1月末になると、決算の棚卸結果が本部に集まり、多くのチェーンで同じ表が出回ります。店舗名の列、ショートレート(démarque)の列、そしてワーストからベストへの並べ替えです。数秒で、誰が「最下位」かが分かります。しかし、この順位は損失そのものと同じくらい、集計の方法を反映していることが少なくありません。店舗間のショートレートを比較する際に、的外れな対象を選ばないためには、まず全拠点で同じ方法で集計することから始める必要があります。分母の選択はその次です。そして最後に、エリア別・時間帯別に見ることで、差異を店舗で活用できるものにできます。

店舗の単純なランキングが誤解を招く理由

最も一般的な不明ロス率は、棚卸差異の金額を売上高に対する比率で示したものです。全体的な健全性を示す指標としては優れていますが、各店舗が計算に何を含めるかによって左右されるため、ランキングの手段としては不十分です。レスター大学のエイドリアン・ベック教授は、レポート Beyond Shrinkage: Introducing Total Retail Loss の中で、共通の定義がないために不明ロスのデータを比較することは非常に難しいと指摘しています。原因不明の差異だけを対象とする企業もあれば、破損、賞味期限切れ、プロセス上のミスまで含める企業もあります。

これは企業(エンセーニュ)間だけでなく、同じチェーン内の店舗間にも当てはまります。毎期、同じ偏りが繰り返されます。

  • 棚卸の時期:セール直後に棚卸をした店舗と、その前に行った店舗とでは、対象期間が異なります。
  • 既知のロスが正しく申告されていない場合:入力されなかった破損品の段ボール箱は、そのまま自動的に不明ロスに計上され、その比率を押し上げます。
  • 上流工程のミス:納品の不足、検品の誤り、拠点間の移動の記載漏れは、店舗では損失として表れます。
  • 規模の影響:小規模な店舗では、高額商品が3、4点なくなるだけで、率が前年から跳ね上がります。
  • 商品構成:狙われやすい商品を多く扱う店舗は、当然ながら率が高くなります。

したがって、ランキング最下位の店舗が、必ずしも管理が最も行き届いていない店舗とは限りません。単に最も小さい店舗かもしれません。あるいは最も真剣に棚卸をしている店舗、または倉庫から最も問題の多い納品を受けている店舗かもしれません。

比較の前に、測定方法を統一する

同じものを測定していない数値を標準化しても意味がありません。ECR Retail Loss が発表した調査 Measuring Retail Shrink も、次のように指摘しています。不明ロス率を比較するには、その算出方法を把握し、一貫して適用し、評価方法が異なるロス額には慎重であるべきだということです。著者らは、2004年に欧州で事業を展開する小売業者を対象に実施した調査に基づき、あまり測定されていないサプライチェーン上の損失が店舗に帰属され、店舗の不明ロスを押し上げる可能性が高いことも指摘しています。当時、回答者の大半は不明ロスを年2回しか測定していませんでした。この調査は、兆しの見え始めた傾向に対応できるよう、できるだけ頻繁にカウントすることを推奨しています。

チェーンでは、これは文書化され、あらゆる場所で適用されるルールとなります。原因不明のショートレートの正確な範囲と、評価方法(売価か原価か。ただしすべての拠点で同じものを使い、理想は両方)を定めます。棚卸日を揃え、受入差異の処理も同一にします。これらの基本がまだ整っていない場合は、ガイド 原因不明のショートレートを理解し、計算し、減らす で計算の基本を解説しています。地味な作業ですが、他のすべてがこれに左右されます。

売上高、来店客数、面積で正規化する

測定方法を統一したら、次は分母の選択です。それぞれが異なる側面を明らかにし、単独で十分なものはありません。

  • 売上高ベース:これは従来型の不明ロス率で、市場のベンチマークと比較できるものです。NRFのNational Retail Security Survey 2023 によると、調査対象の米国小売業者の平均不明ロス率は、2022年度に1.6%となり、前年の1.4%から上昇して、2019年と2020年の水準に戻りました。その限界はよく知られています。売上高の大きい店舗は損失が薄まって見えますし、大規模なプロモーション(あるいは、不明ロスが仕入価格で評価されている場合の販売価格の引き上げ)があれば、売場では何も変わっていなくても比率は動きます。
  • 来店客数あたり:来店客1,000人あたりの損失です。これにより平均客単価の差を除いて、同程度の人の流れがある売場(rayons)を持つ店舗同士を比較できます。ただし、チェーン全体で信頼でき、かつ統一された客数カウントが必要です。
  • 面積あたり:1平方メートルあたりの損失、あるいは特定の商品カテゴリーの棚1メートルあたりの損失です。この見方は、露出の密度や売場レイアウトの質を比較するのに役立ち、特に近い業態同士で有効です。

あえて単純化した仮想のケースを考えてみましょう。市街地にある店舗Aは来店者が多く、買い物かごは小さめです。郊外にある店舗Bは来店者数こそ少ないものの、客単価が高く、売上高ではAを上回ります。年間で、両店は同じ金額の商品を失っています。売上高に対する比率ではBのほうが良好に見えますが、来店者数に対する比率では、来店者1人あたりの損失が少ないのはAです。どちらの数値も「正解」ではありません。分析の方向性を示すのは、両者の乖離です。Aでは来店客の流れへの露出、Bでは高額商品に注目することになります。

最後の心得:各店舗を、チェーン全体の平均ではなく、同種の店舗(同じ業態、同じ立地タイプ、近い規模)や、複数回の棚卸にわたる自店の過去実績と比較することです。

エリア別・時間帯別に統計を読む

年間の率は、たとえ適切に正規化されていても、損失がどこで、いつ起きているかまでは教えてくれません。同じ率の2店舗でも、状況は正反対ということがあります。一方では、差異が17時から19時の香水・化粧品売場に集中しています。もう一方では、土曜日に売場全体へ分散しています。この2つの状況に、同じ行動計画では対応できません。

ここでは、カメラから得られるデータが棚卸に代わって役割を担います。Oxaniaのような映像分析ダッシュボードは、来店者カウント、ヒートマップ、ゾーン別・時間帯別の統計をまとめて提供します。実際のロスを測る手段である棚卸の代わりにはなりませんが、年に1、2回ではなく継続的にデータが得られます。ゾーン別のリスクのある動作のマッピングは、店舗間で同等のロケーションの売場を比較するための基盤となります。

ただし注意が必要です。アラートの件数は、カメラが何を捉えているかにも左右されます。陳列された売場が十分にカバーされている店舗は、死角だらけの店舗よりも多くのイベントを検知しますが、それだけ被害が大きいわけではありません。比較するには、アラートをそのエリアの来店客数で割り、拠点間でカメラのカバー範囲が同等であることを確認してください。そうしなければ、最も設備の整った店舗が不利になってしまいます。

ランキングを、意思決定に役立つ比較に置き換える

1位からN位までのランキングをチェーン全体に配信すると、管理会計の担当者にはよく知られた弊害が生まれます。現実ではなく、指標を取り繕うようになるのです。棚卸の前の週に急に破損の申告が熱心に行われ、一部の仕訳が期をまたいでずれ込みます。そして、構造的により狙われやすい店舗のチームは、毎年表の下位に置かれ続け、意欲を失っていきます。

複数拠点の運営管理に役立つ比較は、むしろ次のような形になります。

  1. 業態、立地、規模で構成した、比較可能な店舗グループ。
  2. 各店舗について、1つだけではなく3つの指標(売上高あたり、来店客あたり、面積あたり)を並べて確認する。
  3. 少なくとも3期間にわたる推移を見て、一時的な事故と恒常的な悪化を区別する。
  4. 順位ではなく、評価の区分(グループの標準内、要確認、明らかに上回る)を用いる。
  5. 区分から外れた店舗については、結論を出す前にエリア別・時間帯別に詳しく確認する。
  6. 差異を説明するため、店長と話し合う。工事、チームの交代、レイアウト変更、納品上の問題などが対象です。

この取り組みは、損失を予測するための主要指標 の延長線上にあります。目的は問題のある店舗を名指しすることではなく、最も成果を上げている店舗でうまくいっていることを見つけ、他の店舗に展開することです。

1月末に棚卸の数字が出たとき、表の1列を並べ替えるのは10秒で済みます。測定方法を統一し、売上高、来店客数、面積を組み合わせ、さらにエリアと時間帯のレベルまで掘り下げるには、より多くの手間がかかります。しかし、その後の会議の目的は変わります。誰が最下位かを探すのをやめ、どこで、いつ、そしてなぜ損失が出ているのかを問うようになるのです。この問いから出発してこそ、チェーン全体で原因不明のショートレートが持続的に低下します。