値上げ判断の前に検討すべき、利益率改善の5つの選択肢

仕入先からの値上げ通知、Amazon広告のCPC上昇、FBA手数料の改定。コスト圧力が多方面から同時に来ている2026年、年商1〜10億のEC事業者の経営者から 「そろそろ自社も値上げを検討すべきか」 というご相談が増えています。

とはいえ、値上げは離脱リスクが大きく、競合が動かない中で先に動くのは怖い。本記事では、値上げに踏み切る前に検討すべき、利益率を押し上げる5つの選択肢 を整理します。

なぜ「値上げの前に」考えるべきか

値上げは、利益率改善の手段として 最も直接的で、効果も大きい打ち手 です。年商3億の事業者が5%値上げできれば、売上1,500万円分が乗り、その大半が粗利として残る計算になります。

しかし、値上げには 3つの逆風 があります。

つまり値上げは、「他にやれることをやり切った後の、最後のカード」 として温存しておく価値があります。実は、営業利益率を3〜5pt押し上げる手段は、値上げ以外にも複数あります。本記事ではそれを5つに整理します。

なお、業態によって5つの優先順位は変わります。回転速い消耗品系と低回転OEM系では効きやすい選択肢が違うので、自社の業態に当てはめて読み進めてください。

選択肢1：滞留在庫を整理する

選択肢2：保管費・物流費の見直し

選択肢3：仕入条件の見直し

選択肢4：商品ミックス最適化（4象限分類）

多くのEC事業者では、(B)のSKUに広告費が偏っていることが少なくありません。そこを見直して (C)のSKUに広告投下を回す と、同じ広告予算で粗利が上がる構造に変わります。

本選択肢は 5つの中で最も効果が大きく、しかし最も判断が難しい 領域です。販売データ・原価データ・広告データの3つを横断して見ない限り、4象限分類が描けないからです。

選択肢5：オペレーション自動化

5つの選択肢の組み合わせ効果

5つを並べてみると、それぞれ単独でも数pt程度の改善ですが、組み合わせると景色が変わります。

仮に、年商3億・営業利益率8%（営業利益2,400万円）の事業者を想定すると：

ただし、これは「全部100%達成」した理想論です。現実的には、半年〜1年で50%達成（+3.5pt）が現実的なライン でしょう。

同じ +3.5pt を 値上げだけで作ろうとすると、5〜7%の値上げが必要。価格弾力性を -1.5 と仮定すると、販売数量が 7〜10% 減る計算で、売上はむしろ縮む可能性 があります。

それでも値上げが必要な時の判断軸

5つの選択肢を一通りやった上で、それでも利益が出ない構造なら、値上げは正当な選択肢 です。その時の判断は、「値上げ幅 vs 想定離脱率」のシミュレーション で行います。

仮に 5% 値上げを検討すると：

価格弾力性はSKUによって大きく異なります。ブランド力のあるオリジナル商品は -0.5〜-1.0、コモディティ性の高い商品は -1.5〜-2.0 が目安です。

SKU別に分けて考えるのが理想ですが、まずは 「主力10SKUの平均」で粗く試算 するだけでも、意思決定の質は大きく上がります。

図解：実行難易度 × 期待効果マトリクス

5つの選択肢を、実行難易度（横軸）× 期待効果（縦軸） の2軸で配置すると、優先順位が見えてきます。

このマトリクスは、あくまで一般的な傾向としてのレファレンスです。業態と運用実態によって配置は動きます。たとえば「自社EC比率が低くモール依存度が高い事業者」では、選択肢4（商品ミックス）の難易度が下がる傾向があります。逆に「複数モール × 複数倉庫の運用が複雑な事業者」では、選択肢5（自動化）の効果が他より大きく出ます。

明日からできる「利益率改善の3チェック」

ここまでの整理を、明日からの行動に落とし込みます。所要時間は 合計40分 です。

合計40分の月次レビューで、半年〜1年後の利益率は別の景色になります。

持ち帰れるツールと、関連記事

5つの選択肢それぞれの詳細手順は、過去記事で扱っています。

まとめ

値上げは、利益率改善の最も直接的な手段ですが、離脱リスクと「戻せない」リスクを抱えます。本記事では、値上げに踏み切る前に検討すべき5つの選択肢を整理しました：

1. 滞留在庫整理（+1〜2pt）
2. 保管費見直し（-1〜3pt）
3. 仕入条件見直し（+1〜3pt / CF改善）
4. 商品ミックス最適化（+2〜4pt）
5. オペレーション自動化（-1〜2pt）

50%達成でも +3.5pt、現実的な打ち手ばかりです。

5つに共通するのは、いずれも 「事業全体を横断したデータと判断」が前提 になっていること。在庫データ、販売データ、仕入データ、広告データ、物流データ——これらを統合して見ない限り、5つの選択肢の優先順位は付けられません。

私たち Arke がデータとAIで取り組んでいるのは、まさにこの「全体最適のための判断データ統合」と、AIエージェントによるシミュレーション支援です。「値上げするかしないか」という二択ではなく、「どこから手をつけるべきか」を根拠ある形で意思決定できる環境を作ること——それが、本シリーズを通じてお伝えしたいことの核です。