次の事業のヒントは、売れ筋ランキングよりも、買われなかった理由にあるかもしれません。
店舗で何度も聞かれる要望。カートに入れたまま購入されない商品。返品時にこぼれたひと言。数字には結果が残っても、その背景までは十分に残らないものです。
AIが変えるのは、アイデアを次々と生み出す速さだけではありません。販売データと顧客の声をつなぎ、見過ごしていたニーズを事業機会として捉え直せること。
ただし、AIが見つけた可能性をそのまま商品化しても、売れる保証はありません。何を確かめ、どこで投資を判断するのか。小売・D2Cの現場から考えます。
AI時代、新規事業の立ち上げは何が変わるのか

商品別売上、購入率、リピート率。POSやECには、すでに多くの定量データが揃っています。分析を重ねれば、何が売れ、どこで購入が止まったのかも見えてくる。
それでも、「なぜ」は残ります。
例えば、あるバッグの売上が鈍ったとき。デザインが好まれなくなったのか、価格なのか、顧客の生活が変わったのか。同じ販売実績から、いくつもの理由が考えられます。
そこで手がかりになるのが、接客記録やレビュー、問い合わせ、返品理由といった定性情報。AIは、こうした声を整理・分類し、売上や購買行動の変化と照らし合わせる作業を支援できます。
数字で捉えた結果と、お客様の言葉から推測できる理由。そのずれに目を向けられること。
新規事業を考える入口が、少し変わります。
ただし、定性情報を集めるだけで顧客インサイトが見つかるわけではありません。「サイズが合わない」という返品理由の裏に、実は着用イメージとのずれがあることも。表面上の言葉を分類したうえで、なぜそう感じたのかを確かめる必要があります。
新規事業の機会は、どこから見つけるべきか

顧客の声から、まだ満たされていない期待を探る
日常使いのバッグを販売するブランドを考えてみます。
レビューでは「軽くて使いやすい」が高評価。一方、店頭では「仕事にも持っていけたら」「雨でも気にせず使いたい」といった声が繰り返されている。
これらを単なる要望として処理するか、使う場面を理解する手がかりとして捉えるかで、次の企画は変わります。
接客メモを蓄積し、AIで共通する言葉や利用シーンを整理。さらに購入商品や買い替えのタイミングと重ねると、「通勤と休日でバッグを持ち替えたくない」という期待が浮かぶかもしれません。
ただし、それはまだ仮説。声が大きい少数の顧客の意見かもしれず、購入していない人の考えも十分には分かりません。
発見した傾向を、需要があるという結論に飛躍させない。 ここから顧客への確認が始まります。
加えて、購入者の声だけを集めると見える景色は偏ります。購入をやめた人、比較した末に他社を選んだ人。その行動や理由を確認してこそ、まだ満たされていない需要の輪郭がはっきりしてきます。
自社の強みが生きる場所を見極める
新規事業は、まったく別の市場へ進出することだけではありません。
素材を選ぶ目、商品開発の経験、顧客との関係、店舗やECの販売基盤。既存事業で築いた資産を、これまでと異なる使い方で生かす道もあります。
先ほどの例なら、用途を広げた商品ラインが候補になるでしょう。ただ、顧客の課題が持ち運び方にあるなら、商品自体より関連サービスを見直す選択肢もある。
「自社がつくれるもの」から考えると、商品ありきになりがちです。顧客が困っていることと、自社だから応えられること。その重なりを見つけるのが事業機会の探索です。
AIを活用して、事業仮説をどう構築・検証するか

定量と定性のギャップから、検証する問いを決める
仮に「仕事にも休日にも使える軽量バッグ」という案が生まれたとします。ここでAIに市場規模や競合、類似商品の評価を調べさせれば、比較の材料は増えます。
しかし、競合に同じ商品が少ないことは、需要の証明ではありません。そもそも欲しい人が少ない可能性もあるからです。
そこで、検証する問いを具体的にします。今はどんなバッグを使い、何に困っているのか。持ち替える手間を減らすために、デザインや機能の何を譲れないのか。どの価格なら購入を考えるのか。
AIには顧客の声と競合情報を整理させ、見落としや反対の可能性を洗い出してもらう。都合のよい答えを増やすためではなく、仮説の弱点を見つけるための活用です。
「欲しい」と「買う」の距離を確かめる
試作品を見た人から「素敵ですね」「欲しいです」と言われたら、手応えを感じるものです。
でも、価格が示されても同じ反応でしょうか。すでに持っているバッグを手放してまで選ぶでしょうか。
聞きたいのは好意的な感想だけではありません。普段の購買行動、比較した商品、購入をためらう理由。アンケートだけではなく、予約申し込みや限定販売への反応も確かめます。
例えば、関心は集まるのに予約が少ないなら、価格の問題なのか、伝え方なのか、そもそも課題が切実ではないのか。原因を絞って次の検証へ進む。
AIが示した可能性を、お客様の行動で確かめる。 企画書の説得力より、この検証の方が事業化には重要です。
新規事業は、小さく試して事業化を判断する

可能性が見えても、いきなり大量生産する必要はありません。
既存顧客への先行案内、限定数での販売、店舗での試用。まずは小さく始め、どんな人が、何を理由に選んだかを確かめる方法があります。
ここでも売れた数だけでは不十分。粗利益は残るか。追加生産の負担はどの程度か。既存の人気商品から売上が移っただけではないか。
新商品が好調でも、事業全体の利益が増えていなければ、投資の判断は変わります。
あらかじめ「どんな結果なら次へ進むか」を決めておくことも欠かせません。反応が弱ければ、対象顧客や商品仕様を変える。採算が合わなければ、計画を止める。
小さく試すのは、早く成功を宣言するためではありません。大きな投資の前に、間違いを見つけるため。
AI時代の新規事業で、経営者が判断すべきこと

AIを使えば、市場や競合を比較した事業案を短時間で並べられます。どれも魅力的に見えるかもしれません。
ただ、伸びそうな市場と、自社が勝てる市場は違います。
顧客との接点はあるか。自社の強みを生かせるか。継続して利益を出せるか。そして、新規事業に人や資金を振り向けたとき、既存事業へどんな影響があるか。
さらに、AIの分析に使ったデータがいつのものか、誰の声が含まれ、誰の声が抜けているかも確認したいところ。精緻に見える資料ほど、前提の偏りを見落としやすいからです。
数字と顧客の声、両方を確かめたうえで、進める・変える・撤退するを決める。AIはその比較を助けても、経営資源の配分まで責任を負ってはくれません。
新規事業を生み出すために、AIと人が担う役割

まだ拾えていないお客様の声。数字だけでは気づけなかった購入へのためらい。既存商品では満たされていない期待。
そこに、新しい事業の入り口があります。
AIは情報を整理し、見落としていた傾向や仮説を示す。一方、顧客に確かめ、どの価値を届けるかを選び、投資を判断するのは人の役割です。
新規事業を生むのは、アイデアの数ではありません。顧客を理解し、小さく確かめ、事実に基づいて選択を重ねること。
AIはその判断の視野を広げ、速度を上げるために使う。それが、AI時代の新規事業の立ち上げ方です。



