飲食店の出店戦略はDXで大きく変わる―AI分析の店舗売上予測サービスに注目

飲食店などの店舗型ビジネスを営む企業では、店舗の出店戦略が経営を大きく左右することは周知の事実だ。しかしながらここ数年悩まされたパンデミックに代表されるように、店舗の売上は社会情勢に影響される要素が多いうえ、人手不足、原材料・エネルギー価格の高騰など業界を取り巻く現状も複雑化している。どうすれば適切な判断ができるのか、答えが見えない企業も多いはずだ。しかしこれらの課題は、デジタル技術を有効活用することで解決につなげられる。本記事では店舗の売上予測にDX（デジタルトランスフォーメーション）を起こすソリューションに注目する。

飲食チェーン産業の出店・販促をめぐる課題とは

飲食業界はコロナ禍を経た今、売上が回復基調にある。とりわけ外食チェーンにおいては、積極的に投資をして店舗を増やす流れがトレンドとなっている。ただ、その一方で飲食業界は人手不足が深刻さを増しており、一つの地域に多くの競合が存在するオーバーストアの傾向も進んでいる。そのため、いかに効率的に、かつ確実性をもって出店し、利益を確保していくかが重要なポイントだ。

従来、飲食チェーン各社が新規店舗を出すにあたっては、経験に基づく暗黙知と、面積などの限られた過去情報を踏襲して立地を判断し、計画を立てるケースが多かった。しかし変化が激しく顧客のニーズもつかみにくくなった現在、従来のやり方では読みきれず、悩む企業も多い。加えて、店舗の販促キャンペーンやプロモーション戦略、既存店舗のリノベーション、あるいは状況がふるわず撤退の判断を行う際にも、知識やノウハウを持った人材が不可欠だ。しかし、見込み売上を予測し、事業計画を作り上げたはいいものの、現実にはその予測の精度が低く、結果的に数年経っても見込み売上に到達せずに不採算で撤退する……といった話も聞く。

見込み売上の精度を高められない最大の理由としては、それまでのノウハウが属人的な暗黙知にとどまり、ナレッジ化できていないことが挙げられる。そのため、大手飲食チェーンでは新店出店や店舗売上の予測について、データを使って意思決定をしたいとのニーズが目立って増えてきている。その一方で、データ分析スキルを持ったいわゆるデータ人材がとりわけ日本では少なく、また人材の社内教育も課題となっており、実際にデータを活用して店舗開発を実施している企業はそれほど多くない。加えて、データ活用の前提として分析を行う対象であるデータ管理ができていない企業も多いようだ。

一方、商圏分析ツールを導入し、出店したい地域の人口統計などをベースに分析する企業や、スタッフが店の前の通行量を調査し、その数字を類似店舗と比較して売上見込みを計算する企業もある。こうした方法で正しい予測を取得し、計画をうまく進められるなら問題はないが、実情は必ずしもそうではないようだ。たとえば、商圏分析ツールは売上予測に特化したツールではないため、精度の高い予測自体が実はそれほど得意ではない。また店舗前の通行量調査にはどうしても調査コストがかかるため、あらゆる物件で実施するのはコストの面で現実的ではないともいえる。加えて、通行量は把握できてもその数字と売上の関係を有意に結び付けられず、大雑把な形での把握にとどまるケースも多い。また、店舗開発担当者のほとんどは、調査や計画のみならず、店舗の不動産契約、内外装工事などさまざまな業務を抱えている。そのため、実際に現地へ足を運んで緻密に調べたり、そこで得た情報を基に検討したりする時間を十分に割けない状況にある。

こうした背景から、過去に出店した実績のデータを分析し、それを基に精度の高い売上予測を実現したいと考える企業が増えてきたといえる。

店舗売上予測を高度化するAI-SaaSソリューション

店舗売上予測のこうした課題に、解決の道筋を示すソリューションがある。AI CROSSが提供するノーコードAI分析サービス「Deep Predictor（ディープ・プレディクター）」だ。このサービスを活用することで、AIモデルによる高精度な売上予測が可能となる。

Deep Predictorには大きく分けて2つの強調すべき機能がある。1つは、Excelなどで管理された表形式データを取り込んで精度の高い予測モデルを自動作成し、それを基に予測を行う機能だ。たとえば新規出店の場合、予測モデルを作ったうえで出店したい地域の物件情報や商圏のさまざまな情報を入力することによって、過去の実績をベースに高精度の予測を実施できる。

そしてもう1つの機能が、過去のデータをベースに商圏人口・店舗面積・座席数などと売上の関係を予測できる機能である。この機能を使えば、店舗それぞれの成功・失敗要因の特定につながるアウトプットを得られる。

予測モデルをとにかく手軽に作成できるのがポイントだ。サービス導入時に設計された所定のフォーマットに物件のデータなどを入力し、それをアップロードするだけで、予測モデルが作れてしまうという簡単さだ。そもそも操作自体すべてクリックで行えるため、これまでデータ分析やAIとまったく縁がなかった人であっても迷わず簡単に使える。また、結果のアウトプットだけでなく、それに基づく物件の優先度の明確化や、後述するような予測売上値に対する根拠の提示まで行ってくれる点も大きな特長といえる。さらには導入時、データの扱いに慣れていないユーザーに対しては、データ入力や予測モデル作成のサポートを提供してくれるのも安心だ。ツール自体はSaaS型で提供されるクラウドサービスであるため、導入や運用の手間もかからない。

類似の予測ツールにはない特長も多い。たとえば、担当者の運用をより便利にする画面カスタマイズ。AIの予測数字は結果だけ表示されても何を意味するのかわかりづらいことが多いが、その点、Deep Predictorには地図上に分析結果を表示するなど、運用に合わせてUIを個別にカスタマイズするサービスが用意されている。これは、過去に類似の予測ツールを導入したお客様が、「導入したものの実際には扱えなかった」「活用できなかった」とお困りだったことから生まれた機能だ。

また、予測した数字について、AIが各項目の売上に対する影響を評価し、アウトプットする機能も備えられている。これにより、その売上の予測に至った理由がなぜなのか、「店舗面積が適切であるため」、「商圏人口が多いため」といったように、一目で理解できる。AIはなぜその結果を導き出したのかがブラックボックス化しやすいイメージがあるが、Deep Predictorの場合は担当者が意思決定者や物件のオーナーに説明しやすい根拠をしっかり示せる仕様になっているわけだ。

こうしたツール自体の多彩な機能に加えて、AI CROSSのデータサイエンティストがAIモデルで予測を実施し、レポート作成まで運用全体を代行するサービスも提供される。前述のように店舗開発担当者は他の業務の一環として手掛けるケースが多いため、いかに操作が簡単とはいえ負担を感じることもあるだろう。その点、代行サービスを利用すれば運用上の負荷を減らせるメリットを享受できる。ユーザー企業のニーズに応じて柔軟に対応でき、かつ手厚いサポートも含めて伴走する体制が整っているのが大きな魅力といえる。

もちろん分析自体も高度だ。たとえば店舗の賃料は立地が良いほど高いのが一般的なので、一般的な経験則では賃料が上がれば上がるほど売上も上がると分析されがちだが、実はある程度の賃料まで上がると、売上が飽和してしまう。Deep Predictorではそういった複雑な分析を行えるので、よりコストパフォーマンスの高い施策に結びつく示唆を得ることができる。

精度の高い売上予測と運用代行で多くの成果につなげる

実際に、Deep Predictorはどのように活用できるのか。ある外食チェーンの導入を基にした事例を見ていこう。

この企業では近年、出店数を大幅に増やしていたが、売上見込みがなかなか当たらず、不採算店舗や退店が多く出ていた。そこでDeep Predictorを導入し、課題の解決に取り組む。導入の決め手となったAI CROSSによる提案の要点は3つ。1つは、売上に影響するデータの調査・分析と、さらには売上のモデル作成まですべて代行する点だ。2つ目は分析結果がわかりやすく、意思決定者に説明しやすい形で提示できる点、そして3つ目は、それまでデータが分散していたのを集約し、運用しやすい形に整理するという点だ。

導入の成果として、それまでナレッジや外部情報の不足があった地域も含めて出店時の売上予測精度が格段に向上。その精度は、ベテランの知見だけに頼っていた状況と比較すると、2倍から3倍に上がったという。それに伴い出店の成功確率も上がり、失敗した場合に要するコストと新規出店により得られる売上増分を合算して年間約8000万円の利益効果が出ると推算している。予測に対してその根拠と打ち手の提案まで出てくるため、意思決定者に説明しやすくなった点や、地図上で見やすく可視化できるのでレポーティング業務を簡素化できた点も評価している。

分散していたデータの集約が進み、データ管理が高度化されたことから、今後は売上予測以外での活用も視野に入れている。たとえばその日の来店人数を予測し、その数に応じた原材料を用意することでフードロスを削減する、あるいはアルバイト人数をコントロールして人件費を最適化する、といった用途だ。さらにDeep Predictorなら商圏分析ツールがカバーできない海外での出店予測もできるため、海外向け活用も始めている。

この企業の事例からもわかるように、Deep Predictorは単なる売上予測だけでなく、飲食業界が抱える構造的な課題の解決につながる幅広い用途での活用が可能となっている。精度の高い予測により出店・販促等の計画の確度が大きく上がるうえ、過去の実績データの分析から施策の良かった点・良くなかった点を見つけ出し、今後の戦略に役立てられるアウトプットも得られるのが導入の大きなメリットといえる。データ分析の設計から実運用まで一貫して代行するサービスも用意されているので、これまで勘や経験に頼って出店・販促計画を実施していた企業は、これを機にDeep Predictorを導入し、データドリブンの意思決定に切り替えて、DX推進につなげてみてはいかがだろう。

[PR]提供：AI CROSS