ゑびやの店舗DX事例｜来客予測AIで仕入れと人員配置を整える

結論：店舗DXにおける来客予測AIの役割

小売業や飲食業の店舗運営においてAIを活用する場合、第一歩として現実的なアプローチは、来客予測を日々の仕入れ、人員配置、そして販売促進の判断材料に組み込むことです。

三重県伊勢市で事業を営む有限会社ゑびやの事例では、店舗ビジネスのデジタル化を推進し、経済産業省が実施する「DXセレクション2024」において優良企業として選定された実績が公開されています。また、関連会社であるEBILABを通じて、来客予測AI、店舗分析BI、画像解析AIといった店舗運営支援の仕組みを展開しています。

中小規模の店舗運営において求められるのは、初期段階から高度な経営自動化を一気に目指すことではありません。これまで店主や店長の経験や勘に依存していた来客見込み、食材や商品の仕入れ、スタッフのシフト組みを、客観的な数値で確認できる状態へと移行させることが実務上の本質です。

ゑびやの公開事例に見る店舗DXの要点

業務の非効率と就労環境の改善

ゑびやは、伊勢市で食堂や土産物店を展開している老舗企業です。公開情報によると、同社がDXの推進にかじを切った背景には、効率的とはいえない従来の業務状況が存在していました。こうした非効率な現場環境は、来店客へのサービス品質に影響を与えるだけでなく、店舗を支える従業員の就労環境にも負荷をかけていたことが課題として示されています。

EBILABが提供する店舗向け仕組み

ゑびやの取り組みから生まれたEBILABは、来客予測AI、店舗分析BI、画像解析AIなどを提供しています。これらのツール群は、店舗における売上動向や客足を視覚的に把握できるようにし、得られた示唆を次の仕入れ計画やスタッフ配置へ迅速に反映させるための仕組みとして機能しています。

小売・飲食の実務への置き換え

この取り組みを一般的な小売店や飲食店の実務に置き換えると、天候、曜日、地域イベント、過去の売上実績、来店客数、商品別の販売数量といった多角的な情報を収集・分析することに相当します。それらの情報をもとに、「どの日に、どの商品を、どの程度用意すべきか」を論理的に組み立てる判断基盤を整える作業といえます。

編集部の示唆：勘と経験に頼る運営からの脱却

ここでは、公開事例をもとに、一般的な店舗運営へ応用するための視点を編集部の示唆としてまとめます。

なぜ最初に「見える化」を目指すべきなのか

店舗運営の現場では、長年の経験を持つ責任者ほど「この曜日は混む」「雨が降ると客足が鈍る」といった感覚を持っています。しかし、その知見が個人の頭の中に留まっている限り、組織としての共有や仕込み精度の向上にはつながりにくくなります。売上や来客数を日次・時間帯別に整理し、数値として見える状態にすることは、属人化を防ぎ、過剰発注や品切れの要因を特定するための前提条件です。

AI予測と現場判断の適切な役割分担

AIによる来客予測は、過去の傾向や関連データに基づいた基準値を示す道具です。一方で、近隣の工事による通行止めの発生、急な団体予約、周辺施設の一時休館など、機械的なデータ取得が難しい事象は現場のスタッフがいち早く察知します。AIの算出結果を基本方針として据えつつ、直前の微調整は現場の裁量に委ねる運用設計が、現場の納得感と実効性を高める鍵となります。

中小店舗がまねしやすい段階的な導入手順

店舗運営のデジタル化を無理なく進めるために、実務で着手しやすい順序を整理します。

1. 基礎データの収集と整理

最初のステップは、日別の来客数と売上金額を確実に記録に残すことです。POSレジを導入している店舗であれば、商品別の販売実績データを定期的に抽出します。POSレジが未導入の店舗であっても、日々の来客数、客単価、売れ残りによる廃棄量、売り切れによる欠品状況を表計算シートなどに記録することから始められます。

2. 外部要因のデータ化

次のステップとして、売上の変動要因になり得る外部環境の情報を日次データに紐付けて記録します。具体的には、日々の天候、気温、曜日区分、近隣地域で開催された催事、観光客の増減傾向、自社で実施したチラシや広告の出稿日などが挙げられます。予測の精度を向上させるためには、売上結果そのものだけでなく、何が需要を押し上げたのか、あるいは押し下げたのかという背景情報を整理しておく必要があります。

3. 予測の運用反映と対象の絞り込み

データの蓄積が進んだ段階で、予測結果を仕入れやスタッフのシフト作成へと連動させます。この際、最初から全メニューや全取扱商品を対象にすると、現場の管理負荷が跳ね上がります。廃棄ロスが日常的に発生している商品、品切れを起こした際の売上機会損失が大きい主力商品、あるいは前日からの仕込みに多くの時間を要する商品など、優先度の高い品目に絞って適用することが定着の近道です。

自社で試す手順：予測データを仕入れとシフトに落とし込む方法

自社店舗で来客予測を実務に落とし込む際の具体的な試行手順を解説します。

記録の標準化と項目選定の手順

まず、現場の担当者が毎日記録する項目を定義します。「来客数」「総売上」「主要品の廃棄数」「主要品の欠品有無」「当日の出勤人数」の5点程度に絞り込み、日報フォーマットを固定します。入力ルールを明確にし、担当者によって記録内容にばらつきが生じない状態を作ります。

仕込み・発注計画への連動手順

次に、過去の同一曜日や類似の天候条件における実績値を確認し、翌週の仕入れ数量を算出します。予測値をもとに「標準的な仕込み量」を決め、天候予報の変更に応じて前日に微調整を行うルールを定めます。仕込みの過不足が発生した場合は、その日の外部要因と照らし合わせて記録を残します。

シフト調整への反映手順

来客予測から導き出される時間帯ごとの混雑見込みをもとに、必要な人員配置を計画します。繁忙が予想される日時に重点的にスタッフを割り当て、閑散が予想される日は作業内容を清掃や事務作業に充てるなど、シフトのメリハリをつけます。予測と実態のズレを毎週振り返ることで、配置人数の過不足を是正していきます。

運用上の注意：形骸化を防ぐための留意点

予測システムやデータ運用を導入しても、実際の現場で定着しなければ投資が無駄になります。実務で陥りやすい失敗を防ぐための運用上の注意点を整理します。

予測値をうのみにしない例外管理

予測数値を絶対的な基準として盲信してしまうと、現場で生じる突発的な例外に対応できなくなります。局地的な豪雨、近隣交通機関の遅延や運休、SNSでの偶発的な話題化による来客増などは、システムが即座に織り込めない場合があります。予測値はあくまでベースラインであり、現場の店長や責任者が状況を見て修正できる余白を運用ルールとして確保しておく必要があります。

現場の入力負荷への配慮

データ分析を充実させようとするあまり、現場スタッフに細かすぎるデータ入力を求めると、本来の接客や店舗運営に支障をきたします。日々の記録作業がスタッフの過重な負担になれば、データの入力漏れや適当な入力が増え、結果としてデータの質が低下します。確認する項目は必要最小限に絞り込み、負担を最小限に抑える設計が不可欠です。

記録粒度の統一と運用の継続

店舗DXの成否を分けるのは、一過性の取り組みで終わらせず、継続してデータを蓄積できるかどうかです。ゑびやの事例が示しているのは、特別な大企業だけが高度な技術を使うのではなく、地域の中小店舗が日々の業務を見える化し、地道に経営改善へつなげている姿です。自社で取り組む際も、記録の単位や基準を統一し、少しずつ改善を繰り返す姿勢が求められます。

参考にした公開事例

本記事の作成にあたり、以下の公開情報を確認しています。

• EBILAB: ゑびや DXセレクション2024選定
• 経済産業省: DXセレクション2024選定企業レポート

次に読む記事

店舗運営におけるデータやAIの活用方法をさらに広げて検討したい場合は、以下の解説記事もあわせて参考にしてください。

• 小売・飲食のAI活用例
• 多店舗運営のAI活用例