分かるようにしておくという設計ですね。
SKUの文字列を見ただけで、ある程度理解できる状態にしておくということですね。
そうなんですよ。例えば、商品マスター例として出しているんですけれども、
AZ-251、OP-100、ブラックSみたいな形で、
SKUを見るだけで、25年のAZというブランドのアイテムです。
シーズンコード1なので、春物のものです。
OPでワンピースです。
ブラックのSサイズみたいな形で、
SKUを見るだけで、AIもカテゴリーコードとかブランドコードとかを入れずとも、
情報を読み取れるようになるので、
集計とか絞り込みとか、比較の精度が上がるし、
そもそもトークンの消費量であったり、
分析の速度が上がるかなというふうに思っています。
これと真逆なのが、いわゆる連番のSKUで、
10001、10002みたいな形で、
無機質ランダムに連番で入れていくと、
SKU自体に意味が持たなくなってしまうので、
AIはその情報から何も読み取れないので、
別途データをカラムとして入れていかないと、
AIとして分析ができないというような、そんな形ですね。
最適なカテゴリー設計
次は、これも結構クライアントさんと一緒に、
僕自身も悩むことが多いんですけど、
最適なカテゴリー設計みたいなのは、
ちゃんとやらないとなと思っています。
特にこれは季節需要あるようなアパレルとか、
季節需要が大きい雑貨系の会社さんなんか、
絶対しっかり定義した方がいいなと思っているんですけれども、
よく僕自身も話す例としては、
アパレルだとTシャツっていうカテゴリーを
設定している会社さん多いんですけれども、
Tシャツだけだと半袖Tシャツも長袖Tシャツも入っちゃうので、
年頃に入れるもんだというふうに誤解されてしまうと。
実際に半袖Tシャツになると春夏だし、
長袖Tシャツは秋冬の正体なので、
ちゃんと半袖Tシャツ、長袖Tシャツみたいな形で、
季節需要に応じた分量をしっかりしないと、
需要予測や在庫計画の精度がかなりブレてしまうという形なので、
AIに認識させる時も最適なカテゴリー設計をしていく。
人間が見やすいかどうか、今まで人間が管理するのに
やりやすかったかどうかではなくて、
AIが正しく理解できるか、みたいなカテゴリー設計をするのは、
今後かなり重要になるかなと思います。
単純に見た目の分類とかじゃなくて、
分析を見越して設計するみたいなのを、
ちゃんと考えなきゃいけないんですね。
販売開始日と販売終了日の活用
ここから個別のカラムみたいな話をすると、
ストアレコードでも入れてるんですけど、
販売開始日は結構便利というか、
皆さんに入れるのをお勧めしていて、
これを入れることによって分析の幅が結構広がって、
よくあるのが新作の早期のヒット判定みたいな形で、
販売開始から1日、1週間、1ヶ月で
販売量が蓄積されていくので、それと、
あとはストアレコードとかだと、
セッション数とかお気に入り数も入っているので、
販売開始から1日、1週間、1ヶ月の
そうしたセッションとかお気に入り数のデータも基に、
何で売れてないのか、もしくは売れてるとしたら、
どの程度同じようなカテゴリー、
同じようなお気に入り数の商品が、
その後どのように伸びたかみたいな、
そういう分析ができるので、
例えばなんですけど、このSKは発売1週間ですごく伸びそうなので、
在庫が足りなくなる恐れがあるみたいなことは、
早期に検知したり、あとは同一カテゴリーに比べて
平均を大きく下回っているので、
早期にセールであったり、
反則の施策をかけないと売れ残ってしまうみたいな、
そういった分析ができるようになります。
この初速見て予測するとか、仮説立てるみたいなのは、
得意分野ですもんね、やっぱ。
数字見てこうなるんじゃないかみたいなのを、
いくつも立てるのは得意分野だと思います。
あとは販売開始日を入れておくことによって、
新作のヒット率の推移みたいな形も終えるのかなと思っていて、
去年2025年度の新作は60%がプロパーで消化できたのに、
2026年度は40%しかできていません。
新作の企画の振り返りみたいなところができるのと、
あとは単純に年度で新作の販売数が何品番ずつあるのか、
何SKUずつあるのかみたいなところを推移として持っていくことで、
あれ直近ちょっと新作の販売比率が下がってるな、
みたいな形で結構大事な新作の販売比率みたいな、
そういう項目を管理しやすくなるし、
AIがそこを分析できるようになるっていうのが1個かなと思います。
確かに。
販売開始日に加えて、僕らも販売終了日っていうものを、
スターレコードの中でカラムとして持ってるんですけども、
これはシーズン商材扱っているアパレルの会社さんであったり、
意外に雑貨でも日傘とか水着とか、
夏物商材とか冬物商材っていうのが結構あるので、
多くの事業者さんにとって入れておいた方がいい項目かなと思ってます。
これ販売終了日って販売終了した日とかじゃなくて、
してほしい日をあらかじめ入れておくっていうことですかね?
まさにおっしゃる通りで、
この日付までに消化率の目標値を達成する日として設定してますと、
この項目があることでAIは、この商品はあと30日で販売終了ですと、
現在の消化ページだと在庫が50枚売れ残ってしまうみたいな、
そういう計算をしてくれるので、
販売終了日までに目標としているような消化率であったり、
販売数に行く見込みがない品番を抽出して、
そこに対してどういう施策を当てるかみたいなところの、
具体的に今週中に20%オフのクーポンを出せば消化できるみたいな、
そういう形でAIが判断して、
具体的な反則提案できるんだろうなっていうのは、
結構手元でやっても思っているところですと。
また販売終了日を過ぎた在庫、
いわゆるパレルとかだとキャリー在庫とかいうものも管理にも使えていて、
販売終了日から3ヶ月以上経過しているのに在庫が残っている商品リストを出したり、
カテゴリーと組み合わせると、
どういったカテゴリーのものがキャリーになりやすいかみたいな、
そういったところを分析して仕入れの反省に生かすみたいな形であったり、
あとはシーズンを与えたキャリー在庫は、
結構あらり大きく既存して消化しないと、
パレルとかシーズン性、トレンド性が高いと特になんですけれども、
そういったところの分析までできるので、
自動で監視できるようになるし、
そこからの提案も販売終了日を持っていることでできるので、
ここは価値が高いかなというのは思います。
リードタイムと担当者名の設定
これ私がパレルの時に商品マスターを自分で作ったんですけど、
どっちかというと商品を管理する、正しく把握するみたいなことが目的だったんで、
こういう事件数だって入れてなかったんですよね。
管理するというか、MDに活かしていくとか、
振り返りするみたいなことを考えると、
結構欠かせないデータなんだろうなと思いました。
これあることによって本当に期準備ができるので、
非常にAIとしては考えやすくなるのかなとは思っています。
次がリードタイム、これもストアレコード設定できるんですけれども、
発注してから実際に商品が入荷するまでの日数をSQL単位で入れていくと、
これは在庫管理と発注管理で非常に重要な項目で、
リードタイムがないと、いつ入るかAIって予測ができないというか、
分からなくなってしまうので、
単純なこの需要予測をしながら、
在庫日数を日ごとの平均販売数で割った在庫日数を元に、
でもリードタイムが分からないので、
今発注したらいつ届くか分からないという感じになってしまうと。
リードタイムが45日の商品と、
国内から配送ができるようなリードタイム3日の商品では、
発注の判断って全く違うし、
何日分の在庫持てばいいかって全然異なるので、
このリードタイムっていうのをSQLごとに設定しておくと、
例えばなんですけど、
AIがリードタイム考慮していつ発注すべきかと、
どのぐらい何個以上発注しなきゃいけないか、
みたいなところが発注提案を出せるようになるかなと思っていて、
このリードタイムの設定も非常に提案の幅が広がるというか、
AIがちゃんと自律的に考える基準値として重要な項目かなと思っています。
リードタイムとはもう全然関係ない話で、
結構大手の企画が強い会社さんなんかがこの項目を入れているのが、
企画の担当者を商品ごとSQLごとに入れるという形で、
A目線のKPI管理として入れている項目として、
これは面白いなとは思います。
面白いですね。
SQLごとに担当者を紐付けておくと、
担当者別の売り上げ、洗い、値引き率、消化率、
みたいなところが分析できるので、
デザイナーのAさんが企画した商品はやっぱり
あらりも消化率も値引き高くて値引き率も低いみたいな形であったり、
あとはBさんの商品はプロパワー消化率が高い。
Cさんに関しては消化率が低くてプロパワーは高いけれども、
なかなか値下げの判断ができていないみたいな、
そういった一軸の分析みたいなところで、
各企画担当者さんのボトルネックを明らかにする。
それをMD商品企画のPDCAに回すみたいなのは、
結構大手の事業者さんはかなりやられているので、
中小事業者さんもある程度組織が大きくなってきた会社さんだと
有効なんじゃないかなっていうのは思っています。
パルさんとかやってそうですね、こういうの。
たぶんやってるんでしょうね、絶対。
個人目標とかにひのづけられそうで、
商品マスターに担当者名入れていくだけでいろいろ傾向を出せそうですもんね。
組織マネジメントの観点まで商品マスターに入ってくるの面白いですね。
目標消化率と在庫水準の設定
次がまたちょっと経路の変わる話ですけど、
目標消化率みたいなのを入れておく、SKUごとに設定しておくと、
AIが分析結果、ここまでいってないと悪いとか、
消化率が80%以上いっているといいのか、
もしくは90%以上ないとダメなのかみたいなところは、
商品ごとの商品性によっても異なると思うので、
ここの目標消化率をちゃんと設定してあげることによって、
AIがこの商品はいい、この商品はダメみたいな判断をもとに、
手前のセールの提案であったり、
反則の提案にも活かされるし、
終わった後の振り返りにもこの指標を持って、
振り返りができるという感じですね。
評価基準を渡してあげるみたいな感じですね。
まさにそうですね。評価基準を渡してあげないと、
いいのか悪いのか、AIって判断がつかないので、
僕も手元でやっていると、消化率80%で非常にいいです、
みたいなことを言った後に、僕の方で、
いやここは90%ないとダメなんで、
もう一回分析し直してっていうと、アウトプットが全然変わってくるので、
評価基準を設定してあげないと、
分析の精度が高くならないなというのは思ったりしています。
目標値の観点でいくと、目標の在庫人数、在庫回転率、
みたいなところも設定しておくといいのかなと思っていて、
回転率と在庫人数って基本的には、
どのぐらいの在庫を持っているのがいいか、
みたいなところの指標で、
表裏一体のところなんですけれども、
この基準値をAIに渡してあげられるように絡み入れるっていうのは、
非常にいいかなと思っています。
目標在庫人数と在庫回転率が上がることで、
多分過剰リスクと経験リスク、
両方を監視してもらえる状態になるみたいな感じですよね。
これ結構目権で気づくの難しいから、
こういうのはAIにオッチしておいてもらうとめっちゃいいですね。
そうなんですよね。
品番とかあとはカテゴリーごとにも設定しておくと、
このSKは在庫回転率が目標の半分しかいってないので過剰ですね。
じゃあ反則やりましょうであったり、
在庫人数が目標を大きく下回っていて、
欠品率が高いみたいな2方向のアラートを出せますと。
これにさらに販売終了日とか組み合わせておくと、
在庫人数が目標を大きく下回っている、
でも販売終了日がもう来週だから、
これはもう追加発注はできないので悪くはないみたいな、
そういう形の判断もできるので、
2軸3軸での判断っていうのを
AIがしていけるようになるかなとは思っています。
在庫って多すぎても少なすぎても、
どっちでもビジネスにとってマイナスなので、
適正な在庫水準という基準値を数値で定義しておくと、
AIだけじゃないんですけどね、
本当に組織としても今の状況が健全なのかどうかっていう
物差しになるので、
ここの設定は絶対した方がいいなっていうのは
コンサルしてても思うところです。
AIに分析してもらう前提で、
AIと向き合うための商品マスター設計
AIが理解できる商品マスターを設計するっていうのが
今後のスタンダードになっていくかもしれないですね。
一方で話してても思うんですけど、
これ結局自分たちの組織であったり、
商品に向き合うことと本当同義で、
自分たちってどういう目標を設定していて、
だからどういう基準値を設計するんだっていうところを
まず設定しないとAIもよしよしが判断できない。
AIがよしよし判断できないってことは、
中の人たちもいいのか悪いのか
ちょっと曖昧っていうところがあるのかなと思っていて、
大事にしなきゃいけない数値っていうのをきちんと定義して、
できればそれがお客さんにとって
どういう価値につながるからこうです。
であったり、会社が存続をし続けるためには
こういう消化率、こういう在庫日数でないと
お客さんに価値提供できないんですよっていうような
この会社のミッションとかビジョンとか
バリューみたいなところに紐づくように考えられると
非常にAIにもコンテキストが伝わりやすいし、
会社としても基準値がはっきりするのかなと思っていて、
こういう設定をした方がいいかなと思っています。
これ本当に企業ごとに異なるし、商品ごとにも異なるので、
結構考えるの時間がかかるかなと思いながらも、
一回設定しておくと、かなりいろんな分析であったり
意思決定に効いてくる部分なので、
特に経営者、責任者の方はこの部分を向き合ってもらいながら、
商品マスターの見直しっていうところに落とし込んでいただけると
すごいいいのかなと思っています。
エンディング
ありがとうございます。
今日は、AI時代の商品マスターに組み込むべき内容
という話でした。ありがとうございます。
ありがとうございます。
ディテールトーク、ここまでお聞きいただきありがとうございます。
番組の詳細欄にGoogleフォームのURLがあるので、
質問やメッセージはそちらからお送りいただけると嬉しいです。
番組内でご紹介させていただくかもしれません。
次回もぜひよろしくお願いします。
