勘と経験の出店戦略から脱却。データに基づいた「ロジカルな意思決定」で年間30店舗の新規出店を目指す。

青柳様のお仕事内容について

私が所属する店舗開発部は、業務の一つで新規出店に向けた”物件探しから契約締結”を担っています。都心のオフィスビルや路面店、一部商業施設等を対象に物件を探索しています。
自社での物件探索や外部からの提案を含め毎月10〜20件程度挙がる物件候補を精査し、契約へと繋げていく役割を担っています。

感覚的な評価を脱し、大量出店を支える「判断の軸」を作るために

導入の経緯と決め手は？

KLAの導入以前も、人口分布や世帯年収、駅の乗降客数といった一般的な統計データは活用してきましたが、それだけでは出店可否の判断がどうしても感覚的な部分に頼らざるを得ないという課題を抱えていました。

今期は「約30店規模の出店」というミッションがあります。
30店舗近い規模で出店を進めるためには、1店舗あたりの検討スピードを高めつつ、事業計画を達成できる物件かを客観データで判断できるロジックが不可欠です。なんとなく売れそう、という感覚論を脱却し、DXを活用し、数字を根拠にスピーディーな経営判断を行うためにKLAを導入しました。

店舗開発部　マネージャー　青柳 孝則 様

都心部のオフィス街を中心に出店する私たちにとって
商圏内の「ワーカー」をデータで把握できることは大きな武器

どのような業務にご活用ですか？

実務においては、物件候補地を中心に「円商圏」や「徒歩圏」を細かく設定し、ターゲット層の動向を分析しています。
KLAは、人流データだけでなく商圏内の公的統計データも取れます。私たちの出店は、8割がオフィスビル内を想定しているため、そのエリアに「どのような職種の人が、どのくらいの年収帯で働いているか」といった従業者特性が把握できるのは強みです。従業者特性に加えて、平日・休日別の滞在人口分布も分析し、そのエリアのポテンシャルを測っています。これらのデータを基に売上予測を行い、出店可否の明確な判断基準として活用しています。

円形、自動車、徒歩、自転車利用による商圏でシミュレーションが可能
（国勢調査、年収階級別世帯数、家計調査年報、経済センサス等のデータを搭載）

データの裏付けがあることで、社内の経営陣や
ビルオーナー様への提案に「強い説得力」が生まれた

KLAを導入して何より手応えを感じているのは、感覚ではなく、データに基づいた説明の「説得力」が向上したことです。
社内においては、経営陣へ出店起案を行う際、感覚ではなく人流データに基づいた予測をセットで提示できるようになりました。 共通の数値をベースに話ができるようになったことで、意思決定のスピードも上がっています。

また、社外のビルオーナー様やリーシング担当者様との商談においても、「このエリアには私たちのターゲット層がこれだけ滞在している」という客観的なエビデンスを提示できることは、担当者として非常に心強いです。 データが後押ししてくれることで、よりスムーズな交渉が可能になりました。

指定エリア内の滞在人口と属性を細かく把握可能
（平日・休日・時間帯別・性年代別に125mメッシュで集計し可視化）

今後は競合比較や既存店分析にも活用を広げ、
自分たちの「勝ちパターン」をさらに追求していきたい

現状は新規物件の評価がメインですが、今後は活用の幅をさらに広げていきたいと考えています。

今後は、現在活用している公的統計モードに加え、GPS起点の人流（トラフィック）データの併用により、さらなる精度向上を狙いたいですね。

また、既存店舗を分析して「売れる要因・売れない要因」を抽出し、その知見を新規出店へフィードバックする体制を構築していきたいです 。さらに、競合ブランドとの領域が重なりつつある中、競合店舗の客層や客足を可視化する機能の活用も検討しています。

“数値”という裏付けがあることで、商談でも社内でも自信を持って進めることができます。 今後は実績値との照合を進め、さらにモデルを磨き上げたいと考えています。

（取材月：2026年2月）

【営業担当からの一言】 人流データを採用することにより売上予測の精度が高まる例は多数ございます。 CRISP様も同様に、予測精度がより高まるように今後もサポートさせていただければと思います。これからもよろしくお願いします！