売れ残りを減らす仕入れ計画｜SKU分類から発注タイミング設計まで実務で使える方法

はじめに：売れ残りは「量を減らす」だけでは解決しない

小売現場で「売れ残りを減らしましょう」という話になると、真っ先に出るのが「とりあえず発注量を削ろう」という判断です。しかし、この一律削減アプローチは多くの場合、欠品という別の問題を引き起こすだけで、根本解決には至りません。

売れ残りの本当の原因は、商品ごとに異なる需要特性に対して、同一のルールで発注を行っていることにあります。日次の店舗補充、週次のDC補充、販促計画、棚替えといった複数の時間軸が同時に動く小売業では、商品群ごとに発注タイミング・補充方式・値引きルールを別々に設計することが不可欠です。

本記事では、数店舗から数十店舗を運営する中小規模チェーンを主な対象として、SKU分類の考え方から、需要予測手法の選び方、発注タイミング戦略、KPI管理、実行ロードマップまでを実務の観点から整理します。

---

売れ残りが起きる7つの構造的原因

原因を「データ」で切り分ける

売れ残り対策を始める前に、なぜ残っているのかを正確に把握する必要があります。同じ「在庫が余っている」現象でも、原因によって打ち手はまったく異なります。

代表的な構造的原因として以下が挙げられます。

① 需要変動を平準化し過ぎている 雨天・曜日差・イベント日による売れ方の違いを無視した発注を続けると、特定の日に大量の売れ残りが発生します。日別販売データや天候・来店客数を組み合わせた予測に切り替えることで改善の可能性があります。

② リードタイムが商品特性に合っていない リードタイムの設計が粗いと、遅すぎれば欠品、短すぎれば緊急発注や過剰補充につながります。定番品は安定したリードタイムでROP（発注点）化し、販促・新商品は前倒し確定、季節末は早期停止という使い分けが有効です。

③ 発注ロットやケースパックが粗い 需要より大きい単位でしか補充できない場合、必ず余剰が発生します。MOQ（最小発注量）やケース入数の見直し、小口化、上限在庫の設定が検討できます。

④ 販促設計と補充設計がズレている 特売の後に大量の残りが出るケースは、販促と補充の計画が連動していないことが多いです。販促前に初回配荷と追加発注条件を固定し、販促後は「売り減らし計画」に移行するルールを先に決めておくことが重要です。

⑤ 陳列・棚割の不整合 売り場の視認性の差によって売れ筋が偏り、死に筋だけが残ることがあります。棚替え前に売り減らし期間を確保し、陳列変更日と発注停止日を分けて管理する必要があります。

⑥ 仕入先制約 供給日が固定されていたり生産能力の制約があったりすると、予測が合っていても納品できない場合があります。仕入先別に補充方式を変え、先行情報共有と発注凍結ルールを設けることが有効です。

⑦ データ品質不良 「帳簿在庫はあるのに売場にない」「二重発注」「幽霊在庫」といった問題は、自動発注を最も壊しやすい要因です。在庫精度とマスタ整備は、どんな予測モデルを入れるより先に固定しておく必要があります。

評価指標の三層構造で原因を切り分ける

売れ残りの原因を切り分けるには、需要精度・在庫効率・販売ロスの三層で指標を見ることが有効です。

需要精度はwMAPEやBias、在庫効率は在庫回転率・回転日数・滞留在庫比率、販売ロスは欠品率・売上ロス率・値引率・廃棄率といった形で整理します。予測精度だけを追いかけていても、「精度が改善されたのに在庫は減らない」という状況に陥りがちです。精度向上の金額効果は、補充政策・保管費・欠品コストと結び付けて初めて評価できます。

---

SKUを4つに分類して補充方式を変える

売れ残り対策の出発点は、自社のSKUを「定番」「販促」「季節」「短寿命」の4群に分類することです。同一ルール運用は、ほぼ必ず滞留在庫か欠品のどちらかを生みます。

定番品は発注点方式（ROP）で安定化する

常温定番のAランクSKUは、需要が相対的に安定しているため、ROP（発注点）またはEOQ（経済的発注量）方式が向いています。在庫がROPを下回ったら自動提案する仕組みを作れば、担当者の判断負荷を大幅に下げられます。ただし、この方式は在庫精度が98％以上でないと正常に機能しないため、棚卸精度の確保が前提条件になります。

B/Cランクの定番品は、週次の周期発注で対応するのが現実的です。納品曜日を固定し、目標在庫まで補充するシンプルなルールで十分な場合が多いです。

販促品は「販促前」に発注条件を固定する

販促品の売れ残りで最も多いのは、「販促計画は先行したが、補充設計が追いついていない」ケースです。販促2週間前に数量を仮置きし、直前に確定する流れにすることで、販促後の大量残りを防ぎやすくなります。

販促終了後は「売り減らし計画」に即座に移行し、残在庫の上限を設けて超えた場合は値引きを検討するルールを事前に決めておくことが重要です。

季節品・棚替え品は「停止発注」の設計が鍵

季節商品や棚替え商品では、「最後まで発注して売る」より「売り減らして切り替える」ほうが売れ残りを抑えやすいです。

実務上のルールとしては、棚割配信の30日前から売り減らしを開始し、商品切替の20日前に発注停止するという設計が有効とされています。これは発注の「量」ではなく「時点」を変える取り組みであり、タイミングの設計そのものが最大の売れ残り抑制策になります。

短寿命品（生鮮・日配）は値引きと発注を連動させる

生鮮・日配品は、日次あるいは半日次の周期発注に上限在庫を組み合わせ、当日の値引き判定を16時・19時などのタイミングで行う設計が機能しやすいです。前日実績・天候・客数・曜日を組み合わせた予測で翌日分を決定し、廃棄が見込まれる場合は値引き推奨に連動させます。

---

需要予測手法の選び方｜「最新」より「適切」を選ぶ

予測手法の選び方で重要なのは、「どの手法が最新か」ではなく、どのSKU群に、どの時間軸で、どの説明変数が使えるかです。複雑なモデルが常に優れているわけではなく、移動平均や指数平滑のような古典的手法が依然として強力なベンチマークとなる場面は多くあります。

手法ごとの特性と向く状況

移動平均・指数平滑は、定番品や低変動SKUに向いており、実装コストが最も低い方法です。ExcelやGoogleスプレッドシートでも始められます。ただし、価格・販促・天候などの外生変数の影響は表現しにくいです。

回帰モデルは、価格・販促・気温・曜日・祝日など「何が売上を動かしたか」を説明したい場面に向いています。販促評価との相性も良いですが、将来の説明変数の入力が必要で、構造変化や非線形な関係には弱い面があります。

XGBoost・ランダムフォレストは、多店舗・多SKUの構造化データと相性が良く、非線形な価格・販促・店舗差を扱いやすいです。ただし、特徴量設計と検証設計が適切でないと過学習が起きやすく、導入コストは中〜高になります。

**時系列深層学習（DeepAR、TFT等）**は、多数の相関系列と外生変数がそろう環境で強みを発揮しますが、データ量・計算資源・MLOps・例外運用が重く、中小チェーンには過剰投資になりやすいです。

中小チェーンに現実的な導入アプローチ

中小規模チェーンでは、全SKUにまず移動平均・指数平滑・季節調整をベンチマークとして走らせ、その上で販促影響が大きいカテゴリだけ回帰やXGBoostに切り替える段階的導入が費用対効果の面で合理的です。

また、単独モデルよりも**複数モデルの組み合わせ（アンサンブル）**が安定した精度を出しやすい傾向があります。実務では「安定ベースライン＋販促補正＋人手例外補正」の三層構造が機能しやすいです。

---

発注タイミング戦略｜SKU群ごとに方式を使い分ける

定期発注と定量発注は二者択一ではない

発注タイミング戦略は「いつ見るか」「何を基準に発注するか」「誰が判断するか」の設計です。実務では、定期発注（周期発注）と定量発注（ROP）を組み合わせて使うのが最も機能しやすいです。

定番Aランク品：ROP自動提案（在庫精度確保が前提） 定番B/Cランク品：週次周期発注 販促品：回帰/ML補正付き周期発注＋直前修正 季節品：シーズン中は週次補充、棚替え30日前から停止発注へ 生鮮・日配：日次または半日次の周期発注＋値引き連動

VMIとクロスドッキングの活用条件

**VMI（ベンダー管理在庫）**は、仕入先がPOS・店在庫・販促計画を参照できる場合に有効で、補充判断をベンダー主導に移すことで手入力ミスを減らし、供給側の計画精度も上がる可能性があります。ただし、データ共有・責任分担・評価制度の整備が前提です。

クロスドッキングは、高回転・高ボリューム品でDCを保管拠点ではなく通過拠点として使いたい場合に有効です。在庫保有を極小化できますが、需要精度と物流ダイヤの精度が低いと混乱しやすい面があります。

リアルタイム発注は「短寿命品限定」で始める

POSや在庫データをリアルタイムで参照して当日補充や値引きを行う発注方式は、生鮮・惣菜など賞味期限が短い商品への廃棄抑制効果が大きいです。ただし、システム連携と現場オペレーションが重くなるため、まずは短寿命品に絞って導入し、週次→日次→半日次の順で発注タイミングを細かくしていく段階的アプローチが失敗しにくいです。

---

データ基盤の最小構成｜何から整備するか

優先度の高いデータソース

発注タイミングを見直すには、予測モデルより先にデータ更新時刻と責任分担を決める必要があります。まずは以下の4つを日次でつなぐことが最優先です。

• POS販売実績（店舗×SKU×日）：需要予測と売れ筋・死に筋判定の基盤
• 在庫・入荷実績（店舗×SKU×日）：ROP判定と発注提案の基礎
• 商品・店舗マスタ：取扱可否・終売・棚割・価格帯の管理
• リードタイムと納品カレンダー（仕入先×SKU）：発注締切と安全在庫の算出

次の優先度で追加するのが、販促予定と価格・値引き履歴、店休日・物流スケジュール、天候観測・予測、来店客数予測です。

更新頻度はリアルタイムでなくてよい

更新頻度は最初からリアルタイムである必要はありません。翌日発注が中心であれば「日次午前更新」で十分対応できます。生鮮・惣菜など短寿命品だけを半日次に拡張するのが現実的な段階設計です。

システム投資は3段階で考える

低コスト帯：CSV連携とBI、既存POSからの日次集計、指数平滑と週次レビュー 中コスト帯：クラウドDWH、発注提案機能、販促カレンダー連動、仕入先OTIF可視化 高コスト帯：RFID、複数倉庫在庫最適化、ML再学習基盤、仕入先連携・VMI、店舗とEC統合在庫

中小チェーンでは、まず低〜中コスト帯の整備で大半の売れ残り問題に対処できる可能性があります。高コスト帯の投資は、中コスト帯の効果が確認されてから検討するのが合理的です。

---

KPIとダッシュボード設計｜「精度だけの会議」から脱却する

監視すべき指標の一覧

ダッシュボード設計の原則は、予測が外れたことで終わらず、「なぜ外れ、その結果どのKPIが傷んだか」を見える化することです。主要なKPIを役割別に整理すると以下になります。

上記の目標レンジはあくまで初期設定の参考値であり、業種や商品特性によって異なります。まずこのレンジで管理を始め、SKU群ごとに引き締めていく進め方が安全です。

ダッシュボードは「誰が見るか」で分ける

同じ画面を全員に見せると責任が曖昧になります。階層別に分けることが重要です。

経営層：在庫総額・90日超比率・廃棄額・値引額・粗利影響（週次更新） 商品部：wMAPE・Bias・欠品率・販促後残在庫・カテゴリ別回転日数（日次・週次） 店舗運営：当日の欠品危険SKU・廃棄危険SKU・値引き推奨・未承認発注（日次・半日次） 仕入担当：仕入先別OTIF・実績LT・MOQ影響・緊急発注件数（週次）

経営ダッシュボードを「結果」、商品部を「原因」、店舗を「当日アクション」として設計することで、それぞれが自分の役割に集中できます。

---

実行ロードマップ｜短期・中期・長期の進め方

短期（〜3ヶ月）：止血と可視化

まずはルール整備から始めます。SKUを定番・販促・季節・短寿命に分類し、滞留在庫と欠品の上位SKUを特定します。棚替え前の発注停止ルール、販促前の初回配荷確定、店休日前後の補正ルールをドキュメント化し、商品部と店舗運営で週次の例外レビュー会議を設けます。投資水準は低く、組織の合意形成が主な作業です。

中期（3〜12ヶ月）：需要予測と発注提案の半自動化

POS・在庫・リードタイム・販促・天候を日次でつなぐデータ基盤を整備します。定番品は指数平滑＋ROP、販促品は回帰・XGBoost、生鮮は日次AI＋値引き提案へと段階的に移行します。仕入先別OTIFの管理を開始し、商品部・仕入・物流・情報システムの横断運用体制を構築します。

長期（1年以上）：サプライチェーン全体の同期化

RFID導入や統合在庫可視化、複数倉庫の在庫最適化、VMI/CPFR拡張、EC在庫統合などが対象になります。評価制度を「売上だけ」から「廃棄・欠品・在庫」連動に変更することも、この段階での重要な組織設計のポイントです。

週次レビューのチェックリスト

予測モデルを変えても、週次の管理習慣が固まっていなければ売れ残りは減りにくいです。最低限、以下を毎週確認する習慣を作ることが先決です。

• 滞留在庫上位20SKUは前週から更新されているか
• 欠品上位20SKUの原因（需要急増・LT遅延・在庫差異・MOQ）は分類できているか
• 販促カレンダーは2週間先まで確定しているか
• 店休日・地域イベントは営業計画に反映されているか
• 仕入先OTIFが95％を下回っている先はないか
• 在庫精度が98％未満の店舗は抽出できているか
• 値引き実施が閉店直前だけになっていないか

---

ケーススタディ｜日本と海外の小売実証から学ぶ

食品スーパーの公的実証（バロー×中部フーズ）

食品スーパーの公的実証では、木曜の週間発注と火曜の修正発注に集約し、リードタイムを3日以上に延長した上でAI需要予測と在庫最適化を実装しました。その結果、発注回数が75％削減され、欠品は18.2％減、サプライチェーン全体の廃棄は17.3％減、店舗売上は2.7％増という結果が確認されています。発注頻度を減らしても、タイミング設計と予測精度が適切であれば成果が出る可能性があることを示しています。

コンビニの発注・値引き一体化（ローソンAI.CO）

天候・在庫・販売実績・商品間連動性をもとに発注数と値引き額・時間を一体で推奨するシステムを全国展開しています。発注と値引きを分離せず、一体で最適化することが食品ロスと欠品の両方に効く可能性があるというアプローチです。

衣料品のリアルタイム在庫可視化（ファーストリテイリング）

RFIDで工場から店頭までの在庫を一元可視化し、AI需要予測と追加生産リードタイム短縮を組み合わせることで、適時・適品・適量の店舗投入を実現しています。衣料品では数量よりも追加投入の機動性が重要であり、リアルタイム在庫可視化が欠品と余剰の両方を抑制する可能性があることを示しています。

ケーススタディから導く共通原則

業種や規模が異なるこれらの事例に共通するのは、**売れ残り削減の主戦場が「量の削減」ではなく「タイミング・情報・連携の改善」**である点です。何をいつ発注するかの設計を変えることが、欠品と廃棄の両方を改善する最も再現性の高いアプローチです。

---

リスクと失敗パターン

全SKUに同じサービス水準を置かない

過発注と欠品は常にトレードオフの関係にありますが、全SKUに同じサービス水準を設定すること自体が間違いになりやすいです。Aランク品には高いサービス水準を維持しつつ、Cランク品や季節末商品には低在庫を許容するというSKU別サービス水準設計が必要です。

仕入先との連携なしには限界がある

売れ残り削減は店舗内だけの努力では頭打ちになります。発注締切・納品曜日・MOQ・情報共有フォーマットを取引先と変えることで初めて改善が進む要素が多く含まれています。定番品の発注ロット適正化、新商品・販促品のリードタイム延長、POS・在庫・販売計画の共有は、取引先との合意を通じて進める必要があります。

在庫精度が低いまま自動発注を入れない

在庫精度が低いままROPや自動発注を入れると、むしろ欠品と売れ残りが増えるリスクがあります。自動化のフローを設計する前に、棚卸精度の向上とマスタ整備を優先するのが安全な順序です。

人の判断をゼロにしようとしない

節分、花火大会、夏休み、台風接近のように、過去のデータだけでは読みにくいイベントは必ず残ります。目指すべきは「人の勘を排除すること」ではなく、例外SKUだけに人の判断を集中させる運用です。通常SKUは予測と発注提案に任せ、人は例外対応に特化することで、全体の精度と効率が上がりやすくなります。

---

まとめ：売れ残り対策の本質は「発注タイミングと情報設計」

売れ残りを減らす仕入れ計画の要点を整理します。

• 売れ残りは発注量を一律削減しても解決しない。SKUを「定番・販促・季節・短寿命」に分け、補充方式と発注タイミングを別々に設計することが起点になる
• 季節品・棚替え品では、棚替え30日前の売り減らし開始と20日前の発注停止が有効であり、これは量ではなくタイミングの設計問題
• 需要予測は「最新の手法」より「SKU群に合った手法」を選ぶ。中小チェーンでは指数平滑をベースにしつつ、販促影響が大きいカテゴリにだけ回帰やXGBoostを使う段階導入が現実的
• KPIは予測精度だけでなく、在庫回転・欠品率・値引率・廃棄率・仕入先OTIFを一体で管理し、「精度→発注→滞留→値引き→利益」まで見る
• 実行は短期の止血（ルール整備）→中期の半自動化（データ基盤・発注提案）→長期のSCM同期化の順が失敗しにくい