当方は朝に着替える際、天候と気温を最重視して服を着るという習性がある。

例えば、午後から雨が降る確率が高ければ、必ずワークマンの防水スニーカーを履く。そして濡れても乾きやすいポリエステル素材のズボンを穿いて、真夏以外は防水性・撥水性のアウターを着る。真夏なら確実に吸水速乾Tシャツである。

日差しの強さや湿度の高さにもよるが、晴れていて最高気温15度に達すれば、当方は暑くてダウンジャケットは着ていられない。だから、どんなに真冬であっても最高気温が14・15度くらいの予報であれば、ダウンジャケットは着用せずに薄中綿ブルゾンとか、綿無しブルゾンの下にウールのセーターを着たりする。

逆に最高気温が30度を超える予想なら、必ず半袖吸水速乾Tシャツを着る。

 

 

理由は、雨に降られて服と靴が濡れたままであることと、汗を大量にかいて濡れたままでいることがこの上なく苦痛だからである。

そんなわけで、毎日何度もYahoo!天気予報を確認しているわけだが、天候・気温予報が時々刻々と変化する。昨日の表示と今朝の表示は全く異なっているということなど全く珍しくない。もちろん、その場合、最新の予報データに応じた服装を選ぶ。

着用基準が天候と気温なので、当然に購買行動も天候と気温、特に気温を最重視している。特になるべく汗をかかない服装、かいたとしてもすぐに乾く服装を買う。

 

 

例え、どれほど最新トレンドでカッコイイデザインの服があったとしても、暑すぎて着られないならそれは当方にとっては無用の長物で、置き物と変わらないから買うことは無い。

もちろん、洋服というのは実際に着てみるまで着心地はわからないから、試しに買ってみることはあるがトレンド性やデザイン性だけで洋服を試しに買ってみることは無い。

あとは家庭洗濯できるかどうか、洗濯してシワシワになりにくいかどうか、虫食いされにくい素材かどうか、あたりが洋服を選ぶ基準になる。

 

 

一時期、人工知能（AI）による需要予測サービスが盛んに打ちだされて、メディアや経済イキリ界隈では非常にホットな話題になっていたが、2020年代に入ってからは「エーアイによる需要予測ガー」というPRはあまり見かけなくなったと感じている。

実際にはそれなりに稼働している部分もあるのだろうと思うが、ことさらに「え～あいによる需要予測ガー」というPRや謳い文句は見かけなくなっている。

まあ、例えばこの記事では需要予測について言及されている一節がある。

異色アパレル上場､｢営業利益率20％超え｣の底力｜Infoseekニュース

データに基づいた需要予測も、ヒット率の高さに寄与している。ヒューマンメイドでは、クリエイターのアイデアを商品へと落とし込む過程で、経営側が過去の販売動向などの体系データと紐づけて、顧客がブランドに求める商品や商品構成はどうあるべきかの仮説検証を繰り返す。「需要予測なんて100％できるものではないが、数値化の精度を高めることはできる。計画と修正を緻密に繰り返し、計画立てて販売した結果へのアクションを迅速に行ってきた」（松沼CEO）。

 

とあり、エーアイを使っているかどうかは別としてデータに基づいて需要予測を立てている。その中でも感心させられるのが「需要予測なんて100％できるものではないが」という冷静さである。そんなことが可能なら今頃どのアパレルブランドも完売を連発している。が、現実はそうなっていない。

 

 

現在の売上高が138億円という規模感でかつ大衆化していないブランドだからある程度、精度の高い需要予測が可能だとも考えられる。何せ、ある程度「同好の士」みたいな人しか顧客化していないわけで、顧客人数も限られているからデータ化しやすい。

そこまでターゲットを絞り込んだこと、その絞り込んだターゲットで儲かる商売を成り立たせていることは非常に素晴らしいが、大衆化して（大衆化を目指して）不特定多数に買ってもらいたいブランドにはこの仕組みは当てはまりにくいのではないかと個人的には考えている。

 

 

先端ファッションや個性的ファッションを重視する人は確率的に少なくなっている。今の衣料品市場で最も売れ行きを左右する要因は気温・天候ではないかと思う。特にマスブランドであればあるほど天候・気温によって売れ行きが大きく左右される。ユニクロしかり、ワークマンしかり、である。

そこで効果があるのではないかと思えるのがこのサービスである。

ウェザーニューズの新サービス　気象データと企業データを組み合わせ、商品需要を予測 | 繊研新聞

 

商品販売数などの実績データと、ウェザーニューズの気象データなどを組み合わせることで、気象がビジネスに与える影響を定量的に可視化する。

企業が持つ販売実績データをアップロードするだけで、その商品の需要や売り上げ見込みを高精度に予測する。気温や日射量、風速、降雨量などの影響度を定量的に把握できる。

分析に用いる気象データは1時間ごとの検証の場合、1キロメートルメッシュの高解像度の気象予測データを利用しているため、ピンポイントな影響の分析が可能。

 

とある。さらに

気象データを利用しないAI予測モデルと比較することで、気象データの活用がどれだけ需要予測の精度向上に貢献するかを示す。

 

とある。ブランドによってそれぞれ顧客層もその購買動機も大きく異なる。大衆向けや大衆向けを狙うブランドにとっては、従来型のトレンド情報や街角着用比率などのデータを基とする需要予測よりも、天候・気温を基にした需要予測の方が、販売効率が高まるのではないと個人的に考えている。