【ITニュース解説】Your competitor's price is not a float

商品価格をデータとして扱う際、多くの人が「商品には単一の価格がある」という考え方をしがちだが、実際のビジネスにおいては、この単純な認識が大きな問題を引き起こすことがある。競合他社の価格をモニタリングしたり、自社の価格戦略を練ったりする場合、価格は単なる一つの数値として捉えるべきではなく、「観測された事象」として多角的に捉える必要がある。

なぜ商品価格が単一ではないのか。その理由は多岐にわたる。まず、商品を販売するチャネル（場所）によって価格は大きく異なる。例えば、自社のウェブサイトでの価格、Amazonのような大手ECサイトでの価格、特定の小売店のウェブサイトでの価格、そしてInstacartやDoorDash、Uber Eatsのような配送アプリでの価格は、それぞれ異なるシステムや戦略に基づいて設定されている。

自社のサイトでは、通常は自社が直接価格を管理する。しかし、Amazonでは第三者出品者の影響やマーケットプレイスのルールによって「Buy Box」価格が変わることがある。小売店のサイトでは、その小売店の利益率や販促スケジュールが価格に反映される。特に配送アプリの場合、商品の価格は店舗、ブランド、郵便番号、配送経路、さらには顧客の利用状況によって変動することがある。さらに、配送アプリはプラットフォーム手数料、配送料、サービス料、少額注文手数料、時には需要に応じた変動料金などを追加することが一般的だ。

もし商品データに products.price のように単一の価格だけを保存するスキーマを採用してしまうと、これらの多様な価格情報が上書きされて失われたり、複数の異なる価格を平均してしまい、どの顧客も実際に目にしていない「仮想の価格」を算出してしまうことになる。これは、正確な価格分析や戦略立案の妨げとなる。

そこで重要になるのが、「価格の観測値（price observation）」という考え方だ。これは、価格が発見された状況や条件を詳細に記録するデータモデルを指す。例えば、商品ID（SKU）、競合の商品ID、観測された販売チャネル（Amazon、Walmart、Instacartなど）、小売業者名、郵便番号、観測日時、顧客の購読状況（Prime会員、Instacart+会員など）、商品の基本価格、配送料、サービス料、追加料金、通貨、元のURLなどの情報を一連のレコードとして保持する。

このデータモデルは、単に価格を数値として保存するよりも複雑に見えるかもしれないが、それは実際に測定しようとしている事象の複雑さを正確に反映している。これにより、単なる商品価格だけでなく、その価格がどのような状況下で提示されたのかを明確にできる。

特に配送アプリの場合、提示されている商品の価格（item price）が、顧客が最終的に支払う総額（delivered total）と大きく異なるという問題がある。例えば、ある商品が配送アプリで7.29ドル、競合商品が5.99ドルと表示されているとする。基本価格だけを見ると競合が約18%安いと感じるかもしれない。しかし、これに配送料、サービス料、追加料金などが加わると、最終的な合計金額の差は、基本価格の差よりもはるかに小さくなったり、逆に大きくなったりすることがある。

例えば、自社商品の基本価格が729セント、配送料399セント、サービス料146セント、追加料金200セントで合計1474セント。競合商品の基本価格が599セント、配送料399セント、サービス料146セント、追加料金200セントで合計1344セントだった場合、基本価格の差は21.7%だが、最終的な支払総額の差は9.1%となる。このように、手数料の積み重ねが競争上のギャップを大きく変える可能性があるため、単に商品の基本価格だけを比較することは、顧客が実際に感じている価格差を見誤る原因となる。

また、地域情報も価格を理解する上で非常に重要だ。全国平均の価格は、一般的な小売店サイトでは有用な場合もあるが、配送アプリにはほとんど適用できない。配送価格は、ローカルの店舗、プラットフォームの地域別マークアップ、配送の供給状況、手数料のルール、時には正確な住所によっても変動する。同じ都市圏内であっても、郵便番号が異なるだけで、同じ商品の基本価格や手数料が異なることがよくある。

したがって、配送アプリの価格を分析する際には、「特定のSKUについて、Instacartにおける商品価格の平均値」のような単純な集計は、どの顧客も実際には支払っていない架空の数値を生み出してしまうため、不適切であることが多い。価格決定に役立てるためには、地域（郵便番号など）をグループ化のキーに含め、「SKUと郵便番号ごとの商品価格の中央値」や「SKUと郵便番号ごとの最終支払総額の中央値」のように、地域ごとの実態を反映した集計を行う必要がある。価格変更が地域単位で行われるのであれば、データもその粒度で収集し分析すべきだ。

さらに、顧客のサブスクリプション状況も価格に影響を与える重要な要素だ。Amazon Prime、Instacart+、DashPassなどの会員資格は、同じ商品でも異なる実質価格を生み出す。場合によっては、商品の基本価格自体が変わることもあれば、配送料が無料になったり、会員限定のプロモーションが適用されたりすることもある。もし価格収集ツールがログイン状態の会員アカウントからデータを取得し、それを一般価格として記録してしまうと、最も忠実な顧客が見ている価格を見誤ることになる。これはシステムエラーとして検出されにくいが、価格比較の精度を静かに低下させる「バグ」となり得る。このため、観測された価格がサブスクリプション会員セッションによるものか、非会員セッションによるものかを明示的に記録することが不可欠だ。

大規模な価格監視システムを構築する前に、まずは小規模な監査から始めることを推奨する。特定のSKUを一つ選び、自社サイト、Amazon、主要な小売店、そして二つの異なる郵便番号のInstacart、さらに一つの配送アプリから価格情報を収集する。配送サービスの場合は、基本価格、配送料、サービス料、追加料金、郵便番号、タイムスタンプ、サブスクリプション状況を記録する。

そして、基本価格のばらつき（item price spread）と、最終的な支払総額のばらつき（delivered total spread）の二つの指標を計算する。もしこれらの数値が近いのであれば、現在のデータ追跡方法で十分な場合もある。しかし、もし両者に大きな違いがあるならば、正確な価格分析を行うためには、配送料、地域情報、顧客のコンテキストといった要素をデータモデルに含める必要があると判断できる。このように、価格データは多面的に捉え、その複雑さを適切にデータモデルに反映させることが、ビジネスの意思決定において非常に重要となる。