「今日の売上はいくら？」に答えが2つある理由 — 当日売上と確定売上のギャップ

注文が入った金額を100とすると、確定するのは91.03です。問題はギャップの大きさではなくタイミングです。当日のダッシュボードに表示される数字は、最終的なギャップの45.5%しか反映していません。残りの半分以上は、数日かけて後から差し引かれていきます。

公開研究データ＋コマースブランドのサンプルデータ · 11か月分 · 注文約31万件 / 購入者約26万人 / クレーム（キャンセル・返品）約2.4万件。各パートには、Laplaceでその数字を確認する画面と設定もあわせて記載しています。

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サンプル値です。特定の顧客企業の実際の数値ではありません。絶対値としてではなく、傾向を把握するための参考としてご覧ください。

---

PART 01 · まずは — どの画面を開くか

すべてのメニューを見る必要はありません。このレポートの数字が出てくる画面だけを厳選しました。

新しく作る必要があるのは1つだけです

---

PART 02 · キャンセル・返金は事故ではなく統計 — 研究で確認された数字

自社データを見る前に、まず基準線を押さえておきます。返品がどれほど一般的かは、すでに大規模に測定されています。

つまり、キャンセル・返金は例外ではなく構造的に発生するコストです。管理の目標は「ギャップを0にすること」ではなく、「ギャップを把握し、意思決定に反映すること」です。

ここまでは他社の数字です

次に見る画面 — 研究が教えてくれるのは「返品はよくある」というところまでです。そのギャップがいつ自社のダッシュボードに現れるのかまでは教えてくれません。

---

PART 03 · 優先度1 — 注文100が確定91.03になるまで

ブランドBは韓国のホームビューティーデバイスブランドです。売上の約8割を自社モールが占め、海外の自社モール・大手プラットフォーム・オープンマーケットも並行して運営しています。小型家電カテゴリーのため、ベンチマーク上は返品率8–15%の帯に該当します。

数字を読む前に

Laplaceで見る場所 — カスタムダッシュボード › チャートを追加 › 売上推移

設定方法

1. 指標で「当日基準売上」と「確定売上」を同時にオンにします。片方だけでは、このレポートの結論は見えてきません。

2. 表示期間は11か月以上に設定します。季節のプロモーション1回でギャップの平均がぶれないようにするためです。

3. 直近2週間は除外します。まだキャンセル・返金が反映しきれていない期間だからです — 理由はPART 04で説明します。

4. 集計単位を日にして保存します。月単位にすると、次のパートで見るタイムラグのパターンがつぶれてしまいます。

数字の読み方

• 総ギャップは8.97%です。ベンチマークの「通常5–15%」の範囲に収まっています。小型家電カテゴリーの件数ベース返品率8–15%とも方向性が一致します。

• ところが、ギャップの半分以上は当日には見えません。4.08ポイントは当日中にキャンセルされてその日の数字に反映されますが、4.89ポイントはその後に差し引かれます。当日のダッシュボードの反映率は45.5%です。

• つまり「当日売上が間違っている」わけではありません。当日売上は未完成なのです。トレンドの把握に使うなら正しい数字ですが、成果評価・予算・発注に使うと8.97%水増しされた数字になります。

次に見る画面 — 半分以上が後から差し引かれることはわかりました。では、何日待てばその数字を信頼できるのでしょうか。

---

PART 04 · 確定にはタイムラグがあります — 直近の数日は読んではいけません

Laplaceで見る場所 — カスタムダッシュボード › 売上ギャップチャート

このレポートで最も読み違えやすいポイントです

数字の読み方

• 確定済み日の平均は5.22%です（当日締め比）。範囲は3.42–7.19%で、日ごとのばらつきは2倍以上あります。1日分だけを見て判断してはいけません。

• 直近3日間の平均は-4.40%です。この期間を含めて「今週のギャップ」を計算すると、ギャップを半分以下に過小評価してしまいます。

• だからこそ、ギャップ率は確定が十分に反映された期間だけで計算します。このブランドの場合、直近2週間を除外すれば安全です。ブランドによって異なるため、上のチャートを描いてどこから値が安定するかをご自身で確かめてください。

次に見る画面 — いつ見るべきかは決まりました。次はギャップがどこに紐づいているかを探します。

---

PART 05 · ギャップは日付ではなく商品に紐づきます

まず「プロモーション当日ほどギャップが大きい」という通説を検証しました。日付の軸では差がありませんでした。売上急増日の総ギャップは8.6%、通常日は9.0%で、むしろ急増日のほうがわずかに低い結果でした。

差を生んでいたのは商品でした。

Laplaceで見る場所 — 商品分析 › 商品別分析

数字の読み方

• イベント・企画商品のギャップは定番商品の2.16倍です — 11.9%対5.5%。緊急性をあおる売り方ほど衝動買いが増え、衝動買いはキャンセルとなって返ってくるという通説が、日付ではなく商品の軸で裏付けられました。

• 差のほぼすべてはb区間にあります。当日中にキャンセルされる分(a)は4.30%対3.82%とほぼ同じですが、翌日以降(b)は7.6%対1.68%と大きく分かれます。特集セールの成果を当日に評価すると、最も大きく読み違えます。

• たった1つの商品がギャップを丸ごと生み出します。「高周波デバイス」は総ギャップ49.72%で、売上構成比はわずか0.3%なのに、ギャップのかなりの部分を単独で生んでいます。サイズやフィットの問題がないカテゴリーでこれほどのギャップがあるなら、商品詳細ページと期待値のコントロールを疑うべき水準です。

• 売上構成比0.2%以上の商品61点のギャップ分布は、最小0.0% · 中央値6.9% · 最大38.6%です。ブランド平均8.97%という1つの数字だけでは、何も手が打てません。

次に見る画面 — 商品は特定できました。同じ商品でも、どこで売ったかによってギャップはまた変わります。

---

PART 06 · チャネル · 曜日 · 決済手段で原因を絞り込む

Laplaceで見る場所 — カスタムダッシュボード › 売上ギャップチャート → フィルター

数字の読み方

• 大手プラットフォーム（フルフィルメント）の総ギャップは22.82%で、自社モール（9.80%）の2.3倍です。しかも当日反映率はわずか28%のため、当日の数字ではほとんど見えません。フルフィルメントチャネルでは返品の受付・処理がプラットフォーム側で行われるため、反映が遅れるのです。

• ファッションプラットフォームはまったく逆です。総ギャップ8.22%のうち当日反映率は93% — キャンセルが注文当日に集中しています。チャネルによってギャップの大きさだけでなく、表面化するタイミングも異なります。

• 売上の8割を占める自社モールが、全体のギャップを決めています。自社モールの9.80%が、ブランド平均8.97%をほぼそのまま形づくっています。改善の優先順位もここにあります。

曜日と決済手段は、原因を絞り込むために使います

次に見る画面 — ここまでの数字はすべて、クレームデータがすべて取り込まれているという前提の上に成り立っています。実際には、そうでないチャネルがあります。

---

PART 07 · 落とし穴 — ギャップ0%のところをまず疑ってください

このパートを後回しにすると、前のパートの数字を鵜呑みにしてしまいます。

落とし穴① ギャップ0%は「返品がない」ではなく「データがない」という意味です

上の表で、オフライン・卸売の総ギャップはぴったり0.00%です。返品が1件もないチャネルなど現実には存在しません。これらのチャネルは、クレームデータがLaplaceに取り込まれていないのです。このブランドでは、そうしたチャネルが15あり、売上構成比は2.7%、注文は17,400件でした。

海外自社モール（0.68%）や海外の簡易決済（0.7%）のギャップが際立って小さいのも、同じ理由かもしれません。「ギャップが小さいから良い」と読む前に、まずクレーム連携の有無を確認してください。ギャップが小さいチャネルほど疑ってかかるべきです。

確認方法

1. データ管理 › 連携チャネル一覧で、チャネルごとにクレームデータを収集しているかを確認します。

2. チャネル別のクレーム件数を抽出し、0件のチャネルに印をつけます。注文が数千件あるのにクレームが0件なら、連携の問題です。

3. 連携できないチャネル（卸売・オフラインなど）はギャップの計算から除外し、除外したことをレポートに明記します。混ぜたままにすると、ブランドの平均ギャップが実際より低く出てしまいます。

落とし穴② 件数ベースの返品率と金額ベースのギャップを混同しない

ベンチマークの「オンライン返品率19.3%」は件数ベースです。このレポートの8.97%は金額ベースです。一部キャンセルや交換は件数では1件でも金額は一部しか差し引かれず、低価格の商品が多く返品されれば、件数は大きくても金額ギャップは小さくなります。2つの数字が違うからといって、データが間違っているわけではありません。比較するときは、同じ基準同士で比べてください。

落とし穴③ 曜日別ギャップは「注文曜日」か「キャンセル曜日」かを必ず確認する

上の曜日チャートは注文が入った曜日を基準にしています。「月曜日に週末のキャンセルが集中する」という通説はキャンセルが受け付けられた曜日を基準にしているため、正反対の形になります。どちらの見方も有効ですが、どちらなのかを明示しないと結論が逆転します。

---

4週間の実行プラン

---

まとめ

1. 注文100は確定91.03になります。総ギャップ8.97% — ベンチマークの「通常5–15%」の範囲内です。

2. 問題は大きさではなくタイミングです。当日のダッシュボードは、そのギャップの45.5%しか示しません。

3. 直近の数日は読んではいけません。確定済み日の平均は5.22%なのに、直近3日間は-4.40%です。

4. ギャップは日付ではなく商品に紐づきます。急増日と通常日は8.6%対9.0%で差がない一方、イベント商品と定番商品は11.9%対5.5%と2.16倍の開きがあります。

5. ギャップ0%のチャネルをまず疑ってください。15チャネル（売上の2.7%）がクレーム未連携でした。

このレポートを自社データで再現するための最小設定

---

よくある質問

Q. 当日売上と確定売上のギャップは、通常何%くらいですか？

ブランドによって異なりますが、通常は5–15%の範囲で、最も影響が大きいのはカテゴリーです。このサンプルでは8.97%でした。ただし、正解は他社の平均ではなく、自社ブランドの確定までの期間を反映した直近3か月の平均ギャップです。

Q. では、リアルタイムの売上は見る必要がないのでしょうか？

そうではありません。急増・急落の検知やライブコマース配信のモニタリングなど、当日のトレンドをつかむには欠かせません。問題は、その数字をそのまま成果評価・予算・発注に使うことです。用途を分けてください。

Q. ギャップ率が急に大きくなったら、何を見ればいいですか？

順に3つです — ①特集セール・セット商品の比率が増えていないか（このサンプルでは2.16倍の差）、②特定の商品に集中していないか（品質・期待値コントロールのサイン）、③銀行振込の未入金のような決済段階での離脱ではないか。ギャップの急変は、たいてい運営上の異常を知らせる早期警報です。

Q. うちはギャップが1%未満ですが、うまくいっているということですか？

まずはクレーム連携を確認してください。このサンプルでも15チャネルがギャップ0.00%でしたが、すべてデータ未連携でした。連携が正常なのにギャップが1%未満なら、返品の少ないカテゴリーであるか、確定のタイムラグがまだ過ぎていない期間を見ている可能性が高いです。

Q. 広告成果は、どの売上を基準に見るべきですか？

広告媒体が報告するROASは注文時点を基準にしているため、その後のキャンセル・返金は反映されていません。参考値として使い、キャンペーン間の比較や停止の判断は確定売上ベースのROASで行ってください。キャンペーンごとにギャップが異なれば、順位そのものが入れ替わります。

---

参考資料：NRF & Happy Returns “2025 Retail Returns Landscape” · Radial “The State of Retail Returns 2025” · Capital One Shopping Research (2026) · Claimlane “Why Customers Return Products” (2026) · Statista Bracketing Survey (2025) · True Fit (2025)

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サンプル値です。特定の顧客企業の実際の数値ではありません。絶対値としてではなく、傾向を把握するための参考としてご覧ください。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。