売上データをAIに読ませたら、自分では気づかなかった傾向が見えた

毎月、スプレッドシートに売上を記録している。月末に合計を出して、前月と比べて「増えた」「減った」と一喜一憂する。3年間ずっとそうしてきた。

ある日、知人に「そのデータ、ChatGPTに読ませたらもっといろいろ見えるよ」と言われた。正直、半信半疑だった。AIが数字を見て何がわかるのか。自分の売上は自分が一番わかっているはずだ。

試しにやってみたら、自分では気づかなかった傾向がいくつも見えた。「1月と8月に売上が下がるのは季節要因」「顧客単価が6ヶ月で15%下がっている」「新規顧客より既存顧客のリピートが売上の68%を占めている」。知っていたつもりのデータから、知らなかった事実が出てきた。

AIにデータ分析を任せる前提条件

AIは万能の分析ツールではない

最初に言っておくと、AIは統計ソフトの代替にはならない。RやPythonで本格的な統計分析をするのとは違い、AIの分析は「傾向の読み取り」や「仮説の提示」が中心だ。

ただし、一人社長にとっては、それで十分なケースが多い。高度な統計分析が必要なほどのデータ量がそもそもないし、「なんとなく売上が下がっている気がする」を「月平均で3.2%ずつ下がっている」に定量化できるだけで、次の打ち手が変わる。

どんなデータをAIに読ませられるか

ChatGPTやClaudeに読ませられるデータ形式は以下の通り。

一人社長が日常的に扱うデータ量（月に数十行〜数百行程度）であれば、CSVファイルをアップロードするか、テキストで直接貼り付けるだけで分析できる。

機密データの取り扱い

売上データには顧客名や取引額など、機密情報が含まれることがある。AIに入力する前に、以下の対策をしておく。

• 顧客名を「A社」「B社」に置き換える
• 個人名は削除するか、イニシャルに変更する
• ChatGPTの設定で「チャット履歴をトレーニングに使用しない」をオンにする
• 特にセンシティブなデータは、Claude Proの「プライベートモード」を使う

スプレッドシート × ChatGPTの実践

基本の分析プロンプト

最もシンプルな分析は、売上データをそのまま貼り付けて傾向を聞くことだ。

以下は私の事業の月次売上データ（過去24ヶ月分）です。
このデータから読み取れる傾向、パターン、注意すべきポイントを分析してください。

分析の観点:
1. 全体の売上トレンド（上昇/下降/横ばい）
2. 季節変動のパターン
3. 前年同月比での変化
4. 異常値（急な増減）があれば、その時期と推定される要因

---
2024年6月: 820,000円
2024年7月: 950,000円
2024年8月: 680,000円
（以下、データを貼り付け）
---

顧客分析のプロンプト

売上の総額だけでなく、顧客別の分析もAIに任せられる。

以下は過去12ヶ月の顧客別売上データです。
以下の観点で分析してください。

1. パレートの法則（上位20%の顧客が売上の何%を占めているか）
2. 顧客単価の推移（月ごとの平均単価の変化）
3. リピート率（2回以上取引のある顧客の割合）
4. 新規顧客と既存顧客の売上構成比
5. 解約リスクのある顧客（取引頻度が減少している顧客）

---
（顧客別・月別の売上データを貼り付け）
---

予測と仮説のプロンプト

過去データから将来の予測を立てることもできる。ただし、AIの予測はあくまで「過去の傾向が続いた場合」の推測であり、正確な予測ではない。

過去24ヶ月の売上データから、
今後6ヶ月の売上を予測してください。

予測の前提条件:
- 現在のサービスラインナップは変更しない
- 新規顧客の獲得ペースは過去6ヶ月の平均と同じ
- 季節変動は過去のパターンが繰り返される

予測結果に加えて、以下も出力してください:
- 予測の信頼度（高/中/低）とその理由
- 売上が上振れる可能性のあるシナリオ
- 売上が下振れるリスク要因

Claudeでの分析：ChatGPTとの使い分け

Claudeの強み：長文分析と構造化

Claudeは長いテキストの処理に強い。データ量が多い場合や、分析結果を詳細なレポート形式で出力してほしい場合はClaudeの方が適している。

添付のCSVファイルは、過去36ヶ月分の売上データです。
以下の構成でレポートを作成してください。

【レポート構成】
1. エグゼクティブサマリー（3行で全体の傾向を要約）
2. 月次売上の推移分析
3. 顧客セグメント別の分析
4. 季節性の分析
5. リスクと機会の整理
6. 次月のアクション提案（3つ以内）

レポートのトーンは「一人社長が自分の事業を振り返るメモ」として、
簡潔で実用的な内容にしてください。

ChatGPTの強み：ビジュアライゼーション

ChatGPTのAdvanced Data Analysis（旧Code Interpreter）機能では、グラフを自動生成してくれる。数字の羅列より、グラフの方が直感的に傾向をつかめる。

添付のCSVデータから、以下のグラフを作成してください。

1. 月次売上の折れ線グラフ（前年同月のデータも重ねて表示）
2. 顧客別売上の円グラフ（上位5社 + その他）
3. 新規顧客数の棒グラフ（月別）
4. 顧客単価の推移グラフ

各グラフにタイトルと軸ラベルを付けてください。
日本語で表示してください。

使い分けの目安

実際に見えた5つの傾向

ここからは、私が実際にAIを使って見つけた傾向を具体的に書く。

傾向1：季節変動のパターン

月次売上をAIに分析させたところ、毎年1月と8月に売上が10〜15%下がるパターンが見えた。1月は年末年始の影響、8月はお盆休みの影響だ。わかっていたつもりだったが、「10〜15%」という具体的な数字は把握していなかった。

この数字がわかったことで、1月と8月の売上減を前提にしたキャッシュフロー計画を立てられるようになった。「なぜか今月は売上が少ない」という漠然とした不安が、「例年通りの季節変動」という認識に変わった。

傾向2：顧客単価の下降トレンド

顧客別の売上をAIに分析させたところ、過去12ヶ月で顧客単価が平均15%下がっていた。原因を掘り下げると、以下の2つが見えてきた。

• 高単価の案件が減り、低単価の案件が増えている
• 既存顧客のリピート案件で、値引き交渉に応じるケースが増えている

この発見は重要だった。売上の総額は横ばいだったため、「まあ順調だろう」と思っていたが、実際には件数が増えているだけで、利益率は下がっていた。

傾向3：リピート顧客の売上構成比

新規 vs 既存の分析で、売上の68%が既存顧客のリピートだとわかった。これは一般的なBtoBビジネスの傾向と一致するが、裏を返せば「上位3社が離れたら売上の40%が消える」というリスクでもある。

この結果を見て、新規顧客の獲得にもっと力を入れる必要があると判断した。具体的には、月の営業活動の時間配分を「既存70%・新規30%」から「既存50%・新規50%」に変更した。

傾向4：見積もりから受注までの時間

案件ごとの見積もり提出日と受注日のデータをAIに分析させた。見積もりから受注までの平均日数は14日だったが、50万円以上の案件では平均28日、100万円以上では平均42日だった。

この数字がわかったことで、大型案件のパイプライン管理が改善された。「1ヶ月前に出した見積もりの返事がない」のは、実は普通のことだった。

傾向5：問い合わせ経路と受注率の関係

問い合わせの経路（Webサイト、紹介、SNS）と受注率の相関をAIに分析させた。

紹介経由の受注率が圧倒的に高い。これ自体は感覚としてわかっていたが、数字で見ると差が明確だ。SNS経由の問い合わせは件数は少なくないが、受注にはほとんどつながっていない。

この分析をもとに、紹介を増やすための施策（既存顧客への紹介プログラム、満足度の高い顧客へのアプローチ）に注力することにした。

AI分析の限界と注意点

限界1：因果関係はわからない

AIが見つけるのは「相関」であって「因果」ではない。「8月に売上が下がる」ことはわかるが、「なぜ下がるのか」はデータだけでは確定できない。因果関係の判断は、自分のビジネスの文脈を知っている人間がやるべきだ。

限界2：外部要因を考慮できない

AIは入力されたデータの範囲内でしか分析できない。競合の動き、市場環境の変化、法改正の影響といった外部要因は、自分で補足する必要がある。

限界3：データの質がそのまま分析の質になる

「Garbage In, Garbage Out（ゴミを入れればゴミが出る）」という格言の通りだ。入力するデータが不正確であれば、分析結果も不正確になる。日々の記録を正確につけることが、AI分析の前提条件だ。

限界4：統計的な厳密さはない

AIの分析は、統計学的に厳密な検定を行っているわけではない。「傾向がある」と言われても、統計的に有意かどうかは別の話だ。経営判断の参考にはなるが、大きな投資判断の根拠にする場合は、専門家に相談した方がいい。

分析結果をアクションにつなげる

データを分析して終わりでは意味がない。重要なのは「次に何をするか」だ。AIに分析結果をもとにアクションプランを提案させると、具体的な打ち手が見えてくる。

以下は、過去12ヶ月の売上データの分析結果です。

【分析結果の要約】
- 顧客単価が15%下降傾向
- 売上の68%がリピート顧客に依存
- 新規獲得チャネルは紹介経由の受注率が最も高い

この分析結果をもとに、今後3ヶ月で取り組むべきアクションを
3つ提案してください。

条件:
- 一人社長が実行可能な範囲
- 追加の投資は月5万円以内
- 効果が測定可能なもの

Googleスプレッドシートとの連携

スプレッドシートの売上データをAIに分析させる場合、毎回コピペするのは面倒だ。以下の方法で効率化できる。

方法1：CSVエクスポート

スプレッドシートを「ファイル → ダウンロード → CSV」でエクスポートし、ChatGPTやClaudeにアップロードする。最もシンプルだが、毎回の手間がある。

方法2：Google Apps Script + ChatGPT API

スプレッドシートにGoogle Apps Scriptを設定して、ChatGPT APIに自動でデータを送り、分析結果をスプレッドシートに書き戻す方法もある。ただし、プログラミングの知識が必要になるため、一人社長にはハードルが高い。

方法3：Zapier経由の自動化

Zapierを使って「スプレッドシートに新しいデータが追加されたら、ChatGPT APIで分析してSlackに結果を通知する」というワークフローを組む方法もある。月に1回の分析であれば、Zapierの無料プランで対応できる。

クラウド会計ソフトとの連携で、売上データの記録自体を自動化する方法はクラウド会計ソフトの選び方で扱っている。

---

あわせて読みたい

• ChatGPT・Claude、結局どう使えばいいのか。一人社長の活用パターン10選
• GA4とAIを組み合わせて、アクセスデータから打ち手を見つける
• AIへの指示の出し方で、回答の質がここまで変わる

よくある質問

Q. AIに売上データを入力して、情報漏洩のリスクはないか？

リスクはゼロではない。ChatGPTの設定で「チャット履歴をトレーニングに使用しない」をオンにする、顧客名を匿名化する、有料プランのAPIを使うなどの対策を取ることで、リスクを軽減できる。特にセンシティブなデータは、ローカルで動くAIツールを使う選択肢もある。

Q. データが少なくてもAI分析は有効か？

月次データが12ヶ月分以上あれば、季節変動のパターンや基本的な傾向は見える。6ヶ月未満のデータだと、AIが出す分析も信頼性が低い。まずは1年分のデータを蓄積することを目標にしてほしい。

Q. ChatGPTとClaudeのどちらが分析に向いているか？

グラフの自動生成が必要ならChatGPT、詳細なレポート形式の出力が欲しいならClaude。どちらも基本的な傾向分析は十分にこなせる。まずは普段使い慣れている方で試してみるのがいい。

Q. Excelの関数やピボットテーブルとの使い分けは？

Excelは「決まった計算の繰り返し」に向いている。AIは「まだ何を見ればいいかわからない段階での探索」に向いている。両方を使い分けるのがベストだ。まずAIで全体の傾向を把握し、気になるポイントをExcelで深掘りするという流れが効率的だ。

ここまでの整理

AIを使ったデータ分析は、統計の専門知識がなくても始められる。過去のデータをChatGPTやClaudeに読み込ませるだけで、自分では見落としていた傾向やリスクが浮かび上がる。

ただし、AIの分析はあくまで「気づきのきっかけ」だ。因果関係の判断や、アクションプランの最終決定は自分自身の仕事。AIが出した数字をもとに「だから次に何をするか」を考えるところに、一人社長の判断力が問われる。

まずは今月の売上データをCSVにして、ChatGPTに「傾向を分析して」と投げてみてほしい。5分でできる作業で、事業の見え方が変わる。