ECのAI売上予測｜収益計画と検証の進め方

AIの予測値は売上や利益の保証ではありません。過去データから未来を推定する予測と、仮の条件で結果を計算する収益シミュレーションを分けると、ECの計画を見直しやすくなります。文章生成AIが提示したアクセス数や成約率を、そのまま実測に基づく予測として使わないことが出発点です。

予測の前にデータと期間を揃える

日別または週別に、商品・数量・値引後売上・返品・欠品・価格・販促の履歴を揃えます。売上の定義は税込・税抜、送料の含め方、キャンセルの扱いまで固定します。販売ゼロと欠品で売れなかった日を同じ意味にしないよう記録します。

簡単な予測と比較してからAIを選ぶ

直近平均や前年の対応期間など、比較基準を先に作ります。古い期間で学習し、その後の期間を予測して実績と照合する検証を、複数の区切りで繰り返します。AWSの予測評価資料では、学習期間と検証期間を分けるバックテストが説明されています。特定のサービス導入を前提にせず、この検証の考え方を使えます。

平均誤差だけでなく、商品別・繁忙期別、過大予測と過小予測を分けて見ます。欠品の損失と余剰在庫の費用は同じではありません。予測誤差が小さくても、仕入れ数量や納期の制約を満たせなければ運用に使えません。

売上から費用を引いて収益計画を作る

計画の基本形は「注文数×平均注文額＝売上」です。そこから商品原価、配送・梱包、決済等の変動費、広告費、人件費やシステム等の固定費を整理します。返品費用や値引きを二重に差し引かないよう、集計の定義を揃えます。AIには計算の説明や式の点検を補助させ、金額は表計算等で再計算します。

1. 基準シナリオの前提と、その根拠・確認日を記録する。
2. 注文数が減る、広告単価が上がる、返品が増える等の条件を個別に変える。
3. 粗利額、在庫負担、固定費を賄えるかを比較する。
4. 入金日と仕入れ・配送等の支払日を別に並べ、資金が不足する時期を確認する。
5. 実績が出たら前提との差を記録し、翌期の計画を更新する。

例えば、説明用の仮定として注文100件・平均注文額5,000円なら売上は50万円です。これは予測実績ではありません。同じ売上でも、値引きや配送負担、広告費が違えば残る金額は異なります。黒字と現金残高の増加も同じではありません。

モデルの導入前に決める運用項目

• 予測する商品単位・期間・更新頻度
• 元データの欠損や集計変更の検知担当
• 予測を採用しない条件と、手動で補正した理由の記録
• 発注や価格変更を行う承認者

よくある疑問

開業前でもAIなら正確に予測できますか？

販売実績がない場合、前提の不確実性が大きくなります。小規模な販売テスト等で前提を確かめ、複数のケースとして扱います。

予測した価格が最適価格ですか？

過去の価格と販売量には販促等の影響も混ざります。相関だけで値上げの効果を断定せず、価格変更の検証と管理を別に行います。

データ整理や検証範囲の検討はお問い合わせからご相談ください。