価格自動改定はルール型かAI型か。答えは「SKUごとに割り当てる」

複数モールで売っていると、在庫の同期が落ち着いた次に必ず価格の話が来る。手で直すのが追いつかなくなって自動改定を検討し始めると、ルールを自分で書く方式と、AIに任せる方式の2つがあることに気づく。

英語圏のリプライサー業界では、この2つを対立軸に据えた議論が続いてきた。Repricer.com、Seller Snap、Aura といった各社がそれぞれ自社の強みに寄せた記事を出しているので、読む側はつい「どちらが正解なのか」を探しにいってしまう。ところが Repricer.com が2026年7月17日に出した記事は、その問い自体をたたんでいる。まともなリプライサーはすでに両方を積んでいるので、ルール型かAI型かは「どちらの製品を買うか」ではなく「自分のカタログをどう設定するか」の問題になった、という整理だ。

これは日本の在庫連携ツール市場ではあまり語られていない論点だが、複数モールで数百から数千のSKUを回している事業者にはそのまま当てはまる。以下では両方式が実際に何をしているのかを整理したうえで、Amazon の相乗り、楽天・Yahoo! のポイント原資、メルカリShops の値下げ通知という日本固有の条件に落として考えていく。

なお以下で触れるモールの手数料は、2026年8月1日時点で各社の公式ページに掲載されている内容にもとづく。改定が続いている領域なので、実際に下限価格を組むときは必ず最新の公式表記で確かめてほしい。

ルール型とは何をしているのか

ルール型は、出品者が書いた条件をそのまま実行する。Repricer.com の言い方を借りれば、条件を書いてツールがそれを実行するだけで、それ以上のことは起きない。実際の設定画面では、比較対象（最安値・カート価格・特定の競合）、動かし方（一致させる・いくら下げる・何%下げる）、下限と上限、対象から外す競合、といった項目を埋めていく。

この方式の性質は、価格が動いた理由が必ず説明できることに尽きる。ある商品が昨日1,980円で今日1,940円なら、どの条件が発火したのかをログから逆算できる。意図しない値動きが起きたときも、条件文のどこが間違っていたかを特定して直せる。

ルール型が強い場面

価格の根拠を人に説明する必要がある商品では、ルール型のほうが素直だ。卸先との関係で一定の価格帯を守りたい、法人向けに見積を出している、ブランドとしての価格の見え方を決めている。こうした場面で「アルゴリズムが決めました」は通らない。Repricer.com も MAP（最低広告価格）契約や法人向けの価格帯を、ルール型の代表的な適用先として挙げている。

ただし MAP は主に米国の商慣行なので、そのまま日本に持ち込むのは危うい。一般論として、日本ではメーカーが小売価格を拘束する行為は独占禁止法上の問題になりうる（公正取引委員会「流通・取引慣行に関する独占禁止法上の指針」は、再販売価格の拘束を原則として公正な競争を阻害するおそれのある行為と位置づけている）。日本で「説明が要る価格」を考えるなら、取り決めというより自社のブランド方針と取引先への説明責任として捉えるほうが実態に合う。

そもそも競合が少ない商品も同じだ。自社ブランド品や独占的に扱っている商品は値付けの主導権がこちらにあるので、市場を読ませる意味が薄い。在庫処分も、「入荷から60日経過したら週に3%ずつ下げ、5,000円を切ったら止める」のように狙う結末が決まっているぶん、条件で書いたほうが確実に着地する。

SKU数も判断材料になる。Repricer.com は、人が現実に維持できるカタログ規模をおおむね500SKUまでと見積もり、1,000SKUを超えたあたりからAI型を使う理由が立ち始めるとしている。カタログがまだその手前なら、無理にAIへ移す必要はない。何を変えたら何が起きたかが1対1で対応するので、自分がカート獲得の仕組みを学ぶ段階でもルール型は役に立つ。

ルール型が弱い場面

弱点は3つある。

第一に、書き換えるまで静的だということ。3か月前に「最安値の1円下」と書いたルールは、競合の顔ぶれが入れ替わっても、需要期が来ても、仕入れ値が上がっても、同じ動きを続ける。市場が変わったことをルールは知らない。

第二に、明示的に書かない限り下向きにしか動かないこと。ほとんどの出品者は「安い競合が現れたら追随する」ルールは書くが、「競合が在庫を切らしたら戻す」ルールは書かない。結果として価格は下がるだけで戻らず、利益率が静かに削れていく。

第三に、これが最も厄介なのだが、相手も自動改定を使っているという事実だ。Repricer.com は価格競争を扱った2026年4月24日の記事で、価格戦争の多くは新規参入者が定額の値下げで入ってくることから始まると説明し、高回転ASINで避けられたはずの価格戦争の推定8割がルールベースのロジックによる、という数字を挙げている。これは自社製品を売る文脈での主張なので数字そのものは割り引いて読むべきだが、機構の説明としては素直に納得できる。双方が「相手の1円下」と書いていれば、価格が下限まで一直線に落ちるのは算数の話だ。

AI型を主力にするベンダーは、まさにこの点を自社の売りにしている。Seller Snap は自社のアルゴリズムをゲーム理論に着想を得た自己学習型と説明し、市場の状況と競合の行動を読み取って場面ごとに最適な戦略を出すと述べている。

AI型とは何をしているのか

AI型は、ルールではなく目的と制約を与える方式だ。Repricer.com の説明では、競合の挙動、販売速度、カートの状態、在庫水準、そしてタイミングをまとめて読んで価格を選び、前回の結果から学習する。出品者が設定するのは「利益を最大化したい」「回転を優先したい」といった方針と、下限価格・上限価格という枠になる。

象徴的なのは、AI型が価格を上げにいくことだ。Aura は自社ブログで、同社のAIがテストにおいてカート価格より高い値付けをしながら販売数をむしろ伸ばしたと書いている。買い手がいくらまでなら払うかを学習したから、というのが同社の説明だ。ベンダー自身の記述で第三者の裏取りはできないが、ルール型がまず書かない挙動であることは確かだ。

2026年に入ってからは、この領域に agentic pricing という呼び方が加わった。Omnia Retail は2026年1月22日に、自然言語で対話できる Omnia Agent のベータを発表している。同社はこれを、ルール型が持つ業務ロジックと柔軟性に、アルゴリズム最適化の知性と能動性を組み合わせたものだと位置づけた。同時に、エージェントが動くのは「あなたが設定したガードレールの中」であり、一つひとつの推薦について完全な透明性を保つので出品者が主導権を持ったままだ、とも書いている。無条件に任せる話ではない、という但し書きが最初から付いている。

Prisync は2026年5月5日の記事で、agentic pricing を「手作業の代わりに自律的な価格エージェントに価格設定を任せること」と定義したうえで、うまくいかない条件を並べている。品薄や災害のときに自律的な値上げが走ると便乗値上げとみなされて顧客の信頼を失うこと、誰かの値下げに反応が連鎖して底値争いと大幅な売上減を招きうること、入力データの質が悪ければ出力も信用できないこと。人間の監督が必要な場面がある、というのが同記事の結びだ。同記事は McKinsey の調査として、価格設定領域で生成AIまたは agentic AI を採用する組織が現在の10〜30%から1〜3年で65〜85%になる見込みだ、という数字も引いている。

AI型が強い場面

相乗り出品者が何社もいて一日に何度も価格が動く商品では、ルールを書いても翌週には前提が変わっている。この「競合が多く、動きが速い」領域がAI型の本領だ。月に1〜2個しか動かない商品が数千SKUあるようなロングテールも、一つずつルールを設計するのは現実的でないので任せる価値がある。カートを取れる範囲でどこまで上げられるかを探る動きも、人が手でやるには手数が多すぎる。Repricer.com が挙げる1,000SKU超という目安は、要するに人の手が回らなくなる点を別の言い方にしたものだ。

AI型が弱い場面

いちばん効くのは、判断根拠が見えないことだ。結果は見えるが理由は見えない、と Repricer.com は書いている。取引先から「なぜこの価格なのか」と聞かれたときに答えづらい。効果が出るまでに同社の見積もりで1〜2週間の学習期間が必要なので、導入直後に評価すると実力より低く見えるという問題もある。学習するだけの取引履歴がない低回転品では、そもそも判断材料を持てない。このあたりは各社の主張が珍しく一致していて、AI型を売っている側も全部AIに寄せろとは言っていない。

並べて比較する

（Repricer.com「Rule-Based vs AI Repricing」の比較表をもとに再構成。同記事の表は、判断根拠、透明性、追随性、上方向への可動、拡張性、効果が出るまでの時間、不具合の追跡、データが薄いSKUでの挙動、取引先への説明のしやすさ、向くSKU の10項目で構成されている）

答えは「どちらか」ではなく、SKUへの割り当て

Repricer.com の結論は、ルール型かAI型かはもう製品選びの問いではなく設定の問いだ、というものだ。同記事はカタログを開いて「この価格を誰かに説明する必要があるか」で切り分けることを勧めていて、説明が要るもの（MAP、法人向け、主力品、在庫処分）はルールに、それ以外、とりわけこれまで手が回らなかった競合の多いテールはアルゴリズムに渡す、としている。両方式を持っているベンダーの立場から出てくる結論ではあるが、カタログの中身が均一でない以上、実務的には正しい。

割り当ての切り方として素直なのは、競合の数と回転速度の2軸だ。

競合が少なく、回転も遅い（自社ブランド、独占仕入れ、季節品の端境期）。ここはルール型か、そもそも手動でいい。自動改定に任せる価値が薄い。

競合が少なく、回転が速い（自社の主力品、リピート品）。ルール型。価格の主導権はこちらにあるので、意図した値付けを守らせるほうが利益が大きい。

競合が多く、回転が遅い（ロングテールの相乗り品）。ここが判断の分かれ目になる。AI型は学習データが足りず本領を出せないが、SKU数が多いのでルールの保守も現実的ではない。実務的には、ゆるいルール（下限を高めに設定して、無理に取りにいかない）で放置するのが落としどころになりやすい。

競合が多く、回転が速い（人気商品の相乗り）。ここがAI型の主戦場だ。価格競争の連鎖が起きるのもここなので、ルール型で戦うと下限に張り付く。

いきなり全カタログを分類する必要はない。売上上位2割のSKUだけ先に象限に振り分けて、そこから広げていけば十分機能する。

どちらを使うにしても先に必要な土台

エンジンの選択より前に片付けるべきことが3つある。ここが欠けたまま自動改定を回すと、ルール型でもAI型でも同じ結果になる。

原価が入っていること。 ここでいう原価は仕入れ値だけではない。モールごとの販売手数料、決済手数料、送料、広告費、ポイント原資までを含めた実際の持ち出しだ。しかもこれは動く。Amazon は2026年4月1日から、商品1点あたりの売上が750円を超える場合に販売手数料率を全カテゴリーで0.4%引き上げた。メディア、Amazonデバイス用アクセサリ、TVゲームの3カテゴリーは、売上額にかかわらず0.4%引き上げの対象になっている。同時にFBA配送代行手数料は標準サイズの一部（20〜80cm・5kgまで）で1点あたり平均38円引き下げられ、2026年4月15日からは保管12か月超の商品に長期在庫追加手数料（最低で月20円／点）が加わった。

下限価格が決まっていること。 手数料が動けば下限価格も動く。Repricer.com は、下限価格を毎月更新していない出品者は潜在利益を平均12%失っていると書いている。この数字も同社の主張として読むべきだが、手数料改定のたびに下限が古くなるという指摘自体は上の通り事実だ。そして下限価格はモールごとに違う。同じ商品でも Amazon と Yahoo! では手数料構造が違うので、単一の下限を全モールに使い回すと、どこかで必ず赤字になる。

在庫数が正しいこと。 価格が下がれば売れる。売れれば在庫が減る。その減少が他モールに反映されていなければ、価格自動改定は売り越しを増やす装置になる。順序としては在庫同期が先で、価格改定は後だ。

日本のモールで考えるときの注意

英語圏の議論はほぼ Amazon 単体、それも米国市場を前提にしている。日本で複数モールを回す場合、条件が変わる。

Amazon：相乗りとカートは価格だけでは決まらない

相乗り出品でカートを取りにいくとき、多くの出品者が「最安値を取れば勝てる」と考える。Repricer.com は、価格が Amazon のアルゴリズムの見る14の変数のひとつにすぎないと指摘し、配送方法、アカウントの健全性、配送速度などが同時に効くと説明している。同社は、FBA出品者がFBM出品者より2〜5%高い価格でもカートを獲得することが日常的にあるとも書いている。

つまり「相手の1円下」を書く前に、そもそも下げる必要があるのかを疑う余地がある。配送方法とアカウント状態が競合より上なら、同額か少し上でもカートは回ってくる。ルールを書くなら、比較対象を「全出品者」ではなく「自分と同じ配送方法かつ評価が同等以上の出品者」に絞るほうが、無用な値下げを避けられる。

楽天市場・Yahoo!：買い手が見ているのは表示価格ではない

この2モールでは、買い手が判断しているのは表示価格からポイント還元を引いた実質価格だ。表示価格だけを見て改定する仕組みは、実際に起きている競争を半分しか見ていないことになる。

Yahoo!ショッピングの公式の費用ページでは、ストアポイント原資負担を税抜販売価格に対して1%〜15%の範囲でストアが設定でき、うち1%が必須とされている。加えてキャンペーン原資負担が1.5%必須、アフィリエイトパートナー報酬が2%〜50%（うち2%〜4%が必須）、さらにその報酬額の30%がアフィリエイト手数料として乗る。入金サイクル手数料も0.0%〜0.6%の幅がある。下限価格の計算にこれらを入れていないと、自動改定が下限に張り付いた瞬間から赤字が始まる。

しかもこの構造は変わる。LINEヤフーは2026年2月28日に、Yahoo!ショッピングの出店プランを2026年9月から変更すると発表した。月額システム利用料1万円（税抜）が新設され、無料だった売上ロイヤリティが2.5%になり、ショッピングタブ掲載経由の販売にカテゴリー別で2%〜4%が加わる。一方でキャンペーン原資負担は廃止され、プロモーションパッケージは3%から2%に下がる。ストアポイント原資は1%〜15%のまま変わらない。差し引きがプラスかマイナスかは商材と販路構成によるので、施行前に自社の下限価格を引き直しておく必要がある。

楽天市場側では、ポイント倍率の設定によって実質価格が動く。倍率を上げれば買い手にとっては値下げと同じだが、その原資は店舗側の負担として利益を削る。負担率はプランと施策によって変わるうえ、楽天の公式費用ページで負担率の数値を確認できなかったため、率は挙げず構造だけを示す。価格だけを自動改定する仕組みとポイント施策を別々に運用していると、両方が同時に効いて想定より深く利益が落ちることがある。実質価格の下限を決めておくのが安全だ。

メルカリShops：小刻みに下げても誰にも気づかれない

メルカリShops は初期費用と月額費用が無料で、販売手数料が10%、振込手数料が1回200円という構造だ。ただしこれはメルカリ公式コラム（2023年1月公開、比較表は2024年8月時点の記載）で確認した数値で、公式ヘルプの手数料ページ自体は本記事の執筆時点で参照できなかった。出店前に最新の公式表記で確かめてほしい。手数料が単純なぶん、下限価格の計算はしやすい。

問題は値下げの伝わり方にある。メルカリの公式ヘルプは、メルカリShops で「いいね！」をつけた人への値下げ通知について、商品価格に対し一定の基準を超えて値下げが行われた場合に送られると書いている。基準そのものは公開されていない。加えて、通知基準に満たない値下げのときと、23:00〜9:00の間は通知が届かないことも明記されている。

これは自動改定の設計に直接効く。1回1%ずつ刻んで下げる設定は、通知の基準に届かないまま価格だけが落ちていく可能性がある。値下げの効果の相当部分が通知による再訪だとすれば、刻む改定は最も損な動き方になる。メルカリShops では頻繁に少しずつ下げるより、間隔を空けて、基準を超える幅で、通知が届く時間帯に下げるほうが噛み合う。タイミングと幅を明示的に指定できるルール型のほうが、この種の設計は書きやすい。

何から始めるか

順序を守るほうが結果的に速い。

1. モールごとの手数料を含めた原価を全SKUに入れる。ここが空欄のまま自動改定を回すのは、計器を見ずに飛ぶのと同じだ。
2. 下限価格をモールごとに設定する。そのうえで、手数料改定と仕入れ値の変動に合わせて月次で見直す予定を先に決めておく。
3. 在庫同期を先に固める。価格を動かすと売れ方が変わるので、在庫のずれは価格改定を入れた直後に表面化する。
4. まずルール型で回して、価格の変更履歴を読む。いつ、どの商品が、いくらからいくらに動いたか。ここで自社のカタログの癖が見える。
5. 売上上位のSKUを競合の数と回転速度で象限に分け、競合が多く回転の速い群だけをAI型に寄せる。全部を一度に移さない。

ClariaSync は、この順序でいうと1から3を担う道具だ。モール別の手数料を踏まえて利益を計算し、赤字を止める下限価格と上げすぎを止める上限価格を持たせ、在庫を自動で同期して売り越しを防ぐ。価格改定はルール型を土台にして、上下のストッパーを必ず挟んだ状態で動かす設計にしている。4で読む材料になる価格の変更履歴も、ここに残る。AI型を否定しているわけではない。むしろ Omnia Retail や Prisync が揃って書いているように、自律的なエージェントを入れるときほど、ガードレールと原価データの正しさが前提になる。土台を整えることは、将来AI型に移るための準備でもある。

どちらが正しいかを決める必要はない。決めるのは、どのSKUに何を任せるかだ。