ChatGPTで売上分析する方法｜商品・顧客・月別の数字から課題を探す

売上の数字を眺めるだけでは、次に何を変えるべきかは分かりません。商品・顧客・月別に分け、増減の理由を仮説として言葉にして、追加確認と行動へつなげることが重要です。

表計算ソフトに注文履歴はあるものの、「どの商品が伸びたのか」「一部の顧客へ依存していないか」「今月の減少は季節要因なのか」を調べるのに時間がかかることがあります。集計表を作れても、数字から打ち手を考える段階で止まる人も少なくありません。

ChatGPT 売上分析というキーワードで方法を探している方にとって大切なのは、AIへファイルを渡して感想を求めることではありません。対象期間、売上の定義、比較軸、確認したい問い、出力形式を先に決める必要があります。AIは集計や仮説づくりを助けますが、元データの誤りや事業固有の事情まで自動で理解するわけではありません。

この記事では、売上データを安全に準備し、ChatGPTで売上分析する手順を初心者向けに解説します。商品別、顧客別、月別の見方、増減率や構成比の計算、異常値の確認、仮説から施策へ進む方法、実務で使える3つのプロンプトを順番に紹介します。

数字を経営判断へ変える生成AI活用を体系的に学びたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実践方法を確認する

結論：定義とデータ品質を確認してから分解する

売上を調べるときの結論は、最初に「何を売上として数えるか」を固定し、次にデータ品質を確認し、その後で商品・顧客・月などの軸へ分解することです。最後に、見つけた事実と推測を分け、追加で確かめる項目と担当者を決めます。

段階	行うこと	成果物
1．定義	対象期間、計上日、税込・税抜、返品の扱いを決める	集計ルール
2．点検	欠損、重複、表記揺れ、異常値を調べる	品質確認表
3．集計	商品、顧客、月、チャネル等で分ける	比較表
4．解釈	増減、構成比、偏り、寄与度を確認する	事実一覧
5．行動	仮説、追加確認、施策、担当、期限を決める	行動計画

ChatGPTは、データの列を説明し、計算条件と検算方法を指示すると使いやすくなります。一方、「このファイルを分析して」の一文だけでは、受注額と入金額を混同したり、単月の変化を長期傾向として解釈したりする可能性があります。

売上分析で答えたい問いを先に決める

集計を始める前に、意思決定へつながる問いを一つから三つに絞ります。問いが広すぎると、多数の表が出ても判断できません。たとえば「売上を詳しく見たい」ではなく、「直近3か月の減少へ最も寄与した商品は何か」のように、期間、比較対象、指標、用途を含めます。

目的	具体的な問い	必要な切り口
減少原因を探す	前年同月比の減少へ寄与した商品は何か	月×商品
顧客依存を知る	上位10社が全体に占める割合は何％か	顧客
販路を見直す	受注件数と平均単価が伸びた販路はどこか	チャネル
継続率を高める	初回購入後90日以内に再購入した顧客は何％か	顧客×購入日
予算を調整する	繁忙期と閑散期はいつか	月・四半期

最初に区別する5つの数字

日常会話では売上、受注、入金を同じ意味で使うことがあります。しかし、計上時点が違えば月別推移も変わります。粗利が分からない状態で売上だけを最大化すると、手間や原価の大きい商品へ資源を寄せる恐れもあります。

数字	意味	確認点
受注額	注文を受けた金額	キャンセル前か後か
売上高	決めた基準で計上した販売額	計上日、税、値引き、返品
請求額	顧客へ請求した金額	請求時期、分割請求
入金額	実際に受け取った金額	未収、手数料、入金日
粗利	販売額から売上原価を引いた額	原価の範囲と配賦方法

分析条件には、「税抜の確定売上を、請求日ではなく提供完了日で計上し、返品と値引きを控除する」のように記載します。複数のシステムから集める場合は、それぞれの数字が同じ定義かも確認してください。

準備する売上データの列

理想は、1行が1注文明細になった縦長の表です。月ごとに別シートを作るより、日付列を持つ一つの表へそろえた方が比較しやすくなります。顧客名や商品名を列見出しにして横へ増やす形式は避けます。

区分	列の例	用途
識別	注文ID、明細ID	重複確認
日付	受注日、計上日、入金日	月別推移、期間比較
商品	商品ID、商品名、カテゴリ	商品別の構成と増減
顧客	顧客ID、顧客区分、地域	顧客別の集中度と継続
取引	数量、単価、値引き、金額	数量と単価への分解
収益	原価、粗利	売上と採算の比較
営業	担当者、チャネル、キャンペーン	販路や施策の評価
状態	確定、取消、返品	除外条件の適用

氏名、メールアドレス、住所、電話番号は通常の集計に不要です。顧客IDへ置き換え、必要最小限の列だけを使います。社内規程、契約、利用中のChatGPTプランにおけるデータの扱いも確認してください。

データ辞書を1枚作る

列名だけでは意味が曖昧です。「金額」が値引き前なのか後なのか、「新規」が初回購入者なのか今期獲得者なのかをデータ辞書へ記録します。担当者が変わっても同じ結果を再現できる状態が目標です。

項目	記載例
列名	net_sales
日本語名	税抜純売上
定義	税抜販売額から値引き・返品を控除
データ型	整数、単位は円
欠損の意味	未入力。0円とは区別
作成方法	販売管理システムから毎朝出力
責任者	営業管理担当

入力前に確認する10項目

1. 対象期間の開始日と終了日は正しいか。
2. 1行が注文単位か、注文明細単位か。
3. 売上の計上基準は全期間で同じか。
4. 税込と税抜が混在していないか。
5. 取消、返品、値引きが反映されているか。
6. 注文IDや明細IDの重複はないか。
7. 商品名、顧客区分、地域に表記揺れがないか。
8. 日付、数量、単価、金額の欠損はないか。
9. 桁違い、負数、未来日などの異常値はないか。
10. 個人情報や機密列を削除・匿名化したか。

OpenAIのデータ分析に関する公式ユースケースでも、結論を出す前にファイル形式、列、品質を点検し、欠損、重複、対応しないレコードを確認する流れが示されています。元ファイルは変更せずに保存し、加工版を別名で作ると、誤りが見つかったときに戻れます。

ChatGPTで売上分析する7つの手順

手順1．意思決定と対象期間を決める

「不振商品の改善か撤退かを判断する」「来月の営業人員配分を決める」など、結果を何に使うかを書きます。前年同月比較なら少なくとも前年を含む期間が必要です。季節性が強い事業は2年から3年分を用意すると判断しやすくなります。

手順2．定義と除外条件を伝える

金額の意味、計上日、取消や社内取引の扱い、通貨、会計年度の開始月を説明します。「不明な列は推測せず質問する」「与えられていない利益を推定しない」と境界も示します。

手順3．構造と品質だけを先に点検する

いきなり結論を求めず、列名、型、件数、期間、欠損、重複、異常値、表記揺れを報告させます。金額の合計を元システムの確定値と照合します。合わなければ、その時点で集計を止めます。

手順4．全体から細部へ集計する

総額、件数、顧客数、平均注文額を確認し、次に月、商品、顧客へ進みます。最初から多数の軸を交差させると、母数の小さい偶然の変化を重要だと誤認しやすくなります。

手順5．増減を分解する

金額の変化を、数量、単価、商品構成、新規・既存顧客、チャネル等へ分けます。「伸びた」「落ちた」で終わらず、全体差額へ各区分が何円寄与したかを確認します。

手順6．事実・解釈・仮説を分ける

「A商品の前年同月比が20％減」は事実です。「競合の値下げが原因」は仮説です。事実には表の根拠を付け、仮説には反証方法を付けます。顧客への聞き取り、失注理由、広告履歴、在庫切れ日、価格改定日などを追加確認します。

手順7．施策と検証条件を決める

施策ごとに対象、担当、期限、期待効果、先行指標、中止条件を設定します。たとえば「休眠顧客へ再提案する」なら、対象の定義、接触数、再商談数、受注額、粗利、苦情の有無を確認します。

出力欄	書く内容
事実	数値、比較期間、差額、率、母数
仮説	考えられる理由。断定しない
追加確認	必要なデータ、質問、担当者
施策	具体的な変更内容と対象
検証	期限、指標、基準、中止条件

プロンプト1：ファイルの構造と品質を点検する

添付した売上明細の構造と品質を点検してください。まだ施策提案はしないでください。

目的：月別・商品別・顧客別の比較に使える状態か確認する
売上の定義：税抜販売額から値引きと返品を控除した確定額
1行の単位：1注文明細
対象期間：2024年4月1日〜2026年3月31日

次の順で報告してください。
1. ファイル名、行数、列数、対象期間
2. 各列の意味、データ型、値の例
3. 欠損、重複、表記揺れ、異常値の件数と該当例
4. 売上合計、注文件数、顧客数の検算値
5. 集計前に確認すべき質問
6. 安全に直せる項目と、人の判断が必要な項目

不明な列の意味は推測せず「要確認」としてください。
元データは上書きせず、修正案を別表として示してください。

検算では、期間ごとの合計とレコード件数を販売管理システムの数値へ合わせます。異常値を自動削除させず、削除候補と理由を一覧にして人が判断します。大口注文は誤りではなく重要な取引かもしれません。

商品別に見る5つのポイント

指標	計算	分かること
商品別金額	商品の金額を合計	規模
構成比	商品別金額÷全体金額×100	依存度
増減率	（当期－前期）÷前期×100	伸びと落ち込み
差額寄与度	商品の差額÷全体差額	全体変化への影響
平均単価	商品別金額÷数量	値引きや価格構成

構成比が高く増減率も大きい商品を優先して確認します。ただし、金額が小さい商品は増減率が極端になりやすいため、差額と母数を併記します。在庫切れ、販売停止、価格改定、広告停止、納期遅延など、商品固有の出来事も重ねます。

顧客別に見る5つのポイント

顧客別では、ランキングだけでなく集中度、新規・既存、購入頻度、休眠、粗利を見ます。顧客名を外部サービスへ渡す必要はありません。匿名IDと顧客区分で十分な場合が大半です。

指標	見方	注意
上位顧客構成比	上位5社・10社の合計÷全体	大口離脱リスク
新規顧客金額	期間中に初回購入した顧客	初回日の定義
既存顧客金額	期間前にも購入実績がある顧客	観測期間不足
購入頻度	注文回数÷顧客数	分割注文の影響
休眠顧客	一定日数購入がない顧客	商材ごとに期間設定

上位顧客の比率が高いこと自体が悪いとは限りません。長期契約で安定している場合もあります。契約更新日、解約条件、担当者との関係、代替候補、粗利を確認し、集中による機会と危険を分けます。

月別に見る5つのポイント

月別推移では、前月比だけで判断しません。営業日数や季節性が異なるため、前年同月比、移動平均、営業日当たりの金額も組み合わせます。月末の大型案件一件で動く事業なら、案件を除いた基礎推移も別に出します。

比較	適した目的	落とし穴
前月比	直近の変化を早く知る	季節性、営業日数
前年同月比	季節要因を抑えて比較	前年の特殊要因
3か月移動平均	一時的な上下をならす	変化の発見が遅れる
累計前年差	年度目標の進捗を見る	後半の挽回可能性
営業日当たり	日数差を調整する	営業時間や人員差

金額の変化を数量と単価へ分ける

基本式は「金額＝数量×平均単価」です。減少の理由が購入数の減少なのか、値引きや低価格商品の増加なのかで、施策は変わります。商品が複数ある場合は、商品構成の変化も確認します。

変化	考えられる状況	追加確認
数量減・単価横ばい	需要減、集客減、欠品	問い合わせ、在庫、失注理由
数量横ばい・単価減	値引き、低価格帯への移行	割引率、商品構成
数量増・単価減	販促で件数を獲得	粗利、再購入、販促費
数量減・単価増	高価格帯へ集中	顧客数、解約、粗利

平均値だけでは分布が隠れます。中央値、価格帯別件数、値引き率の分布も確認します。平均注文額が上がっていても、大口一件を除くと下がっている場合があります。

プロンプト2：商品・顧客・月別に集計する

品質確認済みの売上明細を、次の条件で集計してください。

意思決定：次四半期の商品改善、顧客フォロー、営業配分を決める
比較期間：直近12か月と、その前年12か月
除外：取消、返品済み、社内取引
金額：税抜純売上

次の表を作ってください。
A. 月別：金額、前年差、前年同月比、注文件数、顧客数、平均注文額
B. 商品別：金額、構成比、前年差、増減率、差額寄与額、数量、平均単価
C. 顧客別：金額、構成比、注文件数、最終購入日。顧客名ではなく匿名IDを使う
D. 上位10顧客の集中度、新規・既存・休眠の区分別金額

その後、重要な変化を最大7件に絞り、各項目を
「確認できた事実／考えられる仮説／追加で必要なデータ」
の3列で示してください。

率には分母と対象件数を付け、前期が0の場合は増減率を計算せず「算定不可」としてください。
合計値が元データと一致するか最後に検算してください。

出力された表では、列合計、期間、除外条件、単位を確認します。前期0円から当期に発生した商品は「100％増」ではありません。率を算定不可とし、新規発生額として扱います。

データ整理から施策設計まで、生成AIを経営へ生かしたい方へ
→ GMS無料ウェビナーで生成AIの実務活用を学ぶ

ABC分析とパレート図の使い方

商品や顧客を金額の大きい順に並べ、累積構成比でA・B・Cへ分けると、重点対象を絞れます。例として、累積70％までをA、90％までをB、残りをCとします。ただし境界は目的に合わせて決め、機械的に廃止対象を選ばないでください。

区分	例	主な対応
A	累積構成比0〜70％	欠品防止、関係維持、リスク確認
B	70％超〜90％	成長候補の発掘、提案強化
C	90％超〜100％	維持費、将来性、品ぞろえ効果を確認

C区分でも、新規顧客の入口商品、主力商品の付属品、ブランドを支える商品があります。金額だけでなく、粗利率、成長率、継続率、戦略的役割を併記します。

架空例：生成AI研修事業の数字を読む

架空の法人向け生成AI研修事業で、2026年4〜6月期が前年同期より360万円増えたとします。全体の伸びだけを見ると好調ですが、内訳を分けると判断が変わります。

区分	前年同期	当期	差額	読み方
集合研修	600万円	720万円	＋120万円	件数増、単価横ばい
伴走支援	400万円	700万円	＋300万円	大口2社が寄与
動画教材	300万円	240万円	－60万円	新規購入者が減少
合計	1,300万円	1,660万円	＋360万円	前年同期比27.7％増

事実は、伴走支援が増加額の中心で、動画教材が減ったことです。ここから「法人の個別支援需要が高まった」「広告停止で教材の新規客が減った」という仮説を立てられます。しかし、大口2社の契約終了後も伸びが続くか、伴走支援の稼働負担と粗利は適切かを確かめるまで、成功とは断定できません。

発見	追加確認	次の行動案	検証指標
伴走支援が＋300万円	大口2社を除く伸び、粗利、稼働時間	対象業種へ提案を横展開	商談数、受注率、粗利率
動画教材が－60万円	流入数、購入率、広告停止日	既存コンテンツと導線を改善	商品ページ流入、購入率
上位2社への依存増	契約更新日、解約条件、満足度	更新面談と新規開拓を並行	更新確度、新規案件額

プロンプト3：仮説を施策と検証へ変える

以下の集計結果から、次の四半期に検証する行動計画を作ってください。

ルール：
・集計表から直接確認できる内容を「事実」とする
・理由は「仮説」と明記し、断定しない
・利益や顧客心理など、データにない内容を作らない
・各仮説に反証となる可能性も1つ付ける
・施策は最大5件に絞る

出力列：
優先順位／事実／仮説／反証可能性／追加データ／施策／対象／担当／期限／先行指標／成果指標／中止条件

優先順位は、期待効果、確からしさ、実行負担、顧客への影響を各5点で評価してください。
数値の出典となる表名と行を示し、不明点は「要確認」としてください。

集計結果：
（ここへ月別・商品別・顧客別の要約を貼り付ける）

事実と仮説を混同しない書き方

悪い書き方	改善した書き方
価格が高いので売れなくなった	単価改定後の数量が前年同期比15％減。価格影響は仮説であり、失注理由を確認する
若い顧客に人気がある	年齢データがないため判断不能。顧客調査が必要
A社は解約しそうだ	A社の購入が3か月ない。契約状況と利用実態を担当者へ確認する
広告の効果が下がった	広告経由の注文が減少。広告費、流入、購入率を分けて確認する

AIの文章が自然だと、推測も確定情報のように見えます。会議資料では「確認済み」「推定」「要確認」のラベルを付けます。仮説は悪いものではなく、次に調べる方向を示す道具です。

グラフは意思決定に合わせて選ぶ

見たいこと	適した表現	避けたいこと
月ごとの推移	折れ線グラフ	3D表示
商品の大小	横棒グラフ	商品数の多い円グラフ
増減への寄与	増減表、ウォーターフォール	率だけの比較
顧客の集中	累積構成比、パレート図	上位だけで全体を隠す
単価と数量	散布図	軸の単位を省く

グラフのタイトルには「何が、いつと比べて、どう変わったか」を書きます。縦軸の単位、対象期間、税込・税抜、除外条件も明示します。見栄えより、元表へ戻って検算できることを優先します。

ダッシュボードへ載せる最小項目

経営会議用の1ページには、総額、前年差、目標差、件数、顧客数、平均注文額、商品上位、顧客集中度、重要な異常、次の行動を載せます。すべての集計を表示する必要はありません。

ChatGPTで売上分析した結果も、最終的には一画面で要点が分かる形へ絞ります。詳細表は別紙に残し、会議では変化の大きさ、考えられる理由、次に確かめることへ時間を使います。

• 期間と更新日時
• 集計定義と除外条件
• 主要4指標と比較値
• 増減へ寄与した上位3項目
• 重要な仮説と追加確認
• 今週の行動、担当、期限

売上だけでなく利益と負荷も確認する

販売額が大きくても、値引き、仕入れ、外注、人件費、返品、サポート負荷を考えると利益が少ない場合があります。Australian Governmentの事業縮小に関する案内でも、商品・サービス・顧客の評価では、収益だけでなくどれが最も利益を生むかを見る考え方が示されています。

観点	追加する数字	判断例
採算	粗利額、粗利率	販売増でも粗利減なら価格・原価を確認
獲得	広告費、獲得単価	新規客の回収期間を確認
運用	作業時間、問い合わせ件数	高負荷商品の提供方法を改善
継続	再購入率、解約率	初回だけでなく長期価値を確認
資金	入金サイト、未収金	利益と資金繰りを分ける

原価データがなければ、利益を推定させず「採算判断には原価が必要」と書かせます。売上記録だけで顧客生涯価値や広告効果を正確に出すこともできません。目的に応じて広告、原価、問い合わせ、契約等のデータを別途つなぎます。

個人情報と機密情報を守る

顧客名、担当者名、メールアドレス、住所、電話番号、契約条件は、集計に不要なら削除します。顧客を区別したい場合はランダムな匿名IDへ置き換え、対応表は別の安全な場所で管理します。

1. 利用目的に必要な列だけを抽出する。
2. 個人を特定できる情報を削除または仮名化する。
3. 社内規程、顧客契約、法令、利用プランを確認する。
4. 原本と加工版を分け、アクセス権を限定する。
5. 出力にも機密情報が再掲されていないか確認する。

判断に迷う場合は、実データではなく列構造と架空データで手順を作り、承認後に社内環境で実行します。匿名化しても、小規模地域の一社だけなど、組み合わせで特定できる場合があるため注意が必要です。

週次・月次レビューの進め方

時間	議題	決めること
5分	定義、期間、データ更新の確認	今回の数字を使えるか
10分	全体と主要な増減	重要事実3点
10分	商品・顧客・月の深掘り	優先仮説
10分	追加情報と現場知見	確認事項と担当
10分	施策の進捗と効果	継続、変更、中止

ChatGPTの出力をそのまま会議の結論にせず、営業、商品、顧客対応、経理の担当者が現場情報を補います。次回は同じ定義、同じ表で追跡し、施策前後を比較します。

よくある失敗10選

1. 問いがない：表を大量に作るだけになり、判断へ進まない。
2. 売上の定義が曖昧：受注、請求、入金が混ざる。
3. 原本を上書きする：修正内容を追跡できなくなる。
4. 重複を見落とす：同じ注文を二重に数える。
5. 率だけを見る：母数の小さい変化を過大評価する。
6. 前月比だけを見る：季節性や営業日数を誤解する。
7. 相関を原因と断定する：同時に起きた出来事を因果関係とみなす。
8. 金額だけで商品を切る：粗利、入口商品、戦略的役割を無視する。
9. 個人情報をそのまま渡す：不要な情報漏えいリスクを作る。
10. 施策の担当と期限がない：報告書を読んで終わる。

完成前チェックリスト20項目

1. 分析で決めたいことを一文で書いた。
2. 対象期間と比較期間を決めた。
3. 計上基準を明記した。
4. 税込・税抜を統一した。
5. 返品、取消、値引きの扱いを決めた。
6. 原本を変更せず保存した。
7. 1行の単位を確認した。
8. 欠損と重複を数えた。
9. 表記揺れを統一した。
10. 異常値を人が確認した。
11. 合計を元システムと照合した。
12. 個人情報と不要な機密列を除いた。
13. 全体、商品、顧客、月の順で見た。
14. 差額と率を併記した。
15. 率へ分母と件数を付けた。
16. 事実と仮説を分けた。
17. 仮説の反証方法を決めた。
18. 利益や業務負荷も確認した。
19. 施策の担当、期限、指標を決めた。
20. 次回も同じ定義で追跡できる。

よくある質問

Q1．ChatGPTにExcelやCSVを渡せば売上分析できますか？

対応する環境では、表形式のファイルを読み取り、集計、比較、グラフ作成を補助できます。ただし、列の意味、計上基準、除外条件を説明し、元システムの合計と照合する作業は必要です。まず匿名化したコピーで構造と品質を点検してください。

Q2．どれくらいの期間のデータが必要ですか？

目的によります。直近変化なら数か月、前年同月比較なら2年分、季節性の確認なら2〜3年分が目安です。商品変更や計上基準変更があった場合は、単純比較せず変更日を注記します。

Q3．売上データ 分析では何から見ればよいですか？

最初に総額、件数、顧客数、平均注文額を確認し、次に月別、商品別、顧客別へ分けます。金額、差額、増減率、構成比、母数をセットで見て、全体変化へ影響の大きい項目から深掘りします。

Q4．商品別 売上で伸び率が高い商品を優先すべきですか？

伸び率だけでは決められません。前期金額が小さいと率が大きくなるため、差額、構成比、粗利、成長の継続性、提供負荷も確認します。主力商品への相乗効果があるかも判断材料です。

Q5．顧客別 売上では顧客名が必要ですか？

集計には匿名IDで足りる場合が大半です。顧客名、連絡先、担当者名を削除し、顧客区分、業種、地域、初回日、最終購入日など、目的に必要な項目だけを使います。

Q6．ChatGPTの計算結果はそのまま使えますか？

そのまま使わず、合計、件数、期間、数式、除外条件を検算します。重要な数字は表計算ソフトや基幹システムでも再確認し、再現できる集計条件を残してください。

Q7．データが少なくても分析できますか？

できますが、結論の確かさは限定的です。少数の取引では率が大きく動くため、件数と実額を示し、定性的な顧客の声や営業記録を組み合わせます。「傾向」ではなく「確認すべき兆候」として扱います。

Q8．ChatGPTで売上分析する際の最大の注意点は何ですか？

AIがもっともらしく示す原因を事実だと決めつけないことです。定義と品質を先に確認し、事実、仮説、追加確認を分けます。さらに、個人情報を除き、施策を実行した後も同じ定義で結果を追跡してください。

筆者の実務視点

私が売上の表を見るときは、最初に「増えたか減ったか」ではなく、「この数字は何を数え、何を数えていないか」を確認します。受注と入金が混じっていたり、返品を控除していなかったりすると、精密なグラフを作っても判断の土台が崩れます。定義書と検算値は地味ですが、経営会議で同じ数字を共有するために欠かせません。

次に重視するのは、分析結果が現場の行動へ変換されているかです。「A商品が落ちた」という報告だけでは、担当者は動けません。在庫、流入、商談、価格、失注理由へ問いを分解し、誰がいつまでに何を確かめるかを決めます。AIの価値は結論を代行することではなく、人が考える順序を整え、見落としを減らし、検証の速度を上げることにあります。

まとめ

ChatGPTで売上分析する際は、目的、期間、計上基準、除外条件を先に決めます。原本を残したまま欠損、重複、表記揺れ、異常値を点検し、元システムの合計と照合してから集計へ進みます。

全体を確認した後、商品、顧客、月へ分け、金額、差額、増減率、構成比、数量、単価、集中度を見ます。得られた内容は事実、仮説、追加確認へ分け、利益や業務負荷も含めた施策、担当、期限、検証指標を決めてください。これにより、数字の説明で終わらず、次の改善へつながります。

ChatGPTをデータ整理、経営判断、実行改善へ一貫して活用したい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーに参加する

参考情報

• OpenAI「Analyze datasets and reports」
• Australian Government「Artificial intelligence」
• Australian Government「Do market research」
• Australian Government「Downsize your business」
• Office for National Statistics「Annual Survey of Goods and Services QMI」

著者情報

小谷川拳次（こたにがわ けんじ）
リードコンサルティング株式会社代表取締役。生成AIマーケティング専門家、生成AIマスタースクール（GMS）学長。2009年の会社設立以来、デジタルコンテンツ販売、電子書籍マーケティング、サブスクリプションビジネス、オンライン講座・ウェビナーの販売導線構築に携わり、著書は累計50冊以上。

現在はChatGPTを中心とした生成AI活用の専門家として、ブログ記事、メール講座、教材・講座の制作を通じ、個人事業主・中小企業が知識や経験を仕事・発信・商品づくり・収益化へつなげる実践法を研究・発信している。

関連記事

• ChatGPTで事業計画書を作る方法｜構成・根拠・数値計画・行動計画を整理
• ChatGPTでSWOT分析する方法｜強み・弱みから経営課題を整理する
• ChatGPTでKPIを設定する方法｜目標を実行指標へ落とし込む手順
• ChatGPTで業務フローを作る方法｜作業・担当者・判断条件を見える化する