バスケット分析（併売分析）とは？支持度・信頼度・リフト値の計算と併売施策への活かし方

「この商品を買った人は、ついでに何を買っているのだろう」——ECサイトや店舗を運営していると、誰しも一度は抱く疑問ではないでしょうか。レジを通る買い物カゴ（バスケット）の中身には、顧客が意識せずに選んでいる「相性のよい組み合わせ」が数多く眠っています。その組み合わせを見つけ出し、売り方に反映できれば、広告費を新たに投じることなく、一人あたりの購入額を引き上げられる可能性があります。

この「一緒に買われているもの」を数字で突き止めるための手法が、バスケット分析です。併売分析と呼ばれることもあり、いずれも同じ考え方を指します。本記事は、ECサイトや店舗を運営する中小企業に向けて、バスケット分析の考え方から3指標の計算、そして具体的な施策への落とし込みまでを一気通貫で解説する記事です。商品分析の全体像や売れ筋の把握そのものは別の記事にゆずり、ここでは「併売の分析手法」に的を絞って、明日から手を動かせる粒度でまとめていきます。商品分析にどんな手法があるかの見取り図は、商品分析の全体像を解説した記事とあわせて読むと、バスケット分析がどこに位置づくかが立体的に見えてきます。

バスケット分析（併売分析）とは：買い物カゴの中身を読む手法

まずは、バスケット分析がそもそも何を見るための手法なのか、その基本的な考え方と対象範囲を整理します。難しい数式の前に、発想の核をつかんでおくことが理解の近道です。

「同じカゴに入った商品」の関係を探す

バスケット分析とは、一回の取引（1枚のレシート、1件の注文）という単位に注目し、その中に「どの商品とどの商品が同時に入っていることが多いか」を集計・評価する分析手法です。ここでいうバスケットとは、スーパーの買い物カゴのように「一度の会計でまとめて買われた商品の集まり」を意味します。個々の商品がどれだけ売れたかを見る売上分析とは異なり、商品と商品の「関係性」に光を当てる点が最大の特徴だと言えるでしょう。

たとえば、あるレシートに「食パン」と「バター」と「ジャム」が並んでいたとします。一枚だけなら偶然かもしれませんが、何千枚ものレシートを集計したときに「食パンを買った人の多くがバターも買っている」という傾向が浮かび上がれば、それは偶然ではなく、狙って活かせる併売パターンだと考えられます。バスケット分析は、この「まとめ買いの傾向」を感覚ではなく数字で確かめるための道具なのです。

「おむつとビール」の逸話が示すもの

バスケット分析を語るとき、しばしば引き合いに出されるのが「おむつとビール」の逸話です。あるアメリカの小売店で購買データを分析したところ、「おむつを買う顧客はビールも一緒に買う傾向がある」という意外な組み合わせが見つかった、という話です。真偽や背景には諸説ありますが、この逸話が示す本質は明快です。人間の直感では結びつかない商品どうしが、データの中では強く結びついていることがある——それを見つけられるのがバスケット分析の価値だ、ということです。

もし本当に「おむつとビール」に強い併売関係があるなら、その二つを近くに陳列したり、セットで訴求したりすることで、顧客の手間を減らしつつ客単価を高められるかもしれません。担当者の勘だけに頼っていては見逃してしまう組み合わせを、データが教えてくれる。ここにバスケット分析の面白さと実用性があると言えるでしょう。

売れ筋分析やクロスセルとの違い

バスケット分析は、似たテーマの分析と混同されやすいため、役割の違いを整理しておきましょう。ABC分析に代表される売れ筋分析は「どの商品がどれだけ売れたか」という個々の商品の販売量を見るもので、単品の重要度を測る手法です。これに対しバスケット分析は、単品の売れ行きではなく「商品どうしの組み合わせ」に焦点を当てます。売れ筋そのものを把握したい場合は、ABC分析で売れ筋をつかむ記事が向いています。

また、分析で見つけた併売関係を「あわせ買いを促す施策」に落とし込むことをクロスセルと呼びますが、バスケット分析はそのクロスセルの根拠を提供する分析工程だと整理できます。つまり、バスケット分析（分析）で「何と何が一緒に買われるか」を突き止め、クロスセル（施策）で「それを一緒に勧める」という関係です。客単価を上げる施策全体の考え方は、クロスセル・アップセルの記事で詳しく扱っています。本記事は、その手前にある「分析の部分」を深掘りするものだとお考えください。

セクションのまとめ：バスケット分析（併売分析）とは、一回の取引という単位で「一緒に買われる商品の組み合わせ」を数字で明らかにする手法で、単品の売れ行きを見る売れ筋分析とは対象が異なります。

3つの指標：支持度・信頼度・リフト値の意味と計算

バスケット分析の核心は、商品の組み合わせを「支持度」「信頼度」「リフト値」という3つの指標で評価することにあります。名前だけ見ると難しそうですが、いずれも小学校の割り算で計算できるシンプルな指標です。ここでは一つずつ、意味と計算式を確認していきます。

支持度（Support）：その組み合わせはどれだけ頻繁か

支持度は、全取引のうち、ある商品の組み合わせが実際に一緒に買われた取引の割合を示す指標です。計算式は「AとBを両方含む取引数 ÷ 全取引数」で求められます。たとえば全部で1,000枚のレシートがあり、そのうち150枚に「コーヒーとミルク」が両方入っていたなら、支持度は150 ÷ 1,000 = 0.15、つまり15%となります。

支持度が高い組み合わせは、それだけ多くの顧客に共通して見られるまとめ買いであり、施策を打ったときの影響範囲が大きいことを意味します。逆に支持度が極端に低い組み合わせは、たとえ相性がよくても対象となる顧客が少なく、施策の効果が限られがちです。まずは「そもそも十分な件数で起きているか」を確かめるための、いわば土台となる指標だと考えられます。

信頼度（Confidence）：Aを買った人はどれだけBも買うか

信頼度は、「商品Aを買った人のうち、商品Bも一緒に買った人の割合」を示す指標です。計算式は「AとBを両方含む取引数 ÷ Aを含む取引数」となります。先ほどの例で、コーヒーを買った取引が300枚あり、そのうち150枚でミルクも買われていたなら、信頼度は150 ÷ 300 = 0.50、つまり「コーヒーを買った人の50%はミルクも買っている」と読めます。

信頼度は「Aを起点にBがどれだけつられて売れるか」を表すため、レコメンド（おすすめ表示）の順番を決めるときなどに直感的で使いやすい指標です。ただし一つ注意点があります。もともとミルクが単体で非常によく売れている商品なら、コーヒーと関係なく高い信頼度が出てしまうことがあるのです。「Aと関係なくBがよく売れているだけ」なのか「AだからこそBが売れている」のかを見分けるには、次のリフト値が必要になります。

リフト値（Lift）：偶然に比べて何倍起きやすいか

リフト値は、3指標のなかでもっとも重要とされる、商品どうしの「本当の相性」を測る指標です。計算式は「AとBの信頼度 ÷ Bの支持度（全体でBが買われる割合）」で求められます。言い換えると「AとBがまったく無関係だと仮定したときに期待される同時購入率」と、「実際の同時購入率」を比べ、実際が何倍になっているかを表します。

リフト値の読み方はシンプルです。値が1より大きければ「AがあるとBが買われやすくなる（正の相性）」、ちょうど1なら「AとBは互いに無関係」、1より小さければ「AがあるとむしろBは買われにくい（代替関係など）」と解釈します。先ほどの例で、ミルクが全取引の25%（250 ÷ 1,000）で買われているとすると、リフト値は0.50 ÷ 0.25 = 2.0。これは「コーヒーを買った人は、そうでない人に比べて2倍もミルクを買いやすい」ことを意味し、狙って併売を促す価値がある組み合わせだと判断できます。

セクションのまとめ：支持度は組み合わせの頻度、信頼度はAからBへのつられやすさ、リフト値は偶然に比べた相性の強さを表し、この3つをセットで見ることで施策に値する併売パターンを見分けられます。

データの見方：具体的な計算例で読み解く

指標の式を眺めるだけでは、実際のデータをどう読めばよいかはつかみにくいものです。ここでは架空のレシートデータを使い、複数の商品の組み合わせを表にして、どこに注目すべきかを具体的に見ていきます。

前提となるデータを置く

あるショップに、全部で1,000件の取引（レシート）があったとします。この1,000件を母数として、いくつかの商品の組み合わせについて、同時に買われた件数と、それぞれの商品が単体で買われた件数を集計しました。この数字をもとに、支持度・信頼度・リフト値の3指標を計算していきます。計算式を改めて並べると、支持度＝同時購入件数 ÷ 1,000、信頼度（A→B）＝同時購入件数 ÷ Aの購入件数、リフト値＝信頼度 ÷（Bの購入件数 ÷ 1,000）、となります。

3指標の計算例テーブル

下の表は、4つの商品ペアについて、実際に3指標を計算した結果です（全取引1,000件、A→Bの向きで信頼度を計算）。数字がどう動くかを見比べてみてください。

組み合わせ（A→B）	A件数	B件数	同時	支持度	信頼度	リフト値
コーヒー → ミルク	300	250	150	15%	50%	2.0
ビール → おつまみ	200	180	90	9%	45%	2.5
食パン → ジャム	400	120	80	8%	20%	1.67
水 → お茶	500	450	200	20%	40%	0.89

表から何を読み取るか

この表からは、いくつもの示唆が得られます。まず「水 → お茶」に注目してください。支持度は20%と一見高く、信頼度も40%あります。数字だけ見れば有望に思えますが、リフト値は0.89と1を下回っています。これは、お茶がもともと全体の45%という高い割合で売れているためで、「水を買った人がとくにお茶を買いやすいわけではない」——むしろ水とお茶は互いに代わりになる（どちらか一方を買う）関係にある可能性を示しています。信頼度だけを見て併売を狙うと空振りする、典型的な落とし穴だと言えるでしょう。

一方で「ビール → おつまみ」は、支持度こそ9%と控えめですが、リフト値は2.5と最も高くなっています。件数は多くないものの、ビールを買う人はきわめて高い確率でおつまみに手を伸ばす、相性の強い組み合わせだと読めます。このように、支持度で母数を確かめつつ、最終的にはリフト値で「本当に狙う価値があるか」を判断する——これが3指標を使ったデータの読み方の基本です。「コーヒー → ミルク」や「食パン → ジャム」も、リフト値が1を明確に超えており、施策に乗せる候補として有力だと判断できます。

セクションのまとめ：信頼度が高くてもリフト値が1未満なら併売の価値は乏しく、リフト値が1を明確に超え、かつ支持度で十分な件数がある組み合わせこそ施策の候補になります。

併売施策への活かし方：レコメンド・セット販売・棚割・クーポン

バスケット分析は、分析結果を施策に落とし込んで初めて売上に貢献します。ここでは、見つけた併売パターンを実際の売り方に反映する代表的な4つの施策を、活かし方とともに整理します。

施策	バスケット分析の活かし方	向いている業態
レコメンド表示	リフト値の高い商品を「この商品を買った人はこちらも」として提示し、あわせ買いを促す	ECサイト全般
セット販売	相性の強い組み合わせをまとめてセット商品化し、単品より少しお得な価格で提供する	EC・実店舗
棚割・配置	よく一緒に買われる商品を近くに陳列（または関連ページに導線）し、手に取りやすくする	実店舗・EC
クーポン・販促	Aの購入者に、相性のよいBのクーポンを配り、次回や同時の購入を後押しする	EC・店舗アプリ

レコメンド：買い物の途中でそっと差し出す

ECサイトでもっとも取り組みやすいのがレコメンド表示です。商品ページやカゴの中に「この商品を買った人はこちらもチェックしています」と表示し、リフト値の高い商品を提示します。ポイントは、闇雲に人気商品を並べるのではなく、その商品と実際に相性が強い（リフト値が高い）ものを出すことです。相性の裏付けがあるレコメンドは、顧客にとって「たしかに必要かも」と感じられ、押しつけがましさを抑えられます。

セット販売：手間と価格の両面で背中を押す

相性の強い組み合わせは、思い切ってセット商品にしてしまうのも有効です。たとえば「コーヒーとミルク」を少しお得なセット価格で用意すれば、顧客は選ぶ手間が省け、店側は客単価を高められます。すでに多くの顧客が自然に一緒に買っている組み合わせをセット化すると、無理なく受け入れられやすい傾向があります。バスケット分析は「どの組み合わせならセットとして成立するか」を、勘ではなくデータで裏づけてくれます。

棚割・クーポン：導線と動機づけを設計する

実店舗であれば、併売の強い商品を近くに並べる棚割の見直しが効果的です。ECサイトでも、関連商品への導線を目立たせることが同じ役割を果たします。さらにクーポンを組み合わせれば、動機づけを一段強められます。たとえばビールを買った顧客に、次回使えるおつまみのクーポンを渡す、といった具合です。ここでもリフト値が判断の軸になります。相性の弱い（リフト値1未満の）組み合わせにクーポンを配っても、割引原資が無駄になりやすいため、狙いを絞ることが肝心です。こうした一連の併売施策は客単価アップの王道であり、施策全体の設計はクロスセル・アップセルの記事とあわせて考えると効果が高まります。

セクションのまとめ：見つけた併売パターンは、レコメンド・セット販売・棚割・クーポンの4つに落とし込め、いずれもリフト値の高い組み合わせに絞ることで、無駄なく客単価の向上につなげられます。

中小企業の始め方：ExcelとPOSデータで十分

「バスケット分析には高価な専用ツールが必要では」と身構える必要はありません。多くの中小企業は、手元のExcelやPOS・受注データだけで最初の一歩を踏み出せます。ここでは現実的な進め方を段階的に示します。

ステップ1：取引明細データを書き出す

出発点は、POSレジやECの管理画面、受注管理システムから「どの取引で・何が・一緒に買われたか」が分かる取引明細データをCSVなどで書き出すことです。理想は「取引ID」「商品名」がひも付いた明細で、同じ取引IDの行を集めれば一つのバスケットが再現できる形です。過去半年〜1年程度のデータがあれば、傾向を見るには十分でしょう。ここでも、完璧なデータをそろえてから始めようとしないことが大切です。まずは手元にある範囲で動かしてみることが、分析を止めないコツになります。

ステップ2：ピボットテーブルで組み合わせを数える

次に、ExcelやGoogleスプレッドシートのピボットテーブルを使い、注目したい商品ペアが同時に買われた取引数を数えます。全商品の総当たりを一度にやろうとすると膨大になるため、まずは売上の柱となる主力商品を起点に、「この商品と一緒に買われているものは何か」を数ペアだけ調べるのが現実的です。取引IDごとに商品を横に並べ、特定の2商品がともに含まれる取引をカウントすれば、同時購入件数が得られます。あわせて各商品の単体購入件数と全取引数も控えておきます。

ステップ3：3指標を計算して並べる

集めた件数を、前述の式に当てはめて支持度・信頼度・リフト値を計算します。表計算ソフトなら、割り算のセルを一度つくってしまえば、あとは数字を差し替えるだけで何ペアでも評価できます。計算結果はリフト値の高い順に並べ替え、「支持度が一定以上あり、リフト値が1を明確に超えている」組み合わせを施策候補として拾い上げます。ここまでくれば、あとは前章の施策に落とし込むだけです。取引が数万件を超えて手作業がつらくなってきたら、専用の分析ツールや機能の導入を検討すればよく、最初から高価なツールは要りません。売上全体をどの数字に分解して追うかという視点は、ECサイトのKPIツリーの記事もあわせて読むと、バスケット分析をどこに位置づけるかが整理できます。

セクションのまとめ：バスケット分析は、POSやECの取引明細をCSVで書き出し、ピボットテーブルで同時購入件数を数え、3指標を計算するという3ステップで、Excelだけでも十分に始められます。

AIを使えば、バスケット分析の集計と解釈が速くなります

バスケット分析は集計と数値の解釈が中心のため、AIとの相性が良い領域です。ここでは、AIを「半自動化の相棒」として使い、限られた人手で分析を回すための具体的な活用法を紹介します。

活用1：集計と指標計算の下ごしらえを任せる

取引明細のデータを渡し、「取引IDごとに商品をまとめ、指定した商品ペアの同時購入件数を数えて、支持度・信頼度・リフト値を計算して」と指示すれば、AIは面倒な集計の骨組みを素早く用意してくれます。ピボットテーブルの操作や割り算の式づくりに不慣れな担当者でも、やりたいことを言葉で伝えるだけで計算の下ごしらえが進みます。人間はその結果を確認し、自社の事情に合わせて解釈する役割に集中できます。

活用2：結果の解釈と施策アイデアの候補出し

計算した3指標の一覧をAIに渡し、「リフト値の高い組み合わせから、どんな併売施策が考えられるか案を出して」と頼めば、レコメンドやセット販売、クーポンなどの打ち手をたたき台として得られます。担当者一人では思いつかない切り口に出会えることもあるでしょう。ただし、出てきた案をそのまま採用するのではなく、自社の在庫や利益率、ブランドに合うものを選び取る——この選別こそが人間の仕事になります。

AIに任せきりにしないほうがよい領域

便利な一方で、次のような領域は人間が責任を持って判断すべきです。数字の背後にある事情は、AIには見えていないことが多いためです。

• セット価格やクーポンの割引幅など、利益に直結する意思決定
• 「なぜその組み合わせが売れているのか」という背景・因果の最終解釈
• 季節要因やキャンペーンの影響を踏まえた、数字の妥当性の見極め
• 顧客の氏名や連絡先を含む生データをそのまま外部AIに入力すること（プライバシー配慮）

AIは強力な相棒ですが、最終判断は人間が担うという役割分担が安全です。分析にかける個人情報を含むデータは、氏名や連絡先を除いた集計後の匿名データにとどめるなどの配慮を徹底したいところです。

セクションのまとめ：AIは集計や指標計算、施策アイデアの候補出しを大きく効率化しますが、価格の意思決定や因果の解釈、個人情報の扱いは人間が担うという線引きが欠かせません。

バスケット分析で「やってはいけない」5つのこと

バスケット分析は、進め方を誤ると時間ばかりかかって成果に結びつきません。ここでは、中小企業が陥りがちな5つの失敗を挙げます。

やってはいけない1：信頼度だけを見て併売を決める

もっとも多い失敗が、信頼度の高さだけを根拠に「この組み合わせは相性がよい」と早合点することです。前述の「水 → お茶」のように、もともとよく売れている商品は、無関係な商品を起点にしても高い信頼度が出てしまいます。必ずリフト値をあわせて確認し、1を明確に超えているかを判断の軸にすることが欠かせません。

やってはいけない2：件数の少ない組み合わせに飛びつく

リフト値が非常に高くても、その根拠となる同時購入がわずか数件しかないなら、それは偶然の偏りである可能性が高いと言えます。支持度が極端に低い組み合わせは、施策の対象となる顧客も少なく、効果が出にくいものです。「十分な件数で起きているか」を支持度で確かめてから、施策候補に選ぶようにしましょう。

やってはいけない3：当たり前の組み合わせで満足する

分析すると「セットで売られている商品どうしが一緒に買われている」といった、当然の結果が上位に並ぶことがあります。それ自体は分析が正しく動いている証ではありますが、すでに分かっていることを再確認するだけでは新しい打ち手は生まれません。既知の組み合わせは脇に置き、「意外だが相性が強い」組み合わせにこそ、伸びしろが眠っていると考えたほうがよいでしょう。

やってはいけない4：分析だけして施策につなげない

きれいな一覧表を作ることに満足し、そこから何をするかを決めないまま終わってしまうのも、よくある失敗です。バスケット分析は、レコメンドやセット販売といった具体的な施策に落として初めて売上に効きます。「この結果を見て、来週どの商品ページに何を出すか」まで決められない分析は、思い切って手を止める判断も必要でしょう。

やってはいけない5：因果と相関を取り違える

「AとBが一緒に買われている」という相関は、「AがBを買わせている」という因果とは限りません。両方とも第三の要因（季節、キャンペーン、来店のきっかけ）によって同時に売れているだけ、というケースもあります。数字が示すのはあくまで組み合わせの傾向であり、その裏にある理由は人間が現場の感覚とあわせて解釈する必要があります。相関を因果と思い込んで大きな投資をすることは避けたい失敗です。

セクションのまとめ：信頼度だけで判断する・件数不足の組み合わせに飛びつく・当たり前の結果で満足する・施策につなげない・相関と因果を混同する、の5つは避けるべき典型的な失敗です。

あわせて読みたい関連記事

バスケット分析を売上全体の改善につなげるうえで、次の記事もあわせて読むと理解が深まります。

• 商品分析とは？売れ筋・死に筋の把握と主要手法の全体像 — バスケット分析を含む商品分析の全体像を俯瞰でき、どの手法から手をつけるかの見取り図になる記事です。
• クロスセル・アップセルとは？客単価を上げる施策の考え方 — バスケット分析で見つけた併売パターンを、実際の客単価アップ施策へ落とし込む方法を扱っています。
• ABC分析とは？売れ筋・死に筋を仕分ける在庫と売上の分析 — 単品の売れ行きを重点管理する手法で、併売分析と組み合わせると商品戦略が立体的になります。

よくある質問

バスケット分析について、中小企業の担当者から多く寄せられる質問をまとめました。

まとめ：併売のパターンを数字で見つけ、一手につなげる

バスケット分析（併売分析）は、買い物カゴの中に眠る「一緒に買われる商品の組み合わせ」を数字で明らかにし、広告費をかけずに客単価を高めるための道具です。本記事の要点を改めて整理すると、以下の通りになります。

• バスケット分析とは、一回の取引という単位で、一緒に買われる商品の組み合わせを明らかにする手法である
• 評価には支持度（頻度）・信頼度（つられやすさ）・リフト値（本当の相性）の3指標を使う
• 信頼度が高くてもリフト値が1未満なら価値は乏しく、リフト値が1を明確に超え、かつ支持度で件数がある組み合わせを狙う
• 見つけた併売パターンは、レコメンド・セット販売・棚割・クーポンといった施策に落とし込める
• 専用ツールがなくても、POSやECの取引明細とExcelのピボットテーブルで十分に始められる
• AIは集計や指標計算、施策アイデアの候補出しを効率化するが、価格の判断や因果の解釈、個人情報の扱いは人間が担う

大切なのは、完璧なデータ基盤を整えてから動き出すのではなく、手元の取引明細を使って「主力商品と一緒に何が買われているか」を数ペア調べるところから始めることです。リフト値が1を超える意外な組み合わせが一つ見つかれば、それはもう明日から試せる施策の種になります。まずは一つの商品を起点に、今月のうちに小さな一歩を踏み出してみてはいかがでしょうか。