Data Driven Knowledgebase

「この施策、結局やってよかったのか？」

ECの現場で、何度も聞いてきた言葉です。

購入特典を付けたら売上は伸びた。

送料無料にしたら注文数も増えた。

新商品もそれなりに売れている。

ただ、その一方でこういう違和感が残る。

• 利益はあまり増えていない気がする


• 他の商品が売れなくなっている気がする


• 施策を止める判断ができない

データはあるのに、判断に使えていない。

これは珍しい話ではありません。

多くの場合、原因はシンプルで「評価の仕方」が曖昧なまま進めてしまっていることにあります。

この記事では、実務で実際にやっている評価の進め方を、具体的なデータの作り方まで含めて整理します。

現場でよくあるのは、「売上が伸びたかどうか」だけで判断してしまうことです。

ただ、ECの施策はそんなに単純ではありません。

• 売上が伸びても、利益が削られている


• ある商品が売れても、他の商品が落ちている


• そもそも施策の影響なのか分からない

つまり見ないといけないのは、

• *「どれだけ上乗せされたのか（純増）」と「その結果、利益が出ているのか」**です。

ここを分解できるかどうかで、施策の評価精度は大きく変わります。

ポイント①：前年比＋差分で「純増」を見る

まずベースになるのは、前年同期間との比較です。

ただし単純な前年比ではなく、「施策による増分」を切り出します。

---

■ 具体例：購入特典の分析

例えば、購入特典（ノベルティなど）を付けた場合。

最低限、以下のようなデータを用意します。

注文ID | 注文日 | 顧客ID | 注文金額 | 特典有無フラグ

これをもとに、次のように集計します。

▼今年（特典あり期間）

・特典対象注文の売上合計



▼前年同期間

・同条件の売上合計

そして差分を取ります。

売上増分 ＝ 今年（特典あり） − 前年同期間

ここまではよくやると思います。

実務ではここからもう一段踏み込みます。

▼追加で見る指標



・売上増分 × 粗利率 ＝ 粗利増分

・特典の原価合計

例えば、

• 売上増分：+500万円


• 粗利率：40% → 粗利200万円


• 特典原価：150万円

この場合、差し引き50万円の利益が残ります。

---

■ 意思決定の目安

• 粗利がしっかり残る → 継続、場合によっては拡大


• トントン → 特典内容や対象条件を見直す


• マイナス → すぐ止めるのではなく、対象顧客を絞って再検証

※新規顧客獲得目的なら、LTVで回収できる可能性もあるため単純に切らないのが実務的です

---

ポイント②：他商品との“食い合い”を確認する

売上が増えていても、それが他商品からの流入なら意味がありません。

---

■ 具体例：新商品分析

必要なデータはシンプルです。

注文ID | 商品ID | 商品カテゴリ | 売上金額 | 注文日

これを使って、

▼今年 vs 前年



・新商品売上

・既存商品売上

を分けて集計します。

例えば、

• 新商品：+300万円


• 既存商品：-200万円

この場合、純増は+100万円です。

さらに実務ではここも見ます。

・新商品の粗利率

・既存商品の粗利率

もし既存商品の方が利益率が高ければ、

売上が増えていても利益は落ちている可能性があります。

---

■ 意思決定の目安

• 純増＋利益も増加 → 成功（拡大余地あり）


• 売上は増だが利益減 → 価格や構成の見直し


• カニバリ大 → 商品ポジショニングの再設計

---

■ 具体例：季節商品

季節商品も同じ見方です。

▼見るポイント



・季節商品の前年比

・関連商品の売上変化

さらに一歩踏み込むと、

・同時購入率（セット率）

・客単価の変化

ここを見ると、「売れているだけ」か「売上を押し上げているか」が分かります。

---

ポイント③：施策コストと“増分利益”をセットで見る

売上だけで判断すると、ほぼ確実にズレます。

特に送料・割引系は典型です。

---

■ 具体例：送料無料キャンペーン

まずデータをこう持ちます。

注文ID | 注文日 | 注文金額 | 送料有無 | 送料無料対象フラグ

次に集計。

▼今年



・送料無料対象注文の売上

・非対象注文の売上



▼前年同期間



・同じ指標

ここで差分を見ます。

施策効果（純増） ＝

（今年_対象 − 前年_対象）

−（今年_非対象 − 前年_非対象）

ここでやっと「送料無料による上乗せ分」が見えます。

さらに重要なのがコスト。

・追加で負担した送料

・粗利（売上増分 × 粗利率）

---

■ 意思決定の目安

• 粗利 ＞ 送料負担 → 継続可能


• 粗利 ≒ 送料 → 閾値（送料無料ライン）見直し


• 粗利 ＜ 送料 → 条件再設計 or 一時停止

---

■ 現場でよく見る補助指標

• 送料無料ライン直前の注文増加（例：4,800円→5,000円）


• 客単価の変化


• 注文数だけ増えていないか

ここを見ると、「ちゃんと設計が効いているか」が分かります。

失敗例①：売上だけ見て判断する

「売上が伸びた＝成功」としてしまうケース。

実際には利益が削られていることが多いです。

特に、

• クーポン


• 送料無料


• 値引き

このあたりはほぼ確実に影響します。

---

失敗例②：比較条件が揃っていない

意外と多いのがこれです。

• セール期間 vs 通常期間


• 曜日構成が違う


• 外部要因（広告投下など）が混ざっている

前年比を見るなら、条件を揃えることが前提です。

---

失敗例③：データの作り込みが甘い

分析の前段でつまずくパターンです。

• 同一ユーザーが重複カウントされている


• 施策フラグが曖昧


• 期間の切り方が雑

正直、分析の精度はここで8割決まります。

---

現場でよくあるリアルな話

「ここまでちゃんとやるの大変ですよね」とよく言われます。

その通りで、最初から完璧にやる必要はありません。

実務では、

• まずざっくり差分を見る


• おかしな数字が出たら深掘る

この進め方が現実的です。

最初から100点を狙うより、60点で回しながら精度を上げていく方が結果的にうまくいきます。

施策評価で見るべきポイントはシンプルです。

• 前年比で増えた“純増分”を見る


• 他施策・他商品との関係を分解する


• 売上ではなく利益ベースで判断する

そして何より重要なのは、

「どう評価するか」を先に決めてからデータを見ることです。

ただ実際には、

• どの粒度でデータを持つべきか


• どこまで分解すればよいか


• どの指標をKPIにすべきか

といった設計でつまずくケースが多く見られます。

当社では、EC事業における施策評価の設計からデータ整備、示唆出しまでを一貫して支援しています。

「この施策、本当に利益に貢献しているのか？」を明確にしたい方は、ぜひ一度弊社までご相談ください。