アパレルECの売上・顧客データを、AIとの対話で分析

広告の先にある、継続購入を知りたい

Shopifyで自社ECを運営するアパレル事業者。ご相談のひとつは、広告でどの商品を買ったお客様が、その後も購入を続けているのかを把握することでした。目先の売上に加えて、継続購入を含む顧客ごとの購入総額であるLTVを、広告予算やクリエイティブの判断に使いたいと考えていました。

2025年6月の定例では、商品と流入元を一度に細かく掛け合わせる前に、それぞれを分けて分析する方針を整理。まず商品別の傾向を優先して確認することにしました。

ECデータを、AIとの対話で調べる

分析の切り口が増えるたびに、集計やレポートの設定をやり直すのは負担になります。そこで、BigQueryに蓄積していたECデータを、生成AIのClaudeから参照する環境の導入を進めました。調べたい内容を言葉で伝え、AIを通じてデータを取り出し、結果を確認する仕組みです。

パートナーと分担して、担当者のPCで使うための接続設定や利用支援を実施。導入後も定例で使い方を確認し、分析の前提をすり合わせるための指示の見直しや、エラーの切り分けに対応しました。

購買データと、サイト上の行動を結ぶ

2025年11月には、Shopifyの顧客IDをアクセス解析ツールのGA4へ送る設定を行い、ログインした顧客のIDが取得できることを確認しました。

これによって、購入履歴とサイト内の行動を結びつけて調べる土台を整えました。たとえば、継続購入している顧客がどのページを見ているか、メールやLINEの施策後にどう動いたかを確認するための活用を、ご担当者と検討しています。

当時のストアでは、ログイン状況や購入完了ページの計測制約によって、IDを取得できないケースがありました。全顧客の行動を追える状態や、施策評価の完了を示すものではありません。

分析の手間が減り、調べる機会が増えた

導入後の変化を、ご担当者は時間の短縮と、分析に取りかかる気持ちの両面から評価しています。

分析の負担

言葉で質問でき、着手までの手間が減った

2025年11月4日の定例では、15分でも面倒に感じてしまう分析が、1〜2分のテキスト入力で始められる感覚を説明されました。これはご担当者の体感を表した例で、処理時間を測定した結果ではありません。

日々の行動

後回しにしていた分析にも取り組みやすくなった

手間が減る見通しを持てることで、必要だと思いながら着手していなかった分析にも取り組めるようになったと評価。単なる作業時間の削減にとどまらず、数字を調べようと思えることに価値を感じていただいています。

そもそも分析する気になるというか。

ご担当者の発言より（2025年11月4日）

同じ定例では、分析中に継続して見たい項目が見つかり、定点観測を自動化したいという要望も出ています。AIを使うなかで、次に確かめたいことを担当者自身が見つけるようになっていました。

継続して取り組んでいること

2025年11月時点では、Meta広告との連携、データ更新頻度の引き上げ、在庫予測・発注判断の支援、定点観測の自動化は開発・検討段階でした。また、AIの利用中にエラーが発生した際には、接続の確認や指示の調整を行うなど、運用面の支援も続けています。

この事例で確認できた効果は、担当者が実感した分析の負担軽減と、分析に取り組む行動の変化です。売上・利益の増加や、在庫切れの削減を示す実測値は、掲載対象の記録では確認できていません。