ICI石井スポーツの店舗分析事例｜AIカメラで顧客行動を読む

結論：専門店における店舗分析とAIカメラの役割

実店舗の売場改善を進めるうえで、POSデータだけに頼った分析には限界があります。POSレジで記録されるのは「商品を購入した顧客」の情報であり、「入店したものの何も買わずに退店した顧客」の行動は記録に残りません。専門店の売場改善では、購入に至らなかった顧客の動きを捉える店舗分析が重要になります。

株式会社ABEJAが公開した事例によると、スキー・登山用品の専門店であるICI石井スポーツは、店舗解析ソリューション「ABEJA Insight for Retail」を導入し、来店者カウント、属性把握、エリア分析を実施しました。立川店や登山本店において、年代別の買上率や曜日別の来店傾向をデータとして把握したことが示されています。

この取り組みは、店舗スタッフの経験や勘だけに頼る売場づくりから脱却し、来店データと購買データを組み合わせることで店舗運営のノウハウを蓄積・共有する実務モデルとして示唆に富んでいます。

ICI石井スポーツの公開事例に見る導入の背景と取り組み

経験依存の店舗運営とノウハウの共有課題

ICI石井スポーツは、スキーや登山用品を専門に取り扱う小売チェーンです。公開事例によると、同社では全国を複数のブロックに分け、それぞれの地域特性に応じた柔軟な店舗づくりを行ってきました。

地域に即した売場運営ができる一方で、各ブロックリーダーの経験や感覚に依存する部分が多く、運営ノウハウがブラックボックス化しやすいという課題を抱えていました。特定の人材が持つ知見を組織全体に展開し、持続的な店舗改善につなげるための共通基準が求められていた背景があります。

ABEJA Insight for Retailの導入と取得データ

現場の状況を客観的に把握するため、ICI石井スポーツは「ABEJA Insight for Retail」を導入しました。実店舗内にカメラ等のセンサーを設置し、以下の項目を可視化しています。

• 来店者カウント：店舗入口を通過した来店者全体の総数を把握する
• 属性把握：来店者の年代や性別などの大まかな傾向を捉える
• エリア分析：店内のどの売場や陳列棚に立ち寄ったかを分析する

同社では立川店を実験店として位置づけ、属性別の買上率を分析しました。その結果、若い世代と40代で傾向が異なることや、土日と平日で来店傾向に違いがあることなどを把握しています。また、登山本店においても同様の分析を展開しました。

この事例で特筆すべき点は、単に売上高の推移だけを追うのではなく、来店者数、立ち寄り状況、顧客属性、買上率を複合的に捉えていることです。買上率の母数となる来店者行動を把握することで、売場が抱える課題の所在を特定しやすくしています。

編集部の示唆：POSデータと来店行動データの違いを整理する

実店舗運営においてAIカメラやセンサーの活用を検討する際、まずは既存の基幹システムで把握できる領域と、来店行動分析によって初めて可視化される領域を明確に区別する必要があります。

POSデータで把握できる情報

POSレジを通じて蓄積されるデータは、決済を完了した顧客の結果指標です。

• 売れた商品の品目、数量
• 販売が発生した日付および時間帯
• 客単価、買上点数

これらは売上実績を把握するためには不可欠ですが、商品が売れなかった要因を分析するための材料としては情報が不足しています。

行動データによって補完される情報

一方で、店内にカメラや計測装置を設置することで、購入に至る前段階のプロセスを把握できます。

• 入口からの総来店者数
• 売場ごとの立ち寄り人数と滞留状況
• 何も購入せずに退店した来店者数
• 来店者の大まかな年代層や属性傾向

「買上率」を評価する際、一般的には「売上高 ÷ 来店者数」のような金額ベースの指標が用いられることもありますが、売場の接客力や陳列効果を測るためには「買上客数 ÷ 来店者数」の比率を基準に置くことが有効です。来店者のうち何割がレジに到達したかを可視化することで、入店後の動線や商品展開に問題がないかを切り分ける判断基準が得られます。

自社で試す手順：専門店における店舗分析の実践ステップ

ICI石井スポーツのように店舗行動データを活用した改善を進める場合、中小規模の専門店であっても段階を踏んで取り組むことが可能です。自社で試す際の手順を以下に整理します。

ステップ1：既存データで分かることと分からないことの仕分け

最初に、現状のPOSシステムや売上日報から把握できる情報と、現場で把握できていない情報を洗い出します。売れ筋商品や時間帯ごとの売上は把握できていても、曜日ごとの入店客数や、どの売場が見落とされているかが分かっていないケースが多く見られます。測定すべき不足情報を特定することが最初の作業となります。

ステップ2：来店者数と買上率の計測開始

次に、店舗入口や注力売場における来店者数のカウントを開始します。最初から高機能なAIカメラを全面導入することが難しい場合は、簡易的な通過カウンターやスタッフによる一定時間の手動カウントから始める方法もあります。重要なのは、買上客数を来店者数で割った「買上率」を定期的に確認できる環境を整えることです。

ステップ3：属性や滞留状況を踏まえた売場仮説の検証

買上率を計測できるようになったら、属性ごとの傾向や立ち寄り状況を観察し、売場や接客の改善に取り組みます。例えば、特定の年代層において来店数は多いものの買上率が低い傾向が見られた場合、以下のような要因を検討して仮説検証を行います。

• 商品説明のPOPが対象層に向けて分かりやすく書かれているか
• 手に取りやすい価格帯の商品が導線上に配置されているか
• スタッフの声かけのタイミングや内容が適切か
• 立ち寄った棚の周辺で回遊が途切れていないか

施策を実施した前後で買上率の変化を追うことで、売場変更の効果を感覚ではなく数値で判断できるようになります。

ステップ4：属人化の解消と社内ノウハウの共有化

検証を通じて得られた成果や失敗の要因を、特定のスタッフだけの知識に留めず、マニュアルや勉強会などを通じて店舗間・スタッフ間で共有します。経験豊富なスタッフの判断基準を数値指標と結びつけることで、組織全体の店舗運営力を底上げすることが可能になります。

運用上の注意：店舗分析AIカメラを導入する際の実務留意点

AIカメラをはじめとする店舗センシング技術を導入・運用する際には、倫理面および社内コミュニケーションにおいて配慮すべき注意点が存在します。

プライバシー配慮と利用方針の明確化

店舗内にカメラを設置して顧客の行動を記録・解析する場合、プライバシー保護に対する配慮が求められます。

• 撮影および画像解析を行う目的を店内に掲示する
• 取得した映像データの保存期間を明確に定める
• 特定の個人を識別・追跡する目的ではないことを明記する
• 解析データの利用範囲を店舗改善目的に限定する

顧客に対する透明性を確保し、不安や誤解を抱かせない運用ルールを策定しておく必要があります。

店舗スタッフへの目的説明と心理的安全性

導入にあたっては、現場スタッフに対する説明も欠かせません。カメラが導入されると、スタッフ側が「自分たちの接客態度やサボりを監視するためのツールではないか」と警戒心を抱いてしまう場合があります。

カメラの目的は個人の業務監視ではなく、来店顧客の行動を可視化して売場改善に役立てるための支援データである点を丁寧に共有することが求められます。現場の納得感が得られていない場合、データの活用自体が形骸化しやすくなります。

現場を責める材料としてデータを使わない運用

来店客数に対して買上率が低い結果が出た場合、その原因を現場スタッフの接客不足だけに帰属させる使い方は避けるべきです。買上率の低下には、接客対応だけでなく、以下のような複合的な要因が関係します。

• 店頭の商品構成や在庫状況が顧客ニーズと合致していない
• 価格設定やプロモーション内容が競合環境に対して適正でない
• 陳列棚の配置や通路幅などの売場動線に不備がある
• 天候や季節要因による来店動機の変化

データを現場の責任追及に使うのではなく、売場全体を構造的に改善するための共通言語として活用することが、データ主導型店舗運営を定着させる要点です。ベテランスタッフが培ってきた経験や勘を頭ごなしに否定するのではなく、その知見を数値によって裏付け、誰もが活用できるノウハウへと昇華させていく姿勢が望まれます。

参考にした公開事例

本記事の執筆にあたり、以下の公開事例の情報を参考にしています。

• ABEJA: ICI石井スポーツ店舗分析事例

次に読む記事

店舗における顧客行動の分析やAI活用をさらに深く検討したい場合は、以下の記事も参考になります。

• トライアルのリテールAI事例
• 小売・飲食のAI活用例