オープニングと麻雀の話
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ゆるくお話しします。
人事に軸足を置いたジェネラリスト、私戸部有利が、 2度の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113回目です。よろしくお願いします。
お願いします。
今日は、ストアレコードユーザーに聞いたAIに聞いていること、というお話です。
週末とか何してますか?
週末は花火大会に子供と行くのと、お台場の花火大会あるんですよ。
有料の席を買ってあるんで、行くっていう結構高いんですよね。
そうっすよね。
その前に、超久しぶりに麻雀やります。
おー、懐かしい。私麻雀ずっとやってました。
麻雀やるんですよね。
やるんですよ。やるって言うと語弊があるけど、やってたと言った方がいいかな。
大学生の時はずっとやってましたね。
結構できるんですか?
いや、できるとは言えないかも。
バイト先が5回で、6回がジャンソーだったんですよ。
おー、いい環境。
学校行って、夕方バイトして、終電ぐらいで上がってそのまま上に行くって朝までやるっていうのをやってましたね。
すごい。不良学生ですね。
そう。結構学校そのまま行かないで寝ちゃったりとかしたんで。
そうなりますよね。
大変だったな。
好きな役とかあるんですか?
好きな役は、これ何て答えるのがいいかわかんないですけど、チートイツとか好きですね。
チートイツ好きです。
そっから参考に行く感じとか。
はいはいはい。やってる人の発言ですね。
何が好きですか?
僕は単品ですね。
タイヤをピンフ。結構素直に打つので。
タイヤをピンフで、ドラ2つ乗ってマンガン確定してるならダマで行くし、リーチしてマンガン確定するならリーチするしみたいな感じで打って行って、
ダマもやるし、そっからなんか相手が振り込んでくれなさそうだったり、
転廃してたりしたら回して短期待ちとかしてみたいなそういうのをぐるぐる回してます。
すごいロジカルな人の発言やな。
基本はそうですね。
ハイ効率でまっすぐ行ってみたいな。で、周りの状況を見ながらちょっと守るときは守るし、行くときは行くって感じですね。
そういう頭のいい奴じゃなくて、どっちかというとリーチマージャンタイプなので、基本的にリーチをかけたいという姿勢ですね。
いいですね。
わかりやすい。
今度やりたいです。
いやー、ちょっと機会があったらやりましょう。
あと2人呼ばないといけないですからね。
でも、会話でいそうですけどね。
確かに、やるって言ったらやってくれる人いそうなんですね。
お声掛けしてもらえればやります。
基本僕は健康マージャンで、昼から夕方までっていう感じなんで、それでよければ。
そうですね。お酒飲んじゃうとダメですね。
ダメです。
全然関係ない話をしたけど、そんじゃいきたいと思います。
AI分析機能の活用事例：値上げ・値下げシミュレーション
AI分析機能リリースっていうのが直前ですもんね。
そうですね。1ヶ月前ですかね。
AI分析機能プレスリリース出して、裏では結構僕自身でやってたんですけど、
結構想定以上に使ってくれていて、どんな内容で使ってるのかってやっぱり興味があるんで、
いろいろヒアリングをしていて、現場の方も使えば、経営者の方も使っているんで、
参考になるんじゃないかなと思って、今日はその紹介をできればと思います。
ストアレコードユーザーじゃなくても小売り企業の方たちがどうやってAI活用しているのかっていう事例で、
わりと興味深いなと思ってます。
1個目は結構複数の会社さんでやっていて、影響大きいんだろうなと思うのが、
原価が上がってるから、計測品番の値上げを検討しています。
その際に販売数の減少が想定されるけれども、売上総利益をキープできる。
値上げしたけれども、同じだけのあらりが取れる販売数量はどれぐらいか、
みたいなのをAIに聞いて計算してもらうっていうのを何社さんかやってるみたいでしたね。
めっちゃいきなり応用編だなと思ったけど。
そうですね。ただ需要が多いんだなと思って、
やっぱり計算するのちょっと面倒くさいじゃないですか。
なんでそれをパッとAIに聞いて、いくらのパターン、
10%値上げ、15%値上げ、20%値上げみたいなのを細かく場合分けをして、
それぞれ販売数量がどれぐらい落ちてもあらりキープできるか、
みたいなところを計算しているっていうような形でした。
やっぱりモールに出店している企業さんが多いので、ZOZOであったり楽天市場であったり、
やっぱり価格で比較されてしまう、似た商品、似ているブランドの価格比較をされてしまうなっていうユーザー企業さんが多いので、
やっぱりそこの価格上げたことにより販売数量の減少っていうのをあらかじめ見込んでおきたい。
で、それでもあらりをキープしたいみたいなときに、どのぐらい減っても大丈夫かみたいなところを確認しているようでしたと。
一方で逆に攻める使い方をしている会社さんもあって、値下げをした場合にどんだけ販売数量が増えれば、
同じだけのあらりを確保できるのかみたいな形で、これも場合分けして、今苦しい環境だからこそ勝負する頻繁に関しては、
あえてね、下げをすることで市場シェアを取っていってみたいなところを戦略立てるのにAIに効いて分析しているっていうのは結構面白い例だなと思いました。
確かに使えそう。
AI分析の活用事例：消化見込み計算と意思決定の納得感
次がこれもよく使われているんですけど、直近の販売数量と在庫数量と仕入れの発注段から将来の消化見込みを計算してほしいっていうのは
かなり使われていましたね。
前も言ってた、ロジックに基づいた販売予測みたいなのかなと思うんですけど、これは精度高いならめちゃくちゃ助かりそうですけど、何を元に、何を情報を見てくれるんでしたっけ?
基本的には特定の品番の在庫数、発注段、販売数量から計算式を立てますと。
データとして、継続品番であれば去年の販売数量も入っているので、それを見てもらったり、
ストアレコード上だと各カテゴリごとの販売数量を52周で出すみたいな機能もあるんで、そういったところを見に行ってもらうケースもありますと。
ただ結構面白いなと思ったのは、精度の高い需要予測とか販売予測を期待してるっていうよりも、
AIとの対話を通じて納得感のある予測かどうかみたいなところを大事にしている事業者さんが多いなって思いました。
最終的にやっぱり需要予測なんて神の領域でできないと僕自身は思っているので、
延期・応変に意思決定したことを対応するその速度の方が大事と。
一方でやっぱり意思決定する時には、その場にある情報を全部出して自分が納得できる意思決定をする。
発注数量とか販売数量の予測って結構大事なので、そこに対する納得感をAIと対話しながら深めていくっていう使い方をしているっていうのが印象的だったなと思ってます。
AI分析の活用事例：レポート作成とサイズ・カラーバランス分析
次の使い方、これは僕自身も結構やるんですけど、
終値レポートを作成して、で、フォーマッター売上げ、売上げ総利益、限界利益、あとは売上げ総利益率、限界利益率、在庫日数を
全周費と全年費でブランドごとに表にして、で、好調不調の要因をブランド別、商品別で分析してあげてください、みたいなのは作らせてます。
前年比較で季節要因を含めた全体的な動向、前年に比べて在庫増えてる、減っている、伸びてる、落ちてる、みたいなところを見るのと、
全周費で気温とか新作販売みたいな短期のトレンドがどのぐらい変化しているかを察知できるようにこの両方を見るっていうのは結構オーソドックスな小売の経営管理でやることかなと思うので、
こういったところを僕自身もそうですし、使ってるクライアントさんは多かったです。
同じような形で月時のレポートとか、細かいところだと日時のレポートも今後やろうかな、フォーマット化してやろうかなっていう会社さんもあったんで、資料作成の時間は軽減できてるんじゃないかなっていうのは思いました。
あとは発注の際のサイズとかカラーのバランスを参考にしたいので、ブランドAのカラー別、サイズ別の実績を割合で出してほしい、みたいなのは結構やってる会社さんがありました。
いいですね、これ。
これはそうですね、S、M、Lのサイズバランスをなんとなく把握してる事業者さんは多いと思うんですよね。
Mが売れてSが次でLが少ない、ブランドによっては逆転するみたいな、そういったところをなんとなくの感覚値は持っているけれども、しっかりとデータでバシッと出してもらうと初期発注のバランスの意思決定につながっているのかなと思います。
僕自身も前職だと商品とカラーによって売れ行きが全然違ったので、その販売の所属データを見てリピート発注するという意思決定してたんですけれども、カラーがピンク系のフリフリした商品だとやっぱり90から120サイズのちっちゃい子たちが買ってくれるみたいな傾向があって、上のサイズが全然売れないので上のサイズはリピートゼロみたいなそういう決定をしたり、
ちょっと大人っぽい商品で黒系のカラーになると130から150が意外に売れて90から120が全然売れないみたいな、そういうサイズバランスの実績はかなり僕も見てました。
ここを簡単にブランド別にこういう集計をしてっていうのをAIがまとめてくれるので、そこを見ながら自社のカラーとサイズのバランスはどういったものかっていうのを発注の参考にしてるっていうのはこれも興味深かったです。
これブランドによっては大人っぽいサイズ感でもピンクとか売れたりするみたいなところもありそうですもんね。
私こうやってた時、靴のサイズの統計出したことあるんですけど、下北だと22.5とかちっちゃめが売れて、松本10とかECとかだと25.0とか大きめのニーズがあったりして結構確かな傾向があって、年齢層にも関連したりしたんですけど、
靴のサイズとかってまだ分かりやすいけど、色別で傾向を出すとかは割とAIじゃないと難しそうだからいいですね。
あとこれ年度別の傾向値とかも出せたりするんで、その辺も面白かった。あとカラーのトレンドの繊維みたいなところは見れるかなと思います。
AI分析の活用事例：完売までの時間計測と滞留在庫管理
あとは特定の品番の販売開始から完売までの時間を各品番ごとに計算してみたいなところを出してもらうっていうのもあったりしました。
弊社のクライアントさんでもあるゆとりさんとかは、商品の熱狂度を測るのに販売開始から消息でどのぐらい売れたかっていうのを結構KPI化したり重要視してるっていうことを結構色んな媒体でも話していただいていて、その影響もあったりか意識しているブランドさんが出ているようですと。
スターレコードのダッシュボードだとこれ見れないんですよ。提供していないので、AIに聞くと品番ごとに受注日時のデータはあるので、どのぐらい仕入れをして初受注から完売するまでにどのぐらいの期間がかかったかっていうのを計算して出してくれるっていう。
これは指標としてベンチマークとしていいんじゃないかなと思ってます。
次がこれはちょっと特殊な例で1個の会社さんだったんですけど、原価を割って販売している品番の在庫数と在庫金額を一覧で出してほしいと。
何をしてるかっていうと評価算の計上するのにこれ使おうと思ってますみたいな形で、原価割りして販売している商品については実際の販売価格をベースに評価算を計上するっていうケースがあるんですけれども、その計算をパッと出したいというのでAIに聞いてました。
同じような感じで最終販売日から1年以上ないし2年以上滞留してしまっている、本当に最後に売れた日から1年2年経過しちゃってるいわゆる滞留在庫についても一覧で出してもらって、それも評価算を計上しようかなみたいな形で話をされていたので、やっぱりこういう形でなかなかデータをコチョコチョすると時間がかかってしまうようなところもAIに一覧で出してもらうみたいなところはスムーズにやれてるのかなと思いました。
私たちは落ちぶれ品番って言ってましたけど、落ちぶれ品番を抽出して傾向を見るっていうだけじゃなくて、評価算計上のために使えるっていうのがストアレコードっぽいですね。
そこまで想定してなかったですけど、なんなら評価算計上する機能も欲しいですって言われ始めてるので、甘えないかなと思いました。
AI分析の活用事例：過去実績の集計とMD意思決定
紹介する最後の7つ目の例が、昨年8月に販売した商品の昨年度の実績まとめてください。売上、販売数、仕入れ数、荒利率、消化率、カテゴリーも一緒に出してっていうような形で聞いてました。
意図としては、52種MDとかで販売しているときに、今から8月の販売商品をどういう商品をどのぐらい数量意思決定するみたいな会社さんで、その参考値にしたいので、去年の実績をまとめてもらうっていうことをやるためにやっていたっていう形でした。
データ確認しに行けばできるものの、やっぱりさっとデータを見て、素早く意思決定したいみたいな形だったので、AI分析に聞いて、今からセルクトショップでこの商品とこのカテゴリー、8月に販売するのにもう空き物を入れちゃおうか、みたいな形で意思決定したかったらしいので、
その時にどういう商品が売れていたのか、最終的な消化率どうだったのか、荒利も良かったのか、みたいなところから入れる品番を意思決定するっていうのに参考にしてもらいました。
AI分析機能の将来性と業務自動化への展望
すごいなんかいろいろ使いそうだなと思って、課題ベースとか今のお悩みベースでいろいろ聞いてみてっていうのができそうで、それこそ値引きタイミングどうしようとかも、どのタイミングで値引きしたら利益最大化になるかみたいな話とか、
あと再生産するべきかどうかみたいなのもあると思うんで、発注リードタイムとか販売時期を考慮して再生産した方がいいんだっけ、みたいなのも聞けるかなと思ってて、確実に現場の意思決定を支えるアシスタント的な立ち位置になってきてますね。
狙ってたと言えば狙ってたんですけど、ありがたいことよく使ってもらえて嬉しいです。AI分析って組み込まれてるものですけれども、今いわゆるMCPサーバーって呼ばれる手元のチャットGPTとかクロードからStore Recordのデータベースにアクセスできるようになるみたいな機能を開発してるんですけれども、それやるともう本当に自動的に1週間に1回このデータ引っ張ってきてGoogleのスプレッドシートをコピーして作って、
そこにローデータを入れるシートにローデータ入れて、そうするとバババッと絵付きでこの意思決定するための、例えばタイムセールの価格を決めるためのシートができて、そこにタイムセール価格のAIが考えた案を入れるみたいなところは実はもう手元ではできているので、早くそれをリリースして業務の自動化みたいなところまでぐっと踏み込みたいなっていうのが今っていう感じですね。
すごい、でもそんなにトークなさそうな感じがしました。勝手な印象ですけど。
来月頑張りたいなっていう感じですかね。
すごい、楽しみです。ありがとうございます。今日はStore Recordユーザーに聞いたAIに聞いていることというお話でした。ありがとうございます。
はい、ありがとうございます。
エンディング
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。