アパレルEC｜AIレコメンドで客単価20％向上

ECサイトへのアクセスはあるものの、商品数が多く、顧客が自分に合う商品を見つけられずに離脱していました。全員へ同じ商品を表示する従来のレコメンドでは関連購入が増えにくく、客単価も伸び悩んでいました。

アスタは、購入履歴・閲覧履歴・滞在時間・商品属性・お気に入り情報を整理し、顧客ごとにコーディネート商品や類似商品を表示するAIレコメンドを構築しました。その結果、レコメンド経由の購入率は1.5倍、客単価は20％向上しました。

クライアント概要

抱えていた課題｜商品は多いが、顧客が選び切れない

AI導入前に確認したのは、表面上の作業時間だけではありません。判断がどこに集中し、現場や顧客、経営へどのような影響が広がっているかを整理しました。

サイト内で商品を見つけられず離脱していた

品ぞろえが豊富でも、カテゴリや検索条件だけでは候補を絞り切れません。顧客が探す負担を感じると、購入候補があるにもかかわらずサイトを離れてしまいます。

全員同じおすすめでは関心に合わなかった

売れ筋商品を一律に表示しても、好み、サイズ、閲覧中の商品との相性は顧客ごとに異なります。おすすめ欄が見られても、関連購入へつながりにくい状態でした。

広告以外の方法で客単価を高める必要があった

新規流入を広告だけで増やすと費用も増えます。必要だったのは、すでに訪れた顧客が選びやすくなり、自然に関連商品も検討できる売場でした。

アスタの支援内容｜データと現場運用を一つの流れにする

アスタは、AIツールを入れることだけを目的にせず、現在の業務、利用できるデータ、導入後に人が確認する範囲を整理しました。そのうえで、AIの出力が日々の具体的な行動へつながるよう、次の流れで仕組みと運用を整えています。

1．顧客行動と商品情報を整理

購入、閲覧、滞在、お気に入りと、商品のカテゴリ・色・サイズなどを対応付けました。顧客の関心と商品の特徴を同じ分析で扱える状態にしています。

本事例では、次の情報を判断材料として整理しました。

• 顧客ごとの購入履歴
• 商品ページの閲覧履歴と滞在時間
• カテゴリ・色・サイズなどの商品属性
• お気に入り登録情報

2．関心と商品の組み合わせを分析

現在見ている商品と過去の行動から、顧客が関心を持ちやすい商品や一緒に購入されやすい組み合わせをAIで分析しました。

3．顧客別のおすすめをリアルタイム表示

コーディネート商品や類似商品を、顧客ごとに変えて表示します。単純な売れ筋順ではなく、その時点の閲覧行動も反映する仕組みです。

4．購入結果を確認して表示を改善

表示した商品がクリック・購入されたかを確認し、レコメンドの結果を継続的に見直します。EC担当者が効果を確認できる運用まで整えました。

得られた成果｜レコメンド購入率1.5倍、客単価20％向上

顧客の関心に合う商品を表示できるようになり、レコメンド経由の購入率は1.5倍になりました。コーディネート商品などの関連購入も増え、客単価は20％向上しています。

商品を探しやすくなったことでサイト滞在時間も増え、広告費を追加せずに売上を伸ばす効果につながりました。AIで押し売りを増やすのではなく、顧客が比較・選択しやすい売場をつくったことが成果の背景です。

ご担当者様の声

「お客様一人ひとりに専属の販売員がついたような効果が出ている。客単価が上がり、広告費をかけずに売上を伸ばすことができた。」

アパレルECで検討できるAI活用テーマ

アパレルECでは、集客、検索、商品提案、在庫、顧客対応、販促がつながっています。短期的なクリックだけでなく、返品や粗利、顧客体験も確認して施策を評価することが重要です。

アスタは特定のAIツールを導入することから始めず、経営課題と現場業務を確認し、効果を見込めるテーマを整理します。小さく試したうえで、データ、確認手順、担当者の役割まで整え、現場で使われる状態へ伴走します。

関連するサービス・コラム

「自社にも似た課題があるが、どこからAIを使えるかわからない」「データはあるものの、実務へつなげられていない」という場合は、現在の業務と判断の流れを整理するところからご相談ください。