トライアルのリテールAI事例｜AIカメラで売場を見える化する

小売店舗におけるリテールAIカメラ活用の本質

小売店舗でAIカメラを導入する際、最初に決めるべき点は「何を測り、どの売場改善に使うか」という目的の設定です。高度な画像認識技術やセンサーを単に店内に配置しても、得られた映像や数値を日々の棚割りや接客、品出しに活かせなければ、機材の設置だけで終わってしまいます。

従来、店舗の売上管理はPOSデータによる「何がいつ売れたか」という結果の把握が中心でした。しかし、POSデータだけでは「来店したが買わずに立ち去った顧客の動き」や「どの棚の前で足を止めて迷っていたか」といった購買前のプロセスまでは把握できません。リテールAIカメラは、こうした買物客の棚前行動や店内の移動状況を可視化し、現場の売場づくりに反映するための道具として機能します。

中小規模の店舗やこれからDXを進める企業が学ぶべき要点は、AIカメラを「置くだけで売上が向上する装置」として捉えないことです。欠品の早期把握、売場レイアウトの変更検証、販促物の効果測定など、解決したい課題をあらかじめ明確にしたうえで導入を進める姿勢が求められます。

トライアルにおけるリテールAIカメラ導入事例の要点

Retail AI設立とメガセンタートライアル新宮店のスマートストア化

トライアルホールディングスが公開した情報によると、同社はグループ内にRetail AIを設立し、メガセンタートライアル新宮店をスマートストアとしてリニューアルオープンしました。この店舗には、小売業に特化したリテールAIカメラが1,500台導入されたことが発表されています。

同店ではAIカメラだけでなく、電子プライスカード、タブレット決済機能付きのレジカート、店内のデジタルサイネージといった複数のデジタル機器が一体として導入されています。物理的な店舗空間に各種センサーや表示端末を組み込み、店舗全体の運用効率化と買物体験の変革を目指す取り組みとして位置づけられています。

取得データとショッパーマーケティングへの連動

発表内容によると、メガセンタートライアル新宮店に導入されたリテールAIカメラには、人物カウントや商品認識など小売現場に特化したAI機能が搭載されています。このカメラを通じて、以下の2つの側面から店舗の状況を継続的に把握する仕組みが構築されています。

• 店内および棚前における買物客の行動分析
• 商品棚のコンディション監視や欠品状況の把握

たとえば飲料コーナーの事例として、買物客がショッピングカートを利用しているか買い物カゴを利用しているかをAIカメラで分析し、その状況に合わせてサイネージに表示するコンテンツを切り替える取り組みが示されています。来店客の買物スタイルに応じたショッパーマーケティングを展開することで、店頭での情報伝達の最適化を図っています。

この事例の重要なポイントは、POSレジを通過した後の確定データだけでなく、店内を回遊している段階の行動データをリアルタイムに取得し、店頭施策へ還元している点にあります。

編集部の示唆：POSデータと行動可視化の組み合わせ

トライアルの事例は、店舗のデータマネジメントにおいて大きな示唆を与えています。

POSレジで取得できる購買履歴は、取引が成立した結果にすぎません。そのため、以下のような売場の機会損失を見落としてしまう構造的な課題があります。

• 棚の前に多くの人が集まっていたにもかかわらず、最終的に商品が手に取られなかった
• 商品が手前に引き出されておらず、奥まった状態になっていて気づかれなかった
• 欠品が発生していたために買物客が諦めて立ち去ったが、記録上は需要がなかったと処理された

AIカメラを売場に導入することで、買物客の「棚への立ち寄り」や「商品の滞留」、そして「欠品による陳列乱れ」という現場のプロセスが把握できるようになります。「立ち寄り数が多いのに購買に至らない商品」が特定できれば、パッケージの視認性、価格帯、競合商品との比較、POPの説明不足など、検討すべき改善点が絞り込まれます。

大規模な機材導入を行わない場合でも、「POSデータの購買結果」と「売場での顧客行動」の差分にこそ改善のヒントがあるという視点は、あらゆる小売店舗の運営において共通する本質です。

自社で試す手順：中小店舗における3段階の実務アプローチ

トライアルのように1,000台規模のカメラを一度に導入することは、一般的な規模の店舗では容易ではありません。中小店舗や地域店が同様の仕組みを取り入れる際は、範囲を限定して段階的に進める方法が適しています。

ステップ1：測定対象と場所を一つに絞る

初期段階では、全フロアを一網打尽に計測しようとせず、最も売上に直結するボトルネックを選定します。

• 入口付近での来店人数のカウント
• 季節商品やキャンペーン商品を置く重点棚の立ち寄り状況
• レジ前の待機列や滞留時間の把握
• 日頃から品薄になりやすく販売機会を逃しやすい定番棚の監視

このように、改善の優先度が高い場所を1箇所から数箇所選び、何を確認したいのかを明確にしてカメラを試験配置します。

ステップ2：AIカメラの行動データとPOSデータを突合する

カメラから取得した来店人数や棚前の滞留時間、通行者数などの行動データを、日々のPOS売上データと突き合わせます。この連携を行わなければ、単に「人が多く通った」という情報だけで終わってしまいます。

• 通行量が多い棚なのに売上が伸びていない理由の分析
• 立ち寄った顧客の何割がレジで対象商品を購入したかの推計
• 時間帯ごとの棚前滞留と売上ピークのズレの特定

行動データと決済データを対比させることで、売場ごとの課題が推測ではなく客観的な数値として浮き彫りになります。

ステップ3：売場改善施策を実行し前後を比較検証する

課題が明確になったら、現場で実行可能な施策を行い、その効果をAIカメラとPOSの両面から検証します。

• 陳列棚の高さやフェイス数を変更し、棚前での足止め効果を確認する
• 商品説明POPのデザインや配置を変えて、立ち寄り率の変化を追跡する
• サイネージや販促ツールの設置により、顧客の動線や注視度合いが変わるかを見る
• スタッフの巡回や品出しの頻度を調整し、陳列状態の維持が購買に与える影響を測る

変更前と変更後の数値を比較し、有効性が確認できた施策を標準的な店舗オペレーションとして定着させていきます。

運用上の注意：プライバシー保護と現場の運用体制

AIカメラの運用を継続するためには、データガバナンスと現場の運用ルールを初期段階で整えておく必要があります。

プライバシー保護と店頭表示のルール作り

店舗内にカメラを設置して顧客の行動を記録する場合、個人情報保護やプライバシーへの配慮を怠ると顧客からの不信感につながる恐れがあります。

• 撮影目的を店頭や案内板で明確に告知する
• 録画映像をそのまま長期間保存せず、特徴量やカウント数などの数値データに変換して処理する工夫を検討する
• 個人を特定・識別する運用を行わない方針を明確にする
• 外部事業者へのデータ提供や委託が発生する場合の取り扱い範囲を規定する

買物客が安心して店舗を利用できるよう、利用目的と管理方針の透明性を保つことが欠かせません。

数値を現場の改善行動につなげる会議設計

AIカメラを導入しても、分析結果を閲覧する担当者が決まっていなかったり、数値を評価する場がなかったりすると、導入費用が無駄になってしまいます。

• 週次などの定期的なタイミングで売場データを確認する責任者を決める
• 店長、売場担当者、販促担当者が集まり、データに基づいた改善策を話し合う
• 「どの棚の配置をどう変えるか」「欠品対策として発注サイクルをどう見直すか」という具体的な行動計画まで落とし込む

データを収集することは手段にすぎず、重要なのはその数値を基に売場の陳列や品揃えを改善し続ける運用サイクルの定着です。

参考にした公開事例

参考情報: トライアルホールディングスのリテールAIカメラ導入発表。

• トライアルホールディングス: リテールAIカメラ導入

次に読む記事

店頭サイネージや売場改善を続けて見るなら、万代の店舗DX事例 と 顧客情報入力ルール が参考になります。