バスケットサイズ
バスケットサイズ（アイテム数で測るか金額で測るかに応じて、平均注文金額やバスケットカウントとも呼ばれる）とは、顧客が1回の取引で購入する量を指し、アイテム数または総支出額のいずれかで測定される。平均だけでなくバスケットサイズの分布を追跡することで、ほとんどの注文が単一アイテムに集中しているのか、複数アイテムの購入が一般的であるのかが明らかになり、バンドル戦略やクロスセル戦略の形成に役立つ。これは最もシンプルでありながら、最も実用的なEコマース指標の一つである。
バスケットサイズの定義
バスケットサイズとは、顧客が1回の取引で購入する量を表す。これは関連しているが異なる2つの方法で測定される。アイテム数ベースのバスケットサイズは注文に含まれる異なる商品（またはユニット）の数であり、金額ベースのバスケットサイズは支出された総額であり、より一般的に議論される平均注文金額（AOV）と密接に重なる。あるストアでは同じ報告期間に平均バスケットサイズ2.3アイテム、平均注文金額68ドルと報告するかもしれない——どちらもバスケットサイズの測定値だが、異なる軸に沿ったものである。バスケットサイズは小売業界で最も古い指標のひとつであり、実店舗の食料品店や百貨店の用語から直接借用されたもので、文字通りチェックアウト時にショッピングバスケットがどれだけ満杯かを指していた。Eコマースにおいても、物理的なバスケットが存在しないにもかかわらず、この概念はそのまま引き継がれている。
バスケットサイズの測定方法
アイテム数ベースのバスケットサイズは、一定期間の総販売ユニット数を総注文数で割って計算される。金額ベースのバスケットサイズ（平均注文金額）は、同期間の総収益を総注文数で割ったものである。どちらも計算は簡単だが、平均値だけを調べると誤読しやすい。あるストアが月に1,000件の注文がある場合を考えてみよう。平均バスケットサイズが1.8アイテムの場合、ほとんどの注文がちょうど2アイテムで、少数の単一アイテム注文が平均をわずかに引き下げている可能性もあれば、注文の70%が単一アイテム購入で、少数の大口複数アイテム注文が平均を引き上げている可能性もある。これら2つのシナリオはまったく異なる戦術を必要とする——前者はバスケットサイズがすでにある程度安定しており、さらなる向上には新しいクロスセルの仕組みが必要であることを示唆し、後者は適切なプロンプトがあれば2つ目のアイテムに誘導できる可能性のある単一アイテム購入者が多数存在することを示唆する。これこそが、すべての注文におけるバスケットサイズの完全な分布——単一の平均値だけでなく——を見ることで、平均値だけよりも実用的な情報が得られる理由である。
バスケットサイズがEコマースブランドにとって重要な理由
バスケットサイズは、追加のトラフィックやマーケティング費用なしで増やせる数少ない指標のひとつである。なぜなら、クロスセルやバンドルオファーが提示される時点で、ストアはすでに購買意欲のある訪問者を抱えているからである。バスケットサイズをわずかでも増やすことは、大量の注文ボリューム全体で意味のある複合効果を生む。なぜなら、既存の注文に1アイテムを追加して履行する際の限界的なコスト（配送の共有、梱包の共有）は、別の取引のためにまったく新しい顧客を獲得するコストよりも一般的に低いからである。バスケットサイズの分布はカタログに関する構造的な情報も明らかにする。ほぼすべての注文が単一アイテムであるストアは、自然なペアリングのない大部分が無関係な商品のカタログを持つ可能性があり、一方でバスケットサイズに幅広い分布があるストアは、顧客がすでに自発的に発見している補完的な商品ラインを持ち、チェックアウトでそのパターンをより明示的にすれば未開拓のバンドル機会があることを示唆している。
バスケットサイズと関連指標
| 指標 | 測定内容 | 主な用途 |
|---|---|---|
| アイテム数ベースのバスケットサイズ | 注文あたりの平均アイテム数 | 商品構成、バンドル戦略 |
| 平均注文金額（AOV） | 注文あたりの平均金額 | 収益予測、送料無料の閾値設定 |
| バスケットサイズの分布 | 全注文におけるアイテム数または金額の分布 | クロスセルとバンドルの機会の特定 |
| 取引あたりユニット数 | アイテム数ベースのバスケットサイズと同じ、小売業界で互換的に使用 | 在庫および需要計画 |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
バスケットサイズとAI駆動型コマース
ショッピングがますます会話型AIアシスタントを通じて行われるようになるにつれ、バスケットサイズはやや異なる形状を帯びてくる——顧客に代わって購入を完了するAIショッピングエージェントは、ブランドの商品データが自然なペアリングをどれだけ明確に表現しているかに応じて、補完的なアイテムを追加する傾向が強くなったり弱くなったりする。バンドルや親和性データが適切に構造化されているブランドは、AIショッピングアシスタントに対して、適切に調整されたオンサイトのクロスセルモジュールと同じように、「こちらもいかがですか」と提案するための明確な根拠を提供する。AmICitedのeshop_get_product_bundlesレポートには、バンドル推奨とともにバスケットサイズの分布が含まれている。その理由は、この2つが関連しているからである——すでに頻繁に一緒に購入されている商品を知ることは、現在のバスケットサイズに実際に成長の余地がどの程度あるのかという理解と組み合わされて初めて実用的になる。
バスケットサイズを拡大するためのベストプラクティス
- クロスセルやバンドルに投資する価値があるかどうかを判断する前に、平均だけでなくバスケットサイズの分布を見る
- 現在の平均注文金額よりやや高めに送料無料の閾値を設定し、境界線上の買い物客にもう1アイテム購入するよう促す
- 仮定ではなく実際の購買パターンデータを使用して、どの商品をバンドルまたはクロスセルするか決定する
- 商品ページ、カート、チェックアウトなど複数のポイントでクロスセルの配置をテストする——カタログのタイプによって配置ごとに転換率が異なるため
- 価格に敏感なセグメントに対してはクロスセルを積極的に押しすぎないようにする。バスケットサイズを拡大するどころか、転換率を抑制する可能性がある
バスケットサイズに関するよくある間違い
よくある間違いは、基礎となる分布を確認せずに平均注文金額だけを追い求めることであり、少数の大口注文が平均を支えている一方で、顧客ベースの大部分は依然として単一アイテムを購入しているという事実を隠してしまう——全体としては問題なく見える指標だが、真の機会がどこにあるかを隠してしまう。もうひとつの頻繁な問題は、実際の注文データではなく、 マーチャンダイザーの「何が」うまくペアリングされるべきかという仮定に基づいて、真の購買親和性のない商品をバンドルすることであり、これは転換率の低いバンドルオファーを生み出す傾向がある。3つ目の間違いは、現在の平均バスケットサイズをはるかに超える送料無料の閾値を設定して、大口注文を強制しようとすることである——これは多くの場合、それだけの金額を使いたくない、または使えない買い物客の転換率を抑制するだけで、バスケットサイズを真に拡大することにはならない。既存の平均に近い閾値を設定し、徐々に引き上げる方が、大きなジャンプよりも効果的である。最後に、バスケットサイズを金額でのみ測定し、アイテム数ではまったく測定しないストアもある。これにより、高額なアイテムを1つ購入する顧客と、複数の安価なアイテムを購入する顧客の違いを見逃してしまう——同じ注文金額であっても、この2つのシナリオは非常に異なるクロスセル戦略を必要とする。