やりがいのない「忙しさ」を捨て、「商い」に調和を生む
ここでは 、ID-POSによる新商品の採用/開発/陳列といった業務について記します。
BiZOOPe の 『ニーズの見える化(シン・Tapir−1.0) 』を使ったものですが、BiZOOPeをお使いでないみなさまにも、ID-POS時代、そしてAI時代における新商品の採用・開発・陳列に関わる考え方として、大いに参考にしていただけるものと思います。
分析画面上部の「AIエージェント」から「採用すべき新商品の推論」を選択します。
以下のダイアログが開きますので、「新商品提案を作成する」をクリックします。
推論が走り、以下のような新商品提案が返って来ますので、新商品の採用/開発の参考にしてください。
列見出し「商品コード」に、商品コードが記載されているものが新規採用提案、「商品開発」と記載されているものが、新規開発提案となります。提案の優先順位は、「新規採用 > 新規開発」となっています。
前者はweb上に実在する商品からの推論結果、後者はそれに依らないAI独自の推論結果となっています。いずれも「必ず提案される」とは限りません。
※.あくまでもAIによる推論です。鵜呑みにしないようにしてください。図中の商品コード頭の文字列”JP”もAIが勝手に付けて来たもので、再現性はありません。提案される新商品にも再現性は無いため、参考のため複数回実行していただいても結構です。
「新商品区分」には「新規ニーズの追加」、「選択肢の追加」、「入れ替えによるリフレッシュ」の3つがあり、提案の優先順位は、「新規ニーズの追加 > 選択肢の追加 > 入れ替えによるリフレッシュ」の順となっています。いずれも「必ず提案される」とは限りません。
それぞれ以降のように推論されています。
図の「目的範囲」は、併買/非併買から算出された、顧客にとっての大きな「選択肢の束」で、顧客の当該カテゴリーにおける、「くらしのスタイル」の違いを示しています。
図の「選択範囲」は、文字通り「選択肢の束」そのもので、平均以上に併買がなされている、顧客のこだわり、「ニーズ」の違いを表しています。
尚、一つの選択範囲の中から、人間が選択できる選択肢(この場合単品)の数は7±2(ジャムの法則)と言われています。
AIには、以上を前提に推論を行わせています。
※.図は「AIエージェント」⇨「目的範囲・選択範囲のニーズ要約」から、ニーズ名を推論、要約済のもの。
まず目的範囲と目的範囲の狭間、謂わば「行間」に、この売り場には存在しない「くらしのスタイル」が無いか?をAIに推論させています。
次いで選択範囲と選択範囲の行間に、この売り場には存在しない「顧客ニーズ」が無いか?をAIに推論させています。
専門的に言うならば「売り場」は「マーケット」、その中で互いに相容れない「くらしのスタイル」や「ニーズ」は「マーケットセグメント」です。
ここから提案された商品は、理論上売り場の「ニーズ欠落」を埋めるものですので、来店増に対して最も効果的な新商品提案となります。
一方「新規ニーズの追加」かつ「商品開発」の組み合わせは、「マーケット創造」と言え、ブルーオーシャンなマーケットの可能性を秘めています。
前者は品揃えがされて無かったことにより「潜在して見えていたニーズ」、後者が本当の「潜在ニーズ」の掘り起こしと言えます。
最大選択肢数7±2の、顧客が「選べる」範囲内において、顧客に対する「選ぶ楽しみ」「選択肢の幅」を持たせたほうが良いと、AIが推論した選択範囲に対して、新商品が提案されます。
どの選択範囲中に追加すべき商品かも、列見出し「検討事項」の中で示唆します。
生き物であるマーケットに対して、固定された品揃えは陳腐化して行きます。
顧客にとっての「選ぶ楽しみ」をリフレッシュさせるため、選択範囲中の俗に「品揃え商品」と呼ばれるような商品(主力/準主力外)の入れ替えをAIが推論し、提案します。
どの商品と入れ替えるべき商品かも、列見出し「検討事項」の中で示唆します。
新商品を採用しようとなった時、例えば定番棚割において、それをどの商品とどの商品の間に陳列するかが迷いどころです。
ここでは、その陳列位置を推論するAI機能について解説します(チラシ紙面配置等にも応用化)。
本機能のご利用にあたっては、予め新商品に関する仕様等の情報を準備しておいてください。
図中の「関連順」は、数値が近いほど併買関係すなわち相互の関連性が高いことを意味する数値です。
図で言えば、例えば関連順1と3の選択肢同士より、関連順1と2の選択肢同士の方が関連性が高い=より選ばれていることになります。
更には、共に連続する関連順2と3と、3と4であれば、同じ選択範囲(f1_n1)内に属する、関連順2と3の方が、関連性は高いと言えます。
これは、商品サイズや作業性、優位地等の制約を無視すれば、そのまま「陳列の順番」と言っても差し支えない数値です。
AIには、この「選択範囲」と「関連順」への理解を前提に推論を行わせています。
分析画面上部の「AIエージェント」から「新商品の陳列位置の推論」を選択します。
下図のダイアログが開きますので、予め用意しておいた新商品の仕様等の情報をコピペしてください。
フォーマットは自由ですが ー
列見出しも一緒に貼り付けてください。列見出しに意味を見出し推論を行うようになります。
規格、単価、メーカー名等ある程度情報を与えた方が、正確な推論が期待できます。
下図は「採用すべき新商品の推論」のフォーマットを、そのままコピペしてみたものです。
貼り付け終わったら、画面右下でアクティブとなった「新商品提案を作成する」をクリックします。
推論が走り、下図のように画面下部に各商品の陳列位置が提案されます。
2026年現在、時系列認識、ハルシネーション、再現性といった面で、AIの推論精度はまだまだですが、AIエンジンの進化と共に、推論精度は自然と上がって行く筈ですので、ぜひご期待ください。
以上、新商品に関する技術と実務(採用・開発・陳列)でした。