衛星データでキャベツ販促を最適化、需要予測が変える食品流通の現場
ニュースの概要
人工衛星から得られる農地の画像や気象情報などを使い、キャベツの生育や出荷量を予測し、その結果を広告や店頭販促に反映する取り組みが始まります。8月24日から、首都圏と関西の量販店約50店舗で順次展開される予定です。野菜は天候によって収穫量や価格が変わりやすく、販売側は広告を出す時期や仕入れ量の判断に苦労してきました。今回の仕組みは、産地の状況を早めに把握し、販売施策と供給のずれを小さくすることを狙います。衛星データを農業支援だけでなく、消費者への情報発信と店舗運営に結び付ける点が特徴です。
引用元: 人工衛星データに基づく予測でキャベツの広告・店頭販促を連動させる取り組み、8月24日から首都圏・関西の量販店 約50店舗で順次開始（dentsu.co.jp）
分析・見解
衛星が捉える生育差を販売判断に変える仕組み
衛星データの強みは、広い農地を同じ基準で繰り返し観測できることです。画像から作物の葉の量や色の変化を読み取り、気温、降水量、日照時間などと組み合わせれば、地域ごとの生育の遅れや収穫時期の違いを推定できます。キャベツは気温と雨の影響を受けやすく、同じ産地でも畑ごとに出荷の山がずれるため、経験だけで全体像を把握するのは難しい作物です。
重要なのは、予測結果を農家向けの資料で終わらせない点です。出荷が増えそうな時期には販売機会を広げ、供給が細りそうな時期には広告量や特売の設計を調整する。生産、卸売、小売、広告会社が同じ見通しを共有できれば、個別の勘に頼っていた判断を、より早くそろえられます。
価格変動を抑える鍵は予測精度より判断の早さ
農産物の予測では、完全に当てることより、変化を何日前に把握できるかが実務上の価値になります。例えば、収穫量の減少が店頭で明らかになってから広告を止めるのでは遅く、数週間前に兆候をつかめれば、仕入れ先の切り替えや販売数量の調整が可能になります。広告も一律に増減させるのではなく、店舗の商圏、在庫、来店客の傾向を重ねて配分する必要があります。
一方、衛星画像だけで価格や売れ行きを決められるわけではありません。輸送費、競合店の価格、家庭での需要、天候による来店数など、地上の情報も結果を左右します。衛星は未来を断定する道具ではなく、現場が早く選択肢を比較するための警報装置と捉えるべきです。
約50店舗の実証で測るべき本当の成果
今回の展開では、販売数量だけでなく、広告を見た人の来店、対象商品の購入率、廃棄量、値引き率を分けて確認することが重要です。販促を強めて売上が伸びても、仕入れ過多で廃棄が増えれば、利益や環境面での効果は限定されます。反対に、売上が大きく変わらなくても、欠品や廃棄が減れば流通全体の改善につながります。
実証店舗と比較対象店舗を設け、同じ期間の天候、価格、客数をそろえて見る設計も欠かせません。店舗ごとに結果が違う場合は、予測モデルの問題なのか、発注や売場づくりの運用差なのかを切り分ける必要があります。実証の価値は、成功事例を作ることだけでなく、どの条件なら再現できるかを明らかにすることにあります。
キャベツから他の生鮮品へ広がるデータ連携
キャベツで仕組みが整えば、レタス、玉ねぎ、果物など、天候による変動が大きい品目にも応用できます。さらに、衛星データに農地の作付け情報、卸売市場の入荷量、店舗の販売履歴を加えれば、品目単位から売場全体の計画へ発展します。
ただし、データを持つ企業だけが有利になる構造には注意が必要です。生産者が必要な情報にアクセスできず、小売側だけが価格や販促を決めるようになると、取引の不均衡が深まります。予測の根拠や誤差の範囲を共有し、現場の判断を置き換えるのではなく支える運用が、長期的な普及の条件になります。
ビジネスへの影響
小売企業は販促費と廃棄費を同じ指標で管理する
導入を検討する小売企業は、広告の表示回数や売上だけで評価しないことが大切です。キャベツの販促前後で、粗利益、値引き額、廃棄量、欠品時間、発注変更回数を店舗別に追跡すると、施策が利益に結び付いたかを判断しやすくなります。特売を増やすことが目的ではなく、供給が見込める日に需要を集め、余りやすい日に無理な集客を避けることが狙いです。
現場の負担も事前に見積もる必要があります。予測を受け取る担当者、発注を変更する権限、売場で価格を切り替える手順が曖昧だと、精度の高い情報があっても動けません。まずは店舗数を限定し、週単位で結果を確認しながら、発注と販促の責任分担を固めるのが現実的です。
仕入れ側は予測を契約と物流の改善に使う
卸売業者や食品メーカーにとっては、出荷の山谷を早く知ることで、集荷車両や保管場所、人員を先に手配できます。販売側からの急な追加注文を減らし、複数産地からの調達を組み合わせれば、天候不順による供給不足にも対応しやすくなります。予測を単なる情報提供で終わらせず、納品日、数量、代替産地の条件に反映することが重要です。
ただし、予測が外れた場合の責任を一方に集中させる契約は避けるべきです。予測値には幅を持たせ、通常数量、増量、減量の複数シナリオを事前に合意しておくと、取引先が動きやすくなります。生産者への還元方法やデータ利用の範囲も明確にしなければ、協力を継続して得ることは難しくなります。
経営層が確認すべきは再現性とデータの共有条件
導入判断では、短期の売上増加だけでなく、別の産地、別の季節、別の品目でも効果が出るかを確認します。観測頻度、予測更新の速さ、誤差の範囲、異常気象時の対応を契約前に確認し、担当者が数字を鵜呑みにしない仕組みを整える必要があります。
さらに、店舗の販売履歴や顧客情報を誰が所有し、どの範囲で分析に使うのかを明文化することが欠かせません。農業データと購買データを結合できれば価値は高まりますが、共有条件が不透明だと参加企業は増えません。小さな実証で効果測定の型を作り、成果と課題を共有しながら段階的に広げる方が、拙速な全店導入より失敗の費用を抑えられます。