はじめに
SUZURI APIとGoogle Apps Script(GAS)を使って、SUZURIの商品取扱状況を調べています。
最初は、各アイテムを何人のユーザーが取り扱っているのかを調べていました。
しかし、調べているうちに、集計項目がどんどん増えていきました。
取扱率。
専門店率。
主役率とサブキャラ率。
ショップの取扱商品種類数分布。
併売率とリフト。
そして、集計したデータをChatGPTに渡し、商品ごとの取扱傾向をWordPressの記事にするようになりました。
2026年10月23日時点の集計対象は146商品。
その146商品すべてについて、記事原稿を作成しました。
ところが、大量の記事を作って、読んで、また別の記事を作っているうちに、あることが気になり始めました。
「これ、言うほどサブキャラか?」
例えば、あるアイテムの取扱率が3%だったとします。
調査対象ユーザーの97%が取り扱っていないということです。
数字だけを見ると、かなり少なく感じます。
しかし、SUZURIには非常に多くのアイテムがあります。
仮に140種類あるとしたら、すべてのアイテムが50%や80%のユーザーに取り扱われるような状態は、そもそも期待してよいのでしょうか。
そこで、記事を作る際の比較基準を一つ追加することにしました。
今回は、アイテム種類数を考慮した取扱率の見方について考えた話です。
今までは50%を一つの基準にしていた
今回の統計記事では、取扱率が50%以上のアイテムを、かなり存在感のある商品として扱っていました。
半分以上のユーザーが取り扱っているなら、相当な定番商品だろう。
そう考えたからです。
一方、50%未満のアイテムについては、サブキャラ側として見ることがありました。
分類としては分かりやすいです。
しかし、記事を大量に作っているうちに、違和感が出てきました。
例えば、取扱率10%。
調査対象ユーザーの10人に1人が取り扱っている商品です。
逆に言えば、90%のユーザーが取り扱っていません。
しかし、SUZURIには約140種類ものアイテムがあります。
140種類の選択肢がある中で、10人に1人が同じアイテムを取り扱っている。
これ、むしろ結構多いのでは?
そう思い始めました。
まず「取扱率」の意味を整理する
今回の統計でいう取扱率は、次のような数字です。
取扱率(%)
= 対象アイテムを扱っているユーザー数
÷ 調査対象ユーザー数
× 100
例えば、調査対象ユーザーが1,000人いて、そのうち40人がバンダナを取り扱っていたとします。
40 ÷ 1,000 × 100 = 4%
この場合、バンダナの取扱率は4%です。
ただし、これは今回の調査対象における数字です。
SUZURI全体のすべてのユーザーを調べたわけではありません。
また、取扱率は売上の割合でもありません。
今回調べているのは、商品を取り扱っているユーザーの割合です。
「サブキャラ」には別の意味もある
ここで、一つ整理しておきたいことがあります。
今回の実験では、以前からショップ内の商品構成比についても調べています。
例えば、あるショップが100点の商品を登録していて、そのうちバンダナが5点だったとします。
この場合、ショップ内の商品構成比は5%です。
私は、こうしたショップ内での構成比が10%以下のアイテムを「サブキャラ」と呼んでいました。
しかし、今回考えている取扱率4%とは、分母が違います。
| 指標 | 何を比較しているか |
|---|---|
| 取扱率 | 調査対象ユーザーのうち、そのアイテムを扱うユーザーの割合 |
| ショップ内商品構成比 | そのショップの全登録商品のうち、対象アイテムが占める割合 |
例えば、バンダナの取扱率が4%だったとしても、その4%のユーザーがバンダナを主力商品として扱っている可能性はあります。
逆に、取扱率が高い商品でも、それぞれのショップでは商品全体の1%しか占めていないかもしれません。
つまり、取扱率が低いことと、ショップ内でサブキャラであることは別です。
この違いを踏まえたうえで、今回は取扱率の比較基準について考えます。
140種類を均等に扱ったら、1アイテムあたり約0.7%
そこで、ものすごく単純な基準を一つ追加してみることにしました。
仮にSUZURIのアイテムが140種類あるとして、それをすべて均等に配分したら、1アイテムあたり何%になるのでしょうか。
計算は簡単です。
100 ÷ 140 ≒ 0.714%
約0.71%です。
もちろん、これは実際のSUZURIユーザーの平均取扱率ではありません。
すべてのユーザーが140種類の中から1種類だけ選ぶ、という実態を確認したわけでもありません。
あくまで、
「140種類のアイテムへ100%を均等に配分したら、1種類あたり約0.71%になる」
という理論上の目安です。
しかし、この数字を一つ置いてみると、取扱率の見え方が変わってきます。
取扱率3%は、均等配分の約4.2倍
例えば、あるアイテムの取扱率が3%だったとします。
今までは、
「調査対象ユーザーの3%しか取り扱っていません」
という説明になりがちでした。
しかし、140種類の均等配分基準である約0.71%と比較すると、どうなるでしょうか。
3 ÷ (100 ÷ 140) ≒ 4.2
約4.2倍です。
同じように、取扱率4%なら、
4 ÷ (100 ÷ 140) ≒ 5.6
約5.6倍。
取扱率10%なら、
10 ÷ (100 ÷ 140) = 14
14倍です。
まとめると、次のようになります。
| 取扱率 | 140種類の均等配分基準との比 |
|---|---|
| 0.5% | 約0.7倍 |
| 1% | 約1.4倍 |
| 2% | 約2.8倍 |
| 3% | 約4.2倍 |
| 4% | 約5.6倍 |
| 5% | 約7倍 |
| 10% | 約14倍 |
※均等配分基準を使った計算例であり、SUZURI全体の実測値ではありません。
こうしてみると、取扱率3%や4%という数字も、少し違って見えてきます。
「97%のユーザーが取り扱っていない」
という見方だけでなく、
「140種類に均等配分した場合の基準と比べると、約4.2倍の割合で取り扱われている」
という見方もできます。
もちろん、後者だけで人気商品だと断定できるわけではありません。
しかし、数字の見方を増やすことはできます。
この基準は「実際の平均取扱率」ではない
ここは重要なので、もう少し詳しく書いておきます。
今回の均等配分基準は、実際のユーザーの平均取扱率ではありません。
例えば、140種類のアイテムが存在していたとしても、1人のユーザーが10種類の商品を扱っている場合があります。
別のユーザーは50種類の商品を扱っているかもしれません。
さらに、100種類以上の商品を扱っているユーザーもいます。
そのため、すべてのアイテムの取扱率を合計したら100%になるとは限りません。
むしろ、1人が複数のアイテムを扱えるため、合計が100%を超えることもあります。
一方、今回の均等配分基準は、100%を140種類に分けただけのものです。
つまり、取扱率と均等配分基準は、厳密には同じ種類の統計ではありません。
そのため、
「均等配分基準の4倍だから、実際の平均より4倍多い」
とは言えません。
ここは誤解しないようにする必要があります。
今回の基準は、あくまで商品種類数の多さを意識するための補助的な指標です。
なぜ、それでも比較してみたかったのか
では、なぜこの基準を追加したかったのでしょうか。
理由は単純です。
商品種類数が多いことを、記事の読み手にも意識してもらいたかったからです。
例えば、取扱率4%という数字だけを紹介した場合、読者は「かなり少ない商品なのかな」と感じるかもしれません。
しかし、SUZURIに140種類もの選択肢があると考えれば、4%という数字の受け止め方も変わるかもしれません。
もちろん、すべてのアイテムが均等に選ばれるわけではありません。
スタンダードTシャツのような定番商品もあります。
逆に、特定の用途に向いた商品もあります。
しかし、少なくとも、
「取扱率が50%未満だからサブキャラ」
という単純な分類だけでは、商品ごとの特徴を十分に説明できないのではないか。
そう考えるようになりました。
アイテム種類数が増えたら、基準も変わる
この考え方で面白いのは、SUZURIのアイテム種類数が増えた場合です。
例えば、アイテムが10種類しかなかったとします。
均等配分の基準は、
100 ÷ 10 = 10%
です。
しかし、100種類なら、
100 ÷ 100 = 1%
140種類なら、
100 ÷ 140 ≒ 0.71%
です。
さらに、1,000種類になったら、
100 ÷ 1,000 = 0.1%
になります。
| アイテム種類数 | 均等配分基準 |
|---|---|
| 10種類 | 10% |
| 50種類 | 2% |
| 100種類 | 1% |
| 140種類 | 約0.71% |
| 200種類 | 0.5% |
| 500種類 | 0.2% |
| 1,000種類 | 0.1% |
このように、アイテム種類数が増えるほど、均等配分基準は小さくなります。
もしSUZURIが将来1,000種類以上のアイテムを取り扱うようになったら、取扱率1%でも均等配分基準の10倍です。
そのころには、
「取扱率1%! サブキャラ!」
とか言っている場合ではありません。
また分類方法から考え直す必要が出てきそうです。
選択肢が増えたら、取扱率は下がるのか?
SUZURIには、新しいアイテムが追加されます。
選択肢が増えれば、ユーザーが作る商品も分散する可能性があります。
例えば、以前は10種類のアイテムから選んでいたとします。
その後、選択肢が100種類、140種類と増えていった場合、以前と同じ商品だけが選ばれ続けるとは限りません。
新しいアイテムを作るユーザーもいるでしょう。
その結果、特定のアイテムの取扱率が変化する可能性があります。
ただし、ここで注意したいことがあります。
アイテム種類数が増えたからといって、必ず既存アイテムの取扱率が下がるわけではありません。
SUZURIでは、1人のユーザーが複数種類の商品を取り扱えます。
そのため、新しい商品を追加しても、既存商品をそのまま取り扱い続ける場合があります。
また、ユーザー数自体が増えることも考えられます。
したがって、商品種類数の増加だけで、取扱率の低下を説明することはできません。
ただし、商品種類数が増えることは、統計を読む際に考慮したい要素の一つです。
「昔より取扱率が下がった」だけでは判断できない
例えば、あるアイテムの取扱率が、以前は10%だったとします。
その後、調査を続けていたら8%になったとします。
数字だけを見ると、取扱率が下がっています。
しかし、その間に何が起きたのでしょうか。
調査対象ユーザーが増えたのか。
新しい商品が追加されたのか。
ユーザーの商品登録傾向が変わったのか。
そもそも、データの取得方法が変わったのか。
こうしたことを考える必要があります。
今回の調査では、ユーザーの探索方法も途中で変更しています。
最初はユーザーIDを起点に調べていましたが、その後は商品から販売者を見つける方法も使うようになりました。
そのため、調査対象ユーザーの構成が変わることもあります。
つまり、取扱率の変化には、さまざまな要因が考えられます。
商品種類数の増加だけが原因だとは言えません。
しかし、比較する際の補助情報として、アイテム種類数も記録しておくことには意味がありそうです。
記事生成用プロンプトに新しいルールを追加した
こうしたことを考えていたので、ChatGPTで記事を作るためのプロンプトにも、新しいルールを追加しました。
記事作成時点でSUZURIに存在するアイテム種類数を確認できる場合は、次の計算を行います。
均等配分基準(%)
= 100 ÷ アイテム種類数
そして、対象アイテムの取扱率を、この基準と比較します。
均等配分基準との比
= 対象アイテムの取扱率
÷ 均等配分基準
例えば、140種類のアイテムが存在し、対象アイテムの取扱率が3%だった場合、
均等配分基準
100 ÷ 140 ≒ 0.71%
比較倍率
3 ÷ 0.71 ≒ 4.2倍
となります。
これにより、記事に次のような説明を追加できます。
今回の調査での取扱率は3%でした。仮に140種類のアイテムへ100%を均等配分した場合、1種類あたり約0.71%になります。今回の取扱率は、この仮定上の基準の約4.2倍です。ただし、これは実際のユーザーの平均取扱率との比較ではありません。
このように、取扱率だけでなく、アイテム種類数を踏まえた補助的な比較も加えることにしました。
GASやスプレッドシートで計算するなら
今回の計算自体は単純です。
例えば、Googleスプレッドシートで次のような表を作ったとします。
| セル | 内容 | 値 |
|---|---|---|
| B2 | アイテム種類数 | 140 |
| B3 | 対象アイテムの取扱率 | 3% |
| B4 | 均等配分基準 | 計算 |
| B5 | 基準との比 | 計算 |
この場合、B4には次の式を入れます。
=1/B2
B4の表示形式をパーセントにすれば、約0.71%になります。
B5には次の式を入れます。
=B3/B4
結果は4.2です。
なお、B3には「3」ではなく、パーセント形式の「3%」を入力する想定です。
また、GASで計算する場合は、例えば次のように書けます。
function calculateEqualShareComparison(
itemTypeCount,
handlingRatePercent
) {
if (itemTypeCount <= 0) {
throw new Error("アイテム種類数は1以上にしてください");
}
const equalSharePercent = 100 / itemTypeCount;
const ratio = handlingRatePercent / equalSharePercent;
return {
equalSharePercent,
ratio
};
}
// 使用例
const result = calculateEqualShareComparison(140, 3);
Logger.log(result.equalSharePercent); // 約0.714
Logger.log(result.ratio); // 4.2
※このコードは計算方法を説明するためのサンプルです。実際の集計用GASに追加した関数を再現したものではありません。
今回の実験記録で確認できるのは、記事生成用プロンプトにこの比較ルールを追加したことです。
GAS側に同じ計算処理を実装したという意味ではありません。
ただし、この数字だけで評価を決めない
均等配分基準を追加したからといって、それだけで商品の特徴を判断できるわけではありません。
例えば、取扱率3%の商品があったとします。
140種類の均等配分基準と比較すると約4.2倍です。
しかし、だからといって人気商品だと断定することはできません。
その商品を取り扱っているユーザーが少数の専門店に偏っているのかもしれません。
あるいは、多品種ショップの中で、ほかの商品と一緒に登録されているだけかもしれません。
また、商品登録数が少ない場合もあります。
そのため、今回の比較基準は、既存の統計に追加する補助情報として扱います。
取扱率。
取扱ユーザー数。
ショップ内商品構成比。
取扱商品種類数分布。
併売率。
リフト。
こうした情報と合わせて見ることで、商品ごとの特徴を考える材料を増やします。
記事を作ることで、統計の見方が変わってきた
今回の実験では、146商品分の記事原稿をChatGPTで生成しました。
最初は、集計データを記事にするための作業でした。
しかし、大量の記事を作っているうちに、数字の見方そのものが気になり始めました。
例えば、取扱率3%。
最初は、かなり低い数字に感じていました。
しかし、140種類というアイテム数を考えると、単純に「少ない」と言ってよいのか疑問が出てきました。
そこで、均等配分基準という補助的な比較を追加しました。
もちろん、これは実際の平均取扱率ではありません。
統計的な期待値として、そのまま使えるものでもありません。
しかし、アイテム種類数を考慮するきっかけにはなります。
記事をたくさん作って、読んで、また違和感を見つける。
そして、プロンプトを改良する。
しばらくは、この繰り返しになりそうです。
今回の実験で分かったこと
今回の実験では、SUZURIの商品取扱率について、新しい比較基準を考えました。
きっかけは、取扱率が低いアイテムを「サブキャラ」と呼んでいたことへの違和感です。
SUZURIには約140種類ものアイテムがあります。
その中で、取扱率3%や4%という数字を、単純に低いと判断してよいのか疑問に思いました。
そこで、アイテム種類数を使った均等配分基準を追加しました。
140種類なら、1アイテムあたり約0.71%。
取扱率3%なら約4.2倍。
4%なら約5.6倍。
10%なら約14倍です。
もちろん、これは実際のSUZURIユーザーの平均取扱率ではありません。
あくまで、アイテム種類数を考慮するための理論上の目安です。
それでも、取扱率だけでは見えなかった別の視点を追加できます。
また、将来SUZURIのアイテム種類数が増えた場合には、比較基準も変わります。
もし1,000種類になったら、均等配分基準は0.1%です。
そのころには、取扱率1%でも基準の10倍になります。
「取扱率1%! サブキャラ!」
などと言っている場合ではありません。
そのときは、そのときで分類方法から考え直すことになるのでしょう。
最初は、SUZURI APIで商品データを集めたいと思っただけでした。
それが、取扱率を調べ、ショップ内の商品構成比を調べ、併売率やリフトを調べるようになりました。
そして、146商品分の記事を作っているうちに、今度は「サブキャラ」という概念そのものを考え直し始めました。
SUZURIが1,000アイテムになるのが先か。
私の統計の分類が耐えられなくなるのが先か。
また一つ、集計を続ける楽しみが増えました。
おまけ:そしてnoteに「もう寝ろ」と言われた
そんなことを考えて、
「取扱率3%って本当にサブキャラなのか?」
「140アイテムあったら均等配分で約0.7%では?」
「じゃあ3%でも結構多いのでは?」
などとやっていたら、いつの間にか深夜1時になっていました。
さすがに今日はここまでにしよう。
noteの下書きを保存して寝よう。
そう思ってnoteを開いたら、まさかのメンテナンス中。
保存できませんでした。
もうこれは、
「いいから寝ろ」
というnoteからのお告げだと思うことにします。
SUZURIの統計を取り始めて、APIをいじって、記事を自動生成して、プロンプトを直して、今度は「サブキャラという概念そのものがおかしくないか」と考え始めて、気づけば深夜1時。
そして最後はnoteに強制終了されました。
本日はここまで。寝ます。
今回の集計をもとにChatGPTで生成して作成した記事一覧はこちら
今回のSUZURI API調査で集めたデータをもとに、アイテムごとの取扱状況を集計しています。
さらに、その集計結果をChatGPTに読み込ませ、各アイテムの取扱傾向や特徴についての記事を生成し、WordPressで公開しています。
今回の記事で紹介した比較基準も、統計記事をより分かりやすくするために、記事生成用プロンプトへ追加したものです。
SUZURI API Qiita部について
私はSUZURI APIを使って、Google Apps ScriptやGoogleスプレッドシートによるデータ収集、自動化、統計集計などの実験をしています。
その中で作成した仕組みや、実際に試して分かったこと、途中で発生した問題などをQiitaの記事として公開しています。
関連する技術記事は、Qiitaのストックリスト「SUZURI API Qiita部」にまとめています。
今後も、SUZURI APIを使った実験の中で発生した問題や、その解決に向けて行った試行錯誤を技術記事としてまとめていきます。