SNS広告が頭打ちになったので、3年分の売上データをAIに見せたら「儲かるお客さん」の顔ぶれが違っていた

広告費は変えていないのに、なぜか反応が鈍くなってきた

「以前はSNS広告を出せばそれなりに来店や注文があったのに、最近は同じ予算でも手応えがない」

小さなお店やネットショップを運営していると、一度はこの壁にぶつかります。クリエイティブ(広告の画像や文面)を変えてみる、配信時間を調整する、ターゲット設定をいじる。思いつくことは一通り試したのに、成果は横ばいか、むしろ下がっている。そんな状態です。

私はEC運営を2010年から続けていて、現在はトレーディングカード・コレクティブルの実店舗も経営しています。店舗でもECでも、広告の成果が頭打ちになる経験は何度もしてきました。

そのときに気づいたのは、「広告の出し方」ではなく「誰に届けたいのか」の定義そのものが古くなっていたということです。そして、その定義を見直す作業は、AIがとても得意な領域でした。

この記事では、次のことがわかります。

• 広告が頭打ちになる本当の原因と、データを見直すべき理由
• 過去3年分の売上データをAIに読ませて「儲かる顧客層」を洗い出す具体的な手順
• 洗い出した結果を広告・店頭施策に落とし込む方法
• 顧客データをAIに渡すときの注意点と、やってはいけないこと

専門的なデータ分析の知識は不要です。ExcelかGoogleスプレッドシートが使えて、レジやネットショップの売上を書き出せる方なら、そのまま実践できます。

結論:必要なのは高額な分析ツールではなく「売上ではなく粗利とリピートで客を見直す」視点

先に結論をお伝えします。

高額なマーケティングツールや分析会社への依頼は、いきなり必要ありません。手元の売上データと、ChatGPTなどの生成AI(文章や分析を手伝ってくれるAI)があれば、「本当に儲かるお客さん」の姿はかなりのところまで見えてきます。

ポイントは、顧客を見る物差しを変えることです。

• これまで:「売上が大きい客」「購入回数が多い客」を良い客と考えていた
• これから:「粗利(売上から仕入れ原価などを引いた利益)が残り、繰り返し買ってくれて、手間やコストが少ない客」を良い客と考える

この物差しで3年分のデータを見直すと、広告で一生懸命集めていた層と、実際にお店を支えている層が一致していないことがよくあります。私の店でもそうでした。

なお、AIの仕様や料金は変わりやすいため、本記事の内容は執筆時点の情報です。現在ChatGPTの主力モデルはGPT-5系ですが、手順そのものはどのAIでも応用できます。

なぜSNS広告は頭打ちになるのか

原因1:広告に反応する人と、儲けさせてくれる人は別

SNS広告の管理画面で見える成果は、クリック数、購入件数、獲得単価(1件獲得するのにかかった広告費)といった「入口の数字」が中心です。

ところが、お店の利益を決めるのは入口だけではありません。次のような違いがあります。

• 広告で買った人が、その後一度も来ない
• 値引きやクーポンのときだけ買う
• 粗利の薄い商品しか買わない
• 返品や問い合わせが多く、対応の手間がかかる

こうした人は、広告上は「成果」にカウントされますが、お店にとっては儲かる客とは言いにくいのです。

原因2:ターゲット像が「最初に決めたまま」になっている

開業時や広告を始めたときに「うちの客は20代〜30代の男性」などと決めて、そのままにしていませんか。3年も経てば、実際の客層は変わっています。商品構成、周辺環境、SNSの利用層、競合の動きも変わるからです。

思い込みのターゲット設定で広告を出し続けると、配信先と実際に儲けさせてくれる層がだんだんズレていきます。これが頭打ちの正体であることは少なくありません。

原因3:データはあるのに、見る時間と技術がない

POSレジやネットショップの管理画面には、売上データが山ほど溜まっています。ただ、数千〜数万行のデータを人間が手作業で集計し、傾向を読み取るのは大変です。忙しい経営者ほど、後回しになります。

ここで生成AIが役に立ちます。AIは大量の表データを整理し、「こういう傾向がありそうです」と仮説を出すのが得意だからです。

ステップ1:3年分の売上データを集めて、AIに渡せる形に整える

用意するデータ

まず、レジやネットショップから売上明細を書き出します。CSV(表計算ソフトで開ける形式)で出力できることがほとんどです。最低限、次の項目があると分析の質が上がります。

• 購入日
• 顧客を区別するID(会員番号や注文者の識別番号など)
• 商品カテゴリ
• 販売金額
• 粗利(または仕入れ原価。わかる範囲で)
• 購入経路(店頭・EC・広告経由など。わかる範囲で)
• クーポンや値引きの利用有無

すべて揃っていなくても構いません。「顧客ID・購入日・金額・カテゴリ」の4つだけでも、分析は始められます。

個人情報は必ず外してから渡す

ここが一番大切な準備です。氏名、住所、電話番号、メールアドレスなど、個人を特定できる情報は削除してからAIに渡してください。

顧客を区別するためのIDは、元の会員番号をそのまま使うより、「A0001」「A0002」のような連番に置き換えるのが安全です。置き換えの対応表は、AIには渡さず自分の手元だけで保管します。

また、利用するAIサービスの設定で、入力内容がAIの学習に使われない設定になっているかも確認しておきましょう。設定項目や名称はサービスによって異なり、変更されることもあるため、利用前に公式の案内で最新の内容を確認してください。

データのクセを先に書いておく

表そのものに加えて、「このデータの前提」をメモにして一緒に渡すと、AIの読み違いが減ります。たとえば次のような内容です。

• どんなお店か(業種、扱う商品の傾向)
• データの期間(過去3年分)
• 特殊事情(大型セールの時期、休業期間、システム切り替えの時期など)
• 広告を出し始めた時期

私の店の場合、新商品の発売日に来店が集中する、特定の時期にイベントを開催する、といったクセがあります。こうした事情を伝えておかないと、AIが「この月は異常値です」と判断してしまうことがあります。

ステップ2:AIに「儲かる顧客層」を探させる

いきなり「分析して」と頼まない

AIに丸投げで「このデータを分析して」と頼むと、当たり障りのない一般論が返ってきがちです。次の順番で、段階を踏んで依頼するのがコツです。

① まずデータの全体像を確認させる

最初は分析ではなく、データの確認から始めます。

添付したのは、小売店の過去3年分の売上明細です(顧客IDは匿名化済み)。まず、列の内容、欠損値、明らかにおかしい値(マイナス金額、極端に大きい金額など)がないか確認して、結果を教えてください。分析はまだしないでください。

ここで「返品がマイナスで入っている」「同じ人が別IDになっている可能性がある」といったデータの問題点が見つかります。分析の前に直しておくと、後の結果の信頼性が上がります。

② 顧客ごとに「3つの物差し」で集計させる

次に、顧客単位でまとめてもらいます。マーケティングの世界では「RFM分析」という手法が有名です。名前は難しそうですが、考え方はシンプルです。

• R(Recency):最後に買ってからどれくらい経っているか
• F(Frequency):どれくらいの頻度で買っているか
• M(Monetary):合計でいくら使っているか

ここで私は、Mを「売上」ではなく「粗利」で見るよう指示しました。依頼文の例は次のとおりです。

顧客IDごとに、最終購入日からの経過日数、3年間の購入回数、粗利の合計を集計してください。そのうえで、顧客を粗利の多い順に並べ、上位10%の顧客が全体の粗利の何%を占めているかを教えてください。

この質問は、「少数の優良客が利益の大半を支えている」という状態かどうかを確かめるものです。小売店では、このような偏りがあるのが普通です。

③ 優良客の「共通点」を探させる

次に、粗利が多い顧客と、そうでない顧客を比べて、違いを探してもらいます。

粗利上位10%の顧客と、それ以外の顧客を比べて、次の点に違いがあるか教えてください。初回に買った商品カテゴリ、初回購入から2回目購入までの日数、購入する曜日や時期、クーポン利用の有無、購入経路。違いがはっきりしない項目は「差は小さい」と明記してください。

最後の一文が大切です。AIは放っておくと、無理にそれらしい違いを見つけて語りたがる傾向があります。「差が小さいなら小さいと言って」と指示しておくと、牽強付会な結論を避けられます。

④ 広告経由の客だけ切り出して比べる

最後に、今回のテーマの核心です。SNS広告経由で来た客が、その後どう育ったかを見ます。

広告経由で初回購入した顧客と、それ以外の経路の顧客で、初回購入後180日以内の再購入率と、粗利の合計を比較してください。

ここで、広告経由の客は「買うけれど続かない」のか、「続いて育っている」のかが見えてきます。

私の店で見えてきた傾向

実際の数値は店舗の内部情報なので載せませんが、傾向としては次のようなことがわかりました。

• 利益を長く支えているのは、「買取」と「購入」の両方を利用してくれる層だった。売るだけ、買うだけの客より、お店との往復があるほうが長く続く
• 広告経由の新規客は、話題の商品だけを買って終わる傾向が強く、2回目の来店につながりにくい層が一定数いた
• 目立たないが、平日に来て、単価はそこそこでも定期的に買ってくれる常連が、粗利ベースでは想像以上に大きかった
• 売上上位に見えていた客のなかに、値引きや特定商品への依存度が高く、粗利が薄い人がいた

「売上が大きい=いい客」という感覚は、実態とズレていました。正直なところ、肌感覚で「あのお客さんが優良客だろう」と思っていた人と、粗利ベースの上位が一致しない場面も複数ありました。

顧客層を言葉にして「再定義」する

分析結果が出たら、最後に人間が読める形に整理させます。

ここまでの分析結果をもとに、顧客を3〜5つの層に分け、それぞれに名前と特徴(購入傾向、きっかけ、リピート傾向)を付けてください。ただし、データから確認できたことと、あなたの推測は分けて書いてください。

出てきた顧客層のイメージは、次のような表になります。数値は、あくまで形式を示すためのイメージです。

顧客層の名前(例)	特徴	お店にとっての価値
往復型の常連	買取と購入の両方を利用し、来店間隔が安定している	粗利の柱。最優先で維持したい
話題追随型	新商品の発売時にだけ購入する	売上には貢献するが、継続性は低め
値引き反応型	クーポンやセール時にまとめて購入する	粗利が薄く、広告で増やしすぎると危険
高単価スポット型	来店頻度は低いが、1回の購入額が大きい	数は少ないが、1人あたりの粗利は大きい

このように言語化すると、「今まで漠然と『20〜30代男性』と考えていた客像」が、「どう買ってくれる人なのか」という行動ベースの像に置き換わります。これが再定義です。

ステップ3:再定義した顧客層に合わせて、広告と店頭を見直す

分析して終わりでは意味がありません。結果を行動に変えます。ただし、一気に変えると何が効いたのかわからなくなるので、小さく試すのが鉄則です。

広告のゴール設定を変える

まず変えたのは、広告の評価指標です。これまでは「購入件数」や「獲得単価」を見ていましたが、「優良客になりやすい人を、どれだけ獲得できたか」を見る方向に切り替えました。

たとえば、次のように考えます。

• 広告経由で来た人が、初回購入後に2回目の購入や来店をしたかを追う
• 2回目に至った人の初回の購入商品・購入時期の傾向を調べる
• その商品や訴求に近い広告に、予算を寄せる

目先の獲得単価が少し高く見えても、リピートにつながる入り口なら、そちらに予算を寄せるほうが合理的です。

広告の訴求内容を、優良客の入口に合わせる

優良客層が「最初に何を買ったか」「どんな動機で来たか」がわかったら、広告の内容もそこに寄せられます。私の店の場合は、「話題の商品の入荷情報」だけを打ち出すより、「買取もやっています」「相場がわかる店です」という、お店との関係を作る入口を意識した発信を増やしました。

この広告文や投稿文の案出しも、AIにやってもらいました。

次の顧客層(往復型の常連)が、最初に興味を持つきっかけになりそうなSNS投稿文を5パターン作ってください。お店の雰囲気は「気さくで、相場に詳しい地元の専門店」です。誇大な表現や、根拠のない価格の断定は避けてください。

出てきた案をそのまま使うのではなく、自分の言葉に直して、実際の店の雰囲気に合わせます。AIの文章は整いすぎていて、店主の顔が見えなくなることがあるためです。

配信先をやみくもに広げない

頭打ちになると、「もっと広く配信すれば反応が増えるのでは」と考えたくなります。ですが、値引き反応型のような粗利の薄い層を広告で増やしても、忙しくなるだけで利益は残りません。

私は、次のように整理しました。

• 優良客と似た行動をしそうな層に予算を寄せる
• 値引き頼みの訴求は縮小し、期間限定にとどめる
• 反応の悪い配信は、一度止めて様子を見る

広告予算の「減らす判断」ができるようになったのが、いちばん大きな収穫でした。

店頭・接客でも優良客を育てる

広告で来た人を優良客に育てるのは、結局お店の対応です。分析で見えた「優良客になる人の初期行動」を、接客に反映できます。

• 初来店の人に、買取や相場確認など「次につながる使い方」をさりげなく伝える
• 2回目の来店につながるよう、次回使える小さな特典や、入荷情報の案内を渡す
• スタッフにも、優良客層の特徴を共有し、声かけの方針をそろえる

スタッフ向けの共有資料も、AIに「分析結果を、アルバイトスタッフにも伝わる言葉で1枚にまとめて」と頼めば、短時間で形になります。会議資料の作成にも同じ方法が使えます。

結果:劇的な変化ではなく、「無駄が減った」という手応え

ここは正直に書いておきます。この見直しで、「売上が数倍になった」といった派手な変化があったわけではありません。

得られたのは、次のような地に足のついた変化です。

• 広告費を「どこに使い、どこを止めるか」の判断基準ができた
• 粗利が薄い客を追いかけすぎる動きが減った
• 常連を大切にする施策に、迷わず時間を割けるようになった
• 広告の成果を「その場の購入」ではなく「その後の関係」で見る習慣がついた

広告が頭打ちになったとき、効果的なのは新しい手法を探すより、自分の店の「客」を見つめ直すことだと感じています。なお、これは一店舗の体験であり、業種や商品、客層によって結果は変わります。同じ手順でも、必ず同じ成果が出ることを保証するものではありません。

注意点:AIの分析を鵜呑みにしない

① 個人情報は入れない

繰り返しになりますが、氏名・住所・電話番号・メールアドレスなどはAIに渡さないでください。匿名IDに置き換え、生年月日のような特定につながる情報も削除するか、「20代」「30代」といった区分に丸めます。

お客様のデータを外部サービスに入力することは、プライバシーポリシーや各種ルールに関わる場合があります。自店の取り決めや、利用するAIサービスの規約・設定を事前に確認し、不安があれば専門家に相談してください。

② 計算結果は必ず自分で検算する

生成AIは、数字の集計でミスをすることがあります。特に、行数の多いデータを扱うときは要注意です。

• 合計売上や件数が、レジの集計値と合っているか確認する
• 上位顧客の数人分は、元データを自分の目で確認する
• AIが出した割合や比率を、スプレッドシートの関数やピボットテーブルで再計算する

AIは「仮説を出す係」、確かめるのは「人間の役目」と割り切ると、使いやすくなります。

ピボットテーブルに慣れていない方は、入門書を一冊手元に置くと、AIの出した数字の確認がぐっと楽になります。

Excel ピボットテーブルの入門書

③ 「相関」と「原因」を取り違えない

「優良客は平日に来ている」という傾向が見えても、「平日に来させれば優良客になる」とは限りません。もともと店に通いやすい人が、平日に来ているだけかもしれません。

AIが示すのは「一緒に起きている傾向」であって、原因ではありません。だからこそ、小さな施策で検証するステップが必要です。

④ データの偏りや季節要因を見落とさない

3年分あっても、新商品の発売、イベント、休業、システム変更など、特殊な事情が混ざっています。顧客数が少ない店では、数人の動きで結果が大きく変わることもあります。

分析結果は「確定した真実」ではなく、「次に試す方向性の材料」として扱いましょう。

⑤ お客様を数字だけで線引きしない

粗利で顧客を見直すのは、経営判断として大切です。ただ、粗利が小さいお客様を雑に扱ってよいという意味ではありません。初めて来てくれた方、学生さん、あまり買わなくても店の雰囲気を作ってくれる方が、将来の優良客や口コミの源になることもあります。

あくまで「広告の予算配分と、力を入れる施策の優先順位を決める」ための物差しとして使い、接客の質は全員に保つのが、小さなお店の強みだと思います。

まとめ:広告を変える前に、「誰に届けるか」を見直そう

最後に、この記事の要点を振り返ります。

• SNS広告が頭打ちになる背景には、広告に反応する人と、お店を儲けさせてくれる人のズレがある
• 高額な分析ツールは不要。売上データとAIがあれば、顧客層の再定義はできる
• 顧客は「売上」ではなく、「粗利」「リピート」「手間の少なさ」で見直す
• AIには、データ確認→顧客ごとの集計→優良客の共通点→広告経由客の比較、と段階を踏んで依頼する
• 結果は広告のゴール設定、訴求内容、配信先、接客に小さく反映して検証する
• 個人情報は外し、数字は必ず自分で検算する。AIの結果は「仮説」として扱う

広告の成果が伸びないと、「やり方が悪いのか」「もう効かないのか」と悩みます。でも、実際には自分のお店を支えているお客さんの姿を、最近きちんと見ていなかっただけということも多いのです。

まずは今日、レジやネットショップの売上データを、直近3年分書き出してみてください。個人情報を外し、AIに「データの中身を確認してください」と頼むところまでなら、30分もかかりません。そこから、お店の本当の優良客が見えてきます。

「自社のデータでどこから手をつければいいかわからない」「個人情報の扱いに不安がある」という場合は、私が提供しているAI導入のコンサルでも、実店舗・ECの両方の経験をもとにご相談をお受けしています。大がかりなシステムを入れる前に、まずは手元のデータでできることから一緒に整理していきましょう。