楽天・ヤフー・Amazonの価格競争に飽きたEC店長が1億円を投じる！AIで“まだ検索されていない欲望”を発掘し、商品・体験・人間関係まで売る『AI生活商社』構想とは？

商品を売ってきた。しかし、もう飽きた。

もし私が、年商100億円規模の日用品EC企業の経営者だったとする。

ECを始めて30年以上。

楽天、Yahoo!ショッピング、Amazon。

商品を登録し、検索順位を見て、価格を調整し、広告を出し、レビューを増やし、在庫を管理し、注文を受け、発送する。

売れれば喜ぶ。

売れなければ価格を下げる。

競合が下げれば、こちらも考える。

ポイントが増えれば、こちらも考える。

セールが始まれば、こちらも参加する。

そして翌月には、また同じことをやる。

もちろん、商売としては立派な仕事だ。

お客様が必要としている商品を、必要なときに、できるだけ安く、早く届ける。

それを30年間積み重ねてきたのなら、それ自体が大きな資産である。

でも、50歳くらいになったところで、ふと思う。

「俺は、あと何年これをやるんだ？」

売上100億円。

社員がいる。

倉庫がある。

取引先がある。

顧客がいる。

仕組みもある。

だから会社は簡単には止められない。

しかもECは24時間365日動いている。

注文は夜中にも入る。

問い合わせも来る。

システム障害も起こる。

物流も止められない。

人間は休んでいても、ECは休まない。

そして何より、型番商品を扱うECは、だんだん「誰が売っても同じ」に近づいていく。

同じ商品。

同じ価格。

同じポイント。

同じ検索結果。

同じ配送スピード。

これをAIでさらに効率化する。

確かに合理的だ。

しかし、私はもう少し違うことをやってみたい。

もし、余剰資金が1億円あるとしたら。

私は、その1億円を「今のECをもっと効率化するため」だけには使わない。

AIを導入して、社員を10人減らす。

そんな発想でもない。

私がやってみたいのは、

「まだ誰も検索していない欲望を見つける会社」

である。

人間は「商品」が欲しいのではない

ECには、一つの大きな思い込みがある。

それは、

検索された言葉＝欲しいもの

だという考え方だ。

例えば、

「冷蔵庫　収納」

と検索した人がいる。

ECサイトなら、

「冷蔵庫収納ケース」

を表示する。

もちろん、それで売れる。

しかし、その人が本当に欲しいものは収納ケースなのだろうか。

もしかすると、

「冷蔵庫を開けるたびに、どこに何があるのか分からなくてイライラする生活を終わらせたい」

のかもしれない。

「母の日　プレゼント」

と検索する人もいる。

欲しいのは商品だろうか。

本当は、

「母親に感謝を伝えたい。でも何をすればいいのか分からない」

という気持ちなのかもしれない。

「一人旅行」と検索する人もいる。

旅行用品が欲しいわけではない。

「誰にも気を遣わず、自分だけの時間を取り戻したい」

のかもしれない。

つまり、

検索キーワードは欲望そのものではない。

欲望が最後に吐き出した「出口」である。

ここに、AI時代の新しいECの可能性がある。

今までのECは、

商品
↓
検索
↓
比較
↓
購入

だった。

しかし、これからは逆になる。

違和感
↓
愚痴
↓
不満
↓
面倒
↓
小さな欲望
↓
AIによる分析
↓
商品・サービス・体験

となる。

私はこれを、

「検索される前を商売にする」

と考えている。

例えば、自社のお客様から届く問い合わせ。

「これ、もっとこうならいいのに」

というレビュー。

返品理由。

クレーム。

SNS上の愚痴。

YouTubeのコメント。

Q&Aサイト。

ブログ。

掲示板。

こうした情報の中には、巨大な市場調査会社が拾わない小さな欲望が大量に埋まっている。

人間は毎日、

「困った」

「面倒くさい」

「なんとかならないかな」

「こんなの欲しかった」

と言っている。

しかし、それらの多くは検索されない。

なぜなら、本人にも何を検索すればいいのか分からないからだ。

ここにAIを投入する。

AIに、

「売れる商品を100個考えて」

とは頼まない。

そんなことをすれば、それらしい商品が100個出てくる。

そうではない。

AIに探してもらうのは、

「困っているのに、まだ商品として解決されていないこと」

である。

これなら、30年間ECをやってきた経験が生きる。

1億円で「AI生活商社」を作ってみる

そこで考えたのが、

AI生活商社

という構想だ。

商社という名前には意味がある。

商社は単純に商品を売る会社ではない。

情報を集める。

需要を見つける。

企業を探す。

商品を組み合わせる。

物流を組む。

人をつなぐ。

新しい市場を作る。

AI生活商社も同じことをやる。

ただし、扱うものは「商品」だけではない。

人間の生活そのものを扱う。

例えば、1億円の使い道をこう考える。

1,500万円

AI生活研究所。

SNS、レビュー、問い合わせ、Q&Aなどから、「まだ商品になっていない不満」を発見する。

2,500万円

商品開発実験。

OEM、小ロット生産、既存商品の組み合わせ、新しいセット商品などを大量に試す。

3,000万円

AI生活セット事業。

一人ひとりの生活課題に合わせて、商品を組み合わせる。

2,000万円

人間×AIの体験事業。

商品を売って終わらず、地域、店舗、趣味、人、旅行、イベントなどにつなげる。

1,000万円

使わない。

これも重要だ。

経営者は、余った金を見ると使いたくなる。

しかし、1億円を最初から全部使ってはいけない。

1000万円使って実験する。

失敗する。

学ぶ。

また1000万円使う。

売れる兆しが見えたら、次の投資をする。

AI時代だからこそ、

「高速で失敗する能力」

が重要になる。

実験1　100人100通りの生活セット

例えば、AIに生活の困りごとを相談してもらう。

「朝が苦手」

「冷蔵庫がいつも汚い」

「旅行から帰った後の片付けが嫌い」

「親の家が片付かない」

「在宅勤務で運動不足」

「一人暮らしで食材を余らせる」

こうした相談をAIが整理する。

そして、

「あなたの場合は、この5商品を組み合わせると生活が少し楽になります」

と提案する。

普通のECは、

「商品Aはこちら」

「商品Bはこちら」

と売る。

AI生活商社は、

「あなたの生活課題はこちらです」

から始める。

商品を売る前に、

問題を定義する。

ここが違う。

実験2　「AIが発見した商品」を作る

もっと面白いのは、

商品と商品の隙間

である。

例えば、

Aという商品とBという商品を買っている人が大量にいる。

しかし、誰もAとBをセット販売していない。

なぜなら、従来の市場調査では、その需要が見えないからだ。

AIなら、

「この人たちは、実は同じ生活課題を抱えているのではないか」

と推測できる。

そこで、

A＋B＋オリジナル商品

という新しい商品を作る。

つまり、

市場にある商品を探すのではなく、市場に存在しなかった組み合わせを作る。

30年間のEC経験は、ここで武器になる。

何が売れるかだけではない。

何が売れなかったか。

なぜ返品されたか。

なぜレビューが悪かったか。

なぜ予想外の商品が売れたか。

こうした「失敗のデータ」は、実は巨大な資産だ。

実験3　最後は「人間に戻る」

そして、私が一番やってみたいのがこれだ。

AIが便利になればなるほど、人間は一人で何でもできるようになる。

AIに相談する。

AIに旅行を作ってもらう。

AIに商品を選んでもらう。

AIに文章を書いてもらう。

AIに話を聞いてもらう。

これは便利だ。

しかし、

便利になったから孤独が消えるとは限らない。

むしろ、逆方向の可能性もある。

だからAI生活商社では、

AIで終わらせない。

AIから、

人間へつなぐ。

例えば、

「料理が好きだけど、一人ではつまらない」

という人がいる。

AIはその人に料理道具を売って終わらない。

地域の料理教室を紹介する。

同じ趣味の人とつなぐ。

地元の店を紹介する。

一緒に料理する機会を作る。

旅行が好きな人なら、

旅行用品を売るだけではなく、

現地の小さな店や人との接点を作る。

つまり、

AIが人間を代替するのではなく、AIが人間を人間に会わせる。

ここに、AI時代の商売の逆説がある。

AIが進化すればするほど、

「人間にしかできないこと」

の価値が上がる可能性がある。

結　最後の博打は、売上ではなく「面白さ」に賭ける

もちろん、こんな事業が成功する保証はない。

むしろ、失敗する可能性は高い。

AIが欲望を正確に読めるとは限らない。

「これは絶対売れる」と思った商品が売れないこともある。

社員が新しい仕事についてこないかもしれない。

人と人をつなぐ事業が、思ったほど儲からないかもしれない。

1億円投資して、何も残らない可能性もある。

だからこそ、1億円を一発で賭けない。

小さく試す。

数字を見る。

失敗する。

やめる。

また試す。

30年間ECをやってきた人間なら、

「売上を作る方法」

だけではなく、

「売れない理由」

も知っている。

これはAIには簡単にコピーできない。

だから私は、1億円を「AI導入費」と考えない。

1億円で買うのは、

次の10年を実験する権利

だと思う。

50歳から先も、

楽天。

Amazon。

Yahoo!。

価格競争。

ポイント競争。

広告競争。

それだけを繰り返すのか。

それとも、

「人間は次に何を欲しがるのか？」

を探しに行くのか。

私は後者を試してみたい。

AIは、

「この商品が欲しい」

と言われれば、これからますます正確に商品を探せるようになる。

だから、商品を探す能力そのものは、どんどんコモディティ化する。

では、何が残るのか。

私は、

「そもそも、なぜそれが欲しいのか？」

だと思う。

さらに、その一歩手前にある、

「本人さえ、まだ言葉にしていない欲望は何なのか？」

である。

「寂しい」と検索する人は少ない。

「誰かと話したい」と商品検索する人も少ない。

「毎日の生活を、もう少し面白くしたい」と検索する人も少ない。

でも、人間は確実にそういう感情を持っている。

そこに商売の種がある。

商品になるかもしれない。

サービスになるかもしれない。

旅行になるかもしれない。

イベントになるかもしれない。

人との出会いになるかもしれない。

そして、その出会いから、また新しい欲望が生まれる。

それをAIが拾う。

また商品を作る。

また人につなぐ。

また新しい需要が生まれる。

この循環を作る。

それが、

「AI生活商社」

である。

30年間、私は商品を売ってきた。

これからは、

「まだ商品になっていないもの」を探してみたい。

1億円を使って、AIそのものを買うのではない。

AIを使って、

人間の中に眠っている、

まだ名前のついていない欲望を探しに行く。

もしかすると、それは大失敗するかもしれない。

でも、50歳からの最後の博打としては、

「また同じ商品を、また同じ場所で、また同じ方法で売る」

よりは、ずっと面白い。

そして私は、AI時代の商売をこう定義してみたい。

AIを使って、人間がまだ名前をつけていない欲望を見つけることだ。

商品を売る。

体験を売る。

人をつなぐ。

そして、また新しい欲望を見つける。

「AI生活商社」は、そんな商売を本気でやってみるための、私なりの最後の実験である。

実際のEC商売につなげるなら、33項目を「面白そうな商品案」で終わらせず、①不満を集める→②100人で検証→③小ロット商品化→④販売→⑤数字で残す/捨てるまで落とします。

AI生活商社｜33個のTODO

1. 「片付けてもすぐ散らかる」

• SNS・レビューから「片付けても戻せない」不満を100件収集

• 「収納用品」ではなく「戻せない理由」を分類

• 既存商品3～5個を組み合わせた「散らからない生活セット」を試作

• 30～50世帯でテスト販売

• 30日後の継続利用率を測定

2. 「旅行から帰った後が地獄」

• 「旅行後　片付け」「旅行帰宅　洗濯」等の投稿を収集

• 帰宅後24時間の作業を分解

• 洗濯・収納・充電・掃除をまとめた「帰宅リセットBOX」を試作

• 旅行好き50人にモニター販売

• 「また買いたい理由」を収集

3. 「冷蔵庫の中が把握できない」

• SNSの冷蔵庫整理・食品廃棄の不満を収集

• 「探せない」「余らせる」「同じ物を買う」に分類

• ラベル・収納・在庫管理用品をセット化

• 30世帯で1か月実験

• 食品廃棄量の変化を測定

4. 「親の家が片付かない」

• 子世代の「実家片付け」体験談を100件収集

• 「捨ててほしい」ではなく「揉めずに片付けたい」に着目

• 分別・収納・ラベル用品をセット化

• 「親に渡しやすい片付けBOX」として販売

• 親子双方から評価を取る

5. 「一人暮らしだと食品が余る」

• 一人暮らしの食品廃棄・余り物投稿を収集

• 「量が多い」「賞味期限」「調理が面倒」を分類

• 少量食品＋保存用品＋簡単調理用品をセット化

• 1週間分セットをテスト販売

• 廃棄率と客単価を測る

6. 「家電の説明書が分からない」

• 「説明書読まない」「設定できない」不満を収集

• 高齢者・機械が苦手な層を調査

• 説明書をAIで生活言語に変換するサービスを試作

• 購入家電に「AI使い方ガイド」を付加

• 問い合わせ件数の減少を測る

7. 「何を買えばいいのか分からない」

• 自社問い合わせから「おすすめしてほしい」を抽出

• 商品ではなく生活課題から質問するAI診断を作る

• 診断→商品3～5点の提案ページを作る

• 通常の商品検索とのCVRを比較

• AI生活コンシェルジュとして独立事業化を検討

8. 「ネットで買ったらサイズが違った」

• サイズ失敗による返品理由を分析

• 「身長・体重」以外の生活条件も収集

• AIサイズ診断フォームを作る

• 購入前診断→推奨サイズを表示

• 返品率を導入前後で比較

9. 「レビューを読んでも自分に合うか分からない」

• 自社レビューをAIで属性別に分類

• 「子育て世帯」「一人暮らし」「高齢者」などに分解

• 「あなたに近い人のレビュー」を表示

• 購入率・離脱率を測定

• 「自分と似た人検索」をEC機能にする

10. 「SNSでおすすめされすぎて疲れる」

• SNS上の「買ってよかった」「買わなくてよかった」を収集

• AIに「買わない方がいい条件」を分析させる

• 商品ページに「この人には不要」を表示

• 返品率・レビュー評価を比較

• 売らないECというコンセプトを実験する

「面倒」を商品にする

11. 「洗濯物を畳むのが嫌」

• 「洗濯物　畳みたくない」投稿を収集

• 畳む工程を分解

• 畳まなくても収納できる商品を組み合わせる

• 「畳まない生活BOX」を発売

• 使用前後の家事時間を計測

12. 「ゴミ出しを忘れる」

• ゴミ出し忘れの原因を調査

• 地域別のゴミ分別・曜日問題を整理

• ゴミ袋＋分別ラベル＋通知サービスをセット化

• 1地域限定で実証

• 継続利用率を測る

13. 「薬・サプリを飲み忘れる」

• 飲み忘れの生活パターンを調査

• 「薬箱」ではなく「生活動線」に着目

• 洗面所・食卓・寝室別の商品セットを作る

• 服薬管理アプリ等との連携可能性を検討

• ※医療行為にならない範囲を明確化

14. 「充電するものが多すぎる」

• 家庭内の充電機器を調査

• スマホ・イヤホン・時計・ゲーム機などを分類

• 家族人数別充電セットを作る

• 「寝る前に全部置く場所」を商品化

• 収納＋充電を一体化する

15. 「コードがぐちゃぐちゃ」

• SNSの配線ストレスを収集

• デスク・テレビ・ベッド周辺に分類

• 場所別ケーブル整理セットを作る

• ビフォーアフター動画を作る

• 動画→ECの購入率を測定

16. 「掃除道具を出すのが面倒」

• 「掃除しない理由」を収集

• 「汚れているから」ではなく「始めるのが面倒」に注目

• 30秒で使える掃除セットを作る

• 場所別「洗面所30秒BOX」等を発売

• 使用頻度を測定

17. 「買い物リストを作るのが面倒」

• 自社の日用品リピート購入周期を分析

• 世帯人数別の消耗品モデルを作る

• 「今月なくなるもの」をAIが予測

• 自動買い物リストを作る

• そのままEC注文につなげる

18. 「消耗品を買い忘れる」

• トイレットペーパー等の購入周期を分析

• 世帯別消費量モデルを作る

• 「なくなる前に届く」定期便を設計

• まず100世帯限定で実験

• 解約理由を分析

19. 「防災対策が面倒」

• 防災未実施者の理由を調査

• 「何を買えばいいか分からない」を特定

• 「30分で準備できる防災BOX」を作る

• 一人暮らし・子育て・高齢者向けに分ける

• 期限管理サービスまで検討

20. 「衣替えが面倒」

• 衣替え作業を時間計測

• 収納・防虫・ラベルをセット化

• 「春セット」「秋セット」を作る

• 収納場所別に商品提案

• 季節定期便へ発展させる

「一人」を商売にする

21. 「一人外食が少し寂しい」

• 一人外食者のSNS投稿を収集

• 「寂しい」と「気楽」を分離して分析

• 一人客向け飲食店・体験を探す

• 「一人でも楽しめる街歩きセット」を作る

• 商品＋地域体験モデルを実験

22. 「一人旅行は写真がない」

• 一人旅の「写真問題」を調査

• 三脚・スマホ・AI撮影を組み合わせる

• 現地撮影サービスとの提携を試す

• 「一人旅記録BOX」を作る

• 旅行商品とのセット販売を検討

23. 「趣味の話をできる人がいない」

• 趣味別SNSコミュニティを調査

• 年齢・地域・趣味で細分化

• 商品購入者限定の小規模コミュニティを作る

• オンライン→リアル交流へつなぐ

• 月額モデルを検証

24. 「休日に誰とも話さない」

• 「一日誰とも話さない」体験談を収集

• 恋愛ではない軽い交流需要を調査

• 地域店舗・散歩・食事などと組み合わせる

• 30～60分の交流企画をテスト

• 参加者の再参加率を測定

25. 「新しい友達を作るきっかけがない」

• 「友達が欲しい」ではなく「きっかけがない」を調査

• 趣味・年齢・居住地域でAIマッチング

• まず4～6人の小規模イベント

• 商品購入→イベント参加の導線を作る

• 継続参加率を測定

26. 「一人で新しい店に入りにくい」

• SNSの「行ってみたいけど入れない」を収集

• 初心者向け地域店舗を発掘

• AIによる「初めての店ガイド」を作る

• 商品＋店舗体験チケットをセット化

• 地域店舗との収益分配モデルを検証

27. 「退職後・定年後にやることがない」

• シニア層の「退職後」投稿を分析

• 趣味・学習・地域活動を分類

• 「60日間新しいことを試すBOX」を作る

• 体験先をAIが提案

• 商品販売→体験→コミュニティへ発展

AI時代の新しい不満

28. 「AIに聞いても結局どれが正しいか分からない」

• AI利用者の「最後に検索し直す」行動を調査

• AI回答→人間レビューの二段階モデルを作る

• 商品選定に「AI＋実利用者」を導入

• 購入後の満足度を測る

• 「AIだけでは決めないEC」を検証

29. 「AIおすすめ商品の口コミが少ない」

• AI検索で出てくる新商品を収集

• 実際の購入者をモニター化

• 使用1日・7日・30日のレビューを取得

• 「使い続けた人だけのレビュー」を作る

• レビューそのものを商品価値にする

30. 「AIで文章は作れるが自分らしくない」

• 「AIっぽい文章」への不満を収集

• 本人の音声・文章から個人の表現パターンを抽出

• AI編集＋本人最終確認サービスを試す

• note・ブログ・EC商品説明などで実験

• 月額サービス化を検証

31. 「AIで何でもできるのに何をすればいいか分からない」

• 「AI疲れ」「AIで何をする？」を収集

• 生活者の課題を100種類に分類

• 7日間のAI生活実験を商品化

• 毎週一つ新しい行動を提案

• 「AIを使うこと」ではなく「生活が変わったか」を測る

32. 「AIと話せるけど、人間とは話していない」

• AI利用者の孤独・交流ニーズを調査

• AI相談→リアル体験の導線を設計

• 地域イベント・趣味・店舗と連携

• 「AIから人間へ」をサービス化

• 参加後の満足度と再参加率を測定

33. 「便利になったのに生活が面白くない」

• SNSから「暇」「退屈」「毎日同じ」を収集

• AIが選ぶ「合理的な商品」と逆方向の商品を探す

• 偶然の店・未知の体験・地域商品をセット化

• 「月1回、知らないことをするBOX」を試す

• 商品→体験→人→新しい商品という循環を作る

そして、33個を全部やらない

ここが経営上かなり重要です。

33個＝33事業ではありません。

最初の1億円なら、私はこういう実験ルールにします。

第1段階：33→10

SNS・レビュー・自社データから不満を100件ずつ集める。

↓

AIで、

• 発生頻度

• 不満の強さ

• 既存商品の弱さ

• 支払意思

• リピート可能性

• 自社ECとの親和性

を整理。

↓

10テーマに絞る。

第2段階：10→3

各テーマに100万円以内。

合計1,000万円程度で、

10テーマ×小さな実験

を行う。

↓

売上だけでなく、

• 購入率

• 粗利

• リピート率

• SNS反応

• クレーム率

• 顧客の熱量

• 「友人にも勧めたい」率

を見る。

第3段階：3→1

ここで初めて大きく投資する。

3,000万～5,000万円を1テーマに集中。

残りは、

「次の種を探す資金」

として残す。

最終的に作りたいのは「商品開発部」ではない

ここが、この企画の一番重要なところです。

普通の会社：

AI生活商社：

つまり、

「不満→商品→不満→商品」

という永久機関を作る。

25年間ECをやってきた会社なら、ここには既存の顧客・商品・物流・仕入れ・販売・レビュー・購買データがある。

だから新会社をゼロから作るより、

という発想が、1億円を使う意味のある最初の一手になります。

++++++++++++++++++

AI生活コンシェルジュ｜30日間KPI管理表

前提は、100万円以内・既存商品を使う・30日で「商売になるか」を判定する実証実験です。

重要なのは、単純な売上ではなく、

という新しい購買導線が成立するかを確認することです。

1. 毎日確認するKPI

KPI毎日見る数字目標値GO注意NO-GO広告表示数インプレッション累計10万以上○5万～10万<5万広告CTRクリック率1.5%以上≥1.5%0.8～1.5%<0.8%LP訪問者累計訪問者3,000人以上≥3,0001,500～3,000<1,500AI診断開始率診断開始/LP訪問30%以上≥30%15～30%<15%AI診断完了率完了/開始50%以上≥50%30～50%<30%商品提案到達率提案表示/診断完了80%以上≥80%60～80%<60%購入率購入/診断完了5%以上≥5%2～5%<2%客単価1注文当たり5,000円以上≥5,000円3,000～5,000円<3,000円粗利率粗利/売上30%以上≥30%20～30%<20%CAC顧客獲得費2,000円以下≤2,000円2,000～4,000円>4,000円AI相談→購入AI経由購入比率5%以上≥5%2～5%<2%返品率注文件数に対する返品5%以下≤5%5～10%>10%顧客満足度5段階評価4.0以上≥4.03.5～4.0<3.5「また相談したい」率購入者アンケート50%以上≥50%30～50%<30%

2. 日別の重点KPI

毎日すべての数字を見ると経営判断がぼやけるので、日ごとに「今日見る数字」を変えます。

日フェーズ最重要KPI目標判定1準備計測環境完成率100%未完成なら開始延期2準備顧客調査回答数10件<5件なら質問変更3調査回答数20件<15件なら対象変更4調査不満候補数30件<20件なら再調査5調査有力テーマ3テーマ<2なら再調査6分析最有力テーマ決定1テーマ決定必須7試作商品セット完成1セット未完成NG8試作LP完成率100%未完成NG9試作AI診断完成率100%未完成NG10テストテスト回答数20人<10なら修正11テスト診断完了率50%以上<30%なら修正12改善商品提案到達率80%以上<60%なら修正13広告準備広告3パターン3本必須14広告CTR1.5%以上<0.8%なら変更15広告LP→診断開始率30%以上<15%ならLP修正16販売初回購入5件以上0～2件なら要改善17販売購入率3%以上<2%なら原因分析18販売CAC4,000円以下超過なら広告修正19販売購入率4%以上改善傾向確認20中間累計購入者20人以上<10人ならGO再検討21顧客調査購入理由回答10件必須22顧客調査問題解決目的購入50%以上<30%なら仮説弱い23改善CVR5%以上<2%なら修正24改善客単価5,000円以上<3,000円なら再設計25改善粗利率30%以上<20%なら再設計26リピート再相談意向50%以上<30%なら要改善27リピート再購入・追加購入意向30%以上<15%なら弱い28総合CAC≤2,000円目標>4,000円NO-GO候補29総合累計粗利広告費回収可能性黒字化見込み確認30最終事業成立性GO/NO-GO経営判断

3. 30日目の最終判定

単純に「売れた／売れない」ではなく、5項目で判定します。

判定項目GO基準NO-GO基準需要AI診断3,000人以上1,500人未満購買診断→購入5%以上2%未満経済性CAC≤2,000円＋粗利30%以上CAC>4,000円＋粗利20%未満顧客価値満足度4.0以上3.5未満再利用「また相談したい」50%以上30%未満

判定ルール

GO：4～5項目達成

→ 300～500万円を追加投資して、3テーマへ拡張。

条件付きGO：3項目達成

→ 30日間の改善実験をもう1回。

NO-GO：0～2項目

→ このテーマは終了。

ただし、収集した顧客の「不満データ」は次のテーマに転用。

4. 経営者が毎晩見る「5つの数字」

実際には、毎日この5つだけでも十分です。

最後の⑤が、この実験の本丸です。

売上だけなら、既存ECでも作れる。

この30日間で証明したいのは、

「検索→商品」ではなく「不満→AI→解決策→商品」という新しいEC導線に、お客様がお金を払うか。

ここがYESなら、1億円構想の最初の歯車が回り始めます。