Amazon の市場分析は、ほぼ必ずひとつの数字を探すところから始まります。このカテゴリーは月にいくらの規模なのか、という数字です。
そして見つかった数字は事業計画書の一ページ目に置かれ、その後のあらゆる判断の土台になります。
問題は、この数字がデータ全体のなかで最も信頼度が低いことです。プラットフォームが公表しているわけでも、誰かが数え上げたわけでもなく、二段階の推計の上に算出されています。成り立ちを理解しないまま使うと、桁は合っているが細部はすべて外れている数字を事実として扱うことになります。
この記事では一般的な市場分析の手順ではなく、一点だけを分解します。市場規模という数字がどう作られ、誤差がどこから来て、その外側で何を見るべきかです。
まずその数字が何件の商品を対象にしているか
市場統計エンドポイントはカテゴリーノードごとに指標を返します。そのなかに、よく似た名前のフィールドが二つあります。
| フィールド | ドキュメントの例 | 意味 |
|---|---|---|
totalProducts | 5127 | そのノード配下の商品総数 |
products | 100 | 今回の統計が実際に対象とした商品数 |
5,127 と 100 です。これが第一の誤差要因で、市場規模は全数調査ではなく上位サンプルです。avgUnits、avgRevenue、avgPrice はその 100 件の平均であり、5,127 件の平均ではありません。
これは欠陥ではなく必然です。カテゴリー配下の五千件すべての実売数を取得できるデータソースは存在しません。ただし、この数字の使い方は決まります。
- 可：比較に使う。同一の条件下で A カテゴリーが B カテゴリーの 3 倍という結論は信頼できます
- 不可：絶対値として収支計画に書き込む。これは上位層の規模であり、カテゴリー全体の規模ではありません
したがって規模の数字を見たら、最初にすべきは products と totalProducts の比を計算することです。100/5127 と 100/120 では信頼度がまったく違います。
売上は推計販売数に価格を掛けたもので、誤差は二重になる
第二の誤差は、売上が数え上げた値ではなく掛け算の結果だという点にあります。
プラットフォームは販売数を公開していません。販売数自体が BSR から推計され、売上はその推計販売数に価格を掛けたものです。推計が二重に積み重なっています。
これを直接確認できる箇所がドキュメントにあります。市場統計の例では次のようになっています。
avgUnits= 26,255avgPrice= 13.91avgRevenue= 344,369
自分で掛けてみると 26,255 × 13.91 = 365,207 となり、avgRevenue と二万ほど離れます。逆に割ると 344,369 ÷ 26,255 = 13.12 で、avgPrice の 13.91 より 6% ほど低くなります。
データが誤っているのではなく、二つの「平均」が同じ種類の平均ではないのです。平均売上は商品ごとの売上の平均、平均価格は商品ごとの価格の平均であり、両者が互いに導出できるのは全商品の販売数が等しい場合だけで、そのような状況は起こりません。
実務上の指針は明快です。フィールドを掛け戻さないこと。 売上が必要なら avgRevenue、単価が必要なら avgPrice をそのまま取り、二つの独立した観測値として扱い、一方で他方を検算しようとしないことです。この推計層の限界については販売数データで分かること、分からないことにまとめてあります。
比率フィールドの単位が統一されていない
ここがこのデータで最も事故が起きやすい箇所であり、市場分析の前に真っ先に確認すべき点です。
同じ市場系エンドポイント群のなかで、比率フィールドには二通りの表記が混在しています。
| フィールド | ドキュメントの例 | 実際の意味 |
|---|---|---|
totalUnitsRatio | 0.4478 | 小数、つまり 44.78% |
totalRevenueRatio | 0.3052 | 小数、つまり 30.52% |
newProductProportion | 67 | 百分率、つまり 67% |
newUnitsRatio | 4.3 | 百分率、つまり 4.3% |
小数表記と百分率表記が共存しています。 newProductProportion の 67 を小数として読めば新商品比率は 6700% になります。totalUnitsRatio の 0.4478 を百分率として読めば、上位ブランドのシェアは 44.78% から 0.45% に縮みます。危険なのは後者です。0.45% はいかにもありそうな値に見え、何の違和感も生みません。
実装時は、フィールド名から推測せず比率フィールドごとに単位を明示してください。Ratio で終わる名前に両方の表記が存在します。安全な方法は、パース層ですべて小数に正規化し、1 を超える比率値についてはログを残すことです。1 を超えるなら百分率表記だと分かります。
この種の単位のずれは定期レポートに入ると影響が増幅します。その対処はAmazon データ分析レポートの作り方で扱っています。
販売数シェアと売上シェアは別物
市場規模は単なる合計です。参入できるかどうかを決めるのは、その合計がどう分配されているかです。
ブランド集中度エンドポイントはブランドごとのシェアを返します。ドキュメントの例の上位二社は次のとおりです。
| ブランド | totalUnitsRatio | totalRevenueRatio | avgPrice |
|---|---|---|---|
| POCOCO | 0.4449 | 0.6605 | 41.71 |
| Accecraft | 0.1289 | 0.1276 | 35.99 |
二位は二つのシェアがほぼ等しく（12.89% / 12.76%）、一位は 22 ポイント離れています。販売数の 44% を売り、金額の 66% を取っているということです。
理由は単価にあります。41.71 対 35.99 で、一位は高い客単価によって販売数の優位を、より大きな金額の優位に変換しています。
この差は結論を変えます。総規模だけを見れば一位以外に 55% の販売数が残っているように見えますが、金額で見れば残りは 34% しかありません。金額で測る市場では、上位は販売数が示すより強いのです。
したがってシェアを判断するときは二つの比率を並べて読みます。
- 販売数シェア > 売上シェア → 低価格で数を売る相手であり、中高価格帯にはまだ余地があるかもしれません
- 売上シェア > 販売数シェア → プレミアムで稼ぐ相手であり、安値で参入してもその売上を奪えるとは限りません
- 両者が近い → その価格設定は市場平均であり、シェア差は純粋な規模差です
同じカテゴリーをブランド別、販売者別、商品別に三回見る
集中度はひとつの数字ではなく三つの視点であり、しかも三つのエンドポイントはレスポンス構造がほぼ同じなので、同一のパース処理で扱えます。
| 視点 | ドキュメント | 主な違い |
|---|---|---|
| ブランド | ブランド集中度 | brand と asins を返し、ブランド側の勢力を見ます |
| 販売者 | 販売者集中度 | name と asinSet を返し、ストアの勢力を見ます |
| 商品 | 商品集中度 | asin、sellerType、shelfDate を返し、個別の出品まで降ります |
三つの視点はしばしば異なる答えを出します。ブランド集中度は高いが販売者は分散している場合、正規ブランドが多数のストアを通じて流通している市場です。ブランドは分散しているが販売者が集中している場合、大手販売者が複数ブランドを同時に運営しています。前者の競合はブランドであり、後者は数社のストアです。
商品集中度は sellerType と shelfDate も返すため、上位の出品が FBA か FBM か、出品からどれくらい経っているかがそのまま分かります。三つとも具体的な ASIN（asins / asinSet / asin）を返すので、市場レベルの判断をそのまま商品レベルに落とせます。取得した ASIN をそのまま競合分析に持ち込めば、検索し直す必要はありません。
カテゴリー内部の構造、つまり出品時期、販売者タイプ、価格帯の分布は別のエンドポイント群で、判断方法は四つの分布でそのカテゴリーにまだ入れるかを決めるにまとめてあります。 同じ分析を別のマーケットプレイスに移すときは、金額、キーワード、カテゴリーパスをマーケットプレイスごとにやり直す必要があります。マーケットプレイス別のリサーチを参照してください。
市場規模が答えない二つのこと
規模も集中度も静的な指標です。商売のしやすさを決める指標がもう二つあり、それらは規模には含まれていません。
市場パフォーマンスエンドポイントは二組の対比値を返します。
| フィールド | ドキュメントの例 | 対照フィールド | 対照値 |
|---|---|---|---|
returnRatio | 1.38 | avgReturnRatio | 2.72 |
searchToPurchaseRatio | 3.17875 | avgSearchToPurchaseRatio | 2.6 |
エンドポイント自身が参照基準を返してくれます。 このカテゴリーの返品率 1.38 は基準値 2.72 を下回り、検索から購入への比率 3.17875 は基準値 2.6 を上回っています。返品が少なく転換が良い、平均より扱いやすい市場だということです。
とくに返品率が重要なのは、それがどの規模の数字にも現れないからです。月商百万規模でも返品率が基準を大きく上回るカテゴリーでは、実際に手元に残る金額は帳簿上の規模と大きく乖離し、その差は市場規模の数字からはまったく見えません。
なお asinCount と returnRatio はドキュメント上 String 型なので、数値と決めつけず明示的に変換してください。
このデータにできない三つのこと
収支計画に書ける絶対値は出せません。 上位サンプルと二段階の推計という成り立ちから、用途は比較と順位付けであって予測ではありません。A が B より大きい、今年が去年より大きいという判断には使えますが、自分がいくら取れるかの算出には使えません。
上位がなぜ上位なのかは分かりません。 あるブランドが金額の 66% を占めるとデータは言いますが、それが広告投下によるものか、ブランド認知によるものか、再現できない商品構成によるものかは言いません。その理由はレビューと競合構造の側にあります。
「市場」の定義は代わりに決めてくれません。 どの階層のノードを選ぶかがすべての数字を決めます。同じ商品が第三階層では主要プレイヤーでも、第一階層では何者でもないことがあります。nodeIdPath は必ず記録して固定し、ノードの異なる二回の分析を並べて比較しないでください。データ全体の出所と限界はAmazon のデータはどこから来るのかにまとめてあります。
よくある質問
市場規模の誤差はどの程度ですか。 公開された精度はなく、あると仮定すべきでもありません。実務的には絶対精度を求めないことです。同じ条件を固定して横断比較と時系列比較を行えば、誤差は比較のなかで大きく相殺されます。フィールドの分類と使い分けはAmazon データ分析の進め方にあります。
ツールごとに市場規模が大きく違うのはなぜですか。 サンプル範囲も推計モデルも異なるためです。このばらつき自体が、絶対値を真に受けるべきでない根拠になります。ひとつの出所を選んだらそれを固定し、混ぜて比較しないでください。
集中度がどれくらいなら「入れない」のですか。 統一的な閾値はありません。販売数シェアではなく売上シェアを読み、価格帯と組み合わせて判断するほうが有意義です。上位が高価格帯で金額の 66% を占めていても、中低価格帯に余地がないとは限りません。
市場パフォーマンスの対照値はどの範囲の平均ですか。 エンドポイントが定義する範囲として扱い、サイト全体の平均だと仮定しないでください。カテゴリーを跨いで比べるときは、生の値を直接比べるより、各カテゴリーが自分の対照値からどれだけ乖離しているかを比べるほうが安定します。