欠品による機会損失を粗利で推定する：潜在需要・代替・購入延期をどう計算するか
- 7月29日
- 読了時間: 20分
本記事は、POS・EC・催事等の販売履歴はあるものの、欠品中に何個売れたはずかを把握できていない小売、メーカー直販等を対象としています。
欠品による機会損失は、「欠品日数×通常の平均売上」では算定できません。欠品がなければ生じた潜在需要を低位・基準・高位で推定し、後日購入と自社内代替で回収した利益を控除し、失われた取引限界利益、買物かご利益、追加対応費を積み上げます。将来離反は証拠が弱ければ基準値へ入れず、別建ての感度分析とします。
欠品中の売上ゼロは、需要ゼロを意味しない
商品が在庫切れになった後、POSにはその商品の販売が記録されません。しかし、顧客が買いたくなかったから売れなかったのか、買いたかったが在庫がなかったため売れなかったのかは、販売実績だけでは分かりません。
在庫管理研究では、需要が在庫量を超えた部分を観測できない状態を、需要が在庫によって打ち切られていると捉えます。Li Chenは、在庫切れ後の未充足需要は通常観測されず、販売データが在庫水準によって打ち切られるため、需要推定と在庫判断が難しくなると整理しています。Chen（2010）
例えば、午前中に10個売れて正午に欠品した商品について、その日の販売実績は10個です。しかし、閉店まで在庫があれば12個売れたのか、20個売れたのか、40個売れたのかは観測されません。
ここで10個を「その日の需要」として翌日の発注へ使うと、需要が強かった日に限って予測値を低く記録することになります。
欠品が需要を過小に見せ、その過小な販売実績が次回の発注量を抑え、再び欠品を生む。
2026年6月公表の生鮮ECデータセットFreshRetailNet-50Kも、欠品中の販売が潜在需要を下回るため、欠品情報を持たない予測は体系的な過小推定を生み得るとしています。同研究は、898店舗・863SKU・5万系列の時間別データに欠品、販促、降水、時間要因等を付した大規模研究ですが、対象は生鮮ECであり、その精度や効果量を地域小売へ移植することはできません。重要なのは、販売数量と需要数量を同一視しないという構造です。Wang et al.（2026）
前稿「売れ筋商品の欠品はどこまで許容すべきか」では、欠品損失と追加在庫費用を比較し、SKU別の許容度を決める枠組みを扱いました。本稿は、その比較で必要となる「欠品損失」を、実際の販売・在庫データからどこまで推定できるかに焦点を絞ります。
この記事を読む前に――主要な用語の意味
用語 | 本稿での意味 |
潜在需要 | 欠品がなく、通常どおり購入可能であれば生じたと推定される需要数量です。販売実績ではなく反実仮想の推定値です。 |
未充足需要 | 潜在需要のうち、希望された時点・チャネル・数量で提供できなかった部分です。後日購入や代替購入へ移る前の数量を指します。 |
打切りデータ | 本来の需要が在庫量を超えても、観測される販売数量は在庫量までに制限されるデータです。欠品後の需要は見えません。 |
機会損失 | 欠品がなければ得られた利益と、実際に得られた利益との差です。本稿では売上高ではなく、主に取引限界利益で測ります。 |
粗利・売上総利益 | 売上高から売上原価を差し引いた利益です。簡便ですが、決済手数料、販売手数料、包装、配送補助等を含まない場合があります。 |
取引限界利益 | 販売価格から商品原価に加え、決済、販売手数料、包装、配送補助等、その取引に伴って増える費用を差し引いた金額です。 |
代替購入 | 欠品した希望SKUの代わりに、自社の別SKUを購入することです。売上が残っても、利益額や買物かごは同じとは限りません。 |
購入延期 | 入荷後、別日、別チャネルで同じ商品を購入することです。延期された売上の全量が回収されるとは限りません。 |
買物かご利益 | 希望商品と同時に購入されたはずの他商品の取引限界利益です。目的商品が欠品すると、関連購買まで失う場合があります。 |
推定レンジ | 一つの精密な推定値を断定せず、低位・基準・高位等で置く幅です。予測区間と同義ではなく、仮定差を可視化する実務上のシナリオです。 |
要点は、欠品損失は「欠品中の売上」から直接観測できず、潜在需要の推定と、代替・延期による利益回収の推定を重ねて初めて計算できるということです。
「通常の平均販売数を欠品日へ当てる」だけでは足りない
最も簡単な推定は、在庫があった日の平均販売数を欠品日へ当てる方法です。速報値としては使えますが、そのまま意思決定へ使うと偏りやすくなります。
誤差の原因 | 単純平均に起きること | 必要な補正 |
曜日・時間帯 | 平日午前と週末午後を同じ需要として扱う | 同じ曜日、営業時間、時間帯構成で比較 |
季節・連休・天候 | 通常月と繁忙期、晴天と悪天候を混ぜる | 季節、祝日、天候、地域イベントを分ける |
販促・広告 | 広告流入が増えた欠品日を通常日に置き換える | 広告費、表示、流入、クーポン、掲載を揃える |
価格・値引き | 通常価格とセール価格の販売速度を混ぜる | 同一価格・同一条件を優先する |
催事進行 | 初日と終盤、平日と休日の需要差を消す | 開催日序列、曜日、時間帯で対応づける |
同時欠品 | 代替候補も欠品し、カテゴリ全体が縮んだ影響を見落とす | 代替候補とカテゴリ在庫を同時記録する |
欠品の内生性 | 需要が強い日に欠品しやすいため、在庫あり日の平均が低くなる | 高需要条件を含む比較期間・外部説明変数を使う |
在庫記録誤差 | システム上は在庫ありでも、棚・倉庫・EC上で販売不能 | 実際の販売可能時間を確認する |
特に重要なのが、欠品の内生性です。
欠品日は無作為に選ばれた日ではありません。広告が当たった日、来店が集中した日、週末、催事のピーク等、需要が強いときほど欠品しやすくなります。欠品日を除外して在庫あり日だけの平均を取ると、高需要日を系統的に落とし、潜在需要を過小推定する可能性があります。
したがって、在庫あり日の平均は「正解」ではなく、比較条件が近い場合に使える一つの推定材料です。
GruenとCorstenは、欠品率、欠品時の消費者反応、カテゴリ売上を掛ける集計的な売上損失推定を、初期的な簡便法として示しています。同資料自身も粗い推定であると位置づけています。本稿では、SKU別の追加仕入・補充判断へ使うため、売上損失をそのまま採用せず、潜在需要と利益回収へ分解します。
推定の前に、欠品区間を確定する
需要モデルを高度化する前に、欠品がいつ始まり、いつ終わったかを確定します。ここが曖昧であれば、どの方法を使っても精度は上がりません。
店舗、EC、催事、卸売では、「在庫ゼロ」の意味が異なります。
店頭在庫はゼロだが、倉庫から補充できた
倉庫にはあるが、販売員が見つけられなかった
EC在庫は残っていたが、出荷能力不足で受注を止めた
予約可能だったが、商品ページを非公開にした
一部の色・サイズだけ欠品した
店舗では欠品したが、ECでは購入できた
商品自体はあったが、セット構成品の欠品で販売できなかった
本稿では、欠品区間を次のように定義します。
顧客が通常期待される購入経路で、希望SKUを希望数量だけ直ちに購入できなかった時間帯。
最低限、次を残します。
欠品開始日時
販売再開日時
対象SKU・チャネル・店舗
完全欠品か部分欠品か
実在庫、棚在庫、システム在庫
予約・取り置き・他チャネル案内の可否
欠品原因
日次データしかない場合、午前に欠品した日と閉店直前に欠品した日が同じ「欠品日」になります。売れ筋や催事では、可能な限り時間単位で記録します。
GruenとCorstenの欠品研究も、欠品開始の曜日・時間帯を把握することが、補充作業や人員配置へ接続するとしています。同資料は大規模な日用消費財小売を中心とするため、外部の欠品率や消費者反応率を自社へ移植せず、時間帯記録の必要性だけを採用します。Gruen & Corsten（2008）
潜在需要は、証拠の強さを分けて推定する
欠品期間の潜在需要は、利用可能なデータに応じて複数の方法で推定します。一つの方法だけを正解とせず、相互に照合します。
方法 | 使う情報 | 強み | 主な弱点 |
明示需要の集計 | 問い合わせ、予約希望、再入荷通知、顧客要求伝票、受注残 | 実在する需要シグナルを数えられる | 無言離脱を捉えず、購入意思未確定も混ざる |
同一SKUの近接期間比較 | 欠品前後、同曜日、同時間帯の販売速度 | 実装が容易で商品固有性を残せる | 欠品前後で需要条件が変わる |
対応期間比較 | 前年同週、類似催事日、同価格・同販促日 | 季節・催事進行を合わせやすい | 市場、顧客数、価格、品揃えが変わる |
流入×購入率 | EC閲覧、来店数、広告流入、在庫あり時購入率 | 需要母数の変化を補正できる | 閲覧・来店の質が同じとは限らない |
類似店舗・類似チャネル比較 | 欠品していない店舗、EC、卸売先 | 同時期の外部環境を共有しやすい | 商圏、顧客、価格、在庫配分が異なる |
統計・機械学習モデル | 曜日、時間、価格、販促、天候、流入、季節、在庫状態 | 複数要因を同時に扱える | データ量、モデル監査、打切り処理が必要 |
1．明示需要は「下限候補」であって、潜在需要そのものではない
問い合わせ、再入荷通知、予約希望、受注残は、実際に顧客が行動した証拠です。小規模企業では最も先に整える価値があります。
J-Net21も、在庫のない商品への顧客要求を記録し、品切れであれば発注時期・発注量を検討する「顧客要求伝票」を紹介しています。J-Net21「小売業の仕入ポイント」
ただし、問い合わせ11件があったから潜在需要11個、とは限りません。
一人が複数回問い合わせている
通知登録だけで購入しない
家族・法人分として複数個を求めている
店頭で尋ねずに帰った顧客がいる
入荷予定を見て他社購入へ移った
明示需要は、重複と数量を整理したうえで、潜在需要の下限候補または補助証拠として扱います。
2．同一SKUの比較では、欠品日と条件を近づける
同一SKUの販売速度を使う場合は、次の順序で比較対象を絞ります。
同じ価格
同じ曜日・時間帯
同じ季節・催事進行
同程度の来店・閲覧
同じ販促・広告条件
同程度の代替商品在庫
比較可能な期間が少ない場合は、平均値だけでなく中央値、下位・上位の値を残します。一日平均2.6個という一点にせず、「比較日では2～3個が中心だが、広告日には5個まで上がる」等の分布を確認します。
3．流入データは、販売数量を需要環境へ接続する
ECで在庫あり時の購入率が3.4％、欠品期間の対象商品ページへの購入可能性のある訪問が780件なら、単純計算では次の値になります。以下の架空例では、一注文当たり平均購入数量を1.0個とします。
780件 × 3.4％ × 1.0個 ＝ 26.52個
しかし、これは27件の潜在需要を証明しません。
欠品表示を見に来た既存顧客が重複している
広告流入の質が通常と異なる
欠品表示自体が購入行動を変える
一件の注文で複数個買う顧客がいる
商品ページを非公開にすると閲覧自体が観測されない
それでも、販売履歴だけより、需要母数の変化を把握できます。店舗なら来店数、催事なら入場・接客数、卸売なら見積・問い合わせ件数が近い役割を持ちます。
4．高度なモデルは、記録の不足を魔法のようには埋めない
Ding、Huh、Rongは、真の需要分布を知らず、打ち切られた販売履歴と需要特徴量だけがある在庫問題を扱い、販売データ単独では真の需要を完全に回復できないとしています。Ding et al.（2024）
SubramanianとHarshaも、未観測の非購入や競合流出を含む需要推定には、顧客到着数と選択確率を分けるモデルを提示していますが、混合整数最適化等を用いる高度な方法です。Subramanian & Harsha（2019）
小規模企業が最初から同等のモデルを実装する必要はありません。むしろ、次の順序が妥当です。
欠品時間を正しく記録する
顧客要求・予約・通知を残す
比較条件を揃えた低位・基準・高位を置く
判断が反転するSKUだけ、統計モデルや追加計測を検討する
一つの推定値ではなく、証拠ラベルを付ける
推定表では、数値だけでなく証拠の種類を記録します。
証拠区分 | 内容 | 例 | 基準値での扱い |
A：実測 | 実際の注文・費用・販売可能時間 | 後日購入6件、緊急配送費 | 原則として採用 |
B：追跡可能 | 欠品との接続を顧客・注文単位で確認 | 再入荷通知経由購入、代替提案後の購入 | 重複除去後に採用 |
C：モデル推定 | 比較期間や予測モデルによる反実仮想 | 潜在需要26個、買物かご差 | レンジ・誤差を併記 |
D：仮説 | 直接確認できない将来・心理影響 | 将来離反、口コミ悪化、ブランド毀損 | 原則として別シナリオ |
将来離反をDからAへ見せかけてはなりません。
例えば、「欠品した顧客12人が、今後一年で一人5万円買うはずだった」と置けば、機会損失は60万円になります。しかし、欠品がなければその顧客が継続購入したか、欠品によって離反したか、他の商品を買ったかは分かりません。
顧客IDがある場合でも、欠品接触群と比較可能な非接触群について、その後の購入率・限界利益を比較する必要があります。匿名客が中心なら、将来影響は基準推定へ入れず、0円・限定影響・大きな影響の感度分析に留めます。
欠品損失を、売上から利益へ変換する
潜在需要を推定した後、売上高ではなく、失われた利益へ変換します。
タイトルでは一般に通じやすい「粗利」を用いていますが、経営判断では次の三段階を分けます。
利益尺度 | 計算 | 用途 | 注意点 |
売上高 | 販売価格×失注数量 | 売上規模の速報 | 原価と変動費を無視し、損失を過大表示する |
粗利 | 売上高－売上原価 | 簡易推定 | 決済、販売手数料、包装、配送補助等が残る |
取引限界利益 | 売上高－その取引に伴う変動費 | 在庫・補充・広告・販促の判断 | 変動費の範囲を企業内で統一する必要がある |
J-Net21は、売上高から変動費を差し引いたものを限界利益と定義しています。J-Net21「損益分岐点を使った目標売上高」
固定家賃や既存正社員の基本給与のように、今回の欠品や販売数量で増減しない費用は、一個当たり損失へ機械的に配賦しません。一方、欠品対応のために追加残業、別送、緊急配送、返金手数料が生じたなら、関連費用として加えます。
短期の純機会損失は、次のように分解できます。
短期純機会損失＝ 欠品がなければ得た取引限界利益－ 後日購入で回収した取引限界利益－ 代替購入で回収した取引限界利益＋ 失われた買物かご利益＋ 欠品対応の追加費用
ここで重要なのは、代替数量ではなく代替で回収した利益額を控除することです。
希望商品は一個1,000円の取引限界利益、代替商品は一個600円なら、一件の代替で回収できた利益は600円です。代替購入があったから損失ゼロ、ではなく、利益差400円が残ります。
ChenとChaoは、複数商品の在庫問題で、通常の販売データから各商品の本来需要と欠品由来の代替需要を区別できず、失注も観測できないと指摘しています。Chen & Chao（2020）
ファッション小売217店舗・4,024SKUの研究も、特定サイズの欠品需要が隣接サイズや別スタイルへ移ることを実証的に扱っています。ただし、代替の大きさは商品・店舗等で異なり、スポーツ靴の結果を他業種へ移植できません。Li et al.（2022）
数値例：4日間の欠品損失を推定する
以下は、計算方法を示すための架空例です。特定企業の実績値ではありません。
対象商品Aの条件は次のとおりです。
項目 | 金額 |
販売価格 | 3,000円 |
商品原価 | 1,800円 |
一個当たり粗利 | 1,200円 |
決済・販売手数料 | 150円 |
包装・配送補助等 | 50円 |
一個当たり取引限界利益 | 1,000円 |
商品Aは4日間、対象チャネルで完全欠品しました。
潜在需要を三つの証拠から照合する
証拠 | 観測・計算 | 示唆 |
顧客要求・通知・問い合わせ | 重複と希望数量を整理後11個相当 | 少なくとも11個相当の関心。ただし購入確定ではない |
同曜日・同条件の販売履歴 | 比較8期間から20～34個、中央値付近26個 | 基準26個、低位20個、高位34個 |
EC流入×在庫あり時購入率 | 対象訪問780件×3.4％×平均1.0個＝26.52個 | 基準26～27個と整合。ただし訪問の質は未統制 |
三方法が26個前後で整合しているため、基準潜在需要を26個と置きます。ただし、これは実測値ではありません。低位20個、基準26個、高位34個を残します。
欠品後の追跡では、次が確認できました。
再入荷通知等を通じた同一商品の後日購入：6個
欠品時に提案した代替商品の購入：8個
代替商品の一個当たり取引限界利益：600円
後日・代替取引を含めても失われた他商品利益の基準推定：4,200円
問い合わせ対応、別送、返金等の追加費用：1,600円
粗利だけの推定と、取引限界利益による推定を分ける
まず、希望商品と代替商品の粗利だけで直接損失を計算します。代替商品の一個当たり粗利を750円とします。
粗利ベースの直接損失＝ 26個×1,200円－ 6個×1,200円－ 8個×750円＝ 18,000円
次に、決済・販売手数料、包装・配送補助等を控除した取引限界利益で計算します。
取引限界利益ベースの直接損失＝ 26個×1,000円－ 6個×1,000円－ 8個×600円＝ 15,200円
同じ欠品でも、粗利だけでは1万8,000円、取引限界利益では1万5,200円です。追加仕入・緊急補充・広告継続の上限を決めるなら、後者の方が適します。
短期純機会損失は次のとおりです。
構成要素 | 計算・根拠 | 金額 | 証拠 |
希望商品の反実仮想利益 | 26個×1,000円 | 26,000円 | C |
後日購入で回収 | 6個×1,000円 | ▲6,000円 | B |
代替購入で回収 | 8個×600円 | ▲4,800円 | B |
失われた他商品利益 | 比較可能な買物かご差 | ＋4,200円 | C |
欠品対応追加費用 | 問い合わせ・別送・返金等 | ＋1,600円 | A |
短期純機会損失 | 上記合計 | 21,000円 | A～C |
将来離反は基準推定へ含めません。顧客IDによる追跡や比較対象がなく、D区分の仮説に留まるためです。
推定レンジで、判断が反転する境界を確認する
欠品損失は一点に固定せず、仮定の違いによる幅を示します。
シナリオ | 潜在需要 | 直接利益損失 | 買物かご損失 | 対応費 | 将来影響 | 合計 |
低位 | 20個 | 9,200円 | 0円 | 1,600円 | 0円 | 10,800円 |
基準 | 26個 | 15,200円 | 4,200円 | 1,600円 | 0円 | 21,000円 |
高位 | 34個 | 23,200円 | 10,000円 | 1,600円 | 5,000円 | 39,800円 |
これは統計的な信頼区間ではありません。潜在需要、買物かご、将来影響の仮定を同時に変えた実務シナリオです。
仮に、同様の欠品を防ぐための緊急補充・追加保有・余剰リスクの合計が1万5,000円だとします。
低位損失1万800円なら、追加対策は採算割れ
基準損失2万1,000円なら、追加対策は6,000円の改善余地
高位損失3万9,800円なら、追加対策の優先度は高い
結論はシナリオで反転します。
追加対策費には、仕入代金全額ではなく、緊急配送、追加作業、資金拘束、保管、値下げ・廃棄等、対策によって増える関連費用を置きます。J-Net21も、欠品機会損失を考慮した在庫確保の合理性と、過剰在庫による維持費・収益・キャッシュフロー・劣化等の負担を併記しています。J-Net21「過剰在庫を見直す」
このとき「平均を取って2万3,867円」とするのではなく、どの不確実性を解消すれば判断が固まるかを確認します。
例えば、将来影響は判断反転に必須ではありません。基準の短期損失だけで1万5,000円を上回るからです。一方、潜在需要が20個か26個かは結論へ影響します。したがって、次回は欠品時間、EC流入、顧客要求、後日購入を優先して記録します。
買物かご利益は、単純な併売率から足さない
目的商品が欠品すると、関連商品まで買われない場合があります。しかし、通常時に商品Aと商品Bが同時購入されているからといって、Aの欠品がBの販売減少を引き起こしたとは限りません。
同時購入には、次の交絡があります。
同じ顧客属性が両方を好む
季節・催事・ギフト需要が両方を押し上げる
店員提案やセット割引が同時に変わる
Aが欠品するほど需要が強い日は、Bも売れやすい
Aを買えなくてもBだけ買う顧客がいる
買物かご損失を推定する場合は、少なくとも次を比較します。
A在庫あり時のA購入取引における、A以外の取引限界利益
A欠品時の代替・後日購入取引における、対象商品以外の取引限界利益
曜日、客数、販促、価格、季節が近い期間
同一顧客または近い顧客構成
比較可能性が弱ければ、買物かご損失を0円・限定値・推定値の三段階に置きます。高い通常併売率を、そのまま欠品の因果損失へ変換しません。
将来顧客利益は、最も後に追加する
欠品が顧客満足や再購入へ影響する可能性はあります。しかし、将来損失を入れるには、次の差を測る必要があります。
欠品を経験した顧客の将来利益－ 欠品を経験しなかった場合の同じ顧客の将来利益
実際には後者を観測できません。そのため、比較可能な顧客群や店舗・期間を使います。
顧客IDがある場合は、次を確認します。
欠品接触前の購入頻度・金額
商品カテゴリ・顧客状態
欠品後30・60・90日等の再購入
代替提案・予約の有無
非欠品の比較顧客との差
匿名客が中心の場合は、苦情、通知登録、再来店、店舗・カテゴリ売上等の弱い証拠しか得られないことがあります。この場合、将来影響を本体推定へ入れず、別枠とします。
将来影響の扱い | 条件 |
0円 | 顧客追跡がなく、短期損失だけで判断する |
限定シナリオ | 苦情・取消・再来店低下等の兆候はあるが、因果が弱い |
基準推定へ算入 | 欠品接触と顧客IDを結び、比較可能な対照と継続利益差を確認できる |
「一度の欠品で顧客を永久に失う」という仮定は、損失を恣意的に膨らませます。逆に、将来影響を常にゼロとすることも適切ではありません。証拠の強さに応じて置き場所を変えます。
小規模企業は、まず推定可能性を高める記録を作る
高度な需要予測より先に、欠品一件ごとの記録を整えます。
区分 | 最低限の記録 |
SKU・利益 | SKU、価格、原価、決済・販売手数料、包装、配送補助、取引限界利益 |
欠品区間 | 開始・終了日時、店舗・チャネル、完全・部分欠品、実在庫・システム在庫 |
需要環境 | 曜日、時間、祝日、天候、催事日序列、来店・閲覧、広告、販促、価格 |
明示需要 | 問い合わせ、予約希望、再入荷通知、受注残、希望数量、顧客重複 |
顧客反応 | 後日購入、代替提案、代替購入、取消、他チャネル購入 |
買物かご | 希望商品以外の購入点数・取引限界利益、代替時の変化 |
対応費 | 追加人時、緊急配送、別送、返金、値引き、違約・補償 |
推定管理 | 推定方法、比較期間、低位・基準・高位、証拠区分、再計算日 |
記録の単位は、月次集計だけでは足りません。少なくとも「SKU×店舗・チャネル×欠品イベント」を一行にします。ECで顧客IDを扱う場合は、利用目的、アクセス権限、保存期間等の個人情報管理を別途設計します。
最初から全SKUを精密に測る必要もありません。次のSKUから始めます。
欠品回数または欠品時間が多い
取引限界利益額が大きい
広告・催事で需要が急増する
代替しにくい
目的来店・入口・卸売約束等の役割がある
緊急補充や顧客対応費が大きい
追加在庫の採否が損失推定で反転する
売上順位だけで対象を決めず、推定が意思決定を変えるSKUへ分析工数を配分します。
推定結果から、どの判断へ進むか
推定結果 | 主な状態 | 次の行動 |
損失が追加対策費を一貫して上回る | 低位でも採算が合う | 補充短縮、追加在庫、在庫融通、チャネル引当を実行 |
損失が追加対策費を一貫して下回る | 高位でも採算が合わない | 代替、予約、受注生産、計画欠品、補充見送りを比較 |
シナリオで結論が反転する | 潜在需要・回収利益が不明 | 反転に効くデータだけを追加取得し、限定的に試す |
粗利では採算、限界利益では不採算 | 変動費控除が大きい | 物流・手数料・包装・販売条件も含めて対策を再設計 |
代替売上は残るが利益が減る | 代替商品の利益・買物かごが低い | 代替先、価格、提案方法、併売を改善 |
短期損失は小さいが契約・顧客影響が大きい | 供給約束や重要顧客がある | 顧客別確保在庫、予約、納期約束、例外対応を設計 |
欠品区間自体が不明 | 在庫・棚・EC表示が不正確 | 需要予測より先に在庫記録と販売可能状態を修正 |
欠品損失の推定値は、損害を大きく見せるための数字ではありません。次の一個の在庫、追加配送、補充頻度、広告継続へ支払える上限を決めるための数字です。
結論：欠品損失は「売れなかった売上」ではなく、「回収後に残る利益差」である
欠品による機会損失は、次の順序で推定します。
欠品開始・終了、店舗・チャネル、販売可能状態を確定する
販売実績と潜在需要を分ける
明示需要、同条件期間、流入、類似店舗等を照合する
潜在需要を低位・基準・高位で置く
後日購入と自社内代替で回収した利益を控除する
粗利ではなく、可能なら取引限界利益へ変換する
買物かご利益と追加対応費を、重複なく加える
将来離反は証拠が弱ければ別シナリオへ置く
推定値と追加対策費を同じ期間・利益尺度で比較する
結論を変える不確実性だけ、次回の記録で縮める
最も危険なのは、欠品中に売上がないため損失もないと考えることです。
しかし、逆方向の誤りもあります。
欠品中に売れたはずの売上全額へ、買物かご、将来LTV、ブランド損失を無制限に足し、機会損失を膨張させることです。
実務上の妥当な推定は、観測できない需要を一つの精密値に偽装しません。実測、追跡可能、モデル推定、仮説を分け、利益回収を控除し、判断が反転する境界を示します。
株式会社Kerzeでは、商品別の販売・利益・在庫・欠品・顧客反応・流入・販促条件を接続し、欠品損失の低位・基準・高位推計、追加仕入・補充の上限、必要な追加記録を整理します。データが不足する場合は、架空の精密値を置かず、どの推定誤差が判断を変えるか、どこまでの追加費用なら合理的か、再判定日まで設計します。
参考文献・出典
Chen, L.（2010）Bounds and Heuristics for Optimal Bayesian Inventory Control with Unobserved Lost Sales, Operations Research, 58(2), 396–413.
Ding, J., Huh, W. T. & Rong, Y.（2024）Feature-Based Inventory Control with Censored Demand, Manufacturing & Service Operations Management.
Wang, Y. et al.（2026）FreshRetailNet-50K: A Stockout-Annotated Censored Demand Dataset for Latent Demand Recovery and Forecasting in Fresh Retail, arXiv:2505.16319v5. ※査読前プレプリント。
Li, S., Lu, L. X., Lu, S. F. & Huang, S.（2022）Estimating the Stockout-Based Demand Spillover Effect in a Fashion Retail Setting, Manufacturing & Service Operations Management, 25(2), 468–488.
Chen, B. & Chao, X.（2020）Dynamic Inventory Control with Stockout Substitution and Demand Learning, Management Science, 66(11), 5108–5127.
Subramanian, S. & Harsha, P.（2019）Demand Modeling in the Presence of Unobserved Lost Sales.
Gruen, T. W. & Corsten, D.（2008）A Comprehensive Guide to Retail Out-of-Stock Reduction in the Fast-Moving Consumer Goods Industry.
中小企業基盤整備機構 損益分岐点を使った目標売上高, J-Net21.
中小企業基盤整備機構 小売業の仕入ポイント, J-Net21.
中小企業基盤整備機構（2024）過剰在庫を見直す, J-Net21.
※本稿の商品、価格、原価、変動費、潜在需要、後日購入、代替購入、買物かご利益、対応費、推定レンジ、追加対策費は、計算方法を示すための架空例です。特定企業の実績、業界標準の欠品損失率、推奨在庫量を示すものではありません。食品、医薬品、保安部品、契約供給品等では、品質・安全・法令・契約上の供給条件を利益計算より優先して確認してください。
