楽天キャンペーンの結果分析をAIで自動化、次回の施策を最適化し売上＋20%を実現した方法

楽天のキャンペーン、走らせるのは頑張れる。でも終わった後の「振り返り」まで手が回らない——そんな店舗さんは多いはずです。売上やアクセスが動く大事なタイミングなのに、結果をざっと見て「良かった・悪かった」で終わってしまう。すると次回も似た施策になり、勝ちパターンが育たないまま季節だけが進んでいきます。

今回は、ChatGPTやGeminiなどのAIにキャンペーン結果を分析させ、次回の施策案まで自動で作る方法を、実務フローとプロンプト付きで解説します。

実際にこの方法を取り入れた店舗では、振り返りの質とスピードが一気に上がり、次回キャンペーンで売上＋20％という成果につながりました。「分析は苦手」「時間がない」と感じている方は是非ご参考ください。

1.楽天キャンペーン運用で“振り返りが回らない”問題

キャンペーン後の振り返りが止まりやすいのは、時間・努力不足ではなく構造的にしんどい作業だからです。

キャンペーン期間中は在庫・広告・ページ更新・問い合わせ対応など、現場はフル回転。終わった瞬間には次の準備が始まり、「分析は落ち着いたらやろう」と先送りになりがちです。

手動分析の3つの限界

まず、手動での振り返りには避けにくい壁があります。

1）時間がかかりすぎる
楽天の管理画面やRMSには数字がたくさんありますが、キャンペーン成果を「結論が出る形」にまとめようとすると、

• 期間の切り分け
• 商品別／広告別／流入別の比較
• 伸びた理由・落ちた理由の言語化
  まで必要になり、数時間〜丸1日平気で過ぎていきます。忙しい店舗運営の中で、これは現実的に続きません。

2）属人化しやすい
同じ数字を見ていても、解釈は人によって変わります。「広告が効いた」と言う人もいれば、「商品力が良かっただけ」と言う人もいる。しかも担当が変わると視点も変わるので、学びが蓄積されにくいです。

3）次回施策が“だいたい同じ”になる
振り返りが軽いと、結局「前回やったことを少し変えてまたやる」になりがちです。でもキャンペーンは、季節・競合・トレンド・広告単価が毎回変わるので、“前と同じ”は、前と同じ結果を保証しません。

振り返りが浅いと売上は伸びない

キャンペーンの数字は、ただの結果報告じゃなくて「次の売上を作るヒントの塊」です。たとえば、同じ売上+10%でも、

• 広告経由のCVRが伸びたのか？
• 自然検索の流入が伸びたのか？
• 客単価が上がったのか？
• 特定の商品だけが跳ねたのか？

で次の打ち手はまったく変わりますよね。ここを深掘りしないまま「良かったから次も同じでいこう」となると、伸びた要因を取りこぼす・落ちた要因が放置される・“偶然当たったキャンペーン”が再現できないという状態になります。つまり、振り返りが浅いほど、次回キャンペーンの上限が低くなるわけです。

2.AIによる分析でできること・メリット

じゃあ、AIを入れると何が起きるのか。結論、「人がつらい所をAIが肩代わりする」ことで、深い振り返りを素早く行う事が可能になります。

結果の要約・失敗/成功要因の抽出

まずAIが得意なのは、大量の数字・出来事をまとめて意味づけすることです。人が見ると「数字の海」で迷子になりますが、AIは

• どこが伸びたか・その要因はなにか？
• どこが落ちたか・どの原因はなにか？
• 前回や平常時と比べて何が違うか

を短時間で整理してくれます。要するに、“数字を結論に変える作業”の自動化ですね。

改善仮説の自動生成

次に、要因から「じゃあ次は何を変える？」の仮説づくりに入れます。ここが人間だと時間も脳みそも使うパートなんですが、AIは

• 伸びた要因を強化する案
• 落ちた要因をつぶす案
• 競合や季節要因を踏まえた別案

を複数パターン出すのが得意です。

次回キャンペーン施策案の叩き台化

さらに、その仮説を「施策」に落とす叩き台まで一気に作れます。

• どの商品を主役にするか
• どんな訴求を強めるか
• 広告／クーポン／LPの組み合わせ
• 期間の切り方や予算配分

このレベルの案が、ヒントではなく“そのまま実行に持っていける形”で出てきます。だから、振り返りが「やるかやらないか」じゃなく、“毎回やるのが当たり前の運用”に変わります。

3.AI分析に必要なデータの集め方・整え方

AIにキャンペーン分析をさせるときに大事なのは、「完璧なデータ」より“判断できる最低限の型”を揃えることです。最初から細かい数字を全部渡そうとすると、準備が重くて続きません。まずは“これだけあれば次の施策が作れる”という粒度でOKです。

最低限そろえるべき指標（例：売上、CVR、流入、RPP、客単価、カテゴリなど）

キャンペーンの振り返りで、AIに渡したい最低セットはこのあたりです。

「全部取れない…」という場合でも大丈夫。AIは“ある情報から仮説を組み立てる”のが得意なので、まずは揃うところから始めて、運用しながら精度を上げればOKです。

データが足りない時の補い方

RMSから取得出来るデータには制限があります。

ここで大事なのは、AIに「何が見えていて、何が見えていないか」も一緒に伝えること。何のデータがあって、何のデータが不足しているかを伝えれば、AIはその前提で仮説を組み立ててくれます。

4.【実践】AIで「振り返り→次回施策」を作る手順

データが揃ったら、あとは“AIに投げる順番”さえ決めれば毎回回せます。ここでは、実際に成果が出た店舗で使っている流れをそのまま紹介します。

STEP1│ 期間/目的/キャンペーン条件を整理

まず先に、数字の前提をAIに渡します。ここが抜けると、AIは“一般論”に寄ってしまうので超重要です。

• キャンペーンの目的（売上最大化／在庫消化／新商品認知など）
• 実施した施策（クーポン、ポイント倍率、RPP増額、メルマガ配信、特集LPなど）
• 対象カテゴリ・対象商品
• 期間と比較対象（例：前週、前年同時期、前回スーパーSALEなど）

AIにとっては、「この条件のもとで発生した数字」という事が分かるだけで、分析の精度が一段上がります。

STEP2│結果データをAIに読み込ませる

前のSTEPで整理した「目的・条件」と、CSVや表にした「結果データ」をセットでAIに渡します。ここでのコツは、“まずは丸ごと投げて、全体の要約を作らせる”こと。

人間はつい「この数字を見てほしい」「ここが気になる」と部分から入りますが、AIは全体像を先に持ったほうが要因分解の精度が上がります。やることはシンプルで、

1. 前提（期間・目的・施策内容）
2. 結果データ（全体＋商品別＋広告別など）
3. 比較対象（前週・前回・平常時）

の順で貼るだけ。「データが多いとAIが混乱しそう…」と不安になるかもですが、この段階では整理より“素材を渡す”優先でOKです。

STEP3│重要ポイント抽出（伸びた要因・落ちた要因）

データを読み込ませたら、AIにまずやらせたいのは「重要ポイントの抽出」です。ここでの狙いは、“キャンペーンの勝ち筋／負け筋を短時間で見える化すること”。

AIには次の観点で整理させます。

• 全体で何が変わったか？
  • 売上が伸びた/落ちた
  • その主因が「流入増」なのか「CVR改善」なのか「客単価増」なのか
• 商品別で見ると、どこが貢献したか？
  • 伸びた上位商品
  • 逆に伸びなかった主力商品
  • 予想外に動いた商品
• 流入元・広告で何が効いたか？
  • RPPが伸びたのか
  • 自然検索が伸びたのか
  • メルマガ/クーポン反応が強かったのか

この整理が終わると、“何が起きたキャンペーンだったのか”が一言で言える状態になります。ここまで来れば、次の施策づくりはかなりラクです。

STEP4│次回キャンペーン施策案を複数生成させる

重要ポイントが出たら、すぐに「次回の打ち手案」を出させます。ここで大事なのは、AIに“必ず複数案”を作らせること。

理由は2つあって、

• 施策は条件で正解が変わるから
  同じ“売上UP”でも、新規取りたいorリピーター強化したい、在庫整理したいでやることが変わる
• 人間が比較して選べる状態にするため
  最初の1案だけだと、結局「まぁこれでいいか」になりやすいが、3〜5案あると、会議の質が上がる

AIに出させたい施策案の粒度は、

• 重点商品（何を主役にするか）
• 施策の組み合わせ（クーポン／ポイント／RPP／特集LP／メルマガなど）
• 強める訴求（誰にどんな理由で買わせるか）
• 予算・期間の考え方

まで入った施策のたたき台。「そのまま社内共有できる草案」が出るのが、AI活用最大のメリットです。

STEP5│人がやる最終判断と優先順位づけ

最後にやるのは、人間の仕事です。AIが出した案をそのまま採用するんじゃなく、現場の制約と照らして“実行できる形”に決めるフェーズ。

チェックするポイントは主に3つ。

• 在庫・供給の現実
  主役商品に在庫は足りるか/追加調達できるか
• 利益と広告費のバランス
  伸びそうでも粗利が崩れる施策は避ける/RPPを強めるならROAS目線で調整
• 運用負荷とスピード
  キャンペーン当日までに実装できるか/チームで回せるか

この“最後の意思決定”だけ人間がやれば、分析〜草案づくりの8割はAIが終わらせてくれるので、振り返りが現実的に回るようになります。

5.楽天のキャンペーン分析時にAIに渡すプロンプト例（コピペOK）

ここまでの流れを回すために、次は実際に使えるプロンプトを出します。まずは「分析用（要約＋要因抽出）」からいきましょう。

分析用プロンプト（要約＋要因抽出）

あなたは楽天店舗運営のプロです。以下のキャンペーン条件と結果データを基に、

1. キャンペーン全体の結論（何が起きたか）
2. 成功/失敗要因の整理（流入・CVR・客単価・商品別・広告別の観点）
3. 次回に活かすべき学び
   を、店舗運営者がすぐ理解できる形で整理してください。

【キャンペーン目的】
（例：売上最大化／新商品認知／在庫消化）

【実施施策】
（例：ポイント倍率、クーポン、RPP増額、メルマガ、特集LP など）

【期間】
キャンペーン：YYYY/MM/DD〜YYYY/MM/DD
比較期間：YYYY/MM/DD〜YYYY/MM/DD

【結果データ】
（CSV/表を貼り付ける）

※データに不足がある場合は、その前提で推測し、必要なら追加で見るべき指標も提案してください。

施策案生成プロンプト（ターゲット別/商品別）

あなたは楽天店舗のキャンペーン設計の専門家です。
先ほどの分析結果を踏まえて、次回キャンペーンの施策案を「最低5パターン」作ってください。

それぞれの施策案について、以下を必ず含めてください。

• 狙うターゲット（新規／リピーター／比較検討層など）
• 主役にする商品・カテゴリ
• 施策の組み合わせ（ポイント、クーポン、RPP、特集LP、メルマガ、同梱/まとめ買いなど）
• なぜその施策が効くと考えるか（根拠）
• 実施優先度（高/中/低）と理由

【前回キャンペーンの分析まとめ】
（ここに分析結果の要約を貼る）

【次回の前提条件】

• 次回キャンペーンの目的：[要入力]
• 期間：[要入力]
• 使える予算の目安：[要入力]
• 在庫/供給の制約：[要入力]
• 強化したい商品/カテゴリ：[要入力]

できるだけ、前回の成功要因を再現しつつ、変化した外部要因（季節・競合・広告単価）も踏まえて提案してください。

改善仮説の深掘りプロンプト

次回施策案の中で、特に成果インパクトが大きそうな「上位2案」を選び、
それぞれの改善仮説をさらに深掘りしてください。

深掘りでは以下の観点で整理してください。

1. 施策が当たる条件（どんな状況なら成功しやすいか）
2. 失敗しうるリスクと予防策
3. 事前に確認すべき追加データや指標
4. KPI設計（どの数字が動けば成功か）

【施策案】
（ここに施策案5つを貼り付ける）

【前回キャンペーンの結果で気になる点】
（例：CVRは伸びたが客単価が下がった／自然検索は増えたが広告ROASが悪化など）

ここまでの3プロンプト（分析→施策案→深掘り）をセットで回せば、「数字を見る → 学びを出す → 次の手を作る」が一気通貫で終わります。あとは、店舗側で“実行できる案”に整えて走らせるだけです。

6.【成功事例】AI振り返り運用で売上＋20%した店舗の話

弊社で運用サポートを行い、このAI分析フローを導入して成果が出たケースを紹介します。

AI分析導入前の課題

その店舗では、スーパーSALEやお買い物マラソンなどの大型キャンペーン後、「数字は見るけど、改善案まで作れない」「施策がいつも同じになってしまう」「施策の効果が薄れてきている」という状態が続いていました。

担当者さん自身も「分析の重要性は分かるけど、毎回やる時間がない」というジレンマを抱えていました。

AI分析を取り入れた運用サイクル

導入後にやったことはシンプルで、「キャンペーンが終わったら48時間以内にAI振り返りを回す」ルールを作っただけです。

1. キャンペーン条件と目的を整理
2. 全体＋上位商品の結果データをCSVで出力
3. この記事で紹介した「分析プロンプト」をコピペしてAIに投入
4. 重要ポイントと学びを出す・施策の貢献度を数値化する
5. そのまま「施策案生成プロンプト」で次回案を5つ作る
6. 週次MTGで“実行案だけ”人が決める

分析にかかる時間は、毎回30〜40分程度に縮まり、「振り返りが終わらないから次回も勘で打つ」状態から抜け出せました。

打った施策と結果（どの数字がどう変わったか）

AIの分析で見えたのは、前回の伸びが“流入増”ではなく “CVR改善”主因だったこと。そこで次回は、

• CVRが伸びた主力2商品を“キャンペーンの軸”に固定
• その商品の訴求軸をLPと広告文に横展開
• RPPは「主軸商品に集中投下」してROASを維持
• クーポンは“新規向けよりも比較検討層向け”に設計
  （施策内容は一部抜粋）

という形で、「伸びた理由を強化する設計」に寄せました。

結果、次回キャンペーンでは主役商品のCVRがさらに改善、広告費のムダ打ちが減り、全体売上を＋20%まで伸ばす事に成功しました。

再現性を出すために重要なこと

この店舗で一番効いたポイントは、AI振り返りを“イベント作業”じゃなく“定例ルーティン”にしたことでした。

データの出し方をテンプレ化し、AIに渡す前提文（目的・条件）を保存、出力フォーマットを固定、「終わったらすぐやる」をチームルール化、これで、担当が変わっても同じ質で振り返り→施策づくりが回る状態ができました。

この事例のように、AIは魔法というより“振り返りを現実的に回せる形に変える道具”です。

まとめ｜キャンペーンAI分析の次の一手

キャンペーンの振り返りは、やれば売上に効くと分かっていても、時間がないと続きません。でもAIを入れると、

• 結果の要約
• 成功/失敗要因の抽出
• 次回施策案づくり

までが短時間で終わり、“振り返りが回る運用”に変わります。

今回紹介した手順は、いわば“店舗運営にAIを組み込む入口”です。「自社の運用に合わせて、分析〜施策づくりをもっと自動化したい」という場合は、店舗専用のAIフローとして仕組み化・システム化することもできます。

「うちの店舗だとどこから自動化できる？」という段階的なご相談でもOK！お気軽にお問い合わせください。

＼　毎月3社様限定！売上アップ無料診断も受付中　／