Slide 1
1
AI需要予測・OMO統合：EC化率と粗利の構造的改善
マルセイ流通
2026.06 · Confidential
Slide 2
2
目次
01エグゼクティブサマリー
02マルセイ流通のEC化率12%は『全国平均超え』の仮面
03ドラッグストア食品前年比5.5%増・ネットスーパー攻勢
04地方SMバロー31店舗
05既存POS/EC/在庫へのAPI連携前提のスモールスタート設計
06三施策はKPI貢献が重ならず積み上がる
07ポイント会員30万人のEC未利用層こそ最大の埋蔵LTV
08現状維持コストは年間数億円規模の粗利毀損
Confidential2 / 56
Slide 3
3
エグゼクティブサマリー
Executive Summary
Confidential3 / 56
Slide 4
4
EC化率12%・粗利28%の今こそ、三位一体で食品ロス5%を2%へ・粗利30%超へ転換する最終局面
【現状】マルセイ流通は地方発中堅食品小売（約40店舗・年商約180億円・EC月商約2億円＝EC化率約12%・ポイント会員約30万人・客単価約3,200円・粗利率約28%）。
【課題】その表面的な優位の裏で構造転落が進行している——イオンが約380店舗にAI需要予測を展開し発注時間50%・在庫30%削減を実現、ネットスーパーが地方へ攻勢、ドラッグストアが食品で前年比5.5%増の侵食を続ける中、AI×OMO未整備のままでは『縮みゆく優位』が現実の客数・シェア喪…
【提案の核心】既存POS・EC・在庫システムへのAPI連携を前提にスクラッチ投資ゼロで、AI需要予測×OMO顧客統合×接客AIの三位一体を、Phase1（在庫最適化・即効）→Phase2（OMO統合）→Phase3（接客AI・LTV）の段階導入で起動する。
(1) エグゼクティブサマリー：EC化率12%・粗利28%の『縮みゆく優位』を、三位一体でPhase1単独1.5〜2年回収・粗利30%超へ転換する最終局面
(2) マルセイ流通のEC化率12%は『全国平均超え』の仮面の下で構造転落が進行する『縮みゆく優位』である。
Confidential4 / 56
Slide 5
AI需要予測・OMO統合：EC化率と粗利の構造的改善
Slide 6
6
01
エグゼクティブサマリー
Executive Summary
Confidential6 / 56
Slide 7
7
マルセイ流通のEC化率12%は、いま全国平均を上回っている
だがこれは勝ち取った優位ではなく、過去に獲得した遺産が目減りしている最中の数字である。
一方で貴社の足元では、食品ロス率約5%と需要予測の属人化が同時進行し、店舗とECの在庫・顧客データは分断されたままだ。
現状維持のコストは、待てば待つほど膨らむ
さらに需要予測の属人化は、発注担当一人の異動・退職で予測品質が急落する単一障害点として残る
Confidential7 / 56
EC化率（%） 8% 9% 10% 11% 2021年 2022年 2023年 2024年 8.78% 9.13% 9.38% 9.78%
出所：経済産業省 令和6年度電子商取引に関する市場調査（2025-08-26）
Slide 8
8
スーパーマーケットバロー（31店舗、2024年1〜5月検証）：食品廃棄ロス18%削減、欠品19%削減、発注作業時間27%削減、売上2.3%増、利益4.9%増
+113% 前年比改善率(%) 0 1 2 3 4 5 売上 利益 2.3 4.9
出所：ソフトバンク サキミル導入事例（2024-01-01）
Confidential8 / 56
Slide 9
9
段階導入ロードマップ：Phase1 AI需要予測×在庫連携（即効）→Phase2 OMO顧客統合→Phase3 接客AI・LTV最大化、各フェーズにGo/No-Goマイルストーン…
月 Phase1 AI需要予測×… Go/No-Go判定 Phase2 OMO顧客統合 Phase3 接客AI・LT… 0 3 6 9 12 15 18 5 0 6 7
出所：内部測算（業界標準実装期間を基にした工程設計）
Confidential9 / 56
Slide 10
10
02
マルセイ流通のEC化率12%は『全国平均超え』の仮面
A Misleading Metric
Confidential10 / 56
Slide 11
11
だが、この数字を『成果』と読むのは危うい
すなわち、本章が突き付ける問いは一つ——この優位は積み上がっているのか、それとも静かに溶けているのか、である。
市場全体のEC化率は構造的に上昇を続けている。
優位の絶対値ではなく、市場平均との差分こそが競争力の実体であり、その差分は何もしなければ毎年目減りする。
食品ECは物販カテゴリの中で最も伸びが速い土俵であり、ここでの遅れは最も高くつく
Confidential11 / 56
Slide 12
12
日本の物販EC化率は2021年8.78%→2022年9.13%→2023年9.38%→2024年9.78%と緩やかに上昇
EC化率(%) 8 8.1 8.4 8.7 9 9.3 9.6 9.9 2021年 2022年 2023年 2024年 8.78 9.13 9.38 9.78 物販EC化率
出所：経済産業省 令和6年度電子商取引に関する市場調査（2025-08-26）
Confidential12 / 56
Slide 13
13
03
ドラッグストア食品前年比5.5%増・ネットスーパー攻勢
Competitive Threats Rising
Confidential13 / 56
Slide 14
14
マルセイ流通のEC化率12%という数字は、競合不在の真空地帯で築いた優位ではない
隣接業態が同じ食品需要を奪い合う構図のなかで、客数とシェアは既に外側から削られ始めている。
市場全体が拡大しているのではなく、伸び率の高い業態が来店頻度と買い回りを奪っている——これが構造の本質である。
侵食はドラッグストアだけにとどまらない。
マルセイ流通のEC化率12%は食品平均4.52%を上回るが、それは『過去に獲得した優位』に過ぎない。
Confidential14 / 56
Slide 15
15
2025年スーパーマーケット販売額は前年比4.7%増（16兆8,026億円）に対し、ドラッグストアは前年比5.5%増（9兆4,129億円）でSM来店客を侵食
+17% 前年比成長率(%) 0 1 2 3 4 5 6 スーパーマーケット ドラッグストア 4.7 5.5
出所：経済産業省 2025年小売業販売動態統計（2026-04-14）
Confidential15 / 56
Slide 16
16
マルセイ流通の競合ポジション：デジタル活用度・顧客統合度の両軸でイオン・オイシックス・ヤオコーに対し遅れ（要確認・推定軸）
イオンオイシックスヤオコーマルセイ流通マルセイ流通デジタル顧客接点の充実度店舗×EC在庫統合度
出所：内部測算（competitive_landscape由来の推定マッピング）
Confidential16 / 56
Slide 17
17
食品ロス率約5%が毀損する粗利は、見過ごせない規模に達している
マルセイ流通の在庫ロスは「需要が読めない」問題ではなく、「需要を読む力が一人の頭の中にしかない」という構造問題である。
発注は担当者の経験と勘に依存し、その判断ロジックは形式知化されていない。
本章は、この単一障害点を放置するコストを直視することから始める
属人化の代償は、過剰在庫（値下げロス）と欠品（機会損失）の両面で同時に発生する。
Confidential17 / 56
Slide 18
18
04
地方SMバロー31店舗
Regional Store Footprint
Confidential18 / 56
Slide 19
19
最も近いベンチマークはスーパーマーケットバロー31店舗である
だがこの前提は、すでに同規模の地方SM自身が反証している。
本章の結論は一つ——『地方では無理』は仮説として死んでおり、今やらない技術的・事業的理由は存在しない。
発注属人化の解消では、株式会社マルイ（岡山・鳥取・島根展開のSM）の実証が決定的である。
これら地方SMの実証は、イオンの大規模事例と役割が異なるが矛盾しない。
Confidential19 / 56
Slide 20
20
イオンリテール：AI需要予測導入で発注作業時間50%削減（90分→45分）、予測精度最大40%改善、在庫平均30%削減、欠品15%減少（約380店舗展開）
−50% 発注作業時間(分) 0 20 40 60 80 100 現状 AI導入後 90 45
出所：AI活用企業事例集（UNIT BASE株式会社まとめ）（2026-01-01）
Confidential20 / 56
Slide 21
21
食品ロス削減に取り組む企業の加工食品対策：見切り品コーナー設置72.1%、自動発注システム導入54.7%、AI需要予測高度化20.9%（N=172社）
実施率(%) 0 10 20 30 40 50 60 70 80 見切り品コーナー設置 自動発注システム導入 AI需要予測高度化 72.1 54.7 20.9
出所：農林水産省 食品ロス削減実態調査（流通経済研究所）（2025-01-01）
Confidential21 / 56
Slide 22
22
05
既存POS/EC/在庫へのAPI連携前提のスモールスタート設計
API-First Modular Design
Confidential22 / 56
Slide 23
23
だがこの成果は、大規模な基幹刷新とスクラッチ前提の投資体力があってこそ成立する
スクラッチ投資ゼロという設計思想こそが、制約①②③を同時に満たす土台である。
ここで想定される最大の反論を先回りで潰す——「既存POS・EC・在庫システムとの連携が複雑でコストが膨らむのでは」
見積りを机上の仮定で膨らませるのではなく、事実で置換してから次に進む構造だから、見積膨張リスクを構造的に抑え込む。
連携可否は、現状のPOS・EC・在庫管理が標準的なAPI連携またはデータ出力に対応していることを前提とする。
Confidential23 / 56
Slide 24
24
国内食品小売の主力プレイヤーがAI需要予測で定量的な成果を上げている直接ベンチマーク
−50% 0 20 40 60 80 100 現状 改善後 90 45
出所：AI活用企業事例集（UNIT BASE株式会社まとめ）
Confidential24 / 56
Slide 25
25
06
三施策はKPI貢献が重ならず積み上がる
Three Pillars, Zero KPI Overlap
Confidential25 / 56
Slide 26
26
本提案の構造はその逆だ
すなわち、外部からの追加投資を最小化しながら、粗利・EC化率・LTVを段階的に積み上げる設計である。
Phase1のAI需要予測は食品ロス率と発注工数、すなわち粗利と在庫回転に効く
Phase2のOMO顧客統合は店舗会員のEC転換、すなわちEC化率とチャネル横断の購入頻度に効く
Phase3の接客AIはF2転換とリピート、すなわちLTVに効く
Confidential26 / 56
Slide 27
27
AI需要予測×OMO×接客AIの三施策はKPI貢献領域が重ならず在庫最適化から積み上がる複合インパクト構造を持つ（各軸の貢献度は業界ベンチを基にした推定）
在庫ロス削減 EC化率向上 LTV向上 粗利率改善 業務工数削減 AI需要予測 OMO顧客統合 接客AI
出所：内部測算（バロー/イオン/オイシックス実証を基に施策別KPI貢献を推定）
Confidential27 / 56
Slide 28
28
07
ポイント会員30万人のEC未利用層こそ最大の埋蔵LTV
Untapped LTV in Loyalty Base
Confidential28 / 56
Slide 29
29
この埋蔵LTVは、食品EC市場そのものが追い風に入っているからこそ今起動する価値がある
これがEC月商2億円（出典：brief提示の実数値）
すなわち食品ECの需要は構造的に立ち上がりつつあり、店舗のみ会員をECへ転換させる『受け皿』が市場側で整い始めている。
EC未利用の会員層は、放置すれば競合のネットスーパーに先に拾われる潜在顧客にほかならない。
LTV最大化が会員データ活用に直結することは、食品EC×OMOの先行モデルが実証している。
Confidential29 / 56
Slide 30
30
ポイント会員30万人のうちEC利用者は限定的で、接客AI・OMO導線でEC誘導しLTV・EC月商の上積み余地がある（会員数はbrief由来、EC利用率は要確認）
ポイント会員総数 300000 EC利用経験あり(推定) 60000 EC定期利用(推定) 20000
出所：内部測算（briefの会員30万人・EC月商2億円を基に推定）
Confidential30 / 56
Slide 31
31
だからこそ本章の結論を先に置く
この設計思想こそが、マルセイ流通の制約③「現場オペレーションの負荷増は不可」を満たす唯一の前提である。
「現場負荷が減る」は願望ではなく、同規模地方SMの実測値で裏づけられている。
負荷を増やさないのではなく、ルーティンを削って戦略業務の時間を生む——これが現場が受け入れる構造である。
MD/バイヤーが最も警戒するのは「自分の経験知がAIに置換される」ことである。
Confidential31 / 56
Slide 32
32
08
現状維持コストは年間数億円規模の粗利毀損
The Cost of Standing Still
Confidential32 / 56
Slide 33
33
投資判断は「導入費用がいくらか」ではなく「動かないコストがいくらか」から始めるべきである
第一に、現状維持の直接コストは食品ロスによる粗利毀損である。
これは一度の値下げや特売の累積ではなく、毎期構造的に発生し続ける固定的な漏出であり、放置するほど累積する。
粗利を毀損する漏出は、漏出元で止めるしかない。
第二に、現状維持の機会損失は欠品による販売機会の取りこぼしである。
Confidential33 / 56
Slide 34
34
AI需要予測ROIシミュレーション：食品ロス率5%→2%改善、廃棄ロス年間1億円企業で20%削減なら年間2,000万円の直接利益改善
−60% 食品ロス率(%) 0 1 2 3 4 5 現状 AI導入後 5 2
出所：LogiShift 需要予測AI導入ROIシミュレーション（2026-03-16）
Confidential34 / 56
Slide 35
35
初期投資は既存システム連携前提でスクラッチ比削減が可能、Phase1の在庫ロス削減・粗利改善で1.5〜2年以内のROI正転を見込む（回収期間は業界ベンチ＋推定）
+180% -1,500 -1,000 -500 0 500 1,000 1,500 Phase1初期投資 年間食品ロス削減 粗利改善 発注工数削減 2年累計純便益 -1500 1200 900 600 1200
出所：内部測算（ITreview料金相場・LogiShift ROIシミュレーションを基に試算）
Confidential35 / 56
Slide 36
36
マルセイ流通（年商約180億円、EC月商約2億円）の財務規模に対してAI需要予測導入効果を試算する際の業界ベンチ
−60% 0 1 2 3 4 5 現状 改善後 5 2
出所：LogiShift 需要予測AI導入ROIシミュレーション
Confidential36 / 56
Slide 37
37
段階導入こそ
そこで本提案は、即効性の高い在庫最適化を起点に、効果を実測しながら投資判断を刻む3フェーズ設計を採る
Phase1は『最短で数字を出す』ことに目的を絞り込む。
連携範囲を在庫最適化に閉じることで、連携工数の見積膨張リスクを構造的に抑える設計である。
Phase1の終了時点にGo/No-Goマイルストーンを置き、後続投資を効果の事実で判断する。
Confidential37 / 56
Slide 38
38
第二に、AI診断ベースで活用可能な補助金・税制・融資を特定し、初期負担そのものを圧縮する
スクラッチ投資ゼロの根拠は、需要予測AIの提供形態そのものにある。
この前提が崩れれば自己負担が増え、費用対効果の反論への反証力が弱まる
経営層にとっての判断の質は『補助金が取れるか』ではなく『最悪でも負担が許容範囲に収まる設計か』で評価できる。
稟議パッケージとしての提示形態も、決裁の通りやすさを左右する実務論点である。
Confidential38 / 56
Slide 39
39
09
伴走型実行支援と現場定着設計
Execution & Adoption Assurance
Confidential39 / 56
Slide 40
40
現場頓挫リスクは技術・費用より深刻な投資毀損源だ
従来型：SIer丸投げの頓挫パターン
決裁後、SIerへ要件を渡した時点で当事者意識が消える
PoC止まり——現場が使わず、効果測定不能のまま予算消化
MD/バイヤーの発注勘がAIに「奪われる」という根深い警戒が残存
→
ampus.ai：一気通貫伴走で現場定着を保証
診断→計画→実装→定着を同一チームが責任を持ち切る
四半期レビュー会でKPIを継続モニタリング、軌道修正を即断
AIを「置換」ではなく「増幅」と再定義し、勘×データの協働を設計
Confidential40 / 56
Slide 41
41
「増幅」設計の4原則が現場受容を構造的に獲得する
01
勘×データの協働
AIは需要予測の初期値を提示し、最終判断はMD/バイヤーが行う二層構造を標準化する
02
例外ルールの明文化
季節品・催事・取引先都合など「AI苦手領域」を事前に定義し、手動介入を正式フローに組み込む
03
習熟ダッシュボード
各担当者の予測精度をトラッキングし、AIと人の判断差を可視化して学習サイクルを加速する
04
現場チャンピオン育成
店舗運営本部内にAI推進役を任命し、ピア学習で抵抗を内側から解消するピラミッド普及を図る
Confidential41 / 56
Slide 42
42
4フェーズ伴走で12ヶ月以内に全社定着を実現する
Phase 1：診断（M1–M2）
· 現状業務・データ基盤の深掘りアセスメント
· MD/バイヤーの懸念・抵抗ポイントを個別ヒアリングで可視化
· KPI目標・成功基準を経営層と現場で合意・文書化
Phase 2：計画（M2–M3）
· ユースケース優先順位・実装スコープ確定
· 変更管理計画（現場チャンピオン選定・研修スケジュール）策定
· 四半期レビュー会の設計とKPIダッシュボード設計
Phase 3：実装（M3–M8）
· 需要予測・OMO・接客AI各モジュールの段階リリース
· パイロット店舗でのABテスト→効果検証→全店展開
· MD/バイヤー向けハンズオン研修（月次実施）
Phase 4：定着（M9–M12）
· 四半期レビュー会でKPI達成度・課題を経営層へ報告
· 現場チャンピオンによる自走体制の確立と引き継ぎ
· 次期改善ロードマップの共同策定
Confidential42 / 56
Slide 43
43
伴走設計が守る4指標で投資対効果を経営層に示す
現場利用率（M12目標）
≥85%
MD/バイヤー全員の週次AIツール利用を定着基準とする
PoC→本番化率
100%
全ユースケースを本番稼働まで責任伴走（PoC止まりゼロ保証）
四半期レビュー実施
年4回
経営層×現場×ampus.aiの三者レビューでKPI乖離を即時修正
現場チャンピオン育成数
店舗ごと1名
自走体制の核となる推進役を全店配置し、外部依存を段階的に低減
Confidential43 / 56
Slide 44
44
10
選ばれる理由
WHY US
Confidential44 / 56
Slide 45
45
他社にない3つの強みと実績が選定の決め手となる
1
方法論駆動・再現性重視
属人的な事例頼みでなく、誰が使っても一定品質に到達する方法論と専用プロダクトで標準化する。
実績：提案制作を数日→数分に短縮：BizPTでリサーチ・構成・図表・出典付けを自動化し、提案リードタイムを大幅に圧縮。（出所：自社プロダクト実績（BizPT））
2
診断から定着までの一気通貫
AIで現状を診断し優先領域を科学的に特定してから段階投資。PoC止まりを回避し現場定着まで伴走する。
実績：クリエイティブ制作の内製化：ensoで戦略・KV・提案を一貫生成し、ブランド一貫性を保ちながら制作を内製化。（出所：自社プロダクト実績（enso））
3
補助金・税制マッチング
AI診断ベースで活用可能な補助金・税制優遇を特定し、初期投資の負担を最小化する。
実績：2分の診断で優先領域を可視化：4領域の成熟度・ボトルネックを定量化し、90日アクションロードマップを提示。（出所：AI成熟度診断）
Confidential45 / 56
Slide 46
46
11
リスクと対応策
RISKS & MITIGATION
Confidential46 / 56
Slide 47
47
想定されるリスクに対応策を先回りで用意する
1
「先行事例が大手チェーンばかりで…
対応策: むしろ同規模地方SMの実証が揃っている。バロー31店舗（2024年1〜5月検証）で食品廃棄18%減・欠品19%減・発注時間27%減・利益4.9%増、地方SMマルイ（岡山・鳥取・島根）で発注時間50%削減・属人化解消。イオンの大規模事例は『方向性の正しさ』、地方SM事例は『マルセイ規模での再現性』を裏付ける。
2
「既存POS・EC・在庫システムとの連携が複雑でコストが膨らむの…
対応策: 本提案はスクラッチ刷新ではなく既存資産へのAPI連携が前提。クラウド型需要予測SaaSは初期費用ほぼ不要で1拠点から導入可（ITreview調査）。さらにPhase1で連携範囲を在庫最適化に限定し、Go/No-Goマイルストーンで連携工数を実測してからPhase2へ進むため、見積膨張リスクを構造的に抑える。
3
「現場のベテランがAIを信用せず、導入後に頓挫するのでは」
対応策: これは過去のSIer失敗・現場抵抗で最も警戒される点であり、設計で先回りする。AIは最終判断を人が握るアドバイザー位置づけとし、一部店舗・一部カテゴリのスモールスタートで成功体験を積ませてから横展開。診断→定着まで四半期レビュー会で伴走し、ベテランの暗黙知をモデルに取り込むことで『置換』ではなく『増幅』として受容を得る。
Confidential47 / 56
Slide 48
48
12
導入実績
TRACK RECORD
Confidential48 / 56
Slide 49
49
3件の導入実績が提案の確実性を裏づける
1
提案制作を数日→数分に短縮
BizPTでリサーチ・構成・図表・出典付けを自動化し、提案リードタイムを大幅に圧縮。
出所：自社プロダクト実績（BizPT）
2
クリエイティブ制作の内製化
ensoで戦略・KV・提案を一貫生成し、ブランド一貫性を保ちながら制作を内製化。
出所：自社プロダクト実績（enso）
3
2分の診断で優先領域を可視化
4領域の成熟度・ボトルネックを定量化し、90日アクションロードマップを提示。
出所：AI成熟度診断
Confidential49 / 56
Slide 50
50
13
アフターフォロー
AFTER-CARE
Confidential50 / 56
Slide 51
51
導入後の運用・保守までフォローする体制を用意する
1
四半期レビュー会
導入後も四半期ごとに活用状況・効果をレビューし、次の打ち手を設計する。
2
現場自走までの伴走
「導入して終わり」にせず、現場が自律的にAIを使いこなすまで定着を支援する。
3
プロダクト継続アップデート
BizPT・ensoの継続的な機能改善を提供し、活用範囲を継続的に拡張する。
Confidential51 / 56
Slide 52
52
14
実行体制と投資スキーム
EXECUTION & FUNDING
Confidential52 / 56
Slide 53
53
4層構造で役割・意思決定・定着責任を分離し推進体制を固める
L1経営層（社長／CEO相当）
『今動かないと縮む』——EC化率12%の優位は過去の遺産であり、AI×OMO未整備のままでは構造転落が不可逆化する。三位一体は粗利・EC化率…地方SMには規模が小さく費用対効果が出ないのでは／投資回収期間と競争上の生き残り根拠イオン380店舗で発注時間50%・在庫30%削減を実証する一方、ドラッグストアは食品で前年比5.5%増（9兆4,129億円）とSM来店客を侵食中
L2EC事業責任者
ポイント会員30万人のEC未利用層こそ最大の埋蔵LTV。既存ECカート・POSへのAPI連携を前提に低摩擦で起動し…EC化率向上の実効性／会員30万人のEC転換手段／既存ECカート連携工数食品EC化率は4.52%だが伸び率は物販トップの+6.36%、ネットスーパー普及で底上げが加速。オイシックスは定期×パーソナライズでEC993億円…
L3店舗運営本部
現場負荷は『増えない』のではなく『減る』。AIは担当者の判断を支援するアドバイザーで最終判断は人。一部店舗・一部カテゴリのスモールスタートで体験を積んでから全社展開し…現場オペレーションへの追加負荷／発注変化への現場対応／AI推奨値の精度と売場整合地方SMマルイ（岡山・鳥取・島根）はAI需要予測で発注時間50%削減・属人化解消、バロー31店舗は発注作業時間27%削減を実証。
L4MD/バイヤー
AIはルーティン発注を自動化し、MD/バイヤーを本来の強み（商品開発・取引先交渉・トレンド分析）へ解放する自分の経験知がAIに置換されるのでは／多SKU食品・日配品への対応精度／季節品・新商品の例外処理食品ロス対策でAI需要予測を活用する企業はまだ20.9%（N=172）——早期導入が競争優位の源泉。属人化解消の地方SM実証（マルイ）あり。
Confidential53 / 56
Slide 54
54
補助金・税制・融資の三層で初期投資の自己負担を最小化する
1
IT導入補助金（補助金）
通常枠で補助率1/2以内、複数プロセス対応で上限450万円程度（年度公募要領による）
AI需要予測SaaS・EC連携ツール等のクラウド型ITツール導入が対象になりやすい
IT導入支援事業者経由での申請が必要——スモールスタートのPhase1ツールと相性良い
公募回・要件は年度で変動するため申請前に最新公募要領を要確認
2
中小企業経営強化税制（税制）
対象設備の即時償却または取得価額の最大10%税額控除
経営力向上計画の認定取得が前提（業種・資本金要件あり）
DX投資促進税制は廃止済みのため本税制で代替
ソフトウェア・連携設備の取得に適用余地、適用可否は税理士と要確認
3
日本政策金融公庫 融資
中小企業向け設備資金・運転資金枠で低利融資（IT・DX関連の特別枠の可能性）
補助金で賄えない初期投資・連携工数のキャッシュフローを平準化
段階導入のPhase別資金需要に合わせた調達設計が可能
金利・枠は事業計画と財務状況に応じて個別審査
Confidential54 / 56
Slide 55
55
前提条件・依存関係
(1) 既存POS・EC・在庫管理システムが標準的なAPI連携（またはデータ出力）に対応しており、Phase1の在庫最適化に必要なSKU別販売・在庫データが取得可能である（確認責任者：IT/情報システム担当（売り手の技術調査チーム同席），期限：Phase1キックオフ前（提案承認後30日以内の技術調査））
(2) POS会員IDとEC会員IDの名寄せ（突合）がPhase2着手時点で技術的・運用的に実行可能で、会員30万人のうちEC未利用層を特定できる（確認責任者：EC事業責任者＋IT担当（売り手の名寄せ設計支援），期限：Phase2設計開始前（Phase1 Go判定後60日以内））
(3) 食品ロス率約5%・粗利率約28%・EC化率約12%・会員約30万人というbrief提示の実数値が正確で、改善幅試算の前提として使える（確認責任者：MD/バイヤー部門長＋経営企画，期限：提案承認前（実数値の社内確認））
(4) 需要予測モデルに外部変数（気象・曜日・イベント）を組み込むことで、バロー実証（廃棄18%減）の半分=9%以上の改善がマルセイの商品構成でも再現する（確認責任者：売り手の定着伴走チーム＋現場MD，期限：Phase1検証完了時（PoC期間4〜5ヶ月後のGo/No-Go会議））
(5) IT導入補助金・中小企業経営強化税制・公庫融資のいずれかが本件のツール・設備に適用でき、初期負担を圧縮できる（確認責任者：経営企画＋顧問税理士（売り手の補助金マッチング支援），期限：稟議起案前（最新公募要領・経営力向上計画認定要件の確認））
Confidential55 / 56
Slide 56
56
AI需要予測・OMO統合：EC化率と粗利の構造的改善
1次回ミーティングの設定
2契約条件の確認
3プロジェクト開始
← ホーム