商品の売れ行きがよさそうに見えても、ランキングだけで仕入れを決めるのは危ういものです。検索量が伸びているのか、値下げで順位が上がったのか、物流費を引いて利益が残るのか。商品ページの数字を「判断できるデータ」に変えるには、何をいつ、どこから得たのかを記録し、足りない情報は足りないまま扱う必要があります。

2026年10月28日付の分析案は、Amazon米国サイトを想定し、観測データから判断指標へ至る流れを設計しています。結論はシンプルです。高い需要スコアで、赤字やサイズ制限、根拠不足を帳消しにはできません。

まず記録する11項目

最低限の収集項目は、BSR（ベストセラーランキング）、検索量、現在価格、過去90日の価格、レビュー数、評価、出品からの日数、梱包サイズ、梱包重量、上流データが示す大型区分、販売者・配送形態の種類です。

ただし、数字だけを保存しても比較には使えません。ランキングはサイト・カテゴリー・商品単位・観測時点をそろえ、価格は割引後の商品価格かどうかを明記します。レビュー数は親商品で共有されるのか、個別バリエーションの値なのかを区別。検索量がサービス事業者の推定値なら、その性質も記録します。

欠損値を「0」に置き換えるのも避けます。ランキングが不明なのと、順位がゼロなのは別の状態です。価格履歴が空なら、価格がゼロなのではなく、履歴を取得できていないという意味です。

6つの指標を、何のために使うか

1. BSRからの販売数推定

案では、推定販売数 = exp(α − β × ln(順位))という形でランキングを販売数に換算します。ただし、係数α・βはカテゴリーや期間に合った実売データで校正する必要があります。順位だけから本当の販売数が分かるわけではありません。

ChevalierとGoolsbeeの研究は、AmazonとBarnes and Nobleのオンライン書籍市場を対象に、販売順位から販売量を推定する方法を扱っています。6 その研究をあらゆるカテゴリーにそのまま適用できるわけではなく、分析案にあるβの範囲も、別途検証が必要な暫定設定です。

2. 市場の参入障壁の代理指標

同じ市場領域にある上位10商品のレビュー数平均を、設定した閾値で割って比較します。案では閾値を500件とした例を示しますが、これは提案値です。比較対象が10商品そろわない、カテゴリーが混ざっている、重複商品がある場合は、無理に計算せず「根拠不足」とします。レビュー数は競争の一側面であって、市場シェアそのものではありません。

3. 需要の勢い

直近30日とその前の30日の検索量の変化に、7日間のランキング変化を組み合わせます。案の重みは検索量50％、ランキング50％。検索量と順位がともに改善し、合成値が0.10以上であることを暫定条件とします。

ただし、過去60日分の同じ口径の検索データや、7日前の順位が欠けていれば判定できません。出品から60日未満、または価格が90日中央値より15％以上下がっている場合も、勢いが値下げによるものかを確認するため、再審査に回します。これらの期間や重みは、提案された運用ルールであり、Amazonの推薦アルゴリズムの公開仕様ではありません。

4. 単品の純利益率

純利益率 = (販売価格 − 1個あたり総費用) ÷ 販売価格。仕入れ、関税、輸送、履行手数料、販売手数料、広告、保管、返品損失などを費用に含めます。案では通常時20％以上、費用が20％増えるストレス条件でも10％以上を暫定ラインとします。

費用の一部が不明、通貨や税の扱いが混在、見積もりが期限切れなら、利益率を確定させません。販売者の種類だけから手数料を推測することもできません。

5. 価格と重量・容積の関係

「価格÷重量」は軽くてかさばる商品の物流リスクを見る指標です。梱包サイズから容積を出し、配送業者の容積重量の換算ルールと実重量を比べ、大きい方を計費重量として扱います。価格÷容積も別に計算します。名前の似た指標でも、重量あたりの価値と容積あたりの価値は別物です。

分析案の例では、45×35×20cmの梱包、実重量0.2kg、換算係数5,000cm³/kgなら、計費重量は6.3kgになります。軽量でも容積が大きければ、物流費が利益を圧迫し得るということです。換算係数や送料は配送条件ごとに確認し、固定の世界共通値として扱いません。

6. 低評価レビューに現れる物理的な欠陥

2〜3つ星レビューの本文を確認し、破損・構造・使い勝手などの物理的な問題を、根拠となる記述と結び付けて数えます。案では「物理的な問題の件数÷対象レビュー数」を使い、サンプルが30件未満なら機会判定に進めない設定です。値が0.5以上なら改良可能性を人が審査します。

これは退返品率を示す数字ではありません。配送やカスタマーサービスへの不満は物理的欠陥に含めず、同一レビュー内の同一側面の重複言及も重ねて数えません。レビュー本文がなければ、レビュー総数だけから欠陥密度を推定できません。

条件を「点数」で相殺しない

案の初期スクリーニング条件は、販売価格20〜70ドル、梱包の三辺を大きい順に並べて18×14×8インチ未満、重量20ポンド未満です。サイズや重量が上限と同じ場合も通過しない、という厳格な扱いです。

これらは今回の分析案に置かれた政策条件で、Amazonの公式サイズ区分として確認されたものではありません。また、『Product Research 101』の公開書誌に記載された著者はRenae Clarkです。10 ただし、価格やサイズなどの条件が同書に由来するとは確認できていないため、書籍の推奨値としては扱いません。

データの完全性、価格、サイズ、販売数の校正、競争状況、需要動向、利益、物流、レビュー根拠は、それぞれ独立した門番です。一つの優れた指標で別の不合格を埋め合わせない設計にします。最終結果も「候補として条件を通過」「拒否」「根拠不足」「人による確認」に分け、候補通過を仕入れ許可や法令順守の認証とはみなしません。

仕様案の段階を見誤らない

この設計では、L1に観測値と出所、L2に単位換算や比較条件、L3に再計算可能な指標を置きます。各値に商品、カテゴリー、観測時刻、ルールの版を結び付け、欠損・推定・観測済みを区別する考え方です。

ただし、販売数の校正データ、同条件の競合10商品の情報、連続した検索履歴、全費用、配送業者の換算ルール、レビュー本文は、11項目だけでは得られません。これらがない指標は計算しない、または「根拠不足」とする必要があります。

分析案には、入力契約や境界値テストの例も含まれていますが、契約コードの実装・実行、データ収集、テスト合格は確認されていません。したがって、ここで示した数値は実績ではなく、今後の検証に向けた暫定ルールです。実際の立ち上げでは、データ利用権限、カテゴリー別の校正、費用見積もり、レビュー抽出の精度をそれぞれ確かめることが先決です。

商品の売れ行きがよさそうに見えても、ランキングだけで仕入れを決めるのは危ういものです。検索量が伸びているのか、値下げで順位が上がったのか、物流費を引いて利益が残るのか。商品ページの数字を「判断できるデータ」に変えるには、何をいつ、どこから得たのかを記録し、足りない情報は足りないまま扱う必要があります。

2026年10月28日付の分析案は、Amazon米国サイトを想定し、観測データから判断指標へ至る流れを設計しています。結論はシンプルです。高い需要スコアで、赤字やサイズ制限、根拠不足を帳消しにはできません。

まず記録する11項目

最低限の収集項目は、BSR（ベストセラーランキング）、検索量、現在価格、過去90日の価格、レビュー数、評価、出品からの日数、梱包サイズ、梱包重量、上流データが示す大型区分、販売者・配送形態の種類です。

ただし、数字だけを保存しても比較には使えません。ランキングはサイト・カテゴリー・商品単位・観測時点をそろえ、価格は割引後の商品価格かどうかを明記します。レビュー数は親商品で共有されるのか、個別バリエーションの値なのかを区別。検索量がサービス事業者の推定値なら、その性質も記録します。

欠損値を「0」に置き換えるのも避けます。ランキングが不明なのと、順位がゼロなのは別の状態です。価格履歴が空なら、価格がゼロなのではなく、履歴を取得できていないという意味です。

6つの指標を、何のために使うか

1. BSRからの販売数推定

案では、推定販売数 = exp(α − β × ln(順位))という形でランキングを販売数に換算します。ただし、係数α・βはカテゴリーや期間に合った実売データで校正する必要があります。順位だけから本当の販売数が分かるわけではありません。

ChevalierとGoolsbeeの研究は、AmazonとBarnes and Nobleのオンライン書籍市場を対象に、販売順位から販売量を推定する方法を扱っています。6 その研究をあらゆるカテゴリーにそのまま適用できるわけではなく、分析案にあるβの範囲も、別途検証が必要な暫定設定です。

2. 市場の参入障壁の代理指標

同じ市場領域にある上位10商品のレビュー数平均を、設定した閾値で割って比較します。案では閾値を500件とした例を示しますが、これは提案値です。比較対象が10商品そろわない、カテゴリーが混ざっている、重複商品がある場合は、無理に計算せず「根拠不足」とします。レビュー数は競争の一側面であって、市場シェアそのものではありません。

3. 需要の勢い

直近30日とその前の30日の検索量の変化に、7日間のランキング変化を組み合わせます。案の重みは検索量50％、ランキング50％。検索量と順位がともに改善し、合成値が0.10以上であることを暫定条件とします。

ただし、過去60日分の同じ口径の検索データや、7日前の順位が欠けていれば判定できません。出品から60日未満、または価格が90日中央値より15％以上下がっている場合も、勢いが値下げによるものかを確認するため、再審査に回します。これらの期間や重みは、提案された運用ルールであり、Amazonの推薦アルゴリズムの公開仕様ではありません。

4. 単品の純利益率

純利益率 = (販売価格 − 1個あたり総費用) ÷ 販売価格。仕入れ、関税、輸送、履行手数料、販売手数料、広告、保管、返品損失などを費用に含めます。案では通常時20％以上、費用が20％増えるストレス条件でも10％以上を暫定ラインとします。

費用の一部が不明、通貨や税の扱いが混在、見積もりが期限切れなら、利益率を確定させません。販売者の種類だけから手数料を推測することもできません。

5. 価格と重量・容積の関係

「価格÷重量」は軽くてかさばる商品の物流リスクを見る指標です。梱包サイズから容積を出し、配送業者の容積重量の換算ルールと実重量を比べ、大きい方を計費重量として扱います。価格÷容積も別に計算します。名前の似た指標でも、重量あたりの価値と容積あたりの価値は別物です。

分析案の例では、45×35×20cmの梱包、実重量0.2kg、換算係数5,000cm³/kgなら、計費重量は6.3kgになります。軽量でも容積が大きければ、物流費が利益を圧迫し得るということです。換算係数や送料は配送条件ごとに確認し、固定の世界共通値として扱いません。

6. 低評価レビューに現れる物理的な欠陥

2〜3つ星レビューの本文を確認し、破損・構造・使い勝手などの物理的な問題を、根拠となる記述と結び付けて数えます。案では「物理的な問題の件数÷対象レビュー数」を使い、サンプルが30件未満なら機会判定に進めない設定です。値が0.5以上なら改良可能性を人が審査します。

これは退返品率を示す数字ではありません。配送やカスタマーサービスへの不満は物理的欠陥に含めず、同一レビュー内の同一側面の重複言及も重ねて数えません。レビュー本文がなければ、レビュー総数だけから欠陥密度を推定できません。

条件を「点数」で相殺しない

案の初期スクリーニング条件は、販売価格20〜70ドル、梱包の三辺を大きい順に並べて18×14×8インチ未満、重量20ポンド未満です。サイズや重量が上限と同じ場合も通過しない、という厳格な扱いです。

これらは今回の分析案に置かれた政策条件で、Amazonの公式サイズ区分として確認されたものではありません。また、『Product Research 101』の公開書誌に記載された著者はRenae Clarkです。10 ただし、価格やサイズなどの条件が同書に由来するとは確認できていないため、書籍の推奨値としては扱いません。

データの完全性、価格、サイズ、販売数の校正、競争状況、需要動向、利益、物流、レビュー根拠は、それぞれ独立した門番です。一つの優れた指標で別の不合格を埋め合わせない設計にします。最終結果も「候補として条件を通過」「拒否」「根拠不足」「人による確認」に分け、候補通過を仕入れ許可や法令順守の認証とはみなしません。

仕様案の段階を見誤らない

この設計では、L1に観測値と出所、L2に単位換算や比較条件、L3に再計算可能な指標を置きます。各値に商品、カテゴリー、観測時刻、ルールの版を結び付け、欠損・推定・観測済みを区別する考え方です。

ただし、販売数の校正データ、同条件の競合10商品の情報、連続した検索履歴、全費用、配送業者の換算ルール、レビュー本文は、11項目だけでは得られません。これらがない指標は計算しない、または「根拠不足」とする必要があります。

分析案には、入力契約や境界値テストの例も含まれていますが、契約コードの実装・実行、データ収集、テスト合格は確認されていません。したがって、ここで示した数値は実績ではなく、今後の検証に向けた暫定ルールです。実際の立ち上げでは、データ利用権限、カテゴリー別の校正、費用見積もり、レビュー抽出の精度をそれぞれ確かめることが先決です。