クロスセル率
クロスセル率とは何か、その計算方法、平均注文額にとって重要な理由、および商品バンドルを活用した改善方法について学びます。...
1 分で読める
クロスセルの定義
クロスセルとは、すでに別の商品を購入または検討中の顧客に対して、補完的または関連性のある商品を勧める販売手法であり、注文の総額を増やすことを目的としています。古典的な例として、カメラを購入する顧客にメモリーカード、カメラバッグ、予備バッテリーを提案することが挙げられます。これらは主要な購入品を代替するのではなく、実用的な価値を追加するものです。クロスセルは、顧客が検討中の同じ商品のより高額なバージョンへと誘導するアップセルとは異なります。どちらの戦術も注文金額の増加を目指しますが、クロスセルはバスケットを広げることで実現し、アップセルは単一アイテムの価格を引き上げることで実現します。
クロスセルの仕組み
効果的なクロスセルは、真に補完的な商品を特定し、顧客が最も受け入れやすいタイミング（商品ページの閲覧中、チェックアウト前のカート確認中、または購入完了直後）に提案することに依存しています。レコメンデーション自体は、マーチャンダイザーがカテゴリロジックに基づいて手動でキュレーションすることも、実際の購入履歴からアルゴリズムで生成することもできます。最も一般的な手法は、過去の多くの注文に基づいて、どの商品が頻繁に一緒に購入されているかを特定するアソシエーション分析です。
具体例：ランニングシューズを販売するストアが、注文履歴から、特定のシューズモデルを購入した顧客が、同じ注文の中で吸湿速乾性のソックスも有意な割合で購入していることに気づいたとします。これは偶然予想される頻度をはるかに上回ります。そのソックスをシューズの商品ページやカートに「よく一緒に購入されている商品」として表示することで、本来は別々の取引になっていたであろう購入、あるいは完全に逃していたであろう購入を獲得し、追加のトラフィックや広告費を必要とせずに、そのシューズの平均注文金額を増加させることができます。
クロスセルがeコマースブランドにとって重要な理由
クロスセルは、顧客あたりの収益を増やすためのより効率的な手段の一つです。なぜなら、新たなマーケティング費用をかけて獲得する必要があるのではなく、すでに存在するトラフィックと需要に作用するからです。購入マインドセットにあり、積極的に購入を完了している顧客は、まだ何も買うことを決めていない冷めた訪問者よりも、関連性のある追加提案を受け入れやすい傾向にあります。適切に行われれば、クロスセルは顧客が思い至らなかった本当に役立つアイテム（例えば、電話を購入した顧客に、電話が届く前にケースと画面保護フィルムが必要になることを思い出させるなど）を提案することで、顧客体験も向上させます。
リスクは関連性と抑制にあります。一般的なアップセルのように感じられる、購入商品と無関係な、またはチェックアウト時にあまりに積極的に表示されるクロスセルレコメンデーションは、顧客を苛立たせ、注文金額を増やすどころか離脱を増加させる可能性があります。最も効果的なクロスセルプログラムは、想定されたカテゴリロジックではなく、実際の購入データに基づいています。なぜなら、実際の購買パターンは、マーチャンダイザーが推測しなかった組み合わせを明らかにする一方で、理論上は論理的に見えても実際にはめったに一緒に購入されない組み合わせを除外してくれるからです。
比較表：クロスセル vs. アップセル vs. バンドル
| 戦術 | 提供内容 | タイミング | 目的 |
|---|---|---|---|
| クロスセル | 異なる補完的商品 | 商品ページ、カート、購入後 | バスケットを広げる |
| アップセル | 同じ商品のより高額なバージョン | 商品ページ、チェックアウト前 | アイテムの価格を上げる |
| バンドル | 複数の商品をまとめて一つの価格で提供 | 商品ページ、専用バンドル一覧 | 注文金額を増やし、補完的在庫を一緒に動かす |
AI可視性のトレンドを逃さない
AIでの言及、ブランドモニタリング、最適化戦略に関する最新情報をお届けします。
クロスセルとAI主導のコマース
ChatGPT Shopping、Perplexity Shopping、Amazon RufusのようなAIショッピングアシスタントが、買い物客の商品比較や選択を支援するようになるにつれて、クロスセルのロジックはストア自身の商品ページからAIアシスタントの応答そのものへと移行し始めています。アシスタントがカメラを推奨する際に、買い物客が必要とするであろうアクセサリーも併せて提案するようになります。構造化された商品フィードや明示的な「よく一緒に購入される商品」シグナルを通じて、製品データが真の補完関係を明確に文書化しているブランドは、AIアシスタントがレコメンデーションをまとめる際に、アシスタントが一般的なアクセサリーカテゴリを推測するのではなく、それらの関係性が正確に反映されるという有利な立場にあります。
実際にどの商品がクロスセル関係にあるべきかを特定するには、仮定ではなく実際の注文データから行うのが最善です。AmICitedのeshop_get_product_bundlesレポートは、購入履歴を分析し、リフトスコアと信頼度スコアとともにクロスセルの組み合わせを明らかにします。2つの商品が一緒に購入されているという事実だけでなく、偶然の予測よりもどれだけ頻繁に一緒に購入されているかを定量化し、マーチャンダイザーがカートや商品ページのレコメンデーションでどの組み合わせを優先する価値があるかについて、確かな根拠を提供します。
クロスセルのベストプラクティス
- カテゴリの仮定だけではなく、実際の共同購入データに基づいてクロスセルのレコメンデーションを行う。実際の購買パターンは、論理的に見えるものからしばしば乖離するため
- クロスセルの提案は自然な意思決定ポイント（商品ページ、カート、購入後確認）に配置し、チェックアウトフロー自体を中断しないようにする
- 一度に表示するレコメンデーションの数を制限する。少数の関連性の高い提案は、多数の緩く関連した提案のリストよりも効果的である
- クロスセルの組み合わせは定期的に見直す。新しい製品の発売、季節性、顧客の嗜好の変化によって購買パターンは変化するため
- クロスセルの配置による増分注文金額の向上を具体的に追跡する。レコメンデーションウィジェットが存在するという理由だけで機能していると想定しない
よくあるクロスセルの間違い
よくある間違いは、純粋にカテゴリの隣接性に基づいてクロスセルを行うことです。例えば、それらの特定のアイテムが実際に一緒に購入されたことがあるかどうかに関わらず、常に「このカテゴリの他のアイテム」を勧めることで、一般的に感じられ顧客が無視しやすいレコメンデーションを生み出してしまいます。もう一つの一般的な問題は、一度にあまりに多くのクロスセル提案を表示し、シンプルさと関連性が量よりも効果を発揮する意思決定のポイントで、顧客に選択肢を過剰に与えてしまうことです。また、一部のストアではクロスセルのプロンプトを間違ったタイミングで配置し、顧客が支払いを完了しようとしているまさにその時に新しい提案でチェックアウトフローを中断してしまいます。これは価値を追加するどころか摩擦を生み、離脱を増加させます。さらに、一度設定したクロスセルの組み合わせを再検討しないことも落とし穴です。新しい製品が発売され、顧客の購買パターンが変化するにつれてレコメンデーションが古くなり、1年前には意味があった組み合わせが現在の需要を反映しなくなります。最後に、一部の商人はレコメンデーションロジックにおいてクロスセルとアップセルを混同し、真に補完的なアイテムの方が優れた成果を上げるはずの場面で同じ商品のより高額なバージョンを表示してしまい、各戦術が依存する異なる心理的トリガーを見逃しています。
