楽天ECのバスケット分析を生成AIで自動化！同梱商品パターンを一瞬で発見する方法

みなさん、こんにちは。

株式会社ALL WEB CONSULTINGの江守です。

EC×AI研究所では、最新の生成AI情報やEC運営に役立つAI活用術を発信しています。

楽天ECで売上を最大化するためには、顧客の購買行動を詳しく分析し、効果的なクロスセルや同梱提案を行うことが重要です。

しかし、従来の手動によるバスケット分析は時間がかかり、専門知識も必要でした。今回は、生成AIを活用して楽天ECのバスケット分析を自動化し、同梱商品パターンを一瞬で発見する方法を詳しく解説します。

バスケット分析とは

バスケット分析（マーケットバスケット分析）とは、顧客が一度の購入で一緒に買っている商品の組み合わせを分析する手法です。「商品Aを購入した人は、商品Bも一緒に購入する傾向がある」といった関連性を数値化して把握できます。

バスケット分析でできること

分析内容 ユーザーが一度の購入の際に一緒に購入している商品の分析ができる

改善ポイント

• 一緒に購入されている商品についてはパッケージ化する（歯ブラシ＋歯磨き粉のセットなど）
• 一緒に購入されている商品ページ間の導線を強化（おすすめ商品、よく一緒に購入されている商品など）
• 楽天の組み合わせ機能を使って同梱させる

必要なデータの準備

バスケット分析を行うために、まずは楽天RMSから受注データを取得します。

必要な受注データ項目

楽天RMSから以下のデータ項目を含む受注データをダウンロードしてください：

• 注文番号
• 注文日時
• 注文日
• 注文時間
• 注文者メールアドレス
• 商品名
• 商品管理番号

データ取得手順

1. 楽天RMSにログイン
2. 「受注管理」→「受注データダウンロード」を選択
3. 分析期間を設定（過去3～6ヶ月程度を推奨）
4. 必要な項目を含むCSVファイルをダウンロード

生成AIによるバスケット分析の手順

ステップ①：データの準備

楽天RMSから取得した受注データ（CSV形式）を用意します。

ステップ②：バスケット分析プロンプトの実行

以下のプロンプトと受注データを生成AI（ChatGPTやClaude等）にアップロードして分析を実行します。

バスケット分析プロンプト

あなたは楽天市場などのECデータ分析に精通したプロのアナリストです。
以下の受注データに基づき、商品コード（商品管理番号）を軸としたバスケット分析（同梱分析）を実施してください。

# 分析目的：
同一注文内でよく一緒に購入されている商品コードの組み合わせを特定し、クロスセル・同梱提案・セット販売企画に活用すること。

# 実施内容：
- 「注文番号」をキーに、同一注文内で一緒に購入された**商品管理番号**のペアを抽出
- 頻出する商品コードペア（最大上位20件程度）を分析対象とする
- 以下の情報を**Excel形式（.xlsx／UTF-8）**で出力すること

# 出力項目（列名を含めて出力）：
1. 商品コードA（軸となる商品）
2. 商品コードB（一緒に購入された商品）
3. 同時購入回数（出現回数）
4. 出現比率（全注文数に対する割合・％）
5. 信頼度（商品コードAを含む注文のうち、商品コードBも一緒に買われた割合・％）

# 分析ルール：
- 同一注文に複数商品が含まれる場合はすべての組み合わせ（2点間のペア）を対象とする
- 商品コードAとBの順番は昇順などで統一し、重複ペアを防止する（A→BとB→Aを区別しない）
- 同一商品の組み合わせ（A＝B）は対象外とする

# 出力形式：
- Excelファイル（拡張子：.xlsx、UTF-8エンコード）で出力
- 列名を含め、読みやすい形式で整形すること

ステップ③：結果の活用

分析結果から得られた同梱商品パターンをもとに、以下の施策を実行します。

分析結果の活用方法

1. セット商品の企画・販売

同時購入回数が多い商品ペアは、セット商品として販売することで以下のメリットが得られます：

• 客単価の向上
• 購入の利便性向上
• 在庫回転率の改善

2. 商品ページ間の導線強化

信頼度の高い商品ペアについては、商品ページに以下の要素を追加します：

• 「よく一緒に購入される商品」セクション
• 「おすすめ商品」として商品ページに関連商品を表示

3. 楽天の組み合わせ機能活用

楽天市場の「組み合わせ販売機能」を活用して：

• 同梱率の高い商品を自動的に提案
• 割引価格でのセット販売
• 送料無料ラインの達成を促進

4. 在庫管理の最適化

同梱商品パターンを把握することで：

• 関連商品の在庫バランス調整
• 季節性やトレンドに応じた仕入れ計画
• 欠品リスクの軽減

バスケット分析の重要な指標

出現比率

全注文数に対する該当商品ペアの割合を示します。この値が高いほど、多くの顧客に支持される組み合わせです。

信頼度

商品Aを購入した顧客のうち、商品Bも一緒に購入した割合を示します。この値が高いほど、商品Aから商品Bへの誘導効果が期待できます。

同時購入回数

実際に同時購入された回数を示します。絶対的な人気度を把握する指標です。

定期的な分析の重要性

バスケット分析は一度実施すれば終わりではありません。以下の理由から定期的な分析が重要です：

• 季節性の把握：季節やイベントに応じた購買パターンの変化
• 商品ライフサイクル：新商品の導入や既存商品の成熟に伴う変化
• トレンドの反映：市場トレンドや顧客ニーズの変化

月次または四半期ごとに分析を実施し、継続的に改善施策を実行することをおすすめします。

注意点とコツ

データ量の確保

正確な分析を行うためには、十分なデータ量が必要です。最低でも過去3ヶ月、できれば6ヶ月以上のデータを使用しましょう。

季節要因の考慮

季節商品や年間を通じて売れる商品では、分析期間を調整する必要があります。

商品カテゴリーでの分析

商品数が多い場合は、カテゴリー別に分析を実行することで、より実用的な結果が得られます。

まとめ

生成AIを活用したバスケット分析により、従来は数時間から数日かかっていた分析作業を数分で完了できるようになりました。この手法を活用することで：

1. 効率的な分析：専門知識不要で誰でも実行可能
2. 精度の高い結果：大量データの処理により信頼性の高い分析結果
3. 即座の施策実行：分析結果をすぐに売上向上施策に活用

定期的にバスケット分析を実施し、顧客の購買行動を把握することで、より戦略的な楽天EC運営が可能になります。ぜひ今回ご紹介した手法を活用して、売上向上と顧客満足度の向上を実現してください。

EC×AI研究所 by AWCでは、最新の生成AI情報やEC運営に役立つAI活用術を発信しています。楽天やAmazon、自社ECなど、あらゆるEC運営の現場で実践できるAI活用ノウハウやプロンプト事例を中心に、現場目線で「すぐ使える」「すぐ効果が出る」情報をお届けしていきます。

また、AWCでは生成AIの導入を通じたEC運営の効率化支援も行っております。商品登録やデータ分析、コンテンツ制作など、日々の運営業務にAIを活用したいとお考えの方は、ぜひお気軽にご相談ください。