Claudeで棚割の変更案を作る — 棚の写真と売上CSVを突き合わせる手順

棚の写真から棚割の変更案を出す流れ

棚割(プラノグラム)の見直しは、売れ行きの数字と、実際の棚の並びの両方を見ないと決められません。POSの売上CSVは数字を、棚の写真は並びを持っています。この2つをClaudeに渡すと、写真から段ごとの商品配置を読み取らせ、売上の上位・下位に当てて入替え案を出させることができます。

数字だけの分析はClaudeでABC分析 — 売れ筋と死に筋をPOSのCSVからExcelで出す手順やPOS売上CSVをClaudeで分析して店長の週次メモにする手順で扱っています。本記事の違いは、棚の画像を入力にする点です。売れていない商品が「どの段の、どの位置で、何フェイス」置かれているかまで、同じ画面で見られます。

読み取りと提案を一度に頼まず、段階を分けるのが要点です。読み誤りが提案の中に溶け込むと、後から原因をたどれなくなります。

写真を渡す前に決めておく3つのこと

画像の渡し方には上限があります。Claudeの画像入力には次の制限があり、棚の撮り方に影響します。

20枚を超えるリクエストでは、各画像にさらに厳しい寸法の上限がかかります。越えた画像はinvalid_request_errorで拒否され、メッセージに「many-image requests」と上限のピクセル数が出ます。長辺を2000px以下にそろえるか、画像を20枚以内に収めると、どのプラットフォームでも通ります。対応する形式はJPEG・PNG・GIF・WebPで、GIFはアニメーションの先頭1コマだけが使われます。

1枚に収める範囲を決める

画像はサイズが大きいほど縮小されます。標準の解像度のモデルでは長辺1568pxまで、Claude 4.7以降のモデルでは長辺2576pxまでが、そのまま読まれる上限です。棚1本を横長に1枚で撮ると、縮小で値札の文字が潰れます。画像の説明にも「文字が小さいと読みにくい。重要な文字は切り抜かずに読める大きさで写す」という趣旨の注意があります。

実務では、棚の1本を段ごと、または左右2分割で撮ります。値札(棚札)の文字まで読ませたいなら、段単位がよい分担です。1枚に収める棚の量は、次のように見当をつけます。

撮影は、正面から、傾けず、反射を避けて行います。回転した画像や200px未満の小さな画像では、誤読や作り話が出やすくなります。写真は向きを直してから渡します。

画像を先、文章を後に置く

画像は文章より前に置くと最もよく読まれます。文章の後に置いても使えますが、可能なら画像を先にします。複数枚を渡すときは、各画像の前に「写真1:上段」「写真2:中段」のような短いラベルを文章で添えます。後の指示で「写真2の左から3つ目」と指させます。

手順1:写真を段ごとの配置表に起こさせる

claude.aiなら、写真をチャットに添付して次のように頼みます。画像を先に置き、頼みごとを後に書きます。

添付の写真1〜3は、同じ棚の上段・中段・下段です。
段ごとに、左から右へ商品を並べた表にしてください。
列は 段 / 位置(左から数えた順) / 値札どおりの商品名 /
フェイス数 / 読み取りの確かさ(高・中・低) / 迷った点 です。
読めない文字は推測で埋めず、「判読不能」と書いてください。
商品名は値札を優先し、値札が写っていなければ
パッケージの表記を書いて、確かさを「低」にしてください。

ここで効くのが「読み取りの確かさ」と「迷った点」の2列です。画像の解釈は誤ることがあるので、人が見るべき行を最初から絞れるようにします。「推測で埋めない」の一文は、読めない箇所を作り話で補われるのを防ぐための指示です。

返ってくる表は、次のような形になります(以下は説明用の例で、実在の商品ではありません)。

手順2:読み誤りを人が確かめる

画像の読み取りで、特に外れやすい箇所は決まっています。画像入力の制限事項を棚の写真に当てはめると次のとおりです。

• フェイス数:物の数え上げは概数になりやすく、小さい物が多いほど外れます。同じ缶が詰まった段は、数が1〜2ずれると考えておきます
• 商品名の取り違え:同じシリーズで味違いのパッケージは、遠目にそっくりです。値札と突き合わせます
• 位置:Claudeが返す位置や座標は概算です。左から何番目かは、人が写真と見比べます
• 奥や重なり:前列に隠れた商品は写真に写りません。奥行きの在庫は数えられません

確認は、確かさが「中」「低」の行から始めます。「高」の行も全部を信じず、売上上位の商品だけは必ず棚で確認します。入替え案が動く商品ほど、誤りの影響が大きいからです。直した表は、そのままCSVかExcelに貼って保存し、次回の比較の元にします。

手順3:売上CSVと突き合わせて入替え案を出す

確定した配置表と、売上CSVを同じ会話に添付します。商品の呼び名がそろっていないと結べないので、先に結合のキーを決めます。写真から読めるのは棚札の商品名までで、JANコードは読み取りに頼れません。売上CSVの商品名と棚札の商品名が違うときは、商品マスタ(商品名とJANの対応表)を3つ目のファイルとして渡し、名寄せを頼みます。名寄せの結果にも、確かさの列を付けさせます。

claude.aiで使える範囲や、境界の商品を検算するやり方は、前掲のABC分析の記事に詳しく書いています。APIで同じことをする場合は、コード実行ツール(Pythonでの計算)にファイルをアップロードして渡す形になり、CSVやExcelに対応しています。

添付は、確定した棚の配置表(棚.csv)と、直近4週間の売上CSV
(売上.csv)、商品マスタ(マスタ.csv)です。
1. 配置表の商品名を、マスタ経由で売上CSVの商品に結んでください。
   結べなかった行は一覧にして、推測で結ばないでください。
2. 商品ごとに、売上数量の順位と、棚のフェイス数を並べてください。
3. 売上順位が下位なのにフェイス数が多い商品(縮小候補)と、
   上位なのにフェイス数が少ない商品(拡大候補)を挙げてください。
4. 入替え案は、同じ段の中の入替えから先に考えてください。
   理由と、案が外れる条件も書いてください。

最後の「案が外れる条件」は、提案を鵜呑みにしないための指示です。たとえば、売上が低い商品が販促期間の直後だった、新商品で発売から日が浅い、季節要因だった、という条件は、CSVの期間と照らして人が判断する必要があります。死に筋と決めつける前に、売上の期間と品揃えの変更履歴を確認します。

返ってくる入替え案の表は、次のような形になります(例示です)。

出力は案であって、決定ではありません。棚の高さ、陳列什器の制約、什器に合うサイズは写真だけでは判断できないので、入替えの可否は現場で見ます。

写真が変わったら、同じ表を作り直す

棚を替えた後に新しい写真を撮れば、同じ手順で配置表を作り直せます。前回の確定表と新しい表を並べて、変わった点を挙げさせると、変更が意図どおりに入ったかの確認になります。数週間後の売上CSVを渡して、入替えの前後を比べる使い方もできます。

APIで回す場合の画像の渡し方

店舗数が多く、写真を毎週大量に処理するなら、APIで画像を渡します。画像はimageコンテンツブロックとして渡し、ソースは次の3種類から選べます。

• base64でリクエストに埋め込む
• 画像のURLを指す
• Files APIにアップロードして返ってくるfile_idで参照する

Amazon BedrockとGoogle Cloudでは、base64の埋め込みだけが使えます。多数の画像を送るときは、リクエスト全体のサイズ上限(通常のエンドポイントで32MB)に先に達することがあるため、Files APIで一度アップロードしてfile_idを参照する形が勧められています。

次は、base64で棚の写真を渡す最小の形です。画像のブロックを先に、指示の文章を後に置いています。モデル名は公式のサンプルに載っているものです。

import base64
import anthropic
 
client = anthropic.Anthropic()
 
with open("shelf_upper.jpg", "rb") as f:
    data = base64.standard_b64encode(f.read()).decode("utf-8")
 
message = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=2048,
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "写真1(上段):"},
            {"type": "image", "source": {
                "type": "base64",
                "media_type": "image/jpeg",
                "data": data,
            }},
            {"type": "text", "text": "左から順に、値札どおりの商品名と"
                                       "フェイス数を表にしてください。"
                                       "読めない文字は判読不能と書く。"},
        ],
    }],
)
print(message.content[0].text)

画像1枚あたりの費用

画像は28x28ピクセルのパッチを1トークンとして数えます。トークン数は、横のパッチ数と縦のパッチ数の積です。換算の目安は、1000x1000pxで1296トークン、1920x1080pxは標準の解像度のモデルで1560トークン、Claude 4.7以降のモデルでは縮小されずに2691トークンです。高解像度のモデルは同じ画像で最大およそ3倍のトークンを使います。

文字の細部が要らない用途、たとえば棚の段数やフェイスの大まかな配分を見るだけなら、送る前に縮小するとトークンもレイテンシも抑えられます。値札まで読む用途では縮小しすぎないことが条件です。JPEGやWebPの強い圧縮を何度もかけると文字が読みにくくなるため、圧縮の設定は実際にAPIへ送る画像を見て決めます。

画像を扱うときのデータの扱い

店頭の写真には、客や従業員が写り込むことがあります。Claudeは利用ポリシー(AUP)の規定により、画像の人物を特定して名前を挙げることを行いません。それでも写り込みはデータとして残るので、撮影は客のいない時間帯に行い、人が写った写真は渡す前に切り抜くか撮り直します。

APIで送った画像は、リクエストの間だけ保持され、処理が済むと自動で削除されます。APIで送った画像でAnthropicがモデルを訓練することはなく、画像のメタデータ(撮影位置など)も受け取りません。

claude.aiに添付する場合の扱いは、API経由とは別です。アカウントのプライバシー設定にあるモデル改善の項目で、自分のプランでの設定を確かめてから、店内の写真を添付してください。

棚の写真から入替え案までの要点

画像の読み取りは、配置表という中間の成果物に必ず落とし、そこで人が確かめます。確かさ・迷った点の列を付け、売上上位の商品を重点的に現場と照らす運用にすれば、読み誤りが入替え案に混ざるのを防げます。売上CSVとの突き合わせは、結べなかった行を一覧にさせると、名寄せの穴が見えます。画像は読み取りの入口として使い、判断の根拠は売上の数字と現場の確認に置くのが、この手順の分担です。