「セールのたびに欠品と過剰在庫を繰り返してしまう」「発注量をいつも勘で決めている」——EC運営の現場で最も多い悩みのひとつが在庫の過不足です。その根本的な解決策となるのが「需要予測」です。本記事では、ECにおける需要予測の基本から代表的な手法、AI活用を含めた実践ステップまで、明日から使える形でわかりやすく解説します。

ECの需要予測とは？重要性が高まる背景

ECの需要予測とは、過去の販売実績や季節性、イベント、市場トレンドなどのデータをもとに、「どの商品が・いつ・どれだけ売れるか」を予測する取り組みです。予測結果は発注量の決定、在庫配置、セール時の仕入れ計画、広告予算の配分など、EC運営のほぼすべての意思決定の土台になります。

需要予測の重要性は年々高まっています。経済産業省の「電子商取引に関する市場調査」（2025年8月公表）によると、2024年の物販系BtoC-EC市場規模は15兆2,194億円（前年比3.7%増）、EC化率は9.78%に達しました。市場の拡大とともに取扱商品数（SKU）や販売チャネルは増え続けており、「経験と勘」だけで発注量を決める運用は限界を迎えつつあります。

需要予測が不正確な場合のダメージは二方向に及びます。予測が少なすぎれば欠品による機会損失と検索順位の低下（Amazonや楽天では在庫切れは検索評価にマイナス）を招き、多すぎれば保管コストの増加、キャッシュフローの悪化、値下げ処分による利益率低下につながります。需要予測は「攻め」と「守り」の両面でEC経営を支える技術といえます。

特にECは実店舗と比べて需要の振れ幅が大きいのが特徴です。楽天スーパーSALEやAmazonプライムデーのようなモールイベントでは通常月の数倍の注文が短期間に集中し、テレビやSNSでの紹介があれば一晩で在庫が消えることもあります。逆にイベント直後は反動で需要が落ち込みます。こうした「山と谷」を前提に発注・在庫計画を立てられるかどうかが、EC事業の利益率を大きく左右します。また、円安による仕入れコスト上昇や海外からの調達リードタイムの長期化により、「多めに仕入れておけば安心」という運用のリスクは以前より大きくなっています。だからこそ、データにもとづいて必要な量だけを仕入れる需要予測の価値が高まっているのです。

需要予測の代表的な5つの手法

需要予測にはさまざまな手法があり、扱う商品やデータ量に応じて使い分けます。代表的な5つを紹介します。

1. 移動平均法：直近数ヶ月の販売数の平均から次期の需要を予測する、最もシンプルな手法です。Excelでもすぐに実践でき、需要が安定した定番商品に向いています。一方、季節変動やトレンドの変化には弱い点に注意が必要です。

2. 指数平滑法：直近のデータほど重みを大きくして平均を取る手法です。「先月の実績」を重視しつつ過去の傾向も加味できるため、移動平均法より変化への追従性が高くなります。

3. 季節指数を使った予測：月別・週別の「季節指数」（年間平均に対する各期の比率）を算出し、ベースの予測に掛け合わせる手法です。ギフト需要や夏物・冬物など、季節性の強いEC商材では必須の考え方です。

4. 回帰分析：気温、広告費、セールの有無といった要因（説明変数）と販売数の関係を数式化する手法です。「気温が1度上がると飲料の販売数が◯個増える」のような関係を定量化でき、施策の計画にも活かせます。

5. AI・機械学習による予測：過去実績に加え、価格変動、競合状況、天候、SNSトレンドなど多数の変数を同時に学習して予測する手法です。マッキンゼーのレポートでは、AIを活用した需要予測により予測誤差を大幅に削減できるとされており、近年は中小規模のECでも利用できるSaaS型ツールが増えています。

手法選びの目安はシンプルです。データが少ない・SKUが少ないうちは移動平均法や指数平滑法で十分です。季節商材を扱うなら季節指数を必ず組み込みます。たとえば年間の月平均販売数が100個で、12月の販売数が毎年250個前後なら、12月の季節指数は2.5です。翌年のベース予測が月110個なら、12月は110×2.5＝275個と見積もる、というのが季節指数の基本的な使い方です。Excelの関数だけで実現でき、これだけでも「毎年12月に欠品する」といった失敗は大きく減らせます。回帰分析やAIは、SKU数が多くデータが蓄積されてきた段階で検討すれば十分です。

需要予測の精度を左右する3つのデータ

どの手法を使う場合でも、精度を決めるのは投入するデータの質です。特に重要な3種類を押さえましょう。

1. 販売実績データ：最低でも1年分、できれば2〜3年分のSKU別・日別販売数が基礎になります。ここで重要なのが「欠品期間の補正」です。欠品中は売上がゼロになりますが、それは「需要がなかった」わけではありません。欠品期間を除外または補正しないと、需要を過小評価してしまいます。

2. イベント・施策データ：楽天スーパーSALEやAmazonプライムデーなどのモールイベント、自社セール、広告強化、メディア露出などの記録です。「いつ・何をしたか」が残っていないと、過去の売上急増を「自然需要」と誤認し、予測が大きく歪みます。販促カレンダーと販売実績を紐付けて管理するのが基本です。

3. 外部要因データ：季節・天候、市場トレンド、競合の価格動向などです。たとえばアパレルや空調家電は気温との相関が強く、気象データを組み込むだけで精度が大きく変わるケースがあります。

データ整備でもうひとつ見落とされがちなのが「粒度」です。月別の集計だけでは、月内のイベント日とそれ以外の差が見えません。少なくとも日別、可能であれば「イベント日／通常日」のフラグ付きで蓄積しておくと、後からどの手法にも使える資産になります。また、需要予測は発注判断とセットで使うものなので、仕入先ごとの発注リードタイム（発注から入荷までの日数）と発注ロット（最小発注数量）も同じ管理表に整理しておきましょう。「予測はできたが、リードタイムを考慮していなかったため結局欠品した」というのは非常に多い失敗パターンです。

AI需要予測の導入と実践5ステップ

実際に需要予測を業務に組み込む手順を、5つのステップで整理します。

ステップ1：対象SKUの優先順位付け：全SKUに同じ工数はかけられません。ABC分析で売上構成比の高いAランク商品から着手し、Cランク商品は簡易な手法（移動平均など）で十分と割り切ります。

ステップ2：データの整備：SKU別・日別の販売実績、欠品期間、施策履歴を一つのフォーマットに集約します。複数モールに出店している場合は、一元管理システムやモールのデータダウンロード機能を活用します。

ステップ3：手法の選定とベースライン作成：まずはExcelで移動平均＋季節指数のシンプルな予測を作り、「現状の予測精度」を数値化します。精度は「予測誤差率（MAPE：実績と予測の乖離率の平均）」で測るのが一般的です。

ステップ4：予測と実績の振り返りサイクル構築：月次で「予測 vs 実績」を検証し、外れた原因（イベントの影響、競合の値下げなど）を記録します。この振り返りの積み重ねが、予測精度を継続的に高める最大のドライバーです。

ステップ5：AIツールの検討：SKU数が数百を超える、または手動運用の工数が限界に達したら、AI需要予測ツールや在庫管理システムの予測機能の導入を検討します。導入時はステップ3で作ったベースラインと精度を比較し、費用対効果を判断しましょう。

よくある失敗も押さえておきましょう。1つ目は「最初から全SKU・高精度を目指す」ことです。運用が続かず、結局元の勘に戻ってしまいます。2つ目は「予測を作った担当者しか中身を理解していない」ことです。発注担当・運営担当と予測の前提（イベントの織り込み、欠品補正の有無）を共有していないと、予測値がそのまま使われず形骸化します。3つ目は「外れたときに原因を記録しない」ことです。需要予測は外れて当然のものであり、外れ方から学ぶ仕組みこそが本体です。「小さく始めて、振り返りを仕組みにする」——この2点を守るだけで、需要予測の定着率は大きく変わります。

需要予測を成果につなげる運用チェックリスト

最後に、需要予測を「作って終わり」にしないための実務チェックリストをまとめます。

・欠品期間を補正した販売実績データが整備されているか
・モールイベント・自社施策の履歴が記録されているか
・ABC分析でSKUごとの予測工数に濃淡をつけているか
・予測誤差率（MAPE）を毎月計測しているか
・予測が外れた原因を記録し、次回の予測に反映しているか
・発注リードタイムと安全在庫が予測に組み込まれているか
・セール前の仕入れ計画に予測値を使えているか
・予測の前提条件（イベントの織り込みなど）を関係者と共有しているか
・四半期ごとに手法・ツールの見直しを行っているか

チェックの結果、「データはあるが整備されていない」という状態であれば、まずは直近1年分の日別販売実績と施策履歴の突き合わせから始めるのが近道です。ここが整うだけで、どの手法を使っても精度は一段上がります。

需要予測は一度で完璧になるものではなく、「予測→検証→改善」のサイクルを回し続けることで精度が育っていきます。まずはAランク商品のシンプルな予測から始めてみてください。予測精度が10%改善するだけでも、欠品による機会損失の減少、セール前の強気な仕入れ判断、広告投資の効率化といった形で、利益への効果は確実に積み上がっていきます。

Semuis株式会社では、EC運営の実務に踏み込んだ在庫・販売データの分析から、モール運営・広告運用まで一気通貫で支援しています。「在庫の過不足をなくしたい」「データにもとづく運営体制を作りたい」とお考えの方は、ぜひお問い合わせフォームよりお気軽にご相談ください。