赤兎馬EC運用支援
新商品の候補をAIに出させると、それらしい案が並びます。ただ、その案は最後まで残りません。
私たちが2025年6月に行った新商品検討では、対話型AIに出させた案10件のうち、採用まで進んだものは1件もありませんでした。
この記事では、2026年10月23日〜26日に同じ検討をやり直したとき、AIの役割をどう変えたか、何を人に残したかを書きます。読み終えると、次のことが分かります。
- AIの案が残らない理由と、AIに任せるべき役割
- 評価軸を1本に揃えながら、判断は機械に渡さないやり方
- 候補出しの「偏り」に気づくための見方
- 新商品を検討する前に、今の商品で見ておく数字
1年前の振り返り：人の〇は当たり、AIの案は全滅した
第1ラウンド（2025年6月）では、候補17件に加えて、対話型AIに出させた案が10件ありました。結果ははっきり分かれました。
- 人が〇を付けた5件のうち、4件はその後に実案件になった
- AIに出させた10件は、1件も採用されなかった
人の目は確かでした。一方で、振り返ると検討の進め方に2つの弱点がありました。
- 評価軸がばらばら：月販で語る候補、年商で語る候補、感想だけの候補が混ざっていて、ジャンルをまたいだ比較ができない
- ✕の理由が一言しか残っていない：状況が変わっても、何がダメだったのかを再評価できない
もう1つあります。16か月経っても、新しいジャンルで発売までたどり着いた商品はまだありません。量産の段取りに最も近いものが2件です。つまり詰まっていたのは「良い案が無いこと」ではなく「出し切る力」でした。AIで案の数を増やすだけでは、ここは解決しません。
AIの役割を「案を出す」から「数とデータを揃える」へ
10月23日の叩き台で決めた方針は、入口はジャンル無制限、出口は1本の物差し（統一スコアカード）にする、というものです。AIの役割も変えました。
- 以前：案を出す
- 今回：候補の数を出す、データを揃える、採点する、試作する
候補出しは3系統に分けました。
- 既存商品の隣にある空白
- 同じ買い手・同じ棚・同じ工場で作れるもの
- 買い手や製造方法をゼロから変えるもの
各30〜35件、計100件を台帳にまとめて共有シートに置きました。これに対する代表のフィードバックで、検討の向きが大きく変わりました。
- 「100件では全然少ない」
- 「重みづけ・評価はあくまで参考値」
- 「足切りは不要。Stage 0（候補を出し切る段階）が終わった時点で会話したい」
- 「市場が小さくても、ニッチで競合が弱いところを大事に」
- 「代表キーワードは広めに（例：プロテインなら、フィッシュプロテインやジュニアプロテインまで）」
同じ日に反映した内容は次のとおりです。
- 3系統で321件に作り直した（114件／105件／102件）
- 列に「キーワード群（広め）」「市場感（参考）」「競合の弱さ（参考）」を追加した
- 方針書から数値ゲートと足切りを外し、判定列は全行空欄のままにした
- 旧100件は消さずに別の場所へ残した
大事なのは「判定列が空欄」という点です。AIに採点はさせますが、〇×は付けさせません。物差しは揃えますが、それは会話の材料であって結論ではありません。
内訳を数えたら、自社の資産に偏っていた
10月26日、代表に「2系統目は学習系に絞っているのか」と聞かれ、内訳を数えて答えました。
- 2系統目の105件のうち、98件が子ども・親向け
- 3系統目の102件のうち、74件が印刷物
「ゼロから変える」はずの系統まで、自社がすでに持っている買い手と製造方法に引っ張られていました。AIは渡された前提に寄っていきます。件数の合計だけを見ていたら、この偏りには気づけませんでした。
そこで第4系統「自社の資産を前提にしない（市場起点）」を100件足しました。さらに代表の「もっと他にもあるのでは」を受けて第2弾の100件を加え、計521件（4系統）になりました。市場起点で拾うときの条件は次のとおりです。
- 軽い
- 電気を使わない
- OEMで作れる
- 消耗品、またはリピートが起きる
- 日本の生活規格や悩みに特化している
- 小さなブランドが上位にいる
カテゴリで言うと「学校生活の消耗品」「育児の安全用品」くらいの粒度です。追記は既存の行に触らず末尾に足し、候補名が重複したらエラーで止まるようにしました。人が読んでいる途中の台帳が勝手に並び替わったり、同じ候補が二重に数えられたりするのを防ぐためです。
最初の3系統321件について、Stage 0時点の見立て（参考値）の分布は次のようになりました。
- 市場感：小203件／中102件／大16件
- 競合の弱さ：弱192件／中93件／強32件／不明4件
もし「市場が小さいものは除外」という足切りを機械にさせていたら、市場感「小」の203件はまとめて消えていました。代表が大事にしたいと言った「小さいけれど競合が弱い」ニッチは、ちょうどそこに入っています。
学んだ5つのことと、人が残る場所
- データの裏付けが無いAIの案は残らない。AIは案を出す役ではなく、データを揃える役に置く
- 評価軸を1本にしないと比較できない。ただし物差しは参考値で、決めるのは人の会話
- AIに足切りをさせると、「小さい×弱い」のニッチが真っ先に消える
- 候補を出させたら、偏っていないかを内訳で確かめる
- 生データ（今回なら60列のエクスポート）を残しておくと、1年後に別の目的で役に立つ
AIに任せたのは、数を出す・揃える・採点するところまでです。次の部分は人が持ち続けます。
- 方向を決める（避けたい方向、深掘りしたい方向）
- 現物を確認する
- 工場と交渉する
- 〇×を最終的に判断する
次のステップ「Stage 0完了の会話」は、10月26日の時点ではまだ行っていません。521件を並べて、やっと判断の材料が揃った段階です。
EC実務への着地：新商品の前に「今の商品の数字」を揃える
候補が521件あっても、どれを選ぶかは最終的にお金の話になります。私たちが候補を比べる基準にしようとしているのは「年粗利をいくら上乗せできるか」です。そのために、まず今の商品で次の2つを確認します。
- 広告後粗利：売上から原価・モール手数料・物流費・広告費を引いて、手元に残る額
- 閑散期：どの月に売上と粗利が落ちるか
今の商品の広告後粗利が薄いなら、同じ売り方をする新商品も薄くなりやすいです。閑散期が分かっていれば、その月を埋められる候補を優先できます。判断基準として言い切るなら「今の商品の広告後粗利と閑散期が数字で出ていないうちは、新商品の候補を絞るより先にそちらを揃える」です。
新商品の候補出しチェックリスト
- 候補を3桁出したか
- 評価軸は1本か（月販・年商・感想が混ざっていないか）
- 足切りを機械にさせていないか
- 「市場が小さい×競合が弱い」候補を残しているか
- 内訳を数えて、自社の資産に偏っていないか確かめたか
- 生データを残しているか
AIは、候補の数とデータを揃える作業が得意です。一方で、どの方向に進み何を捨てるかは、自社の事情を知る人の会話でしか決まりません。その会話の土台になるのが、今の商品の広告後粗利です。
ただ、モールごとの手数料・広告費・物流費をSKU単位で揃える作業は、日々の運用と並行すると後回しになりがちです。新商品の検討に入る前に、まず今の商品の数字を揃えてみませんか。赤兎馬では、店舗URLをいただければ改善余地をレポートにしてお返しする無料EC診断を行っています。AI導入・内製化のご相談も同じ窓口で受け付けています。
https://ec-sekitoba.jp/#contact