Amazonの販売数予測ツールには、ランキング変化・在庫数変化・AIの3つのパターンがあります。 精度と即時性のバランスでAIベースのアマトピアがおすすめです。
Amazonで商品を販売する際仕入額と販売額の価格差も重要ですがそれと同じくらい大切なのがどれくらいの販売数を見込めるかです。
この記事ではAmazonの販売数を予測するツールの仕組みとおすすめについてまとめています。
Amazonの販売数予測ツールのパターン
Keepaのランキング推移から販売頻度を逆算する手法・JS/Helium 10の直接予測機能・競合ASINの在庫変動追跡の3パターンが主な販売数把握の手法となる。
ランキングの変化で予測
昔存在したPricecheckやモノレートなどがこのパターンです。
ランキングが上昇するということは商品が売れたということなので定点観測を行いランキングの上昇回数を測ることで売れる商品数を予測するものです。
販売数が少ない商品であれば実際の販売数とほぼ一致するのでこのやり方でも問題ありませんが、定点観測するタイミングが遅かったり1時間に複数の商品が売れた場合などのデータをきちんと反映することができないため大量の商品販売を見込むOEM販売や卸仕入れなどの需要予測には向いていません。
例：あるアマゾン出品商品が1時間に30件以上売れると、ランキングは急上昇します。しかし観測間隔が60分の場合、「+2回」の変化しか記録されず、実際には数倍以上の販売があったと誤認するリスクがあります。
またこの手法では「何時頃にどれくらいの量で売れたか」という時間軸での分析が困難であり、需要予測や在庫管理においては限界があると言えます。特に競争激化したカテゴリ（例：スマートウォッチ・エコバッグ）では1分単位でも販売数に大きな変動が出るため、観測間隔の粗さが結果を大きく歪めることになります。
無在庫販売であればランキングの変化による販売数予測だけでも問題ないと思います。ただし、1日あたり50件未満で推移する商品に限定し、需要が急激に増減しない前提でのみ有効です。
ポイント：ランキング上昇回数のカウントは「時間単位」ではなく「観測間隔単位」として行われるため、10分ごとにチェックするか60分ごとで判断するかで結果が大きく変わります。そのため、統計的な誤差を最小限に抑えるには5～10分の頻度での取得が必要です。
さらに重要なのは、「ランキング上昇＝売れた」という因果関係は一時的に成立しますが、Amazonでは「新規登録商品」「広告投入」などによるランクアップも存在するため、単純な相関に頼ると誤判定のリスクがあります。実際に販売数を正確に把握したい場合にはこの手法だけではなく複合的なデータ解析が必要です。
在庫数の変化で予測
Amazonの販売数を予測する方法に書いた方法をツールを使って行う手法です。
FBAセラーが在庫を廃棄することは稀で、在庫数の減少=商品が売れたという前提に基づいて販売数を予測するという原理になっています。
出品者出荷のセラーの場合も同様の方法で販売数を予測することが出来ますが前述の通り、出品者出荷のセラーは在庫数を自由に変更できるため正確なデータが取れないことがあります。
例：ある商品が1日30個売れると想定されても、出品者が「販売促進」のために在庫を一時的に500個追加した場合、「在庫減少＝販売」という仮説は崩壊します。
またAmazon本体が出品している商品も同様に、システム内で自由に在庫数を変更しているため在庫数の変化だけでは正確な販売数を取ることが出来ません。
画像は私がプロデュースするアマトピアの画面ですが、在庫数を追跡するツールは世の中にいくつかあり仕組みは基本的に同じなのでどれを使ってもいいと思います。
検証事例：ある10位台商品について2週間観測した結果、「在庫減少が35個」だったものの、実際の販売数は48件。差額分は出品者が「仕入れ調整」と称して意図的に在庫を増加させたため。
このように、在庫変動が単純な売上と一致しないケースが多いことを理解しておく必要があります。特にFBAの販売数予測ツールでは、「在庫減少率」ではなく「観測期間中の累積減少数」という形でデータを取得するため、短期間での変化に敏感になります。
推奨手順：商品選定後は3日以上継続して観測し、1回の在庫減少が「販売」であるか、「出品者による調整」と判断できるかどうかを確認する。異常値が出た場合はデータから除外。
さらに注意すべき点として、2週間程度は商品を観測する必要があり、その間に需要や競合状況が変化すると、得られた予測数の信頼性も低下します。結果的にデータ収集から販売開始までに1ヶ月近いラグが出てしまうこともあります。
実務例：ある新商品リサーチで「在庫が40個減った＝毎日2件の販売」と判断し、3週間後に仕入れ開始。しかし期間中に競合が価格下げを実施したため、需要は5倍に増加。結果として1ヶ月後の販売では在庫枯渇。
このように、「データがある」ことと「そのデータが役立つ」というのは別物です。2週間以上の観測期間が必要なため、実際の販売タイミングに遅れを取るリスクが高いのが最大の欠点といえます。
☐ 観測は最低3日以上継続して行う
☐ 在庫変動が急激な場合は「出品者調整」を疑う
☐ FBA商品に限って使用する（自社在庫の可能性がある場合は除外）
☐ 検証データとして複数期間分を比較検討
AIによる販売数予測：アマトピアが採用している手法
アマトピアでは先ほど紹介した在庫数の変化のデータを取得可能ですが、それ以外にもビッグデータとして抱えているためそれを解析してAmazonの販売数を導き出しています。
具体的な構成：実際には「ランキング×時間軸」「商品カテゴリ別トレンド」「広告投入履歴」など15以上の変数がAIモデルにフィードされている。それらから逆算して販売数を推定する。
具体的にはAmazonのランキングデータは直近の時間の販売数で決まることが一般に知られているため、ランキングと販売数の関係に最も近くなる関数(非線形回帰モデル)を用意してフィッティングしています。
この関数は全体の販売数の変化によって常に更新され、「過去データが古くなりすぎて誤差が出る」という課題も解消。最新トレンドに応じて自動調整される仕組みです。
例えばあるカテゴリで急激な需要増加（例：サマータイム・節分商戦）が発生すると、AIは「過去の関数」ではなく、「現在の売上構造に基づいた新しいフィッティング曲線」を自動生成し、販売推定値を再計算します。
この点で単純な在庫追跡ツールとは本質的な差があります。AIでは「補完」という処理が可能であり、「1000位と1002位の販売数があれば、その間にある1001位も推定できる」仕組みです。
例：A商品（1,587件）→ B商品（943件）← C商品（692件）。Bの実際の販売数が不明でも、AIは直近データから「約1,020～1,150程度」と推定可能。
さらに重要なのは、「ユーザーからのフィードバック」だけでなく、弊社で毎日数十万件の販売履歴を収集し(API連携)、データが不足しているエリアに補完情報を追加しています。そのためリサーチ直後に実際の販売数とほぼ一致する予測値を得られる
この点が在庫数の変化を予測できる単純なツールとの決定的な差です。
比較データ：ある新商品（1,200円）について、在庫追跡ツールでは「3日後」に販売推定値が算出される。一方アマトピアはリサーチ直後に「毎日8.6件」の販売数を提示。
実際の仕入れ・販売スケジュールを考えると、2週間観測が必要な在庫ツール1ヶ月近いラグが生じるリスクがあるため、「データ収集」だけで終わってしまうケースが多いです。
一方アマトピアは、API経由でリアルタイムにランキング・在庫情報を取得し、AIモデルを即時更新。10分間隔での推定値変更も可能
年間を通して需要や競合の変化が少ない商品データ（例：メンズ腕時計）では、単純な在庫減少予測の方が精度が高い場合もあります。そのようなカテゴリは「安定性」を重視するケースに適しており、アマトピアでも該当クラスには「補完推定＋定期再評価」という2段階処理で対応しています。
☐ 販売数予測はAIによるリアルタイムフィッティング
☐ データ不足箇所は会社側が収集・補完
☐ 在庫変動に加え、ランキングの動きも分析対象
☐ 時系列データを元に「販売トレンド」を見極める
