返品率

返品率の定義

返品率とは、顧客が購入した製品をストアに返送した割合を測定する指標であり、通常、一定期間における販売ユニット数または注文件数のパーセンテージで表されます。返品はさまざまな理由で発生します — 製品が合わなかった、説明と一致しなかった、破損して到着した、または単に期待に応えられなかったなど — そして返品率は、ストアの商品ページ、サイズガイダンス、品質管理がどの程度機能しているかを示す総合的なシグナルとして機能します。低い返品率は、一般的に顧客が購入前に購入商品について正確なイメージを得ていることを示し、高いまたは上昇傾向の返品率は、購買体験のどこかで期待と現実の間にギャップがあることを示しています。

返品率の計算方法

基本の計算式：

返品率 = 返品ユニット数 ÷ 販売ユニット数 × 100

計算例：アパレルブランドが1ヶ月で新作ジャケット4,000ユニットを販売し、その後の数週間で640件の返品を受け取った場合。返品率 = 640 ÷ 4,000 × 100 = 16％。

返品率はユニット数ではなく収益ベースでも計算できます。これにより、金額で加重した計算が可能になります：返品された640着のジャケットの平均価格が80ドル（返品収益51,200ドル）で、ジャケットの総収益が320,000ドルの場合、収益ベースの返品率は51,200 ÷ 320,000 × 100 = 16％となります。このケースでは同じですが、高価格帯または低価格帯のバリエーションが不釣り合いに返品される場合、両者の数値は乖離します。プレミアムで高価格のカラーオプションだけが返品の大部分を占めている場合、収益ベースの返品率はユニットベースの率よりも高くなり、ユニット数だけでは示唆されるよりも集中した財務的影響が明らかになります。

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

始める お問い合わせ

返品率がeコマースブランドにとって重要な理由

返品率は、収益性に直接的でしばしば過小評価される影響を与えます。失った売上そのものだけでなく、各返品には通常、返品配送料、再入庫の労務費、そして製品カテゴリによっては返品された商品が定価で再販できない可能性 — 場合によっては全く再販できないことも — が伴います。これらのコストは該当SKUの貢献利益を侵食し、もともと利益率が薄いカテゴリでは、返品の全コストを考慮に入れると、一見収益性の高い製品が採算ギリギリの製品に変わる可能性があります。

返品率はまた、顧客満足度と製品市場適合性を示す先行指標でもあります。新製品の発売時に異常に高い初期返品率が見られる場合、多くの場合、サイズの問題、誤解を招く商品写真、または品質の問題を示しています。レビューやリピート購入の減少として現れる前にそのシグナルを早期に捉えることで、マーチャントは商品ページや製品自体を修正する時間を確保できます。

カテゴリ別の返品率ベンチマーク

これらの範囲は固定された業界標準というよりは参考値です — 自店舗の経時的なトレンドや、自社のSKU間での比較の方が、一般的にカテゴリ間のベンチマークよりも実用的です。

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

返品率とAI主導のコマース

AIショッピングアシスタントが、サイズ、素材、互換性など購入前の詳細な質問に顧客に代わって答えるようになるにつれて、これらのアシスタントが参照する製品データの精度が返品率に大きな影響を与える要素となっています。購入前にAIアシスタントからフィット感や互換性について明確で正確な回答を得た買い物客は、曖昧な商品説明から推測した買い物客よりも、到着時に製品に驚かされる可能性が低くなります。これにより、構造化された正確な製品データは、SEO対策としてだけでなく、返品削減の手段としてもますます重要になっています。

AmICitedのeshop_list_status_mapツールは、接続されたストアの注文ステータスの全ライフサイクルを追跡し、返品も含めて把握することで、マーチャントが生の注文データの上にカスタムレポートを構築することなく、返品量やパターンを可視化できるようにします。

返品率管理のベストプラクティス

• 少数の問題製品が総返品の不釣り合いに大きな割合を占めることが多いため、ストア全体だけでなくSKUレベルで返品率を追跡する。
• ユニットベースと収益ベースの返品率を比較し、高価格の製品が全体平均よりも高い率で返品されているケースを特定する。
• 平均以上の返品率を示すSKUについては、商品ページの精度（サイズ表、複数のアングル写真、正直なフィット感と素材の説明）を改善する。
• 返品量だけでなく、返品理由も分析する。「サイズが合わなかった」と「破損して到着した」では、全く異なる対策が必要となる。
• 返品を純粋な売上損失として扱うのではなく、返品関連コストを貢献利益の計算に組み込む。

よくある返品率の間違い

返品率をストアレベルでのみ追跡すること。 ストア全体の複合的な返品率は一見問題なく見えても、平均の2〜3倍の返品率を持つ特定のSKUがいくつか隠れている可能性があります。製品別に数値を分解して、実際の問題がどこにあるのかを見つけましょう。

返品理由データを無視すること。 返品率だけでは返品が発生したことはわかっても、その理由はわかりません。理由を分類せずに（サイズ違い、輸送中の破損、説明と異なる）、対策がより良いサイズ表なのか、より良い梱包なのか、それとも製品の品質問題なのかを判断することは困難です。

すべての返品を純粋な収益損失として扱うこと。 返品された在庫の中には最小限のコストで定価再販できるものもあれば、完全に償却となるものもあります。すべての返品を同じコスト枠にまとめてしまうと、カテゴリによって実際の財務影響を過大評価または過小評価することになります。

高い返品率に反応して製品を完全に削除すること。 高い返品率は、製品を廃止する必要はなく、より良い商品ページ、より正確なサイズ情報、または改善された梱包で修正可能な場合があります。SKUを削除する前に根本原因を診断することで、適切な表示方法を必要としているだけの製品を失うことを防げます。

貢献利益の計算時に返品率を考慮しないこと。 粗利益ベースや、返品関連コストを無視した単純な貢献利益の計算では収益性が高いように見えても、再入庫の労務費、返品配送料、販売不能な在庫を適切に含めると、採算ギリギリになる製品があります。