リアルタイム画面は売上のすべてを映さない — ブランド6社の時間単位データ
ブランド6社の注文データを時間単位で分解してみました。リアルタイムで把握できる売上は、29.8%から98.7%まで大きく分かれました。
ブランド6社の注文データを時間単位で分解してみました。リアルタイムで把握できる売上は、29.8%から98.7%まで大きく分かれました。
ライブコマースやタイムセールは、売上が時間単位ではなく分単位で動くイベントです。だからこそ「配信が終わってから売上を確認したのでは遅い」と言われます。実際、ページの応答が100ms遅くなるとコンバージョン率は7%下がり（Akamai）、モバイルの読み込みが3秒を超えると訪問者の53%が離脱します（Google）。数分早く知ること自体が、売上を守ることにつながるという話です。
本レポートの数値は実際の取引データではなく、Laplaceのベンチマーク指標の分布を反映して生成した例示値です。特定の顧客企業の実際の数値ではありません。絶対値ではなく、傾向を把握する目的でご参照ください。
PART 1. リアルタイム画面の「視野」はブランドごとに違います
リアルタイム分析が成り立つには、注文に時刻が付いている必要があります。しかし、すべてのチャネルが時刻を渡してくれるわけではありません。マーケットプレイスのフルフィルメントやオフライン・卸のチャネルでは、注文を1日単位でまとめて連携するケースが多く、そうした注文はすべて午前0時に集中します。
ブランド6社について、「午前0時に集中しているチャネル」と「時刻が実際に分散しているチャネル」を分けてみました。
| リアルタイムで把握できる売上比率の範囲 | 6社の中央値 | 売上の半分もリアルタイムで見えないブランド |
|---|---|---|
| 29.8–98.7% | 82.6% | 6社中2社 |
食品ブランドFは10チャネルのうち時刻を渡すのは3チャネルだけで、それらのチャネルが生む売上は29.8%にとどまります。このブランドがリアルタイム画面を開くと、売上の7割が見えない画面を見ることになります。健康食品ブランドEも状況は似ており、44.3%です — マーケットプレイスのフルフィルメント比率が高い構造です。
反対に、自社モール比率の高いファッションブランドB・キッズ・ベビーブランドC・リビング・キッチンブランドDは、売上の80.2–87.6%がリアルタイムで上がってきます。同じ機能をオンにしても、見えている世界が違うのです。
ですから、最初にやるべきことは画面をオンにすることではなく、視野を測ることです。注文データを時間単位で展開し、午前0時に集中している売上がどれだけあるかを確認してください。その分はリアルタイム画面には永遠に表示されません。視野が狭いなら、リアルタイムは自社モール専用のツールとして使い、全社の売上判断は日次で行うのが正解です — 半分しか映らない画面を全体だと思い込むことが、最も危険です。
Laplaceで確認する場所 — ダッシュボード > 売上 > 期間別売上
PART 2. 1日は思ったほど圧縮されていません
「イベントでは時間が圧縮される」という前提で、私たちはリアルタイム画面をオンにします。しかし普段の1日がどれだけ圧縮されているかを知らなければ、画面で見た数字がイベント効果なのか、もともとそういう時間帯なのかを区別できません。
4ブランドとも、ピーク時間は1日の6.6–8.0%です。1日を24時間で均等に割ると1時間あたり4.2%なので、ピークといっても平均の1.6–1.9倍程度です。カーブの形も似ています — 明け方に底を打ち、午前中に上がって日中はなだらかに推移し、夜9–11時にもう一度上がります。
| ブランド | ピーク時刻 | 最多1時間 | 上位3時間 | 深夜0–6時 | 観測日数 |
|---|---|---|---|---|---|
| スポーツ・アウトドアブランドA | 13時 | 12.4% | 34.3% | 1.2% | 7日 |
| ファッションブランドB | 21時 | 6.6% | 18.8% | 14.0% | 31日 |
| キッズ・ベビーブランドC | 10時 | 7.5% | 19.6% | 9.2% | 30日 |
| リビング・キッチンブランドD | 23時 | 8.0% | 23.1% | 9.4% | 31日 |
| 健康食品ブランドE | 22時 | 7.1% | 20.3% | 11.0% | 30日 |
例外が一つあります。スポーツ・アウトドアブランドAは最多1時間が12.4%、上位3時間が34.3%と、明らかに尖っています。ただしこのブランドはチャネルが3つしかなく、観測日数もわずか7日です — 規模が小さいと、1日が数件の注文で決まってしまうため、もともと尖って見えるのです。圧縮をイベント効果と読む前に、まずサンプルサイズを確認すべき理由がここにあります。
ですから「今まさに注文が集中している」という判断には、必ずベースラインが必要です。夜10時に注文が増えたのは、イベントのせいではなく、もともとその時間がピークだからかもしれません。比較対象は同じ曜日・同じ時刻の普段のカーブか、過去のイベントの同じ経過時点であるべきです。絶対時刻どうしの比較は、そのどちらでもありません。
Laplaceで確認する場所 — ダッシュボード > 売上 > 期間別売上
PART 3. 「リアルタイムと確定値が違う」の大部分は消費税です
リアルタイム画面の数字は速報値なので、確定売上とは異なります。よく「通常5–15%の差がある」と言われます。その差の中身を実際に分解してみました。
結果は明確です。純粋なキャンセル・返金は3.3–8.0%にすぎず、残りの9.1ポイントは消費税（付加価値税）です。両方を合わせると12.4–17.1% — よく言われる「5–15%」の正体はこれです。差の半分以上は、キャンセルではなく税金でした。
| ブランド | 消費税 | キャンセル・返金 | 合計ギャップ | キャンセル・返金 p90 |
|---|---|---|---|---|
| ファッションブランドB | 9.1% | 8.0% | 17.1% | 15.3% |
| キッズ・ベビーブランドC | 9.1% | 5.1% | 14.2% | 10.5% |
| リビング・キッチンブランドD | 9.1% | 5.2% | 14.3% | 9.3% |
| 健康食品ブランドE | 9.1% | 3.3% | 12.4% | 6.2% |
実務でこの区別が重要なのは、両者の性質が異なるからです。消費税は定数なので、あらかじめ差し引いて見れば済みますが、キャンセル・返金は日によって変わります。ファッションブランドBは中央値が8.0%ですが、上位10%の日には15.3%まで広がります。「うちのギャップはだいたい15%」とひとまとめにすると、本当に変動している部分を見逃します。
測定するときは消費税の基準を揃えてください。注文売上と確定売上のどちらか一方だけが消費税を含んでいると、実際にはキャンセルがほとんどないブランドでもギャップが9.1%と出ます。私たちも今回、最初に測った値がそうでした — 2ブランドがぴったり9.1%と出て「キャンセルがちょうどそれだけあるのか」と思いましたが、消費税の基準を揃えて測り直すとどちらも0%でした。キャンセル・返金そのものがデータとして入ってこないブランドだったのです。
PART 4. 「プロモーションではギャップが広がる」はデータにありませんでした
よく引用される原則があります — プロモーションは衝動買いが多く、キャンセル・返金が増えるので、イベント直後の「売上目標達成！」という報告はギャップを考慮すべきだ、というものです。もっともらしく聞こえます。397日分のデータで確かめてみました。
関係はありません。売上順位とギャップ順位の相関は-0.13–+0.16で、4社とも0付近です。急増日（売上が中央値の2倍を超えた日）と普段の日のギャップの差も-2.1ポイント〜+0.3ポイントにとどまります。むしろ2社では、急増日のほうがギャップが小さくなりました。
解釈するとこうなります。急増日の売上はたいてい計画されたプロモーションであり、そうした日は在庫・価格・配送条件があらかじめ整えられています。一方、普段の日のキャンセルは、品切れ・誤配送・単なる気変わりのように常に発生しています。イベントがキャンセルを増やすというより、キャンセルはもともと常にあるのです。
だからといって、速報値で成果を評価してよいという意味ではありません。急増日にギャップが特に広がらないだけで、12.4–17.1%という大きさはそのままです。変わるのは対応です — 「プロモーションだからもっと差し引かれるはず、保守的に見よう」ではなく、普段のギャップ比率を定数として置き、速報値からそのまま換算すればよいのです。そのほうが正確です。
PART 5. では、どう運用するか
上の4つの発見をそのまま運用ルールに落とし込むと、次のようになります。
| 場面 | リアルタイム画面でやること | 事前に準備するもの |
|---|---|---|
| ライブ配信 | アクセス（流入）・注文転換（コンバージョン）・前回配信の同じ経過時点との比較（比較）の3つだけを見ます | 前回配信の経過時点別カーブ。これがなければ比較の基準がありません |
| プロモーション開始 | アクセスは維持されているのに注文だけが落ち込むパターン = 決済・在庫・ページエラーの早期警報 | 普段の同じ時間帯の注文水準（図2のカーブ） |
| 普段の日 | 時間帯ベースラインに対する異常検知 | 直近30日の時間帯カーブ。曜日別に分けておくとさらに正確です |
| イベント終了後 | リアルタイムの仕事ではありません | 普段のギャップ比率（12.4–17.1%）で換算したうえで、確定売上で確認 |
リアルタイムをオンにする前の4ステップ
-
視野を測ります。時間単位で展開し、0時に集中している売上の比率を確認してください。その比率が半分を超えるなら、リアルタイムは自社モール専用のツールとして使うのが正解です。
-
ベースラインを作ります。直近30日の時間帯カーブをキャプチャしておいてください。これがなければ、リアルタイム画面の数字は解釈できません。
-
ギャップ比率を定数として算出します。消費税とキャンセル・返金を分けてそれぞれ何%かを測っておけば、イベント中でも速報値から確定売上をすぐに換算できます。
-
対応権限を決めます。クーポンは誰が、配信の進行は誰が、ページの点検は誰が行うのか。検知だけあって対応権限がなければ、作戦室はただの観覧席になってしまいます。
まとめ
-
まずリアルタイム画面の視野を測ってください。ブランド6社でリアルタイムに捕捉される売上は29.8–98.7%と分かれ、2社は半分も見えていませんでした。
-
普段の1日は大きく圧縮されていません。ピーク時間は1日の6.6–8.0%（均等なら4.2%）です。「今まさに集中している」という判断にはベースラインが必要です。
-
規模が小さいと、もともと尖って見えます。観測日数が7日しかないブランドが最も圧縮されて見えました — 圧縮をイベント効果と読む前に、サンプルを確認してください。
-
速報値と確定値の差は大部分が消費税です。純粋なキャンセル・返金は3.3–8.0%、消費税が9.1ポイントです。消費税の基準を揃えないと、キャンセルのないブランドでもギャップが9.1%と出ます。
-
急増日にギャップが広がるという関係はありませんでした。相関は-0.13–+0.16、差は-2.1–+0.3ポイント。ギャップはイベントの変数というより、定数に近いものです。
よくある質問
Q. リアルタイム画面で捕捉されないチャネルは、どう監視すればよいですか？
リアルタイムではできません。それらのチャネルは1日単位で入ってくるので、日次アラートの領域です。役割を分けてください — 自社モールと時刻のあるチャネルはリアルタイム画面で、それ以外は日次の異常検知で。1つの画面ですべてを見ようとして、半分しか映らない画面を全体だと思い込むほうが危険です。
Q. ベースラインはどのくらいの頻度で更新すべきですか？
四半期に1回で十分です。ただしチャネル構成が変わったときはすぐに描き直す必要があります。時刻のないチャネルが1つ増えると、カーブの形ではなく視野そのものが変わるからです。
Q. イベント中に確定売上を知る方法はないのですか？
ありません。キャンセル・返金は数日かけて入ってきます。その代わり、普段のギャップ比率を掛けて換算すれば、かなり正確です — 今回の測定では急増日もギャップが普段と同じだったので、その換算はイベント中でも有効だということです。
Q. 分単位の上下動には、どこまで反応すべきですか？
単一の時点には反応しないでください。短い区間はサンプルが小さく、もともと揺れ動きます。上のスポーツ・アウトドアブランドAの事例がまさにこの問題です — 規模が小さいほど尖って見えます。判断は数分間のトレンドとベースラインとの比較のうえでのみ行ってください。
参考資料：Akamai パフォーマンス・コンバージョン研究 · Google モバイル速度研究
本レポートの数値は実際の取引データではなく、Laplaceのベンチマーク指標の分布を反映して生成した例示値です。特定の顧客企業の実際の数値ではありません。絶対値ではなく、傾向を把握する目的でご参照ください。公開研究の数値は各項目に出典を記載しています。画面名や設定項目名は、リリースによって多少異なる場合があります。