AIでExcelの売上データを分析｜2,030件のデータから経営課題を見つけるツールを作ってみた

Excelに売上データはある。でも「次に何をすればいいか」が分からない

今回想定した課題は、とてもシンプルです。

Excelを開けば、今月の売上や顧客数は確認できます。

しかし、経営改善につなげるには「売上はいくらだったか」だけでは十分ではありません。

例えば、売上が増えていたとしても、新規顧客がリピーターになっていなければ、将来的には集客を続けなければ売上を維持できなくなる可能性があります。

流入経路ごとの顧客数だけでなく、その後どれくらい再来しているかを見ると、集客施策に対する評価が変わることもあります。

そこで、Excelを読み込んで分析する売上分析ツールを作った

今回想定した架空の美容室

検証用として、札幌市内にある小規模美容室を想定した架空データを作成しました。

実際の業務で使われていそうな形式を想定し、来店履歴・売上・担当者・流入経路などをExcelにまとめました。

ツールでできること

作成したツールでは、Excelファイルを読み込むと、主に次の項目を整理・分析します。

また、会社によってExcelの列名が違うことを想定し、「日付」「売上」「顧客ID」「担当者」などの列を自動で推測する仕組みも入れました。

自動判定が合わない場合は、画面から使用する列を指定できます。

2,030件の売上データを実際に分析してみた

ここからは、今回作った架空データをツールに読み込ませた結果です。

売上は伸びている。一見すると順調

まず売上を見ると、直近期間の月平均売上は大きく伸びていました。

この数字だけを確認すれば、「売上は順調に伸びている」と判断してしまうかもしれません。

一方で90日以内の再来率は低下

次に、新しく来店した顧客が90日以内にもう一度来店しているかを、獲得した月ごとに比較しました。

すると、過去の顧客群では45.5％だった90日以内再来率が、直近の顧客群では34.5％まで低下していました。

もちろん、この数字だけで「売上が今後必ず下がる」と判断することはできません。

ただし、今後確認した方がよい経営指標として、再来率を優先候補にできるようになります。

HotPepper経由の再来率にも変化

流入経路別にも確認すると、HotPepper経由の顧客について変化が見つかりました。

今回の架空データでは、90日以内再来率が過去47.8％から直近28.3％へ低下しています。

差は19.5ポイントです。

ここで重要なのは、「HotPepperが悪い」とAIが判断することではありません。

見るべきなのは、集客人数だけで評価していた施策を、再来率やその後の売上まで含めて確認した方がよいのではないか、という点です。

担当スタッフ別では客単価にも差があった

担当者別に平均客単価を比較すると、今回の架空データでは高橋さんが6,754円、担当者全体の中央値が8,424円でした。

中央値と比較すると約19.8％低い結果です。

ただし、これだけで「高橋さんの営業力が低い」と判断してはいけません。

担当しているメニュー、新規・既存顧客の割合、値引き、追加メニューの提案状況など、別の要因が影響している可能性があります。

そこでツールでは、結論を断定するのではなく、次に確認する候補として「提案メニュー・追加提案率・値引き・担当メニュー構成を比較する」という方向性を表示するようにしました。

今回のツールをどう作ったのか

今回の制作ではChatGPTを使いながら、分析項目の設計、プログラム作成、動作確認、修正を進めました。

ただし、「ExcelをAIにそのまま渡して、全部考えてもらう」という作り方にはしていません。

1. 何を分析するか決める

   まず、売上・来店数・客単価・再来率・担当者・流入経路など、経営判断につながりそうな項目を整理しました。

2. Excelのデータをプログラムで集計する

   売上金額や再来率など、正確さが必要な数値はプログラムで計算します。

3. 異常や変化を一定のルールで抽出する

   直近と過去を比較し、大きな変化がある指標を「確認した方がよい項目」として表示します。

4. グラフで可視化する

   月次売上、担当者別客単価、獲得月別再来率、曜日・時間帯などを、画面上で確認できるようにしました。

5. 次に確認することを整理する

   数字の変化から、追加で確認したい情報や検討できる施策を整理します。

実際に作って分かった、AIが得意なこと・人が判断すべきこと

AIは「見るべき場所を絞る」のに使いやすい

2,030件のデータを眺めて、人が最初からすべての組み合わせを確認するのは大変です。

今回のように、売上だけでなく、再来率・流入経路・スタッフ・時間帯など複数の視点からデータを見る仕組みを作ると、「ここを詳しく見た方がよさそう」という候補を絞りやすくなります。

AIやデータ分析は、人の代わりに経営判断をするというより、判断するための材料を見つけやすくする使い方と相性がよいと感じました。

数字だけで原因を断定しない

例えば再来率が下がっていたとしても、原因が接客なのか、価格なのか、集客媒体なのかは、売上データだけでは分かりません。

客単価が低いスタッフについても、担当している顧客やメニューが違えば単純比較はできません。

AIが見つけた数字を「答え」とするのではなく、現場を知っている人と一緒に理由を確認する必要があります。

AIでコードを書いても、動作確認は必要だった

今回のツール制作では、最初からすべてが問題なく動いたわけではありません。

初期版では、開発に使用したライブラリと実際に起動するMacのPythonバージョンが合わず、アプリを起動できませんでした。

次のバージョンでも、画面を作るためのライブラリ同士の互換性でエラーが発生しました。

最終的には構成をより単純にし、Python標準のローカルWebサーバーを使う形に変更。起動前にサンプルデータを読み込み、分析処理とWeb画面が正常に動くか確認するテストも追加しました。

中小企業のAI活用は、すでに持っているデータから始められる

AI活用というと、新しい大規模システムを導入するイメージを持つ方もいるかもしれません。

しかし今回使ったものは、もともと会社にありそうなExcelの売上データです。

同じ考え方は、美容室以外にも応用できます。

「AIを導入するなら何を買えばいいか」から考える必要はありません。

今どんなデータがあり、どんな判断や作業に時間がかかっているのか。

そこからAIの使い方を考える方法もあります。

今回の検証結果まとめ

よくある質問