Shopify Smart Pricingとは？AIが値下げ・値上げを提案する仕組みと利用条件・注意点を徹底解説

1-1. 「価格最適化アプリ」とは何をするものか

価格最適化とは、ざっくり言えば「売れ行き・在庫・時期などを踏まえて、利益が最大になるように価格を調整すること」です。人力でこれをやろうとすると、商品ごとの販売履歴を眺め、在庫の減り方を見て、季節要因を頭に入れ……と膨大な手間がかかります。Smart Pricingは、その分析部分をAIに任せ、「この商品はこう変えると利益が伸びやすい」という候補を提示します。あくまで提示であって、価格を勝手に書き換えるものではない点が重要です。

1-2. 「単品を高く売る」ためのツールではない

Smart Pricingの設計思想で最も誤解されやすいのが、目的が「ストア全体の利益最大化」にあるという点です。個別の商品を単体で最も高く売るための機能ではありません。ある商品を戦略的に値下げして集客し、その周辺で利益を取る、といった店全体としての最適を志向します。したがって「この提案どおりにすればこの商品単体が一番儲かる」とは限らず、あくまで店の総利益という視点で提案が出ていることを理解しておく必要があります。

1-3. 提案は自動で反映されない

もう一つ大切なのが、AIの提案は自動的に価格へ反映されないことです。実際に価格を変えるかどうかは、運営者が提案を確認したうえで手動で適用します。「AIに任せたら知らないうちに全商品が値下げされていた」といった事故は、この仕組み上起きません。裏を返せば、提案を活かすには人が確認・判断するプロセスが必ず要る、ということでもあります。Smart Pricingは「意思決定を代行する自動運転」ではなく「判断材料を差し出す助手」と捉えるのが正確です。

2-1. 分析に使われる3つの代表的なデータ

Smart PricingのAIは、主に次のようなストアのデータを機械学習で分析し、価格提案を導き出すとされています。いずれも、これまで人が経験と勘で読み取っていた情報を、数値としてまとめて扱う点に特徴があります。

たとえば、需要が強いのに在庫が潤沢で値上げの余地がある商品には値上げを、需要に対して価格が高すぎて在庫が滞留している商品には値下げを——というように、複数のデータを突き合わせて提案が組み立てられます。人間が一つずつ勘案していた要素を、機械学習でまとめて評価するイメージです。

2-2. 目指しているのは「ストア全体の利益最大化」

第1章でも触れたとおり、AIが最終的に目指すのはストア全体の利益です。ここが、単純な「売上最大化」や「単品の粗利最大化」と異なる肝の部分です。売上だけを追えば値下げ一辺倒になりがちですし、単品の粗利だけを追えば値上げ一辺倒になりがちですが、Smart Pricingは値下げと値上げの両方を、店全体の利益という一つの物差しで提案します。だからこそ、同じストアの中でも「この商品は下げる」「あの商品は上げる」という混在した提案が出てきます。

2-3. 提案は「材料」であって「結論」ではない

AIの分析は強力ですが、扱えるのは基本的に過去のデータから読み取れる範囲です。ブランドの世界観、競合の動き、これから仕掛けるキャンペーン、原材料費の見通しといったデータに現れにくい文脈までは織り込めません。だからこそ提案は自動反映されず、人の確認を挟む設計になっています。提案は「AIという分析担当がまとめてくれた材料」であり、それをどう使うかは経営判断——この役割分担を意識すると、ツールに振り回されずに済みます。

3-1. 機能① AIによる値下げ・値上げ提案

一つ目は、これまで解説してきた値下げ・値上げの提案機能です。AIが売上・在庫・季節性などを分析し、商品ごとに「この価格に見直すと利益が伸びやすい」という候補を提示します。この機能は日本のストアでも利用の中心となります。値下げだけでなく値上げの提案も出るのが特徴で、「安くすればよい」という単純な発想ではなく、需要に対して価格が低すぎる商品には値上げを促してくれる点が実務的です。

提案を確認した運営者は、粗利・ブランド・在庫の状況を踏まえて、採用するか・見送るかを一つずつ判断します。すべてを鵜呑みにする必要はなく、「なるほど、この商品は確かに値上げできそうだ」と納得できるものから取り入れていく使い方が現実的です。

3-2. 機能② 価格A/Bテスト（早期アクセス・米国のみ）

二つ目は価格A/Bテストです。これは、同じ商品に異なる価格を出し分けて、どちらが売上・利益の面で優れているかを実際の購買データで比較する機能です。勘や思い込みではなく、リアルな顧客の反応で価格の良し悪しを検証できるのが最大の強みです。ただし前述のとおり、早期アクセスの段階で米国向けのみの提供であり、日本のストアでは利用できません。

なお、A/Bテストで採用したテスト価格は、Shopifyのオンラインストアにのみ反映されるとされています。実店舗やその他の販売チャネルにまで自動で及ぶものではない、という点も押さえておくとよいでしょう。

3-3. 2つの機能の違いを整理する

日本の小売事業者は、まず提案機能を「これまで放置していた価格を、データを根拠に見直すきっかけ」として活用するのが基本方針になります。以降の章でも、日本で使える提案機能を前提に話を進めます。

4-1. データを根拠に価格を判断できる

多くの店では、価格は「仕入れ値に慣習的な掛け率を乗せる」「競合を見て何となく合わせる」「一度決めたら基本そのまま」というのが実情です。Smart Pricingを使うと、売上・在庫・季節性という具体的なデータを根拠に価格を検討できます。「なんとなく高い気がする」ではなく「需要に対して価格が高く、在庫が滞留しているから下げる」という言語化された理由を伴って判断できるのは、経営の質を確実に上げます。

4-2. 「見直すべき商品」に気づける

商品数が増えるほど、「どの商品の価格を見直すべきか」を人が把握するのは難しくなります。数百点の商品を一つずつ点検するのは非現実的で、結果として価格改定は"気づいたときだけ"の場当たり的なものになりがちです。Smart Pricingは、AIが全商品を横断的に見て「ここに見直しの余地がある」と教えてくれるため、放置されていた値付けの取りこぼしに気づけるのが大きな利点です。とくに、値上げできるのに据え置いていた商品の発見は、そのまま利益改善につながります。

4-3. 値上げの"後押し"になる

実は、多くの事業者にとって難しいのは値下げよりも値上げです。「お客さんが離れるのでは」という不安から、本当は上げられる商品まで据え置いてしまう。Smart Pricingがデータに基づいて値上げを提案してくれると、その一歩を踏み出す心理的な後押しになります。もちろん最終判断は人が行いますが、「AIも値上げの余地があると言っている」という客観的な材料があるだけで、意思決定は前に進みやすくなります。

5-1. ストア側の条件

まず、ストア全体として次のような条件が目安とされています。要するに、ある程度の販売実績があり、配送を伴う物販を中心にしているストアが対象、というイメージです。

• 月間の販売数が25件を超える商品が、最低でも10個あること（一定の売れ筋がまとまって存在する規模感）
• 配送が必要な商品を中心に扱っていること（デジタル商品やサービスのみのストアは想定の中心ではない）

この条件から分かるのは、Smart Pricingがある程度データが溜まった、稼働している物販ストア向けのツールだということです。立ち上げ直後で販売数がまだ少ないストアでは、条件を満たさず提案が得られない場合があります。まずは販売実績を積むことが先決、という順番になります。

5-2. 商品側の条件

ストアが条件を満たしていても、すべての商品が提案の対象になるわけではありません。商品ごとに、次のような条件が目安とされています。いずれも「AIが判断するに足るデータがあるか」という観点で設けられています。

つまり、新商品・販売数の少ないロングテール商品・つい先日値段を変えたばかりの商品などは、当面は対象外になりやすいということです。逆に言えば、作成から時間が経ち、コンスタントに売れている主力商品ほど、提案の精度が上がりやすいと考えられます。Smart Pricingは、まさにこの主力商品群の価格を磨き込むのに向いています。

5-3. 価格A/Bテストの条件

米国向けに提供されている価格A/Bテストを使うには、提案機能とは別に、さらに次のような条件があるとされています。日本のストアでは利用できませんが、仕組みの理解のために整理しておきます。

• Growプラン以上のプランであること
• ストアが米国を拠点としていること
• 新しいShopify Marketsを使用していること

これらの条件からも、A/Bテストが一定以上の規模で米国市場を対象とするストア向けの機能であることが分かります。日本の中小規模の小売事業者が主に活用するのは、あくまで提案機能である——この前提を改めて確認しておきましょう。

6-1. 個別商品の単体最適とは限らない

繰り返しになりますが、Smart Pricingが目指すのはストア全体の利益最大化です。そのため、ある商品への提案が「その商品単体を最も儲けさせる価格」とは限りません。集客のために戦略的に低めの価格を勧めてくることもあり得ます。「この商品だけは絶対に値下げしたくない」という主力商品については、提案が出ても店全体の文脈で慎重に判断し、機械的に従わないことが大切です。

6-2. 自動では価格が変わらない

「AIに任せておけば勝手に最適化してくれる」という期待は、良くも悪くも外れます。提案は出ますが、反映するには人が確認して手動で適用する必要があります。これは事故防止の面では安心材料ですが、裏を返せば「提案を見て判断する時間を運用に組み込まないと、宝の持ち腐れになる」ということです。月に一度は提案を棚卸しする、といった運用ルールをセットで決めておきましょう。

6-3. 日本では提案が中心・A/Bテストは使えない

第3章・第5章で述べたとおり、日本のストアで使えるのは値下げ・値上げの提案が中心で、価格A/Bテストは米国向けのみです。海外の情報や解説でA/Bテストが強調されていても、日本ではその機能を前提にした運用はできません。「A/Bテストを使うつもりで導入したのに見当たらない」という食い違いを避けるため、この地域差は導入前に必ず認識しておいてください。

6-4. A/Bテストは赤字でも自動停止しない（米国向け機能）

米国でA/Bテストを使う場合の注意ですが、テスト中に利益が下がっていても、自動では停止しません。負けている価格パターンで売り続けてしまわないよう、毎日結果を確認し、必要なら手動で止める運用が前提になります。放置は損失に直結します。日本のストアには直接関係しませんが、「テスト系の機能は自動で守ってくれない」という発想は、価格実験全般に通じる教訓です。

6-5. テスト価格はオンラインストアのみに反映される

これも米国向けA/Bテストの仕様ですが、テストで用いる価格はShopifyのオンラインストアにのみ反映されます。実店舗（POS）やその他の販売経路にまで自動で及ぶわけではありません。チャネルごとに価格の整合をどう取るかは、別途運営者が管理する必要があります。オムニチャネルで販売している店ほど、この点は意識しておきたいところです。

7-1. 原価（コスト）を正しく登録しておく

価格の良し悪しは、最終的には粗利で判断すべきものです。そのためには、各商品の原価（仕入れ値・製造原価）を正しく登録しておくことが欠かせません。原価が入っていないと、値下げ提案を採用したときに「売上は増えたが粗利は減った」という事態に気づけません。Smart Pricingを入れる前に、まず主力商品だけでも原価情報を整えておくと、提案の採否判断がぐっと的確になります。

7-2. 販売データを一定量ためてから使う

利用条件で見たとおり、AIは一定量の販売データがないと提案を出せません。立ち上げ直後のストアや、出したばかりの新商品では、まずは普通に販売してデータを蓄積することが先決です。「Smart Pricingを使いたいから」と焦って割引を乱発すると、かえって価格と需要の関係が歪み、正しい分析の妨げになります。まず普通に売り、データが溜まった主力商品から提案を活用する——この順番を守りましょう。

7-3. 提案を運用に落とす4ステップ

提案機能を実務で回すときの、無理のない流れを4ステップで示します。大切なのは、提案を「見て終わり」にせず、採否を記録し、結果を振り返るループを作ることです。

とくに④検証を省かないことが重要です。価格を変えっぱなしにすると、「その変更が良かったのか」が分からず、判断の精度が上がりません。前後の数値を比べる習慣が、次の値付けの質を高めます。ストア分析の考え方については「Shopifyストア分析・レポート活用ガイド」もあわせて参考にしてください。

7-4. すべてをAIに委ねないという原則

準備と運用の全体を通じて忘れてはならないのは、Smart Pricingは判断材料を提供する道具であって、価格戦略そのものを代替するものではないという原則です。次章以降で扱う価格戦略の基礎——価格弾力性、心理的価格、ブランド価値——を理解している人が使ってこそ、AIの提案は生きます。道具の前に、まず"価格の考え方"を持つこと。ここからは、その土台となる基礎知識に進みます。

8-1. 価格弾力性：値段でどれだけ需要が動くか

価格弾力性とは、価格を変えたときに需要（売れる数）がどれだけ変化するかの度合いです。値段を下げると飛ぶように売れる商品は「弾力性が高い」、値段を多少上げても売れ行きが変わらない商品は「弾力性が低い」と言います。弾力性が高い商品は値下げによる数量増で売上を伸ばしやすく、弾力性が低い商品は値上げによって利益を伸ばしやすい——この見極めが価格戦略の核心です。日用品や代替の効く商品は弾力性が高く、こだわりの強い商品やブランド品、代わりのないものは弾力性が低い傾向があります。

Smart Pricingが売上・在庫データから読み取っているのも、突き詰めればこの価格と需要の関係です。人間が全商品でこれを見抜くのは大変ですが、「この商品は値段に敏感か、鈍感か」という視点を持つだけで、提案の妥当性を感覚的に検証できるようになります。

8-2. 心理的価格：数字がもたらす印象

価格は、数字そのものが与える心理的な印象によっても売れ行きが変わります。代表例が、980円・1,980円といった大台の直前で止める端数価格です。1,000円と980円では、実際の差はわずか20円でも、「1,000円未満」という印象が購買のハードルを下げます。一方で、高級感を打ち出したい商品では、あえてキリのよい価格にして品質やブランドの信頼感を演出することもあります。

つまり、心理的価格には「割安感を出す方向」と「価値・信頼感を出す方向」の両面があり、商品のポジショニングによって使い分けます。データが示す最適価格が980円でも、ブランドの世界観として端数価格が合わない商品もある——この判断は、数値だけでは決められない人の領域です。

8-3. 値上げ時のコミュニケーション

値上げは、やり方を誤ると顧客離れを招きますが、丁寧に伝えれば理解を得られるものです。ポイントは、「なぜ上げるのか」を誠実に説明することです。原材料費の高騰、品質向上のための投資、サービスの拡充など、値上げの背景を事前に伝えると、顧客は納得しやすくなります。黙って上げて後から気づかれるより、先に案内するほうが信頼を損ないません。

また、値上げのタイミングと幅も重要です。頻繁な小刻みの値上げより、必要な幅をまとめて、根拠とともに案内するほうが受け入れられやすい傾向があります。既存の常連客には、先行して案内したり、一定期間は旧価格を据え置いたりといった配慮も有効です。Smart Pricingが値上げを提案したときも、「いくらに上げるか」だけでなく「どう伝えるか」までセットで考えることが、実際の顧客関係を守ります。

8-4. 安売りがブランドに与える影響

値下げは短期的に売上を作りますが、常態化するとブランド価値をむしばむ危険があります。頻繁な値引きは、①「セールのときだけ買えばいい」という購買行動を学習させ、②正価で買った顧客に不公平感を抱かせ、③「安いのが当たり前」という価格イメージを定着させます。結果として、正価では売れない体質に陥ることさえあります。

だからこそ、値下げは「いつでも・何にでも」ではなく、目的と対象を絞って戦略的に行うべきです。在庫処分、新規顧客の獲得、閑散期の需要喚起など、明確な狙いがあるときに限定する。Smart Pricingの値下げ提案が出ても、それがブランドの長期的な価値を損なわないかという視点で最終判断する——これは、利益最大化を目指すAIには代替できない、経営者の役割です。

9-1. 価格はCVRを動かす強い要因

CVR（コンバージョン率）は、サイトを訪れた人のうち購入に至った割合です。価格は、このCVRを左右する最も強い要因の一つです。一般に、値下げはCVRを押し上げやすく、値上げはCVRを下げやすい傾向があります。同じ商品ページを見ても、価格が魅力的なら「買おう」となり、割高に感じれば離脱する——当たり前のようですが、この感度こそが前章の価格弾力性です。

ただし注意したいのは、CVRが上がること自体はゴールではないという点です。極端に言えば、原価割れの価格にすればCVRは跳ね上がりますが、それは商売として成り立ちません。CVRは、あくまで粗利とセットで見るべき指標です。

9-2. 価格変更はROASに直結する

広告経由の売上を評価する指標がROAS（広告費用対効果＝広告経由売上 ÷ 広告費）です。価格を変えると、CVRと客単価の両方が動くため、ROASにも直接影響します。値下げでCVRが上がれば、同じ広告費でより多く売れてROASが改善する——ように見えますが、話はそう単純ではありません。

つまり、値下げでROASが改善したように見えても、粗利まで含めると損をしているケースがあり得ます。逆に値上げは、CVRが多少下がっても客単価と粗利が増え、粗利ベースでは有利になることがあります。ROASという見かけの数字だけで価格を判断すると、足元の利益をすり減らしかねません。

9-3. 見るべきは「粗利ベースの費用対効果」

そこで重要になるのが、売上ベースのROASだけでなく、粗利ベースで広告の費用対効果を捉える視点です。広告費を、生み出した売上ではなく生み出した粗利と比べれば、「その価格・その広告で、本当に利益が残っているか」が分かります。価格を動かしたら、CVR・客単価・ROAS・粗利をひとまとめに観測し、総合的に評価する——これが、価格と広告を扱う際の鉄則です。ROAS・CPAの基本は「ROAS・CPA改善の基本」でも詳しく解説しています。

10-1. 価格・粗利・許容CPAは連動している

広告運用の要になる指標が許容CPA（一件の獲得にかけてよい上限の広告コスト）です。この許容CPAは、商品の粗利から逆算して決まります。粗利が大きい商品ほど、獲得に多くの広告費をかけても利益が残るため、許容CPAを高く設定でき、より積極的に広告を出せます。逆に粗利の薄い商品は、許容CPAが低くなり、広告で攻めにくくなります。

ここでAIの価格提案が効いてきます。値上げ提案を採用して粗利が増えれば、その商品の許容CPAも引き上げられ、広告投資の余地が広がります。逆に値下げ提案は粗利を圧迫するため、CVR上昇による数量増がそれを上回るかを見極めなければなりません。価格を動かすことは、そのまま広告の攻め方を動かすことなのです。

10-2. コトラー理論とペルソナで「誰にいくらで」を設計する

私たち零（Rei）株式会社は、独立系の運用型広告代理店として、価格と広告をマーケティングの基本理論から一体で設計することを重視しています。マーケティングの大家コトラーが説くように、価格はSTP（セグメンテーション・ターゲティング・ポジショニング）と切り離せません。「誰に（ペルソナ）」「どんな価値を（ポジショニング）」「いくらで（価格）」届けるかは、本来ワンセットの設計です。

たとえば、価格に敏感な新規層を広告で集めるなら、入口商品は弾力性を踏まえた戦略的な価格に。一方、こだわりの強い既存客に向けた主力商品は、値上げ提案を活かして価値に見合う価格に——というように、ペルソナごとに価格と広告の役割を分ける設計ができます。AIの提案は、この設計に数値の裏づけを与えてくれる有力な材料になります。

10-3. LTVまで見れば、価格と広告の判断はさらに深まる

単発の粗利だけでなく、LTV（顧客生涯価値＝一人の顧客が生涯にもたらす利益）まで視野に入れると、価格と広告の意思決定はもう一段深くなります。初回は薄利でも、リピートで長く買ってもらえる商材なら、初回獲得の許容CPAをLTVから逆算して高く設定できます。この場合、入口商品の戦略的な値下げは「安売り」ではなく「LTVへの投資」として正当化されます。

逆に、リピートの見込みが薄い単発商材で入口を値下げすると、獲得コストを回収できないまま終わります。「この価格変更は、LTVまで含めて利益に貢献するか」——この問いを持てるかどうかが、価格と広告を統合できる運用者の分かれ目です。AIは目の前のデータで提案を出しますが、LTVを踏まえた長期の投資判断は、戦略を持つ人が担う領域です。