価格分析

今回も前回に引き続き、価格弾性分析について説明していきます。

前回見ていただいた価格弾性分析の例のように、必ずしも価格を変えることで販売が変化するわけではありません。価格設定を検討する際には、そのアイテムの価格弾性が、どのような特徴があるのかをまず知っておくことが大切です。

以下は、価格弾性の代表的なパターンです。

価格弾性は大きく5つのパターンに分類することができます。しかし、すべてのアイテムが5つのパターンのいずれかに該当するわけではなく、5つのパターンの複合タイプも存在します。

前回紹介したアイテムの例を見ていただくと、一定の価格を下回ると販売が急激に伸びる「パターン１」に該当することがわかると思います。

価格弾性のパターンはカテゴリーの特徴だけでなく、そのアイテムがカテゴリー内のトップブランドかセカンドブランドかでも変わってくるため、自社アイテムの価格弾性がどのような動きになるかを知ることはとても重要です。例えば、自社アイテムが価格の変化で販売がほとんど影響しないパターン５であれば、価格の変更は比較的容易であることがわかります。

ぜひ、一度自社のアイテムについて分析してみてください。
KSP-POSの詳細価格分析はこちら⇒

データ出典：KSP-POS

今回は店別日次データを活用した価格弾性分析をご紹介します。

上記のあるアイテムのグラフは、横軸に10円ごとの価格帯を並べ、価格帯ごとの出現シェア、数量シェア、数量PIを表したものです。出現シェアは店別日別に出現した価格を価格帯ごとにカウントし全体の出現数における価格帯別の構成比を計算したもの、数量シェアは全体の販売数量における価格帯別の数量構成比を計算したものです。

出現シェアは390円台が最も高く、次に340～370円台の出現が多いことがわかります。
一方、数量シェアに着目すると、数量シェアでも390円台が最も大きいですが、出現シェアほどの数値にはなっていません。その代わり出現が少ない230～290円台で数量シェアは高くなっており、値引き販売（店頭プロモーション）した時に大きな販売を獲得していることがわかります。

その価格帯別の販売状況を表したものが、折れ線グラフの数量PIです。価格帯別の数量PIを見ると、310～440円台の数量PIはほぼ横ばいで、300円台で若干高まり、270円台より安くなると一気に数量PIが跳ね上がっています。

数量PIの動きを見ると、理論的には320円台でも440円台でも販売はほとんど変化ないため、この価格幅では440円台で販売しても売上は変わらない。値引き販売する際には270円台より安くした方が大きな販売を獲得することができると言えます。

このように、価格を10円程度変えただけでは、ほとんど販売は変わらないことは、あらゆるアイテムで見られる現象ですので、感覚ではなく客観的な分析が必要となってきます。

データ出典：KSP-POS

今回も前回に引き続き、店別日次データによる価格分析を紹介していきます。

今回も前回扱った当期の４月に値上げした同じアイテムのデータとなっています。

上記のグラフは、当期4月の値上げ前と値上げ後の主要価格の金額PI推移をあらわしています。

値上げ前の主要価格である318円と338円の金額PIと、値上げ後の378年と398円の金額PIの水準を比較すると、ほぼ同水準であることがわかります。金額PIですので価格が高い分、398円の金額PIは若干高い水準となっています。

前回31回のデータでは出現回数が減っており、その点は大きな課題でしたが、値上げをして変化した主要価格のPI値は変化なく、出現回数の要素を除いた指標であるPI値の視点では値上げの影響はほぼ無いと言えます。

このように詳細な価格分析を行うことで、課題がどの点なのかをデータでしっかり把握でき、有効な次の打ち手検討につながります。

３回にわたって店別日次データを活用した価格トレンドの分析を紹介してきましたが、いかがだったでしょうか。

次回以降も別視点での店別日次データを使った価格分析を紹介していきます。

データ出典：KSP-POS

今回も店別日次データを活用した価格分析について、前回の続きを見ていきます。

上記の２つのグラフは、上が価格帯別の販売状況、下が価格帯別の出現回数と平均価格の推移です。

下のグラフは、前回の出現構成比を実数で表示したもので、基本的に見方も同じですが、出現構成比ではなく出現回数で見ると、値上げ後の総出現回数が若干減少しており、一部店舗で品揃から外された可能性があります。

また、値上げすることで販売がどうなるのかが気になるところですが、上のグラフを見ていただくと、当期の４月以降も販売は大きく下がっていないことがわかります。
ただし、値上げ後で販売の高い週は例外なく320円以下の販売が大きくなっており、低価格販売による販売増をどのように判断していくかは、今後の課題と言えます。

データ出典：KSP-POS

今回から「店別日次データ」を活用した価格分析を紹介していきます。

価格分析において、一般的な平均価格ではなく、店別日次データがなぜ必要なのか、という点については、前回の第29回で説明していますので、そちらをご覧ください。

上記は、黒色の折れ線グラフが一般的な平均価格、棒グラフが店別日次データによる価格帯別出現構成比の推移で
す。販売構成比ではなく、出現構成比ですので、注意してください。

このアイテムは前期の３月と当期の４月に値上げ発表があり、実際に店頭でも値上げが実施されています。当期の値上げに注目すると、値上げ後の平均価格が週により320円から360円で推移しており、週によりバラツキがありますが、価格帯出現構成比で見ると、361円以上（青色系）の構成比が増加していることがわかります。

平均価格だけ見ていると、値上げ後も店頭では340円から360円程度で販売されているように誤解が生じてしまいますが、実際はそうではないことが、店別日次データの積み上げによるデータではわかりますね。

今回は価格の出現だけ見ましたが、POSデータですので、当然販売の状況も同時に見ていく必要があります。次回は、販売の状況を見ていきます。

データ出典：KSP-POS

今回からは、より緻密な価格分析を紹介していきます。

その最初となる今回は、価格分析に入る前に、POSデータ分析で活用している「平均価格」について、理解を深めていきます。

平均価格は、販売金額÷販売数量で計算するので、上記の場合、一週間の平均価格は、販売金額55,000÷販売数量150＝平均価格367円になります。

平均価格の計算式は知っていても、感覚的には「店頭で最も頻度の高い販売価格」と考え、367円が店頭で一番多い販売価格と勘違いすることがよくあります。

また、「367円で販売したら、１週間で150個売れる」という考え方は、367円で販売した事実自体がないので、ミスリーディングになってしまいます。

では、緻密な価格分析をする際にはどのようなPOSデータが必要かというと、「店別日次データ」です。上記の例で言えば、500円で販売すると10個売れ、300円で販売すると50個売れるというレベルのデータを集計する必要があります。

では、次回から実際に店別日次データを使った価格分析を見ていきたいと思います。

データ出典：KSP-POS