デッドストックとチャンスロスを把握し、品ぞろえを充実させる

　デッドストック（死に筋商品）は品ぞろえした商品が消費者の支持を得ていない実態であり、いわゆる排除対象商品となる。一方、チャンスロスは消費者の要求する商品が店舗の品ぞろえに反映されていない部分を示しており、品ぞろえとして投下しておけば売り上げ・利益に貢献していたはずの商品である。当然だが、デッドストックはPOSデータで把握でき、チャンスロスはそもそも店舗にない商品のためPOSデータでは把握できない（チャンスロスの把握の仕方については、別の回で事例を紹介したい）。

　消費者の嗜好の変化に品ぞろえを対応させることができれば、デッドストックもチャンスロスも限りなく少なくなる。そのためにはデッドストックを店舗からカットし、充当できる資金とスペースでチャンスロスを埋めるための新商品採用、もしくは既存品ぞろえの中からスペース拡大を行う商品を決定する、などのアクションを取るためにPOSデータを活用する。デッドストックに端を発して、売れ筋商品を把握し売り場を考えていくことは、結果的に品ぞろえの充実につながるのだ。

値入率の改善

　値入率を改善するためには、取引先との交渉時にPOSデータを活用する。発注取引の結果としての仕入れ金額は金額ボリュームから見た原価交渉には有効だが、企業（店舗）への貢献度分析には実際の商品個々の売り上げ・利益結果が必要となる。

　スーパーマーケットなどの量販店では商品点数が大量なため、個別原価ではなく売価還元で商品利益を割り出すのが通例だ。しかし商品個々がもたらしている利益は算出できるため、単品での販売実態情報であるPOSデータを活用することは、取引条件の交渉のためには必須といえる。

原価管理の徹底

　次に原価管理の徹底だが、商品の特性、つまり商品カテゴリーによってもPOSデータの活用観点は異なる。以下、商品カテゴリーに分けて解説しよう。

通年定番商品

　量販店では、一定回転率の通年定番（グロサリーなど）は品切れすることなく、常時補充されるべき商品であり、発注作業の省力化の目的も合わせて、自動補充発注形式での運用が望ましい。もちろん消費者の変化に合わせた安全在庫数や補充サイクルなどの変更による発注ロジック補正は都度行う必要があるが、商品の単品POSデータが自動発注の元データとなる。また、回転率の低い商品ながらある一定の支持を得ている商品は、限られたスペースで必要最低限の在庫を維持する必要があり、POSデータによる在庫管理が有効だ。

生鮮食品

　最も管理が難しいが、管理することが必要視されるのは生鮮食品だ。生鮮品の中でも発注単位と販売単位が同じである商品類（ハムなどの既に加工された商品）は日配品（後述）に近い管理を行えるが、仕入れた原体から店内で加工し品出しを行う商品は、加工時の商品鮮度の劣化を最小限にとどめ、鮮度の良い状態で販売するため、加工のための適正な時間と量の把握が重要となる。つまり、製造する量と販売する量が限りなくフィットすれば、作り過ぎによる商品の廃棄ロスを防ぐことができる。また、消費者の購買時間に沿って鮮度のよい商品を投入することで、チャンスロスを防止でき、売り上げ・利益の向上につながる。そのためには、POSデータによる商品ごとの時間帯別の製造数と販売数の管理、いわゆる製販管理が必要となる。

衣料品

　衣料品は、商品単品単位の下に色やサイズのマトリックスが存在するため、補充のきく商品はPOSデータによる色サイズ管理が必要となる。SPA（Specialty store retailer of Private label Apparel）型商品などの特定シーズン内での企画商品は、契約した分の商品完売を目指すべく、店舗別に投入した商品（色サイズ別）の消化管理や、顧客の要求に応じた商品の店舗間移動といったリアル在庫状態の管理が重要になる。このことから、衣料品のPOSデータは店舗内に閉じず、本部での全体管理が必要であり、リアルデータ伝送に近いレベルの本部・店舗間POSデータ通信が求められる。

高額商品

　貴金属などの高額商品は「その商品で利益をいくら得ているか」といった管理が必要だ。そのため、仕入・販売ともに商品個別で管理する、個別単品原価管理のためにPOSデータが活用される。

日配商品

　日配商品は1日の中での便別補充を行うため、商品個々の時間帯別POSデータが必要になる。

顧客の維持・拡大のためのCRMとPOSデータの連動

　利益構造の説明の最後となる顧客の維持・拡大に関しては、POSデータとCRM（Customer Relationship Management）、もしくはCSM（Customer Specific Marketing）との連動が必要となる。

　CRMの基本は顧客情報の分析だが、顧客別の購買実績を把握するために、顧客ごとにユニーク番号を付番しFSP（Frequent Shoppers Program）を活用する。直近来店（R）、購買頻度（F）、購買金額（M）の3つの軸から顧客のグルーピングを行い（RFM分析）、上位グループへのハイタッチフォローと下位グループへのアプローチにPOSデータからサマリーされた結果を基にアクションを起こす。

段階的なCRM（CSM）とPOSデータの連動

　この「CRMとPOSデータの連動」は5段階の活用段階が考えられ（上図）、第4段階と第5段階はPOSの単品購買データと顧客IDとをひも付けた分析により、個々の顧客へのプロモーションを可能とする。ちなみに、第4、5段階までの活用に至って初めて品ぞろえの充実が行え、それによって売り上げの拡大に結び付く。第2、3段階までの活用に止まっていては顧客維持のアクションにはつながるが、品ぞろえの改善アクションは行えず、FSP運用に必要な費用が利益を圧迫してしまうだろう。つまり、POSデータは目的に応じて活用のシナリオを明確化することが重要であるといえる。

活用シナリオの明確とデータを活用できる人材の育成

　今回解説した、POSデータ活用による小売業の利益構造の適性化と最大化は、「国内小売業の近代化の歴史」と言い換えられるのではないだろうか。1953年（昭和28年）、日本で初めてセルフサービス方式の販売方式を取り入れたスーパーマーケットの誕生と同時にレジスターが国内利用され、商品分類での販売金額管理ができるようになった。その後、店頭の商品を8つの分類に分けて管理する「8トータル管理」、チェーンストア化に伴う商品個々の「ユニット管理」、そして人手での管理の限界によるPOSスキャニングシステムの導入というように、小売業の販売管理手法は進化していった。これらはまさに、「デッドストック・チャンスロスの把握」「品ぞろえの充実」「値入率の改善と原価管理の徹底」「顧客の維持・拡大」を、順を追って実現しようとしてきた歴史なのである。そして現在では、さまざまなベンダーがPOSデータに特化した分析・管理ツールを提供している。

　しかしながら、POSシステムを導入すればすぐに単品管理が実現できるわけではない。単品データを取得することと単品管理を実施することは別であり、どのツールを導入もしくは自社構築するにしても、利益構造の段階的な適正・最大化を理解していなければ目的は達成できないだろう。いかに単品データを活用するかを考えられる、目的に応じて活用するシナリオを明確化できる、そして実際にデータを活用できる人材を育成することが重要なのだ。本連載がそのような人材の育成につながればと願う。

　次回は実際のPOSデータの分析手法について解説する。