「棚割り」とは
棚割りとは、店舗の陳列棚に商品をどう配置するかを計画する手法です。英語ではShelf Allocationと呼びます。しかし、棚割りの本質は「商品を売りたい順に並べる作業」ではありません。棚割りとは、顧客の比較と選択を設計する仕事です。
店舗のレイアウトが「店全体の回遊と滞在を決める骨格」だとすれば、棚割りは「顧客の目線と手の動きを誘導する筋肉」にあたります。骨格（レイアウト）だけ整えても、筋肉（棚割り）のつき方が悪ければ力は出ません。逆に棚割りだけ巧みでも、動線が破綻していれば効果は限定的です。
棚割りの出発点は、「計画購買」と「非計画購買」の両方を売場で成立させることにあります。計画購買とは来店前に買うものが決まっている購買のことで、店頭で迷わせるほど不満が増えます。見つからない、手に取れない、欠品している——これらは計画購買の失敗であり、客数に長期的なダメージを与えます。一方、非計画購買は店頭で銘柄が変わったり、買うつもりのなかった商品を買う購買であり、客単価に効きます。つまり棚割りは、「探しやすさ」を担保しながら「気づき」と「比較」を増やして非計画購買を起こすという、二律背反を同時に扱う設計領域です。
棚割りの三原則
第一原則：比較軸を先に決める
棚に並びの「順番」がなければ、購買は止まります。 現場でよく見る失敗は、商品を置けるだけ置くことが目的になり、棚の中に比較の順番が存在しなくなるパターンです。価格で選びたい人、用途で選びたい人、容量で選びたい人が同じ棚の前で迷子になると、購買は止まります。止まった購買は「いつもの商品」か「一番安い商品」に流れます。
価格帯別、用途別、成分別、悩み別など、顧客が自然に比較できる並びをつくれば、売場は強くなります。POPは補助線であり、主役は並びそのものです。
売場での滞在時間は売り手が思っているよりも短く、顧問先であるゴウリカ株式会社のgo insight というサービスである店舗の風邪薬コーナーで計測したところ、平均滞在時間は44.2秒でしたが中央値は12.4秒でした。大半の顧客は十数秒で選んでいるのです。比較軸があり迷わず選べることの重要性がわかります。
第二原則：対象の棚だけで完結させない
棚割りはバスケット（買い物かご）全体の編集です。 棚割りを上から下、左から右の最適化として捉えると部分最適に陥ります。エンドに特売の大量陳列を置けば短期の売上は伸びますが、関連購買が落ちれば粗利は伸びません。棚割りはカテゴリ単体の売上最大化ではなく、買物全体のバスケットをどう編集するかで評価すべきです。
KPIも売上という大きな要素だけでなく、買上点数、関連購買率、粗利、欠品率、商品回転率（回転日数）、そして作業時間まで分解して見なければなりません。
第三原則：棚割りは「守る」設計である
守るとは、欠品と在庫過多を減らし、オペレーションを崩さないことです。 たとえば、ある商品のフェース数（棚に並ぶ列数）を増やせば目につきやすくなりますが、その分だけ棚の奥行き方向に在庫を積むことになります。奥に隠れた商品は従業員から見えにくく、賞味期限切れの温床になります。
逆に、フェース数を減らして多くのSKU（在庫管理の最小単位）を詰め込むと、一商品あたりの陳列スペースが狭くなります。商品が売れるたびに棚前面に空きができ、前出し作業が頻発します。作業が追いつかなければ棚は乱れたまま放置され、顧客には「この店は管理できていない」という無言のメッセージを送ることになります。棚割りは「見せる設計」であると同時に「守る設計」なのです。
「棚割り」の重要性
棚割りの巧拙は、売上と利益に直結します。 棚割りの良し悪しは、欠品率・客単価・粗利率に反映されます。食品スーパーマーケット（SM）の欠品による機会損失は売上の2〜4%に達するとされます。在庫管理と棚割りを連動させ、適正なフェース数と補充タイミングを設計することが欠品防止の第一歩です。
業態によって棚割りの重点は大きく異なります。 スーパーマーケット（SM）では、生鮮・日配品の日々の入れ替えに対応しつつ、関連購買（たとえば鍋つゆの横にシメのうどん）を棚割りに組み込むことで客単価を上げます。ドラッグストア（DgS）では、医薬品の法規制（要指導医薬品の陳列制限など）を守りながら、症状別・悩み別の比較軸で顧客を迷わせない設計が求められます。コンビニエンスストア（CVS）では限られた棚で週次の入替を行い、トレンド商品への即応が重要です。
しかし、現状の棚割りは科学的に回っていません。 その理由は三つあります。第一に、棚割り作成がメーカー任せになりやすく、小売側に訓練と知見が蓄積されないこと。第二に、本部が策定した棚割りが店頭で忠実に実現されないこと。第三に、店頭在庫とバックヤード在庫の情報が揃わず、POSという「結果」だけでは「原因」である棚の状態を説明できないことです。この三つの構造的課題を解消しない限り、棚割りの改善は進みません。
「棚割り」とIT活用
棚割りの領域では、AIの活用が急速に進んでいます。ただし、その役割を正しく理解することが重要です。
AIは制約条件下での最適化を担います。 米国では、KrogerがAIを活用して大きさや形の異なる店舗ごとの棚割り最適化を実現しています。ABC分析の結果、売上予測、需要予測のデータ、店舗面積、什器の制約といった条件をAIに与えることで、人間では処理しきれない数千SKUの配置を高速に計算できます。
ID-POSデータが棚割りの精度を上げます。 「何が売れたか」だけでなく「誰がどの組み合わせで買ったか」がわかれば、関連購買を意識した棚割り設計が可能になります。たとえば、ベビー用品売場で紙おむつと一緒にスキンケア商品が買われている傾向がわかれば、隣接配置の根拠になります。CRM（顧客関係管理）と連動させることで、ロイヤル顧客の購買パターンに基づく棚割りも可能です。
次の進化は生成AIによる「比較軸の自動設計」です。 顧客の検索履歴や購買データから最適な分類軸を提案し、POPコピーまで生成する——そうした活用が現実味を帯びています。ただしAIは制約条件下での最適化を担うに過ぎません。「誰に、どう選ばせるか」という設計意図を定義するのは人間の仕事です。棚割りの本質を語れる人間がいなければ、AIもまた部分最適の罠に陥ります。
画像認識による棚の可視化も進んでいます。 店頭の棚をカメラやスマートフォンで撮影し、AIが商品の陳列状態を自動で認識する技術が実用化されつつあります。欠品、前出し不足、本部指示との乖離をリアルタイムで検知できれば、先に挙げた「棚の状態が見えない」という構造的課題の解消につながります。DXの本質は、見えなかったものを見えるようにすることにあります。
まとめ
棚割りは、商品を並べる作業ではなく、顧客の「比較と選択」を設計する仕事です。比較軸を先に決める、棚単体で完結させずバスケット全体で評価する、欠品と作業負荷を防ぐ「守る設計」を徹底する——この三原則が棚割りの基盤になります。AIやデータ分析は強力な武器ですが、「誰に、どう選ばせるか」という設計意図を持つのは人間です。まずは自店の棚の前に立ち、顧客がどのように商品を見て、選んでいるかを観察することから始めてみてください。
関連用語:
