🛒 買い物はどこまでオンライン化した？品目別に読み解く

みなさんも統計・データ分析で日常を描いてみませんか？

イントロ

日常と統計を結ぶ 統計小話シリーズ の第５話は オンラインショッピング です。
みなさんはどんな商品をネットで購入していますか？

トピック

1. 暮らしの体感

「本はネットで買うけど、野菜はスーパーで」
そんな使い分け、身近にありますよね。
でも実際のデータでは、どんな品目がどこまでオンラインに移っているのでしょうか？

🛒🛒🛒

2. EC化率はどこまで進んだ？

経済産業省「電子商取引に関する市場調査」によると、2024年の物販分野全体のEC化率は 9.8%。
依然として店舗での買い物が主流です。

ただし品目ごとに差が大きく、次のようになっています。

• 書籍・映像・音楽ソフト：56.5%

• 生活家電・AV機器・PC・周辺機器等：43.0%

• 雑貨・家具・インテリア：32.6%

• 衣類・服飾雑貨等：23.4%

• 化粧品・医薬品：8.8%

• 食品・飲料・酒類：4.5%

👉 書籍類はすでに半分以上がオンライン購入へ。
👉 食品は依然として店舗購入が中心です。

🛒🛒🛒

3. 品目別の傾向を読み解く

なぜ、これほど差が出るのでしょうか？
一つの手がかりは「商品特性」と「配送のしやすさ」です。

• 標準化された商品（書籍・映像・音楽ソフト）
  どこで買っても中身が同じで、軽く壊れにくく配送しやすい。
  検索性や中古市場も整い、早くからEC購入が定着。

• 高単価・耐久財（家電等）
  スペックが明確な家電・PCは、オンラインで比較検討されやすい。

• 低単価・鮮度が重要（食品）
  購買金額に対して配送コストが割高。鮮度・保存リスクも壁となり、EC化が難しい。

👉 標準化の度合い、比較検討のしやすさ、現物確認の必要性 ― これらの要素が組み合わさり、品目ごとの差を生んでいます。

🛒

統計的な指標で深掘り

「標準化」「現物確認の必要性」「価格帯」の３要因（注）で簡易的な重回帰分析を行いました。
結果は次のように整理できます。

• 標準化された品目 → EC化率を押し上げる（回帰係数：28.6）

• 現物確認が必要な品目 → EC化率を押し下げる（回帰係数：-14.4）

• 高価格帯の品目 → 統計的に有意でなく、必ずしも価格が高いほどEC化が進むとは言えない

👉 つまり「本や家電」のように標準化された商品は追い風、
　「食品や化粧品」のように現物確認が欠かせない商品は逆風、という構図が浮かび上がります。

（注）３つの要因は筆者が便宜的に次のように設定しました。

🛒🛒🛒

4. 時系列で見る：買い物スタイルの変化

EC化率はこの10年でどう変わったのでしょうか。

• 物販全体：2014年 4.4% → 2024年 9.8%

• 書籍・映像・音楽ソフト：19.6% → 56.5%

• 生活家電・AV機器・PC・周辺機器等：24.1% → 43.0%

• 雑貨・家具・インテリア：15.5% → 32.6%

• 衣類・服飾雑貨等：8.1% → 23.4%

• 化粧品・医薬品：4.2% → 8.8%

• 食品・飲料・酒類：1.9% → 4.5%

👉 書籍は急伸し、衣類も倍増。
👉 食品は伸びはあるが依然として低水準。

🛒🛒🛒

5. ニュースとの関連

最近のニュースでは、食品や日用品の買い物に関して新しい動きが報じられています。

• コンビニ各社は宅配を拡充し、食品や日用品の即配サービスを進めている。

• スーパー大手もアプリ注文や宅配を再構築し、購買スタイルの変化に対応している。

• IT企業と配送プラットフォームが連携し、最短30分で届く新しい即配サービスを展開している。

👉 これまでEC化が遅れていた食品や日用品でも、大手の本格的な取り組みにより、今後の成長が期待できる局面になっています。

🛒🛒🛒

6. 結論と余白

• 書籍や家電はすでにEC化が進み、オンライン購入が日常に定着。

• 一方、食品や日用品は依然として店舗中心だが、大手の新サービスによって今後の拡大が期待される。

👉 すでに変化を終えた領域とこれから変化していく領域が共存。
　これが、いまの買い物スタイルの大きな特徴です。

昔を思い返すと、今の便利さを実感できます。
そして同時に、これからの買い物の姿を想像する楽しさも広がります😊

🛒🛒🛒

情報源

• 経済産業省：電子商取引に関する市場調査

• ニュース

  • テレビ朝日ニュース
    最短30分！セブン−イレブンがネット宅配 全国2万店に拡大へ

  • Impress Watch
    “3度目”は成功するか イトーヨーカドー、ネットスーパー再構築

  • 出前館公式発表
    LINEヤフーと出前館、最短30分で届く即配サービス『Yahoo!クイックマート』の提供を開始

（2025年9月17日取得）

おわり

リンクとコード

シリーズ記事

次の記事

前の記事

目次

🍀🍀🍀

Python コード

記事の図表・統計数値を作成した Python コードです。

🖥️ データの準備

# データの登録

# インポート
import pandas as pd

# EC化率データの登録 ※経済産業省「電子商取引に関する市場調査」より引用, 単位：％
data = {
    '書籍・映像・音楽ソフト': [19.59, 34.18, 56.45],
    '生活家電・AV機器・PC・周辺機器等': [24.13, 32.75, 43.03],
    '雑貨・家具・インテリア': [15.49, 23.32, 32.58],
    '衣類・服飾雑貨等': [8.11, 13.87, 23.38],
    '化粧品・医薬品': [4.18, 6.00, 8.82],
    '食品・飲料・酒類': [1.89, 2.89, 4.52],
}

# データフレーム化
data = pd.DataFrame(data, index=pd.Series([2014, 2019, 2024], name='年'))
data.T

【実行結果】

🖥️ 品目別のEC化率（2024年）

# 品目別のEC化率（2024年）

# 追加インポート
import matplotlib.pyplot as plt
import seaborn as sns
import japanize_matplotlib

# このPC用の設定
plt.rcParams['figure.dpi'] = 100

# 2024年の品目別棒グラフの描画
data.loc[2024].plot.barh(legend=False, fontsize=12)
# 修飾
plt.title('品目別のEC化率（2024年）', fontsize=16)
plt.xlabel('EC化率 [%]', fontsize=14)
plt.gca().invert_yaxis()
plt.grid(axis='x', alpha=0.5)
plt.show()

【実行結果】

🖥️ 品目別のEC化率の推移

# 品目別のEC化率の推移（2014-2024年）

# 描画領域の設定
plt.figure(figsize=(8, 5))
# 時系列の折れ線グラフの描画
sns.lineplot(data=data, marker='o')
# 修飾
plt.title('品目別のEC化率の推移（2014–2024年）', fontsize=16)
plt.xlabel('年', fontsize=14)
plt.ylabel('EC化率 [%]', fontsize=14)
plt.xticks(data.index)
plt.ylim(0, 70)
plt.grid(axis='y', alpha=0.5)
plt.legend()
plt.show()

【実行結果】

🖥️ 簡易的な重回帰分析

# 重回帰分析

# 追加インポート
import statsmodels.formula.api as smf

# 重回帰分析用のデータの作成 ※便宜的にダミー変数化しています。
data2 = data.loc[2024].rename('EC化率').to_frame()  # 品目別EC化率
data2['高価格'] = [0, 0, 1, 1, 0, 0]                # 「家電等」、「家具等」
data2['標準化'] = [1, 1, 0, 0, 0, 0]                # 「書籍等」、「家電等」
data2['現物確認'] = [0, 0, 0, 0, 1, 1]              # 「化粧品・医薬品」、「食品等」

# 重回帰分析の実行
model = smf.ols(formula='EC化率 ~ 高価格 + 標準化 + 現物確認', data=data2).fit()
model.summary()

【実行結果】

🍀🍀🍀

ブログの紹介

note で８つのシリーズ記事を書いています。
ぜひ覗いていってくださいね！

１．のんびり統計

統計検定２級の問題集を手がかりにして、確率・統計をざっくり掘り下げるブログです。
雑談感覚で大丈夫です。ぜひ覗いていってくださいね。
統計検定２級公式問題集CBT対応版に対応しています。
Python、EXCELのサンプルコードの配布もあります。

２．統計・データ分析とつながる

シリーズ「統計・データ分析とつながる」は、統計・データ分析との「つながり」を発掘して、コラム風に仕立てたブログシリーズです。
生成 AI の力を借りながら、統計・データ分析の入り口をイメージして、自由気ままに書きました。
たとえば…
・日常生活と統計のつながり
・統計検定２級からその先へのつながり
気楽にお読みいただけたら嬉しいです🍀

３．実験！たのしいベイズモデリング１＆２をPyMC Ver.5で

書籍「たのしいベイズモデリング」・「たのしいベイズモデリング２」の心理学研究に用いられたベイズモデルを PyMC Ver.5で描いて分析します。
この書籍をはじめ、多くのベイズモデルは Ｒ言語＋Stanで書かれています。
PyMCの可能性を探り出し、手軽にベイズモデリングを実践できるように努めます。
身近なテーマ、イメージしやすいテーマですので、ぜひぜひPyMCで動かして、一緒に楽しみましょう！

４．実験！岩波データサイエンス1のベイズモデリングをPyMC Ver.5で

書籍「実験！岩波データサイエンスvol.1」の４人のベイジアンによるベイズモデルを PyMC Ver.5で描いて分析します。
この書籍はベイズプログラミングのイロハをざっくりと学ぶことができる良書です。
楽しくPyMCモデルを動かして、ベイズと仲良しになれた気がします。
みなさんもぜひぜひPyMCで動かして、一緒に遊んで学びましょう！

５．楽しい写経 ベイズ・Python等

ベイズ、Python、その他の「書籍の写経活動」の成果をブログにします。
主にPythonへの翻訳に取り組んでいます。
写経に取り組むお仲間さんのサンプルコードになれば幸いです🍀

６．RとStanではじめる心理学のための時系列分析入門 を PythonとPyMC Ver.5 で

書籍「RとStanではじめる心理学のための時系列分析入門」の時系列分析をPythonとPyMC Ver.5 で実践します。
この書籍には時系列分析のテーマが盛りだくさん！
時系列分析の懐の深さを実感いたしました。
大好きなPythonで楽しく時系列分析を学びます。

７．データサイエンスっぽいことを綴る

統計、データ分析、AI、機械学習、Pythonのコラムを不定期に綴っています。
統計・データサイエンス書籍にまつわる記事が多いです。
「統計」「Python」「数学とPython」「R」のシリーズが生まれています。

８．Python機械学習プログラミング実践記

書籍「Python機械学習プログラミング PyTorch & scikit-learn編」を学んだときのさまざまな思いを記事にしました。
この書籍は、scikit-learnとPyTorchの教科書です。
よかったらぜひ、お試しくださいませ。

最後までお読みいただきまして、ありがとうございました。