返金率
返金率とは、一定期間におけるストアの注文のうち、返金された割合を指します。返金された注文数（または返金された売上）を総注文数（または総売上）で割って算出します。商品品質、顧客の期待値、正味売上の実態を示す、中核的な健全性指標です。
返金率の定義
返金率とは、一定期間においてストアの売上や注文のうち、最終的に顧客に返金された割合を測定する指標です。最も一般的には、返金された総売上を総売上で割り、パーセンテージで表します。これは、ストアの表面上の総売上と実際に手元に残る金額とのギャップを示す最も明確なシグナルのひとつであり、間接的な品質シグナルとしても機能します。返金率の上昇は、製品説明の不一致、サイズやフィット感の問題、品質管理の問題、または輸送中の破損などを示唆していることが多く、それらの問題がカスタマーレビューやサポートチケットに明確に現れるよりもはるかに早く察知できます。返金率は返品率とは異なります。後者は物理的な商品の返送を具体的に追跡するものであり、返金は物理的な返品を伴わずに発生することもあるため（例えば、破損した商品について顧客にそのまま保持するよう伝えて部分返金を行う場合）、この2つの指標は関連しているものの互換性はありません。
返金率の計算方法
標準的な計算式は、返金された売上を同期間の総売上で割るものです。計算例：あるストアが1ヶ月に20万ドルの売上を計上し、同期間に14,000ドルの返金を処理した場合、14,000ドル÷20万ドル、すなわち返金率7%となります。一部のストアでは、売上ベースではなく注文数で返金率を計算する場合があります（返金注文数÷総注文数）。返金が高額商品または低額商品に偏って発生する場合、この計算方法は異なる数値を生み出す可能性があります。返金が最も高額な商品に集中しているストアでは、売上ベースの返金率が注文ベースの返金率よりも高くなり、その逆も同様です。
返金率は、ストア全体でのみ追跡するのではなく、商品カテゴリや個別SKUごとに分解することで最も実用的な指標となります。ストア全体の返金率が7%であっても、実際にはほとんどのカテゴリで2%、サイズ問題のある特定のアパレルラインで25%という内訳である可能性があります。この内訳は全体の数値では見えませんが、一度特定されれば緊急に対処すべきものです。
返金率がEコマースブランドにとって重要な理由
返金率が重要なのは、収益性への影響が粗利収益への影響に比べて不釣り合いに大きいからです。注文が返金されると、ストアはその販売の利益だけでなく、多くの場合、商品を届けるためにすでに発生した配送コスト、すでに支払われた決済処理手数料（取引が取り消されても返金されないことが多い）、そして返品された商品が再販可能でない場合は商品原価も失うことになります。そのため、返金率の高いカテゴリは、顧客サービスが返金処理に費やす時間を考慮する前であっても、実際の収益性が売上の数字から想定されるよりもはるかに低くなる可能性があります。
返金率はまた、早期診断ツールとしても機能します。特定の商品、ロット、または配送業者に集中した返金の急激な増加は、製造上の欠陥、不正確なサイズ表、またはフルフィルメントパートナーによる梱包の破損など、上流で何か問題が発生したことを示す最も迅速なシグナルであることが多く、その問題が顧客生涯価値やリピート購入率といったより動きの遅い指標に現れるよりもはるかに早く察知できます。
返金率と関連指標の比較
| 指標 | 測定内容 | トリガー |
|---|---|---|
| 返金率 | 返金された売上／注文の割合 | 加盟店発行の返金（物理的な返品の有無を問わない） |
| 返品率 | 物理的に返送された注文の割合 | 顧客が商品を返送 |
| チャージバック率 | 顧客の銀行を通じて異議申し立てが行われた注文の割合 | 顧客がカード発行会社に異議申し立て |
| 純収益維持率 | 既存顧客からの経時的な収益変化 | 返金のみより広範。アップセル、解約、返金を含む |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
返金率とAI主導のコマース
ChatGPT ShoppingやAmazon RufusなどのAIショッピングアシスタントが、サイズ案内や返品ポリシーを含む商品詳細を要約して顧客の購入判断を支援するようになるにつれて、その基礎となる情報の正確性が返金率に直接結びつくようになっています。曖昧または一貫性のないサイズ情報が記載された商品ページは、AIアシスタントによって抽出され、場合によっては言い換えられて表示されることで、不完全な情報に基づいて判断した顧客による購入を促進し、結果として防ぐことのできた返金を生み出す可能性があります。事前に適切な商品データがあれば回避できたはずのものです。AIの可視性に向けて商品コンテンツを最適化しているストアは、サイズ、素材、フィット感の詳細を明確にするインセンティブを持っています。なぜなら、その明確さがAIアシスタントによる誤った情報提供と、返金につながる顧客の誤解の両方を減らすからです。
また、返金率は、ストア自身の注文ステータスデータがクリーンでない場合に誤って計算されやすくなります。というのも、プラットフォームによって返金済み、一部返金済み、キャンセル済みの注文のラベル付けが異なるためです。AmICitedのeshop_list_status_mapツールは、プラットフォーム独自のネイティブな注文ステータス（返金された注文を含む）を一貫した状態セットにマッピングします。これは、特に異なるステータス規則を持つ複数のストアフロントプラットフォームで運営しているマーチャントにとって、返金率を正確に計算する上で重要です。
返金率管理のベストプラクティス
- 返金を一律の問題として扱うのではなく、カテゴリやSKUごとに返金率を追跡し、特定の問題商品を特定する。
- 返金理由コードを体系的に取得しレビューする。サイズ、破損、「説明と異なる」、品質問題はそれぞれ異なる対策を示唆する。
- 歴史的に返金率が高いカテゴリでは、商品ページの精度（サイズ表、素材の詳細、正確な写真）を積極的に改善する。
- 特定のロット、仕入先、または配送業者に関連する急激な返金率の上昇を監視する。これは多くの場合、需要の問題ではなく、修正可能な運用上の問題を示している。
- 返金率を売上ベースと注文数ベースの両方で計算し、両者が有意に乖離するケースを見逃さない。
- 返金を単なる「売上の取消し」として扱うのではなく、返金関連コスト（処理手数料、すでに発生した配送費、再販不可能な在庫）を実際の利益率の計算に組み込む。
よくある返金率の間違い
よくある間違いのひとつは、返金率をストア全体の集計レベルでのみ追跡することです。これにより、高い返金率の商品が、一見健全に見える全体の数値の中に隠れ、すでに大きな利益損失を引き起こしてから初めて気づくことになります。もうひとつの一般的な問題は、すべての返金を同等のイベントとして扱い、理由コードを取得しないことです。これにより、サイズの問題、配送時の破損の問題、単なる気の変化を区別することが不可能になり、それぞれにまったく異なる対策が必要となります。また、一部の merchant は期間をまたいで返金率を一貫性なく計算し、ある時は元の注文が行われた期間に返金を計上し、別の時は返金自体が処理された期間に計上するため、注文とその返金が異なる月に発生した場合にトレンド分析が歪められます。最後に、より微妙な間違いとして、返金された販売価格を超えた返金の真のコストを無視することが挙げられます。配送、処理手数料、再販不可能な在庫はすべて実際のコストを追加するものであり、単純な返金率のパーセンテージでは捉えきれません。つまり、同じ返金率であっても、コスト構造によって2つのカテゴリの実際の収益性への影響は大きく異なる可能性があるのです。