セール中は「足りなくなるかもしれない」と毎日ヒヤヒヤしていたのに、終わった瞬間、その在庫は "売れ残り" に見え始めます。逆の年もあります。想定より早く売れて主力SKUが欠品、追加生産は間に合わず、広告を止めるしかない——。
今回紹介するB社（ギフト系EC、年商4.5億）は、まさにその悩みを 3年連続 で抱えていました。母の日売上は年商の15%、約6,750万円が 3週間 に集中する勝負商戦です。
しかし2026年、B社は母の日商戦で 実需との誤差1.2%（精度98.8%） を出しました。これは「AIが魔法のように当てた」話ではありません。6ヶ月前からデータを整え、外部要因を組み込み、人が最後の判断を行い、本番中も毎日調整し続けた結果です。本記事では、その6ヶ月のプロセスを率直に整理します。
- B社のプロフィールと、3年連続外していた現実
- 「99%精度」に到達するまでの6ヶ月の5フェーズ
- 99%達成の中身：30 SKU別の予測 vs 実績
- それでも残った1.2%の誤差の正体（率直編）
- このケースから学べる3つのポイント
- あなたの会社でも始める3ステップ（今年／来年／再来年）
- 図解：3年間の予測誤差の推移
B社のプロフィールと、3年連続外していた現実
B社は、創業10年・社員18名の ギフト系EC事業者。主力はフラワー＋スイーツの複合ギフト。販路は自社EC・楽天・Amazon・Yahoo・LINEギフトの5チャネル、SKU数は120。そのうち30 SKUが母の日商戦専用 の特別品です。
通常月であれば多少の予測誤差があっても翌月以降で調整できますが、母の日は違います。母の日を過ぎると、需要が一気に消えます。「母の日ギフト」と印字された商品や、専用ラッピング、限定カード付きの商品は通常販売に戻しづらい——売れ残った瞬間に価値が下がる商材です。
過去3年の予測誤差を振り返ると：
2024年：予測比 +18%（反省で絞ったらSNS拡散で前半欠品）
2025年：予測比 −22%（欠品を恐れて再び強気→後半急減速で余剰）
3年連続、振れ幅は違うが外していたのは事実でした。当時のB社代表の言葉：
問題は、単に予測が外れたことではありません。予測が外れる理由を、翌年へ再現可能な形で残せていなかったことです。
「来年こそは外したくない」という社長の依頼を起点に、6ヶ月前からプロジェクトを始めました。
「99%精度」に到達するまでの6ヶ月の5フェーズ
「99%」というと魔法のように聞こえますが、実態は 5つのフェーズの積み重ね です。それぞれ地味ですが、外せないステップでした。
重要だったのは 異常値の整理。例：2024年5月8日のシステム障害で1日売上が記録されていない／2023年に台風で配送が止まり翌日に集中／2024年のあるギフトBOX急伸の正体はインフルエンサー投稿——こうした「実需ではないノイズ」を1つずつタグ付け。
地味な作業ですが、ここを怠ると後続のすべてが狂います。
① 気象データ（直近2週間の気温と降水）：暑い母の日はフラワー型、涼しい母の日はスイーツ型に需要が偏る
② SNS露出（Instagramのギフトハッシュタグ投稿数推移）：早期予約の予兆指標
③ 競合動向（主要モールの母の日特集ランディングの掲載位置）：露出大なら自社シェア下がる
この3つを過去データに重ねるだけで、予測精度の理論上の上限が 80%台前半 → 90%台前半に上がる見立てが立ちました。
① フラワー単品（直前需要が強い）
② スイーツ単品（比較的早めに売れる）
③ フラワー＋スイーツセット
④ 高単価ギフトBOX（レビュー・写真訴求の影響大）
⑤ 低単価お試しギフト
⑥ 定番リピート商品
⑦ 新作限定商品（広告・SNS露出に左右されやすい）
同じ「母の日商品」でも売れ方は大きく違う。SKUごとに「直近の販売トレンド × 外部要因 × カテゴリ平均」を組み合わせ。
この時点で全体の予測誤差は 5〜8%。意外だったのは、AIモデルの出力が「人の感覚と微妙にズレる」こと。たとえば定番カーネーション商品でAIは「前年比−20%」、社内感覚は「同等か微増」。突き合わせるとAIの根拠は「SNS言及数が前年同期より減」、人間側は「うちの主力だから当然売れる」という思い込み。
重要だったのは「AIに従う」ことではなく、「AIと人が議論する場を作った」ことです。
そして作ったのは1つの予測ではなく 3つのシナリオ：
強気（SNS露出が想定以上に当たった場合）／標準（基準）／保守（広告効率下がり後半需要伸びない場合）
標準を基準にしつつ、前半の販売速度によって切り替えるルールを事前に決定。「外れた時にどう動くか」が事前に決まったことで、本番中の意思決定が止まりませんでした。
例：あるスイーツセットがAmazonで想定より早く伸び、楽天ではやや鈍い。従来ならAmazonで欠品し楽天に残る構造だったが、日次で在庫配分を見直してAmazon側へ寄せた。
予測は「作って終わり」ではなく、本番中に修正し続けることで実需とのズレを小さくしていく——これまで本番3週間が一番忙しかったB社にとって、運用負荷は大きく下がりました。
99%達成の中身：30 SKU別の予測 vs 実績
全体での実需との誤差は −1.2%（=精度98.8%）。ただし「全SKUが均等に当たった」わけではありません。SKU分類別では：
| SKU分類 | SKU数 | 誤差 | 評価 |
|---|---|---|---|
| 定番フラワーセット | 8 | 0.8% | ◎ |
| 低単価お試しギフト | 5 | 0.6% | ◎ |
| スイーツセット | 6 | 1.5% | ◎ |
| フラワー＋スイーツセット | 5 | 2.1% | ◎ |
| 定番リピート商品 | 4 | 1.9% | ◎ |
| 新作限定商品 | 1 | 4.9% | △ |
| 高単価ギフトBOX | 1 | 6.8% | × |
経営インパクトを並べると：
それでも残った1.2%の誤差の正体（率直編）
99%は美しい数字ですが、残った 1.2%（=全体で約80万円分のズレ） を分解しておきます。ここが読者にとって一番参考になる部分のはずです。
ズレが大きかったのは 特定の2 SKU：
① 高単価ギフトBOX（誤差 6.8%、欠品リスク）
想定より大きく売れた。原因は Instagram での想定外の拡散。B社側もSNS露出は織り込んでいたが、ある投稿が想定以上に伸びて自社ECへの流入が急増。
→ 構造的限界：SNS拡散のリアルタイム検知ができていなかった
② 焼き菓子セット（誤差 -4.9%、売れ残り）
想定より伸びなかった。原因は 競合商品の大型キャンペーン。同価格帯で送料無料訴求の強い商品が出て、モール内で埋もれた。
→ データ範囲の限界：競合価格動向を、データとして取り込めていなかった
翌年に向けた改善ポイント（B社の宿題）
② 競合価格変動の毎日取得：モール別の上位10商品の価格を毎日取り込む
③ 高単価商品の強気シナリオ拡張
④ 送料無料訴求の事前比較
これで翌年は 誤差 1% 未満に詰める計画。3年後には 誤差 0.5% 以下が射程に入ります。
「99%当たった」で終わらせない。残った1.2%を分解する。ここに、需要予測を継続改善する価値があります。
このケースから学べる3つのポイント
業態別の準備期間目安：アパレル系シーズン商戦 9〜12ヶ月／食品系の母の日・お中元・お歳暮 3〜6ヶ月
あなたの会社でも始める3ステップ（3年計画）
ここまでのB社のプロセスを、明日からの実行に落とし込みます。今年・来年・再来年と、3年計画でレベルアップしていく構造です。
3年計画は長く感じるかもしれませんが、毎年積み上がる仕組みなので、3年目以降は毎年「精度を維持＋少し詰める」運用に落ち着きます。
図解：3年間の予測誤差の推移
注目していただきたいのは、2023〜2025年の 誤差の振れ幅 が大きいことです。「保守的に振ったら欠品」「強気で振ったら過剰」のあいだを行き来していたのが、過去の実態。6ヶ月の準備で実現したのは、振れ幅そのものを縮めることでした。
持ち帰れるツールと、関連記事
季節商戦の 予測vs実績 記録用 Excelテンプレ（30 SKUまで対応）は無料配布しています。本記事の「今年やる」第1ステップ用に設計しています。
まとめ
B社は、3年連続で ±25%の予測誤差 を出していた母の日商戦で、6ヶ月の準備（社内30h＋外部支援60h）を経て、誤差1.2%（精度98.8%） に到達しました。
その内訳は：
- 過去データ統合で80%（PHASE 1）
- 外部要因で90%（PHASE 2）
- 人とAIの議論で99%（PHASE 3-4）
- 本番中の日次補正で最終調整（PHASE 5）
という階段構造です。残った1.2%は 新作SKUと競合価格動向 というデータ範囲の限界に由来していました。
つまりB社は "当てた"のではなく、"当たりやすい構造を作った" のです。季節商戦で重要なのは、99%という数字そのものではなく、翌年も改善できる仕組みを残すこと。
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「人とAIが議論しながら、季節商戦を設計する」プロセスの自動化です。AIエージェントが過去データ・外部要因・現場の判断を統合し、複数シナリオを先回りで提示する。それが、季節商戦を「毎年外す勝負」から「毎年磨ける仕組み」 に変える方法だと考えています。
📊 在庫健康診断（60分・無料）
「自社の季節商戦の予測精度を改善したい」「半年後の父の日／お中元／クリスマスに間に合わせたい」という方へ。Arke では、貴社の過去販売データを基に、季節商戦予測の現状精度と改善余地を 60分で診断する無料サービスをご提供しています。診断結果は、その場でレポート形式でお持ち帰りいただけます。
お問い合わせフォームへ →