--- title: "ダイナミックプライシングとは：仕組みと国内事例、需要予測AIで価格を決める実装と見送る条件" url: "https://www.issoh.co.jp/column/details/19164/" published: 2026-11-01 updated: 2026-11-01 categories: ["Webシステム"] publisher: "株式会社一創" --- # ダイナミックプライシングとは：仕組みと国内事例、需要予測AIで価格を決める実装と見送る条件 ダイナミックプライシングは、需要の強さや残り在庫、販売日までの日数に応じて、販売の途中で価格を変える価格の決め方です。ホテルや航空券では以前から使われ、テーマパークやプロ野球のチケット、ECの商品価格にも広がっています。この記事で整理するのは、固定価格や時間帯別料金との違い、国内の事例、ルール・需要予測・価格弾力性の3段階で価格を算出する仕組みです。後半では、二重価格表示や独占禁止法との関係、導入すべき事業と見送る事業の線引き、既製ツールで足りる場合と個別開発が要る場合まで扱います。 ## まとめ：ダイナミックプライシングが利益を生む事業の条件と導入前に決める上限・下限 ダイナミックプライシングが利益につながるのは、売れ残りがその日のうちに価値を失う商材で、日や時間によって需要が大きく振れる事業です。客室・座席・入場券・駐車枠が典型で、空席のまま当日を迎えれば売上はゼロになります。反対に、在庫を翌月に持ち越せる商品や、年間契約で単価が決まる取引では効果が小さく、顧客の不信だけが残りやすくなります。 仕組みはAIから始める必要はありません。曜日・残室数・販売までの日数で価格表を切り替えるルール型で始め、販売実績が1年分たまってから需要予測を足すのが失敗の少ない順番です。どの段階でも、下限価格・上限価格・1日に変えてよい回数を先に決めてから算出ロジックを作ります。 表示面では、「通常価格」との比較表示が価格表示ガイドラインの8週間ルールと衝突しやすい点に注意が要ります。外部の価格設定ツールを競合と共有する形も、独占禁止法上の論点になります。 ## ダイナミックプライシングとは何かを固定価格・時間帯別料金との違いから整理 ### 需要と在庫に応じて販売中に価格を変える仕組みと価格を決める入力データ 固定価格は、販売前に決めた1つの値段を期間中ずっと使います。ダイナミックプライシングでは、同じ商品・同じ利用日でも、買う時点によって値段が変わります。価格を決める入力は、主に次の4種類です。 - 販売実績：日別・時間別の予約数や販売数、キャンセル数 - 残り在庫：残室数・残席数・在庫点数 - 販売日までの日数（リードタイム）と曜日・祝日・連休 - 外部要因：天候、周辺のイベント、競合の掲載価格 このうち最初に揃えるべきは販売実績と残り在庫です。外部要因は精度を上げる材料で、なくても仕組みは動きます。 ### 時間帯別料金・パーソナライズドプライシングとの違いと混同しやすい型 似た言葉が3つあり、法務上の扱いも変わるので区別しておきます。 | 型 | 価格が変わる理由 | 同じ時点の買い手間で価格差 | | -------------- | -------------- | ------------- | | 時間帯別料金 | あらかじめ決めた時間帯・曜日 | なし | | ダイナミックプライシング | その時点の需要・在庫 | なし | | パーソナライズドプライシング | 買い手個人の属性・履歴 | あり | 電力の夜間割引やカラオケの昼料金は時間帯別料金で、価格表が事前に公開されています。パーソナライズドプライシングは同じ瞬間に人によって値段が違うため、反発も規制上の論点も大きくなります。この記事で扱うのは真ん中の、同じ時点なら誰にでも同じ価格を出す型です。 ### 航空会社のイールドマネジメントから始まり販売データの電子化で広がった経緯 原型は1980年代の米国航空会社が始めたイールドマネジメント（レベニューマネジメント）です。座席を運賃の異なる複数の区分に分け、予約の入り方を見ながら安い区分をいつ閉じるかを決める考え方でした。 ホテルや鉄道、イベントに広がったのは、予約と販売がオンラインに移り、日別の販売データと残り在庫をリアルタイムで持てるようになってからです。価格を変えるたびに値札や紙のパンフレットを刷り直す必要がなくなったことで、1日に何度も価格を変えられる業態が増えました。 ## ホテル・テーマパーク・スポーツ興行・ECで使われる価格の動き方と国内事例 ### 客室や座席など当日を過ぎると売れなくなる商材で価格を上げ下げする事例 ホテルの客室は、予約が早く埋まる日は残室が減るごとに価格を引き上げ、埋まりが遅い日は直前に引き下げます。航空券も同じで、搭乗日が近づくにつれ安い運賃区分から順に売り切れていく仕組みです。プロ野球やJリーグでは、対戦カードや曜日、残席数で席種ごとの価格を変える球団・クラブが増えています。 共通するのは、在庫の総数が決まっていて増やせず、利用日を過ぎると売れ残りが一切の価値を失う点です。この2つが揃うと、値下げで空席を埋めても、値上げで繁忙日の利益を取っても、固定価格より売上が増えやすくなります。 ### USJのスタジオ・パスが2026年9月来場分から早期購入ほど安くなる設計 ユニバーサル・スタジオ・ジャパンは[2026年6月30日の公式発表](https://www.usj.co.jp/web/ja/jp/news/2026/0630)で、2026年9月1日来場分（7月1日発売開始）からスタジオ・パスの価格設定を更新しました。日別の需要に応じて価格を設定し、発売後も一定の価格帯の範囲内で変動させる方式で、早く買うほど安く入場できる体系です。報道では最低価格は税込8,400円とされています。 設計上の読みどころは、価格の動く範囲をあらかじめ決めている点と、「早く買えば安い」という一方向の動きに揃えている点です。直前に安くなる可能性を残すと、買い手は購入を先延ばしにします。値下がりを待たれない仕組みにしたことで、早期の予約を集めやすくしています。 ### 小売・ECで競合価格と在庫に追随させる価格改定の使い方と限界 ECでは、競合サイトの掲載価格を定期的に取得し、自社価格を一定の差の範囲に収めるルールで価格を改定する使い方が中心です。在庫が少なくなった商品の値下げを止める、季節商品の売り切り期限に向けて段階的に値を下げる、といったルールも組み合わせます。 限界は、商品の在庫を持ち越せる点にあります。ホテルの空室と違い、今日売れなかった商品は明日も売れるため、値下げで売上を前倒ししているだけになりやすい。競合への自動追随を全商品にかけると、互いの値下げに反応し合って利益率だけが下がる事態も起こります。 ## 価格を算出するロジックの3段階とルール・需要予測・価格弾力性の使い分け ### ルール型は曜日・残室数・販売までの日数で価格表を切り替える設計から始める 第1段階は、人が決めた条件で価格表を切り替えるルール型です。例として、宿泊日の30日前時点で稼働率が60%を超えていれば1段階上の料金、7日前で40%を下回っていれば1段階下の料金、という形で、条件と価格段階の対応を表にしておきます。 ルール型の長所は、なぜその価格になったかを担当者が説明できることです。予約システムや販売管理システムに価格表と条件判定を足すだけで動き、販売実績が少ない事業でも始められます。まずはこの段階で、価格を変えたことで売上や稼働がどう動いたかの記録を取り始めます。 ### 需要予測AIで利用日ごとの最終需要を予測して価格帯の中から選ぶ仕組み 第2段階では、利用日ごとに「最終的に何室・何枚売れるか」を機械学習で予測し、予測が在庫を上回る日は高い価格帯、下回る日は低い価格帯を選びます。予測には、過去の同じ曜日・同じ時期の実績と、現時点までの予約の入り方（ブッキングカーブ）を使います。 必要な販売実績の目安は、季節変動を1周分学習できる1年分以上です。予測モデルの種類や時系列手法の選び方は[需要予測の手法とシステム導入の進め方](https://www.issoh.co.jp/column/details/12930/)で、Pythonでの実装手順は[需要予測アルゴリズムの実装手順](https://www.issoh.co.jp/tech/details/15335/)で詳しく扱っています。 ### 価格弾力性を推定するには値上げ・値下げを意図的に試した販売データが要る 第3段階は、価格を1%変えたときに需要が何%変わるかという価格弾力性を推定し、売上や利益が最も大きくなる価格を計算する方法です。ここで多くの事業者がつまずきます。過去の販売データでは、繁忙日に高く、閑散日に安く売っているため、「高いのに売れた」という逆向きの関係が学習されてしまうからです。 正しく推定するには、似た条件の日や商品で価格だけを変えて販売する実験が要ります。たとえば同じ曜日・同じ稼働率の日を2群に分け、片方だけ5%上げて予約数を比べます。この実験を数か月回せない事業では、第2段階の需要予測とルールの組み合わせで止めておく方が安全です。 ### 下限価格・上限価格・変更頻度のガードレールを算出ロジックより先に決める どの段階でも、算出ロジックの外側に人が決めた制約を置きます。最低限必要なのは次の4つです。 1. 下限価格：原価や採算ラインを割らない値 2. 上限価格：ブランドや常連客の許容を超えない値（基準価格の何倍までか） 3. 変更頻度：1日に変えてよい回数と、1回で動かせる幅 4. 停止条件：予測値が異常なときや入力データが欠けたときに、ルール型の価格表へ戻す条件 ガードレールがないと、入力データの欠損や競合価格の取得ミスで、極端な価格が自動で公開されます。価格を自動で変える仕組みでは、ロジックの精度より先に、誤った価格を外に出さない制約の設計が事故を防ぎます。 ## 価格を動かすときに起きる表示・独占禁止法・顧客対応の論点と失敗例 ### 「通常価格」との比較表示が二重価格表示の8週間ルールと衝突する場面 価格を頻繁に変える事業者が見落としやすいのが、「通常価格◯円のところ本日◯円」という比較表示です。[消費者庁の二重価格表示の解説](https://www.caa.go.jp/policies/policy/representation/fair%5Flabeling/representation%5Fregulation/double%5Fprice)は、同じ商品について「最近相当期間にわたって販売されていた価格」を比較対照価格とする場合は不当表示のおそれはないとし、詳細を価格表示ガイドライン第4の2(1)ア(ウ)に委ねています。 ガイドラインの目安は、セール開始時点からさかのぼる8週間のうち、その価格で販売された期間が過半を占めることです。過半を満たしても、販売期間が通算2週間未満の場合や、最後に販売された日から2週間以上たっている場合は該当しません。価格が日々動く商品では、どれが「通常価格」かを示せないことが多いため、比較表示は使わず「日によって価格が変わります」と明示する方が安全です。 ### 価格設定アルゴリズムと独占禁止法：公正取引委員会が整理した論点 公正取引委員会は2021年3月31日に[報告書「アルゴリズム/AIと競争政策」](https://www.jftc.go.jp/houdou/pressrelease/2021/mar/210331%5Fdigital.html)を公表しました。[同日の事務総長定例会見](https://www.jftc.go.jp/houdou/teirei/2021/jan%5Fmar/210331.html)では、競争事業者の価格を調べたり自社の価格を自動で設定したりするアルゴリズムの使い方によっては、カルテルのような状況につながる懸念があると説明され、いわゆるデジタルカルテルを4つに分類して検討したとされています。 会見では、自己学習型のアルゴリズムについて、事業者間に意思の連絡がなくても競争上問題のある結果が出る可能性があるという理論的な分析にも触れています。実務で避けたいのは、同業他社と同じ外部の価格設定サービスを使い、価格決定の設定や販売データを事業者間で共有する形です。競合の価格を参照すること自体は通常の行為ですが、価格の決め方を他社とそろえる仕組みは作らないと決めておきます。 ### 購入後の値下がりで顧客の不信を招く失敗例と告知・差額対応の決め方 よくある失敗は、前日に買った人より当日に買った人の方が安い状態が続き、問い合わせと返金要求が集中するケースです。早期購入者が損をする設計は、次から買い控えを生みます。 対策は、購入画面で「価格は日によって変わり、購入後の差額は返金しない」ことを明示し、値下げの幅を小さく、値上げ側に重心を置く設計にすることです。USJの例のように「早く買うほど安い」方向にそろえると、この不満は起きにくくなります。常連客や法人契約の顧客には固定価格の枠を残す、という切り分けも有効です。 ## ダイナミックプライシングを導入すべき事業と見送るべき事業の判断基準 ### 在庫の消滅性・需要の変動幅・価格を変える手間の3条件で採用を判断する 採用してよいのは、次の3条件がすべて揃う事業です。1つ目は、利用日を過ぎると在庫が価値を失うこと。2つ目は、繁忙日と閑散日の需要差が大きいこと。目安として、稼働率や販売数の差が月の中で2倍以上開くなら、価格を動かす余地があります。3つ目は、価格を変えるのに印刷物や商談が要らず、システム上で即時に変えられることです。 3条件が揃う宿泊・レジャー・イベント・駐車場・レンタル系の事業なら、まずルール型を入れる価値があります。2つしか揃わない場合は、時間帯別料金や早期割引のように、事前に公開した価格表で動かす方が顧客にも説明しやすくなります。 ### 販売実績が1年分ない事業や法人の契約取引ではAIによる価格算出を見送る 次のいずれかに当てはまる場合、需要予測AIによる価格算出は導入しません。 - 利用日別・商品別の販売実績が1年分たまっていない - 主な取引が法人向けの見積・年間契約で、価格を個別交渉で決めている - 月の販売数が少なく、価格を変えた効果が誤差に埋もれる - 価格の安定そのものが選ばれる理由になっている（定額サービス・日用品の定番商品） 法人取引で価格を見直したいなら、取引先ごとの粗利や受注率を可視化して営業が値付けを判断する方が先です。新商品の値付けをどう組み立てるかという価格戦略の論点は[スキミングプライシングの考え方と国内の実例](https://www.issoh.co.jp/column/details/7310/)で扱っています。 ## 既製のダイナミックプライシングツールで足りる会社と個別開発が要る会社 ### ホテルやECの既製ツールで足りる条件と既製品が合わない業態の見分け方 ホテルの客室やECの商品価格は、予約サイトやカートシステムと連携する既製のツールが複数あります。業態がツールの想定と一致し、価格を反映させる先がツールの連携先に入っているなら、既製品で足ります。この場合に価格算出を一から開発するのは過剰です。 既製品が合わないのは、価格の単位が独自の業態です。複数の施設や時間枠を組み合わせたセット商品、会員ランクごとの価格表、自社開発の予約システムに反映させる必要がある場合などがこれにあたります。ツールの連携先にない自社システムへ価格を書き戻すには、結局その部分の開発が要ります。 ### 既存の販売・予約システムに価格算出を組み込む開発の進め方と期間の目安 個別開発では、価格算出の部分を既存システムから切り離した別の仕組みとして作り、算出した価格だけを予約・販売システムに渡す構成を取ります。既存システムの改修を価格の受け取り口に限れるため、影響範囲が小さく済みます。 1. 販売実績・在庫・価格履歴のデータを1か所に集め、欠損を確かめる 2. ルール型の価格表とガードレールを実装し、担当者の承認を経て反映する運用で始める 3. 実績が1年分たまった段階で需要予測を足し、承認なしで反映する範囲を広げる 手順1と2で数か月、需要予測の追加は実績がたまってからになるため、全体は1年単位の計画になります。需要予測モデルの開発から既存システムへの組み込みまでをまとめて相談したい場合は、[AI予測分析・需要予測の開発](https://www.issoh.co.jp/service/ai/predictive/)で、データの棚卸しから進め方を一緒に決められます。 ## よくある質問 ダイナミックプライシングについて、検索の多い質問に答えます。 ### ダイナミックプライシングのデメリットは何ですか？ 大きいのは顧客の不信です。購入後に値下がりした、同じ席なのに隣の人の方が安かった、という不満が問い合わせや口コミに出ます。次に挙げられるのは、価格の算出と監視の手間が増えることです。入力データの誤りで極端な価格が出る事故もあり得るため、下限・上限・変更頻度のガードレールと、異常時にルール型の価格表へ戻す停止条件を必ず用意します。 ### ダイナミックプライシングは違法ではないのですか？ 需要に応じて価格を変えること自体は違法ではありません。注意が要るのは周辺の行為です。過去に販売実績の乏しい価格を「通常価格」として比較表示すると、景品表示法の不当表示に当たるおそれがあります。また、競合と価格の決め方をそろえる仕組みは独占禁止法上の論点になります。表示と価格の決め方の2点を押さえれば、変動させること自体を問題視されることはありません。 ### AIを使わずにダイナミックプライシングを始められますか？ 始められます。曜日・残り在庫・販売日までの日数を条件にして価格表を切り替えるルール型なら、既存の予約・販売システムに条件判定を足すだけで動きます。販売実績が少ない段階では、AIよりルール型の方が価格の理由を説明でき、修正もしやすいです。実績が1年分たまってから需要予測を足すのが無理のない順番です。 ### ダイナミックプライシングにはどんなデータが必要ですか？ 最低限必要なのは、利用日別・商品別の販売実績と、その時点の残り在庫、販売日までの日数です。価格を変えた履歴も残しておくと、変更の効果を後から検証できます。天候やイベント、競合価格は精度を上げる材料で、最初から揃える必要はありません。CRMの顧客データと組み合わせる使い方は[CRMにAIを組み込む方法](https://www.issoh.co.jp/column/details/15589/)で扱っています。 ### ダイナミックプライシングとサージプライシングの違いは何ですか？ サージプライシングは、配車サービスなどで需要が急増した瞬間に料金を割増しする仕組みで、ダイナミックプライシングの一種です。ダイナミックプライシングが値上げと値下げの両方向に動くのに対し、サージプライシングは通常料金への上乗せとして働く点が特徴です。短時間で大きく上がるため、上限を設けないと顧客の反発を招きやすくなります。 ## 関連記事 - [需要予測とは？AI・機械学習による手法とシステム導入の進め方を解説](https://www.issoh.co.jp/column/details/12930/)：価格算出の前提になる需要予測の手法と導入の進め方です。 - [需要予測アルゴリズムの選び方と実装手順｜時系列・機械学習・Python](https://www.issoh.co.jp/tech/details/15335/)：需要予測モデルを実装する担当者向けの手順です。 - [スキミングプライスとは？スキミングプライシングの根拠4つと日本での実例](https://www.issoh.co.jp/column/details/7310/)：新商品の値付けを考える価格戦略の記事です。 - [生産管理のAI導入とは？需要予測・在庫・工程計画への効果と進め方を解説](https://www.issoh.co.jp/column/details/15577/)：在庫を持ち越す製造業での需要予測の使い方です。 - [CRMにAIを組み込むとは？需要予測・解約予測・生成AI応対でできること【2026年版】](https://www.issoh.co.jp/column/details/15589/)：顧客データと予測を組み合わせる方法です。 --- 出典: [ダイナミックプライシングとは：仕組みと国内事例、需要予測AIで価格を決める実装と見送る条件]()（株式会社一創）