第6回：市場規模・需要調査（日本特有の季節性と行事）× 競合分解（楽天/Yahoo!/Amazon 上位店の勝ち筋）

— “いつ・どれだけ売れるか”を数字化し、勝ち方を模倣ではなく再現する —

市場調査だけでは到達可能量（SOM）が曖昧になり、競合分解だけではいつ在庫・広告を張るかが決まりません。本稿は、
A. 日本の季節性・行事に基づく需要カレンダーを数式化し、
B. 楽天／Yahoo!／Amazonの上位店を“レビュー速度×価格×露出”で分解して、
「この月に、どのチャネルで、何件×いくらを狙うか」を再現可能な計画に落とします。成功談より失敗の型に学びながら、挑戦の密度を上げる設計です。

---

A編：日本特有の季節性・行事で“いつ売れるか”を数式化する

まず決める3つの数字（意思決定の核）

1. SOM（月次上限）：今の自社条件で取り得る量
2. 貢献利益/件：採用・在庫判断の弾
3. 必要件数＝採用トリガー（月45〜60万円）÷貢献利益/件

以降の作業は「SOM を季節係数で割り振る→件数と在庫を前倒し手配」の反復です。

日本の“行事×気候”12ヶ月カレンダー（実務用）

• 1月：初売り・福袋・冬物最終／受験・成人の日（フォーマル・防寒・健康）
• 2月：節分・バレンタイン／花粉開始（マスク・空調・スキンケア）
• 3月：ホワイトデー・卒業/引越し・新生活準備（収納・家電・ギフト）
• 4月：入学/入社・新生活ピーク／薄手衣料・通勤通学需要
• 5月：母の日・GW旅行／日焼け・アウトドア
• 6月：父の日・梅雨（除湿・レイン・防カビ）
• 7月：海の日・お中元・猛暑（冷感・飲料・UV）
• 8月：お盆・帰省・花火／猛暑継続・夏バテ
• 9月：敬老の日・台風（非常・防災・長寿ギフト）
• 10月：スポーツの秋・ハロウィン・衣替え（収納・秋冬立ち上がり）
• 11月：七五三・ブラックフライデー・冬準備（暖房・加湿）
• 12月：クリスマス・お歳暮・年末大掃除・防寒ピーク

気温閾値で需要が跳ねます。例：最高18℃下回る→暖房・ブランケット CVR 上昇／最高28℃超→冷感・扇風・塩分補給 CVR 上昇。地域差（北海道⇔沖縄）も在庫配分に反映。

季節指数（Seasonality Index）の作り方

1. 過去3年の検索指数 or 売上比を月ごとに正規化してS_m（m=1..12）を作る
2. 行事ブーストをE_mで別管理（母の日=1.15、メガ割=1.2 等、商材別）
3. 需要予測式： 予測注文件数_m = ベース月次件数 × S_m × E_m
4. 在庫式（再発注点）： 発注点 = 日販 × リードタイム(日) × 安全係数(1.2〜1.5)
5. 広告配分はS_m×E_mが高い月に前倒し（学習維持が前提）

失敗回避：ピークの幅をナメない。お中元/お歳暮は前月末から立ち上がる。母の日は最終木曜を過ぎると CVR が落ち始める等、締切＝CVR ドロップ点を把握。

チャネル別・季節の“効き方”の違い

• 楽天：イベント（お買い物マラソン／スーパー SALE）×ポイント設計が CVR に直撃。クーポン＋RPPで山を取りに行く。
• Yahoo!：PayPay 還元設計とクーポンで実質価格を作る。LYP 系の日程をカレンダーに。
• Amazon：プライムセール／タイムセール×FBA在庫健全性。Buy Box 安定が前提。
• Qoo10：メガ割逆算で価格階段を早めに構築。
• 自社EC：行事前に特集LP／比較表／バンドルで AOV を上げる。

失敗パターン（季節性）

• ① 閑散月の固定費を埋められない：S_m が0.7以下の月は、広告を回しても回収できない構造。SKU を“別季節の勝ち SKU”に切り替える設計を。
• ② ピーク直前に欠品：学習中断→レビュー速度低下→順位落ち。安全係数の設定が甘い。
• ③ 行事の“締切”を跨いで広告増額：到着不安で CVR が落ちる。配送リードタイムを商品名/画像に明記し、即日/翌日枠を残す。

---

B 編：上位店の勝ち筋を“レビュー速度×価格×露出”で分解する

なぜレビュー速度を見るのか

レビュー件数は社会的証明、速度は“今”の勢い。

• 推定注文件数 ≒ 当月レビュー増分 ÷ RPR（レビュー化率）
  • RPR の仮置き：1%/3%/5%の3レンジで様子を見る（同梱やフォローで変動）
• 勝ち店の特徴：
  • ★4.2以上を維持しつつ速度が右肩
  • 低評価は同一原因が減少（是正サイクルが回っている）

3大モールの“勝ち型”チェックリスト

共通：主画像の“型”、タイトルの“作法”、バリエーションの“組み方”、価格/送料/ポイント/クーポンの“実質価格”、広告の“面”、レビュー運用、在庫/配送。

楽天（RMS/RPP前提）

• 主画像：情報量多めの説明一体型（ベネフィット・サイズ・比較・実測値）
• タイトル：カテゴリ語＋型番/容量＋用途＋強み（※詰め込み過ぎ注意）
• 価格：ポイント倍率×クーポンで実質を作る。イベントで“まとめ買い割”
• 広告：RPP のキーワード選定と否定語。イベント前後は入札を前倒し
• レビュー：同梱カード＋到着翌日のフォロー、Q&A 欄の整備
• 在庫/配送：RSL や翌日配送の文言。イベント中の欠品ゼロ設計

Yahoo! ショッピング

• 実質価格：PayPay 還元＋クーポンのシナリオ組み。
• 露出：カテゴリ内のキーワード粒度に合わせたタイトル
• 広告：PRオプション／ショッピング広告の費用対効果を週次で把握
• ストア評価/SLA：返信速度・キャンセル率の管理が露出に影響

Amazon

• 主画像：白背景・ガイドライン厳守。2枚目以降で訴求（サイズ・使用感）
• A+コンテンツ／比較表：CVR を底上げ
• バリエーション：色/サイズ/容量を一つの親 ASIN に束ねる（レビュー集約）
• 広告：SP/SB/SD を目的別に。日次でいじり過ぎず学習維持
• FBA：在庫健全性とBuy Box 率が前提。価格改定は自動ルール＋手動監督
• 相乗り対策：カタログ保全（商標・画像・パッケージ）

失敗回避：モール横断のコピペ運用は禁物。各モールの“作法”に画像・タイトル・価格表示を合わせる。

競合分解のワークフロー（90分ルーチン）

1. カテゴリ選定：売りたいSKUの“直球”カテゴリを一つ
2. 上位20商品を表化：
   順位/価格(税・送料)/容量/単価/レビュー総数/直近30日増分/★/主画像要素/タイトル構文/バリエーション/配送リード/クーポン/ポイント/広告の痕跡
3. レビュー低評価のクラスタ：原因×症状（サイズ・色・初期不良・匂い・遅延）
4. 勝ち型の抽出：
   • 主画像の構図（手の大きさ／比較定規／ビフォーアフター）
   • タイトルの並び（カテゴリ語→容量→用途→強み）
   • 実質価格（送料込み、ポイント・クーポン適用後）
   • 口コミの“決め手語”（「想像より軽い」「ニオイがない」等）
5. 自社への落とし込み：差分だけを採用（丸コピーではなく“共通原則”を抽出）

“価格以外”で勝つ要素（上位店が必ずやっている）

• 不確実性の除去：寸法図・装着イメージ・「当日◯時まで即日出荷」
• セット設計：送料効率が上がる2個/3個/詰め替え、ギフト包装
• 保証・ルール：初期不良◯日・サイズ交換可・延長保証（カテゴリ次第）
• FAQ の可視化：返品・色味差・素材ケア
• レビューの“話題化”：差し込みカード／レビュー返信で**“人がいる店”**感

広告とレビューの“因果”を意識する

• 広告→露出→初回購入→レビュー→CVR 上昇の循環。
• 広告だけ増やすとレビュー速度が追いつかず、露出の継続性が削がれる。
• 合格ライン：
  • 楽天 RPP：CTR がカテゴリ中央値±20%以内、CVR が自店平均±0.5pt以内
  • Amazon SP：ACOS が粗利率以下、クリックの50%が“意図合致”キーワード
  • Yahoo!：実質値引率が許容範囲（貢献/件1,000円未満は赤信号）

---

A×Bの統合：季節指数で“いつ攻めるか”、競合分解で“どう攻めるか”

1. S_m×E_mが高い月に「勝ち型」を合わせる（主画像・タイトル・セット・レビュー動線）
2. 広告枠の前倒し：ピークの2〜3週前から入札を上げて学習維持
3. 在庫配分：地域の気温差・行事差（例：雪国の暖房立ち上がり）
4. KPI の同期：レビュー速度の合格ラインを週次で追い、足りなければ CS/同梱の即改善

---

失敗事例と対策（よくある3つ）

1. ランキングの“瞬間風速”に釣られて大量仕入れ
   　→ レビュー速度が落ちると露出が消える。在庫は45〜60日回転に制限。
2. 自社 EC の写真をそのまま楽天へ
   　→ 作法不一致でCTR低下。楽天は説明画像、Amazonは白背景＋A+で補完。
3. PayPay/ポイント設計を“値引き同等”で考える
   　→ 実質価格と露出ブーストの両面を評価。貢献/件で見直し。

---

今日のチェックリスト（5分）

• 12ヶ月S_mを作り、行事E_mを商材別に付与した
• ピーク−3週に広告強化／在庫到着のスケジュールを確保した
• 上位20商品の分解表（モール別）を作り、勝ち型3要素を抽出した
• レビュー速度の合格ライン（週＋◯件）を決め、CS/同梱を更新した
• 実質価格（送料・ポイント・クーポン込）の損益をP/Lに反映した

---

成果物テンプレ（そのまま使える骨子）

1) 季節指数シート

month, S_m, event, E_m, note
Jan, 0.85, NewYearSale, 1.05, 冬物最終
Feb, 0.90, Valentine, 1.20, 花粉開始
Mar, 1.10, WhiteDay&Moving, 1.10, 新生活
Apr, 1.05, Entrance, 1.05, ...
May, 1.15, MothersDay, 1.25, GW
Jun, 0.95, FathersDay, 1.15, 梅雨/除湿
Jul, 1.10, Ochugen, 1.10, 猛暑
Aug, 1.00, Obon, 1.05, 猛暑
Sep, 0.95, RespectForAged, 1.10, 台風
Oct, 1.00, Halloween, 1.10, 衣替え
Nov, 1.20, BlackFriday, 1.20, 冬準備
Dec, 1.30, Xmass&Oseibo, 1.25, 年末商戦

2) 競合分解シート（モール共通）

rank, product, price_incl_tax, ship, net_price, size/volume, unit_price,
reviews_total, reviews_30d, rating, main_image_elements,
title_structure, variations, lead_time, coupon/point, ad_sign, notes

3) レビュー速度→注文件数推計

orders_est_low  = reviews_30d / 0.05
orders_est_mid  = reviews_30d / 0.03
orders_est_high = reviews_30d / 0.01

---

まとめ：数字で“山”を当て、作法で“面”を取る

• 季節性は“山の位置”を示す。S_m×E_mでいつ張るかを決める。
• 競合分解は“面の取り方”を示す。主画像・タイトル・実質価格・レビュー速度の型を抽出し、自社の差分で再現する。
• 失敗は前倒しで小さく：在庫は45〜60日回転、レビュー速度が落ちたら広告よりCS。
• 挑戦は計画的に強める：ピークの−3週から学習を温め、合格ライン（レビュー速度・ACOS/TACOS・CVR）を超えたら倍掛け。

“いつ・どれだけ・どうやって”を、感覚ではなく数式と作法で。
この A×B の統合が、雇用を生む EC の最短ルートです。次回は、この分解表を使って主画像とタイトルの勝ち型を1週間で量産する実務手順を深掘りします。