Shopify×BIの多店舗データ統合｜売上・在庫・顧客を1枚に

ShopifyのEC売上、POSの店舗売上、在庫管理システムの在庫数を1つのBIツール（売上などのデータを自動で集計し、表やグラフで見せる分析ツール）に集めると、毎日のExcelへの貼り付けや、EC在庫と店舗在庫の手作業での突き合わせを減らせます。進め方の基本は、ShopifyとPOSのCSVをLooker Studio（Googleが無料で提供するBIツール）に集める小さな段階から始め、減った作業時間を測ってからAPIによる自動連携へ広げる形です。

集計に週数時間を使っている会社なら、最初の段階はツール費をほぼかけずに始められます。実店舗とShopifyの両方で売っているブランドを想定し、統合で変わること、着手前に測る3つの数字、連携方法の比べ方、導入の3段階、ダッシュボードが使われなくなる原因を順に書きます。

多店舗小売ブランドが抱えるデータの分断

店舗が増えるほど、Shopify（EC売上）、POSシステム（実店舗売上）、在庫管理システム、広告の管理画面、GA4と、確認する画面も増えます。これらをまとめる仕組みがないと、全社の売上を把握するたびに手作業が発生します。典型的には次のような状態です。

• EC売上と実店舗売上をその日のうちに合算できない
• どの商品がどの店舗で売れているかの把握に時間がかかる
• 在庫の過不足に気づくのが遅れ、機会損失または過剰在庫が発生する
• 広告費と売上の関係を手作業で分析しなければならない
• 週次・月次の集計レポート作成に担当者の時間が取られる

Shopify×BIツール連携で実現できること

① 全店舗の売上・在庫を毎朝自動で集計

Shopifyは標準でAPIを公開しており、売上・注文・在庫・顧客のデータを、コネクタや自前の連携を通じてBIツール（Looker Studio・Tableau・Metabase等）へ自動で取り込めます。前日の全店舗売上、商品カテゴリ別の在庫消化率、リピーター比率などを、毎朝更新されるダッシュボードで確認できます。月末にExcelで集計表を作る作業は、ダッシュボードを開いて数字を読む作業に置き換わります。

② POS連携による実店舗とECの統合分析

Shopify POSを使っている場合は、ECと実店舗の売上が最初からShopifyの中にそろっています。スマレジ・Squareなど外部のPOSを使っている場合も、APIまたはCSVの取り込みでShopifyのデータと結合できます。実店舗でよく売れる商品とECでよく売れる商品の違いが分かれば、店舗ごとの在庫配分と棚割りを数字にもとづいて見直せます。

③ LLMによる非構造化データの活用

顧客レビュー・問い合わせ内容・SNSコメントといった非構造化データ（数値になっていない文章のデータ）を生成AIで分析すると、「なぜ売れているか」「なぜ離脱しているか」の仮説を立てられます。売上や在庫の数字と顧客の言葉を突き合わせると打ち手を決めやすいので、統合の設計にはこうした文章データの置き場所も含めておくと、後から拡張できます。

顧客レビューの感情・不満点・要望を自動で分類する進め方と費用の目安は、顧客レビューをAIで分析する方法に詳しい手順があります。

BIツールを入れても、どの手間がどれだけ減るのかが分からなければ、投資するかどうかを決められません。着手前に次の3つを実測してください。数えた手間や損失の大きさが、そのまま統合で得られる効果の見積もりになります。

• 集計にかかっている工数：売上・在庫の集計に、誰が週に何時間使っているか。担当2名が毎月末に半日ずつ使っているなら、年間でおよそ100時間が集計作業に使われている
• 別々の画面で見ているデータの数：Shopify・POS・在庫・広告・GA4など、いま個別に確認しているシステムがいくつあるか。数が多いほど手作業の突き合わせが増え、統合による削減幅も広がる
• 欠品と過剰が同時に起きた回数：直近3か月で「A店で欠品・B店で過剰」が何回起きたか。店舗間の在庫が一覧で見えると移動や補充の判断にすぐ使えるため、効果を確かめやすい

連携方法の選び方と費用の考え方

ShopifyのデータをBIツールに集める方法は、主に3つあります。どれを選ぶかで、ツールにかかる費用と、構築・保守にかかる工数の配分が変わります。

Looker Studioは、レポートの作成者・閲覧者とも無料で使え、GoogleスプレッドシートやCSVのアップロードに標準で対応しています。チーム向けの管理機能を持つ有料版（Looker Studio Pro）もありますが、多店舗の集計を始める段階では無料版の機能で足りることが多いです。Tableauなど有償のBIツールは閲覧する人数で利用料が変わるため、誰がダッシュボードを見るかを決めてから選びます。費用の大部分はツール代より、どの数字をどの単位で集めるかの設計と、データが崩れたときに直す運用の工数で決まります。

導入の3段階：CSV集計からAPI連携、LLM分析へ

データ統合は段階を分けて進めると、初期の投資を小さく抑えられます。大規模なシステム刷新から始める必要はありません。

• Phase 0（CSVベース統合）：ShopifyとPOSのデータをCSVで定期的に書き出し、Looker Studioで集計する。最初の小さな一歩として1〜2か月
• Phase 1（API自動連携）：ShopifyのWebhook（データの更新を自動で通知する仕組み）またはAPIで、BIツールへ自動連携する。更新は1日数回の定期同期で足りることが多い（2〜3か月）
• Phase 2（LLM分析の追加）：顧客レビュー・問い合わせデータをLLMで自動分析する。データ基盤が整ってから着手する

Phase 0で効果を確かめてからPhase 1に進めば、期待した効果が出なかった場合でも、損失をPhase 0の範囲に抑えられます。Phase 2のLLM分析は、Phase 0・1で商品コードや店舗コードがそろってから着手すると、分析結果を売上や在庫の数字と結びつけられます。依頼先を選ぶときは、各フェーズを分けて契約・発注できるかも確認してください。全フェーズ一括の見積もりしか出てこない場合は、途中で止める判断ができない契約になっていないかに注意します。

たとえば関東で7店舗を展開するアパレルブランドが、ShopifyとスマレジのデータをそれぞれExcelで集計しているとします。月末の売上集計に担当者2名が半日ずつ使っている場合、Phase 0（CSV連携とLooker Studioのダッシュボード構築、6週間程度）で、貼り付けと突き合わせの作業はCSVの取り込みとダッシュボードの確認に置き換わります。減った時間を実測してからPhase 1のAPI連携に投資するかを決めれば、判断の根拠が数字で残ります。

BIで失敗する3つのパターンと避け方

ダッシュボードを作ったのに使われなくなる原因は、ツールよりも設計にあることがほとんどです。よくある失敗は次の3つです。

• 最初から指標を詰め込みすぎる。30個の数字を並べたダッシュボードは誰も見ない。週次会議で使う3〜5指標に絞り、「この画面で毎週何を決めるか」を設計の段階で決める
• リアルタイム化に過剰に投資する。売上・在庫は1〜2時間遅れの定期同期でも経営判断に支障はない。すべてをリアルタイムにすると構築費が跳ね上がるので、CSV連携から始め、欠品アラートなど即時性が必要な指標に限って個別に対応する
• 「作って終わり」で発注する。データは商品の追加やシステムの変更で崩れる。誰がダッシュボードを見て、崩れたら誰が直すかを決めずに作ると、数か月で放置される

美容室・サロンなど店舗単位でKPIを見る業態の場合は、美容室・サロンの多店舗経営KPIに、客単価・リピート率・稼働率といった店舗別指標の設計例があります。

Shopifyと店舗POSの数字を月末に手で合わせている段階なら、awai Buildのデータ分析の役務として、どのデータから集めるかと、最初のダッシュボードに置く3〜5指標の設計から担えます。その後は、Shopifyの運用と毎月のKPIレポートで、店舗別の売上と在庫の推移を確認し続けます。