【業種別】小売・家電量販 — 接客の商品知識を全員に配る

サマリ

家電量販店の接客では、販売員が覚えるべき情報が商品スペックだけでは終わりません。設置条件、手持ち機器との組み合わせ、使い方、保証、安全上の注意、店舗ごとの在庫や施策まで、顧客の判断に必要な条件を短い会話で整理する必要があります。

一方、顧客は来店前からオンラインで商品を比較できます。経済産業省の「令和6年度 電子商取引に関する市場調査」では、2024年の「生活家電、AV機器、PC・周辺機器等」の消費者向け電子商取引（BtoC-EC）市場規模は2兆7,443億円、EC化率は43.03%でした。この状況では、店頭で仕様を読み上げるだけでなく、顧客ごとに比較条件を整え、「この選択がなぜ合うのか」を説明する価値が高まると私たちは見ています。

そこで生成AIを、商品知識を勝手に作る仕組みではなく、本部が承認した商品カードから、役割別の接客トークと未解決質問を下書きする仕組みとして使います。仕様、適合性、安全、保証、価格・在庫の確定は人が担い、根拠がない回答は「要確認」として売場から本部へ戻します。

結論は、最初の1業務を「新商品1SKUの承認済み商品カード → 新人・売場別の接客トーク下書き → 店舗責任者の確認」に絞ることです。発売日に全店へ配れるかを測り、実測できてから対象商品と店舗を広げます。

データ：調査で見る業界の現在地

商品分野のEC化率は43.03%に達している

経済産業省の「令和6年度 電子商取引に関する市場調査」は、日本国内の電子商取引市場を推計したものです。この市場規模とEC化率は、単一の回答者アンケートの集計値ではなく、公知情報、事業者・業界団体へのヒアリングなどを用いた推計値です。EC化率は、対象分野のすべての商取引金額に占める電子商取引市場規模の割合として算出されています。

2024年の物販系BtoC-ECで、「生活家電、AV機器、PC・周辺機器等」の市場規模は2兆7,443億円、EC化率は43.03%でした。この区分は家電量販店だけの販売を示すものではなく、対象商品の市場全体に占めるECの推計です。

0%50%100%

• EC化率2024年・経済産業省推計
  43.03%

※経済産業省の市場推計です。家電量販店の売上に占めるEC比率や、個別店舗の来店客がECを利用する割合ではありません。

この数字だけで、店頭接客の効果や顧客の来店理由は分かりません。ただし、店頭がオンラインの商品情報を前提に接客設計を見直す必要がある商品分野だと私たちは捉えています。販売員に求める役割を「仕様を覚える人」から「比較と適合判断を支える人」へ置き直す必要があります。

機械器具小売業1,082事業所では、研修関連3項目の実施率が異なる

労働政策研究・研修機構（JILPT）の「人手不足とその対応に係る調査」は、帝国データバンクの事業所データベースから、指定業種に属する全国の従業員10人以上の事業所8,750件を対象に実施されました。調査期間は2024年2月5日から29日、調査時点は2023年12月末で、有効回答は2,652事業所、有効回収率は30.3%でした。

回答事業所には機械器具小売業が1,082事業所含まれます。この業種区分は家電量販店だけではなく、自動車、自転車、電気機械器具などの小売業を含みます。同業種の複数回答集計では、OJT研修に当たっての環境整備が38.4%、OFF-JT研修の実施・拡充が31.5%、幹部へのマネジメント研修の実施（店長候補の研修等）が54.8%でした。

0%50%100%

• OJTの環境整備機械器具小売業 n=1,082
  38.4%
• OFF-JTの実施・拡充機械器具小売業 n=1,082
  31.5%
• 幹部へのマネジメント研修（店長候補の研修等）機械器具小売業 n=1,082
  54.8%

※JILPTの事業所調査による業種別集計です。機械器具小売業は家電量販店以外も含みます。複数回答のため合計は100%にならず、同じ事業所が複数項目を実施したかもこの表示だけでは分かりません。取組を選ばなかった事業所に研修が一切ないことや、各従業員への到達率・研修品質を示す値ではありません。

この調査は商品知識の更新速度や、発売日に情報が届いたかを測っていません。また、調査対象名簿は全国の従業員100人以上の企業等の傘下事業所を中心に構築され、能登半島地震の影響を受けた石川県全域と新潟県・富山県の一部地域は配布対象から除かれています。

したがって、この数値から家電量販店の「販売員の知識が不足している」とは断定できません。確認できるのは、機械器具小売業の業種別集計で、OJT、OFF-JT、幹部へのマネジメント研修が別項目として回答されていることです。同一事業所での併用状況や、商品知識の配布経路はこの調査からは分かりません。本稿では、これを商品知識の配布方法を研修一回だけに限定しない設計の背景として参照します。

2025年12月時点の2,657店で、カテゴリーの販売規模が異なる

経済産業省の「2025年小売業販売を振り返る」は、商業動態統計を使って2025年の小売動向を分析した資料です。家電大型専門店の調査は、中古品を除く日本標準産業分類の電気機械器具小売業または電気事務機械器具小売業に属し、売場面積500平方メートル以上の店舗を10店舗以上持つ企業のうち、経済産業大臣が指定する企業を対象とします。2025年12月時点の集計店舗数は2,657店でした。

同資料では、2025年の商品販売額が生活家電で2兆669億円、情報家電で1兆790億円、AV家電で5,257億円、通信家電で4,994億円、カメラ類で1,392億円でした。

0億円11,000億円22,000億円

• 生活家電2025年
  20,669億円
• 情報家電2025年
  10,790億円
• AV家電2025年
  5,257億円
• 通信家電2025年
  4,994億円
• カメラ類2025年
  1,392億円

※経済産業省「商業動態統計」から作成された年次分析です。家電大型専門店の商品販売額には、ここに表示していない「その他」も含まれます。カテゴリー間の販売額を示すもので、商品知識の量や研修効果を測った値ではありません。

経済産業省の資料では、同じ2025年でも、前年から情報家電と通信家電は増加し、AV家電とカメラ類は減少、生活家電は横ばいでした。どのカテゴリーも一つの研修資料で扱うのではなく、商品、比較軸、顧客の利用条件、売場で多い質問を単位にして更新する必要があります。

データ：この業界だけの構造

商品知識は「仕様」「適合」「店舗条件」の三層に分かれる

家電量販の接客で使う情報は、メーカーが示す仕様だけではありません。顧客の設置環境や手持ち機器に合うか、必要な工事や周辺機器は何か、保証と安全上の注意をどう説明するか、店舗に在庫があるかという条件が重なります。

ここでAIへ商品ページを読ませるだけでは、仕様と店舗条件が混ざるおそれがあります。価格や在庫が古いまま残ったり、確認できない適合性を自然な文章で補ったりすれば、説明が流暢でも接客には使えません。

商品カードには、少なくとも「公式仕様」「比較するときの軸」「向く利用条件」「確認が必要な条件」「保証・安全上の注意」「価格・在庫の参照先」「承認者」「更新日時」を分けて持たせます。AIが使ってよいのは、この承認済み範囲だけです。

全店配布で終わらず、売場の質問を本部へ戻す

本部が説明文を配るだけでは、地域、客層、展示、在庫、競合商品との組み合わせで生じる質問を回収できません。販売員が答えられなかった質問を「要確認」として残し、商品担当が回答と根拠を商品カードへ追記して初めて、次の接客へ知識が戻ります。

1. 1本部が商品カードを承認する公式仕様、比較軸、適合条件、保証・安全、価格・在庫の参照先、更新日時と承認者をそろえます。→↓
2. 2AIが役割別トークを下書きする新人、担当売場、利用場面ごとに説明を組み替え、根拠が足りない項目は要確認として残します。→↓
3. 3人が確認し、質問を戻す店舗責任者が配布可否を確認し、売場で答えられなかった質問を本部の商品担当へ返します。

✓AIの役割は接客トークと未解決質問の下書きまでです。仕様、適合性、安全、保証、価格・在庫の確定と顧客への最終説明は人が担います。

価値は「暗記量」ではなく、比較の質と更新速度で測る

商品知識の共有で測るべきなのは、AIの生成回数ではありません。商品カードの承認から全店配布までの時間、接客前の確認時間、根拠へ戻れた回答の割合、要確認として本部へ戻った質問、訂正件数を、導入前後で同じ方法で記録します。

売上への影響を見る場合も、AI利用店舗と未利用店舗の単純比較だけで結論を出しません。対象商品、発売日、在庫、価格、販促、店舗規模、来店客数が違えば、接客知識以外の要因が混ざるからです。まず一つの商品と少数店舗で運用指標を確かめ、販売実績は参考指標として分けて見ます。

服部の分析

服部の視点から家電量販の業務構造を整理すると、機会は「販売員全員に同じ文章を読ませること」ではなく、同じ根拠から、顧客と売場に合う説明をすぐ用意できることにあります。

オンラインで仕様を確認できる商品ほど、店頭では「自宅に置けるか」「今の機器とつながるか」「使い続けるときに困らないか」という条件の整理が価値になります。商品数が多い売場で、すべてを暗記してから接客する運用には限界があります。必要なのは、販売員が分からないことを隠さず、根拠へ戻り、確認先を案内できる状態です。

私たちは、生成AIで取りに行ける付加価値を、新商品の立ち上がり期に、経験の浅い販売員も比較相談へ参加できることだと見ています。AIが正解を持つのではありません。本部の商品担当が承認した知識を、売場で使える順番へ並べ替え、未解決の質問を早く見つけ、ベテランへの質問集中と店舗間の情報差を減らせるかを実証します。

ここで大切なのは、誤答を減らすためにAIを黙らせることでも、速度を優先して自動回答させることでもありません。「承認済み」「要確認」「店舗条件で変わる」を出力上で区別し、販売員が顧客へ説明できる形にすることです。

提言 — どう付き合っていくか

1. 最初の1業務を「新商品1SKUの接客トーク下書き」に絞る

発売予定の新商品を一つ選び、本部の商品担当が承認済みの商品カードを作ります。AIには、新人向け、担当売場向け、利用場面別の接客トークと想定質問を下書きさせ、店舗責任者が配布前に確認します。商品カードがない状態でWeb検索から回答を作らせません。

2. 人が確定する項目を、入力時点で分ける

仕様、適合性、安全、保証、価格、在庫、工事条件は、商品担当や店舗責任者が確定する項目として扱います。AIが根拠を見つけられない場合は補わず、「要確認」と確認先を表示します。商品カードには承認者と更新日時を残し、古い版を配布しないようにします。

3. 売場の未解決質問を、商品カードの更新へ戻す

販売員が答えられなかった質問、顧客が比較に迷った条件、説明後に訂正した内容を集めます。本部の商品担当が根拠を確認して商品カードへ追記し、次の接客トークへ反映します。質問件数を販売員の評価に使わず、知識の空白を見つける材料として扱います。

4. 配布速度と訂正率を測ってから、商品と店舗を広げる

承認から配布までの時間、研修準備時間、根拠へ戻れた回答の割合、要確認件数、配布後の訂正件数を、導入前後で記録します。最初の商品で安全に回り、売場の質問が本部へ戻ることを確認できたら、同じカテゴリーの商品、別店舗、別カテゴリーの順に広げます。

最初から全商品をAIへ入れる必要はありません。まず新商品1SKUで、本部が承認する → AIが下書きする → 店舗責任者が確認する → 売場の質問が本部へ戻るという一周を完成させることが、接客の商品知識を全員に配る具体的な一歩です。