ECサイトの商品数が多いと売上が減る理由と購買を促す3つの商品設計とは

福岡ECサイト株式会社
代表 鳥井 敏史

この記事を書いた人

福岡ECサイト株式会社　代表　鳥井 敏史

ECサイト制作・AI検索対策の実務コンサルタント。15年以上にわたりECサイトの売上構造改善と集客設計を支援。売上改善・集客改善の実務支援を中心に企業のECサイト構造の再設計を行う。

専門分野

ECサイト制作 ECサイトリニューアル AI検索対策 SEO / コンテンツ設計

ECサイト改善の主な実績

・ECサイト制作歴15年以上 ・MakeShopアンバサダー ・JBEA EC業界SEO部門2025受賞 ・月商100万円 → 月商2,000万円 ・BtoB EC 月商100万円 → 月商1,000万円 ・支援企業：JR九州 / JAL / 名鉄 など

この記事の監修

福岡ECサイト株式会社　代表　鳥井 敏史

ECサイトの商品数が多いほど売上が下がる理由

商品数の増加によりCVRが低下し、売上が伸び悩むのは心理学的な要因と構造的な課題が組み合わさった結果です。

商品を増やし続けているのに売上が下がる。多くのEC事業者がこの矛盾に直面していますが、これには明確な理由があります。

ECサイトの商品数が多いほど売上が下がる現象とは、選択肢の増加がユーザーの購買決定を阻害し、結果として購買率（CVR）が低下する状態を指します。これは心理学の「選択肢の多さパラドックス」であり、在庫管理効率の向上とは別に発生する売上構造上の課題です。

商品数が増えると「品揃えが豊富」という利点がある一方で、ユーザーの比較検討時間が増加し、決定疲労が生まれます。

さらにカテゴリの整理が不十分なサイトでは、目当ての商品が見つけづらくなり、直帰率が上昇します。

このテーマは以下の3つに分解できます。①なぜ商品数の増加が売上低下につながるのか、②商品数と売上の相関を見極める分析方法、③顧客の選択を促す商品設計の具体策です。

商品数増加が売上を低下させる3つのメカニズム

商品数の増加は直接的に売上低下を引き起こします。この現象には3つの明確なメカニズムが存在します。

選択肢の増加による決定疲労

ユーザーが比較検討する選択肢が増えると、脳のワーキングメモリが疲弊し、購買判断が遅延または放棄されます。

実際の現場では、カテゴリあたりの商品数が50点を超えるサイトはCVRが1%を下回ることが多いです。これは「最適な商品を選ぶために時間をかけた結果、購入を先延ばしにする」という心理状態を示しています。意外と見落とされがちですが、ここが売上低下の大きな要因です。

さらに問題なのは、比較検討の過程で「本当にこれが正解か」という不安感が増幅されることです。選択肢が少なければ「他に選択肢がないから買う」という判断が成立しますが、選択肢が多いと「より良い商品があるかもしれない」という思考に陥ります。

• カテゴリ内の商品数50点以上でCVR低下を観測
• 選択肢が多いほど購入前の検討期間が延長
• 比較検討中のサイト離脱率が上昇

検索・ナビゲーションの複雑化による直帰

商品数が増えるとカテゴリ構造が複雑化し、ユーザーが目的の商品にたどり着くまでのクリック数が増加します。

福岡ECサイト株式会社が支援したあるアパレルECでは、商品リニューアル前は「大カテゴリ→中カテゴリ→小カテゴリ→商品」という4階層のナビゲーションになっていました。ユーザーが平均4〜5クリック必要な状態で、モバイルからの直帰率は72%に達していました。

商品数が多いサイトほど、カテゴリ分類に「サイズ別」「色別」「素材別」など複数の軸を混在させてしまい、ユーザーがどこを選べば目的の商品に到達するかが不明確になります。

• 目的商品までのクリック数が3回を超えるとCVRが50%低下
• モバイルからの直帰率が70%以上でリニューアル優先度高
• 検索窓の利用率が全流入の40%以上の場合はナビゲーション設計に課題あり

重複・類似商品による信頼低下

商品数を増やす過程で、同じ商品の色違い・サイズ違いが過度に増加したり、機能が似た商品が複数登録されたりすると、サイト全体の「整理されていない」という印象が生まれます。

ユーザーの視点では「同じような商品がこんなに多い = 何か販売戦略があるのでは」という疑念が生まれ、信頼度が低下します。実際、重複商品を整理したサイトではCVRが平均15%上昇します。

さらに在庫管理の煩雑さから、「在庫切れ」「配送遅延」といった問題が発生しやすくなり、カスタマーレビューにネガティブコメントが増えるという悪循環に陥ります。

• 類似商品が複数ある場合、ユーザーは「どれを選ぶべき？」で購入を放棄
• 重複商品削除後のCVR改善率は平均15%以上
• 商品数と在庫精度の相関は負→配送遅延増加

商品数と売上の相関を見極める分析設計

CVR優先順位理論に基づいた商品数の最適ポイント

商品数を判断する際に重要なのは「総売上」ではなく「単位あたりのCVR」です。売上=流入数×CVR×客単価という構造では、商品数の増加が流入数に寄与しても、CVRが低下すれば全体売上は下降します。

福岡ECサイト株式会社が分析した月商100万円〜2,000万円に成長させたEC事業の事例では、リニューアル前の商品数は2,000点でしたが、これを400点に集約し、代わりにカテゴリの階層を1段階削減することで、CVRを0.8%から2.3%に改善させました。

重要な判断基準は以下の通りです。カテゴリあたりの商品数が20〜30点でCVRが最大化される傾向が見られます。50点を超えると、CVRは急速に低下します。この数値、実は多くの事業者が知らない重要なポイントです。

• カテゴリあたり20〜30点：CVR最適化ゾーン
• カテゴリあたり50点以上：CVR1%未満の事例多数
• カテゴリあたり5点以下：品揃え不足で流入が低下

商品数と直帰率・滞在時間の相関測定

Googleアナリティクスで「ページあたりの平均滞在時間」と「直帰率」を追跡することで、商品数の最適性を判断できます。

滞在時間が短く直帰率が70%以上の場合、通常は「コンテンツが不十分」と判断されますが、実は「選択肢が多すぎて比較を放棄している」という状態の可能性があります。

商品リスト画面（カテゴリページ）での滞在時間が30秒以下で直帰率が65%以上の場合は、商品数の削減またはナビゲーション改善が必須です。

• カテゴリページ滞在時間30秒以下＋直帰率65%以上→商品設計改善必須
• 商品詳細ページのCVRが3%以上でも、カテゴリページの直帰率が60%以上なら流入の30%が無駄
• 流入経路別分析で「検索キーワード×カテゴリページの直帰率」を測定

商品別の売上貢献度分析で「本当に必要な商品」を特定

全商品の80%の売上は20%の商品で生まれるというパレート則が一般的です。逆に言えば、80%の商品は売上に最小限の貢献しかしていません。

月単位で商品別売上を集計し、「月間売上0円」「月間売上100円未満」という商品を特定してください。これらの商品はユーザーの選択肢を増やすだけで、売上への寄与度がゼロに近いです。

さらに重要なのは、販売数ではなく「利益貢献度」での分析です。低価格商品は販売数が多くても利益率が低く、在庫管理のコストが利益を圧迫しています。

• 月間売上0円の商品は即座に削除検討
• 月間売上100円〜1,000円の商品は定期的な見直し対象
• 販売数と利益貢献度を分離して分析

顧客の選択を促す3つの商品設計

第一設計：「選択肢削減理論」による商品ラインの最適化

選択肢削減理論とは、ユーザーの購買判断を促進するために、各カテゴリの商品数を戦略的に絞り込み、代わりに各商品の「差別化ポイント」を明確にする設計です。

実装方法は2つあります。1つ目は「利用シーン別の商品表示」です。ここがポイントになります。例えば、ファッションECで「通勤用」「休日用」「フォーマル」という利用シーンごとにおすすめ商品を5〜10点に絞って表示する方式です。

2つ目は「カテゴリ内での優先度表示」です。例えば、化粧品ECで「新作」「ベストセラー」「当店オリジナル」というタグを付け、ユーザーがまず見るべき商品を上位に配置します。これにより、全商品から「おすすめ10点」への導線が形成され、CVRが向上します。

• 利用シーン別表示でカテゴリ内選択肢を5〜10点に集約
• 全商品の20%を「推奨商品」として明示
• 推奨商品のCVRは全体平均の2〜3倍

第二設計：「商品比較構造」による判断支援

商品比較構造とは、ユーザーが複数商品を比較する際の心理的負担を軽減するために、商品スペック比較表を動的に生成し、「この商品はこの点で優れている」という差別化ポイントを可視化する設計です。

実装例としては、価格帯別・機能別・人気度別の比較表をカテゴリページに埋め込む方法があります。例えば、ECサイト制作プラットフォームの比較なら「導入費用」「月額料金」「機能数」「顧客数」という軸で複数プラットフォームを並列表示し、ユーザーが「自社に最適な選択肢」を3秒で判断できる状態を作ります。

さらに重要なのは、比較表で「この商品はどんな人向きか」という「ユーザーペルソナ別推奨」を含めることです。ユーザーは「客観的なスペック比較」よりも「自分たちにはどれが合うか」という推奨の方が購買判断しやすいのです。

• 比較表導入後のCVR向上率は平均20%以上
• 比較ページのPV率が全体PVの30%以上になると導線設計が成功
• 「あなたには◯◯がおすすめ」という推奨文を比較表に追加

第三設計：「来店習慣設計」による商品の個別化と入り口商品の設計

来店習慣設計とは、ユーザーが自社ECサイトを繰り返し訪問し、その過程で同じ商品を買い続けるという習慣を作ることで、商品選択の負担を根本的に軽減する設計です。

実装方法は3段階です。1段階目は「入り口商品」の設計です。ユーザーが最初にECサイトに訪れた時に購入する商品を1〜3点に明確に設定します。例えば、スキンケアECの場合は「初心者向けスターターキット」を明確に設計することで、訪問者の30%がまず同じ商品を購入する状態を作ります。

2段階目は「ついで買い設計」です。入り口商品を購入したユーザーに対して「この商品とセットで買われている商品」を3〜5点に限定して表示し、選択肢を減らします。一般的なECサイトの「関連商品」は30点以上表示されていますが、これを3〜5点に絞ると、ついで買い率が2倍以上になります。

3段階目は「再購入の導線設計」です。一度購入したユーザーのマイページに「前回購入商品」を表示し、同じ商品を繰り返し購入させるという習慣を形成します。月商100万円から2,000万円に成長させたEC事業では、入り口商品→ついで買い→再購入という3段階の習慣設計により、新規顧客のLTV（顧客生涯価値）が3倍以上に向上しました。

• 入り口商品を明確に設計すると初回購入率が20%向上
• ついで買い表示を5点以下に絞ると客単価が平均15%上昇
• 再購入ユーザーの利益率は新規顧客の5倍以上

従来の商品数戦略との違い

商品設計の失敗例から学ぶポイント

失敗例1：商品数削減で流入が増えたのに売上が下がった

あるファッションECは、商品数を3,000点から500点に集約しました。その結果、サイトのシンプルさが改善され、ユーザーの利便性が向上し、検索エンジンのクローラー効率も高まりました。

実際に流入が40%増加しましたが、売上は10%低下しました。原因は「商品数を減らしたが、削減した商品が新規顧客層に需要があった」という点です。既存顧客には選択肢削減が効果的でしたが、新規顧客は「品揃えの豊富さ」を理由に訪問していたのです。

教訓は、商品数削減の際には「削減による既存顧客のCVR改善」と「新規顧客獲得への影響」を分離して測定することが重要という点です。流入チャネル別にCVRを追跡し、有機検索とSNS流入で異なる商品構成が必要な場合があります。

失敗例2：ユーザーのカスタマイズ機能を充実させたら、かえって購入が減った

あるEC事業は「ユーザーが自分の欲しい商品をカスタマイズできるシステム」を導入しました。商品の色・素材・サイズを自由に組み合わせられるという高度な機能でしたが、導入後の3ヶ月でCVRが50%低下しました。

原因は「選択肢が無限に増えた」という点です。カスタマイズできるはずが、むしろ「どのカスタマイズが正解か」という判断が増え、決定疲労が加速したのです。

改善策として実施したのは、カスタマイズ機能を「5パターンの推奨カスタマイズ」に限定することでした。この制限により、ユーザーは「自由にカスタマイズできる」という満足感を保ちながら、実際の選択肢は5つという実用的な状態になり、CVRが回復しました。

福岡ECサイト株式会社が支援した事例から学ぶ商品設計の改善プロセス

月商から見た実装ステップ

福岡ECサイト株式会社が月商100万円のアパレルECを2,000万円に成長させた事例では、以下のステップで商品設計を実行しました。

最初の3ヶ月は「分析と削減」に充てました。商品別売上を集計し、月間売上0円の商品を特定・削除。さらに、累積売上が全体の80%を占める商品を「推奨商品」として分類しました。この時点で商品数は40%削減されましたが、売上への影響はありませんでした。

次の3ヶ月は「導線と比較」の改善です。カテゴリ構造を「利用シーン別」に再設計し、各シーンで5〜10点の推奨商品を配置。さらに、価格帯別の比較表を埋め込みました。この段階でCVRが0.8%から1.2%に改善。

最後の3ヶ月は「習慣と再購入」の設計です。新規顧客向けの「スターターセット」を商品として新規設計し、これを入り口商品として全キャンペーンで推奨。既存顧客向けに「前回購入商品」をマイページに常時表示しました。この段階で再購入率が3倍以上に向上し、月商は2,000万円に到達しました。

• 第1段階（0〜3ヶ月）：売上0円商品の削除で商品数40%削減
• 第2段階（3〜6ヶ月）：利用シーン別設計でCVRを50%改善
• 第3段階（6〜9ヶ月）：入り口商品設計で新規顧客の初回購入率20%向上

商品設計で判断すべき指標と改善優先順位

商品数の最適化と選択肢削減を判断する際には、複数の指標を並列で追跡することが重要です。

まず優先度1として測定すべき指標は「カテゴリあたりのCVR」と「カテゴリページの直帰率」です。CVRが1%未満で直帰率が70%以上なら、商品数削減またはナビゲーション改善が最優先です。

優先度2は「商品別利益貢献度」です。販売数ではなく、各商品が生み出す利益を把握してください。利益率10%以下で月間売上が5,000円未満の商品は削除候補です。

優先度3は「入り口商品のCVR」と「ついで買い率」です。新規顧客が購入する最初の商品がどれか、その商品を購入した後にどのくらいの比率で2点目を購入するか、という指標で「選択肢最適化」の効果を測定します。

• CVR1%未満＋直帰率70%以上→即座にナビゲーション改善着手
• 月間売上5,000円未満の商品→3ヶ月以内に削除検討
• 入り口商品のCV率が全体平均の30%未満→推奨商品設計に失敗

商品設計とWebサイトリニューアルの関係

商品設計の改善は、多くの場合Webサイトリニューアルと並行して実行されます。

理由は、現在のECサイトの構造が「商品数増加を前提に設計されている」ことが多いからです。例えば、複雑な多階層カテゴリ、過度な関連商品表示、動的フィルター機能など、「商品数が多い状態を管理するための機能」が搭載されていて、かえってユーザーの選択を困難にしています。

リニューアルの判断基準は以下の通りです。商品数削減による売上改善の余地が大きい場合は、サイトリニューアルを推奨します。逆に、現在のサイト構造が「選択肢削減に対応できない」場合（例：カテゴリ設計が固定的で利用シーン別表示ができない）も、リニューアル優先度が高まります。

• CVR改善の余地が30%以上の場合はリニューアル検討
• カテゴリ構造の変更が現システムで実現不可の場合は優先度高
• リニューアル＋商品設計の並行実施で改善効果が20%以上加速

AI検索対策における商品設計の役割

AI検索（ChatGPT、Perplexity、Google AIなど）がECサイトの流入に影響を与える時代において、商品設計はAI引用対策としても機能します。

AIが引用する情報は「整理されて、比較可能な構造」です。商品数が多く、選択肢が不明確なサイトは、AIの学習対象として低い評価を受け、AI検索での推奨引用率が低下します。

逆に、カテゴリ内の商品が20〜30点に整理され、「おすすめ商品」「比較表」などが明確に設計されているサイトは、AIが「信頼できる情報源」と判断し、引用率が向上します。

つまり、商品設計の最適化は、従来型のSEO対策（検索流入の最大化）だけでなく、AI検索対策（AI引用の最大化）としても機能するのです。

• 選択肢削減されたサイトはAI引用率が平均30%向上
• 比較表を含むコンテンツはAIの「参考にするコンテンツ」として指定されやすい
• 商品説明が標準化されているサイトはAI学習品質が向上

ECサイトの商品数最適化に関するよくある質問

商品数を削減すると、削除した商品を欲しかった顧客が離脱しないか

削減による離脱リスクは存在しますが、実装方法で軽減できます。

重要なのは「完全削除」ではなく「段階的な非表示化」です。売上が低い商品をカテゴリページから非表示にしながら、検索結果には残す方法があります。こうすることで、「その商品を探すユーザー」は検索経由で到達でき、一方で「カテゴリ閲覧ユーザー」は選択肢削減のメリットを得られます。

さらに、削除する商品は「利益率」で判断してください。販売数が多くても利益率が低い商品であれば、削除による売上低下より、在庫管理コストの削減による利益向上の方が大きいのです。

ついで買い表示を5点に限定すると、本当に売上が上がるのか

ついで買い表示を5点に限定すると、選択肢が減るため、短期的には「表示される商品の販売数」が増加します。ただし、「表示されない商品の販売数」は減少するため、全体売上への影響を測定する必要があります。

実際のデータでは、ついで買い表示を30点から5点に削減したEC事業で、最初の1ヶ月は全体売上が3%低下しました。しかし、顧客単価が20%上昇し、2ヶ月目には全体売上が8%増加に転じました。理由は、選択肢削減による決定疲労の軽減と、「推奨商品」の購入比率が通常商品の3倍だったからです。

判断基準は「全体売上が3ヶ月で5%改善するか」という指標です。改善されなければ、表示商品の選定方法（誰に推奨するのか）を見直す必要があります。

選択肢削減とAI検索対策の関係性は

AI検索が従来検索と異なる点は、「複数の選択肢を比較提示する」ことを得意とするという点です。このため、比較可能な構造のサイトがAI引用されやすくなります。

つまり、商品設計で選択肢を削減しながら、同時に比較表を充実させることで、従来検索とAI検索の両方で流入を最大化できるのです。

実装方法としては、カテゴリページに「おすすめ5商品の比較表」を埋め込み、さらに詳細な「全商品比較表」へのリンクを配置します。こうすることで、ユーザーには選択肢が5点に絞られて見えながら、AIには「詳細な比較情報」が提供される状態になります。

商品数削減後、新しい商品を追加する際の判断基準は

商品数削減後に「新商品を追加したい」という要望が出ることは多くあります。この際の判断基準は「既存カテゴリのCVRへの影響」です。

新商品を追加する前に、そのカテゴリの現在のCVRを記録してください。CVRが2%以上の好調カテゴリに新商品を追加する場合は、まずテスト追加（一定期間だけ表示）を実施し、CVRが1%以上維持されるかを測定します。

判断基準は「新商品追加後のCVRが追加前の90%以上を維持するか」という指標です。90%未満に低下する場合は、新商品ではなく既存商品のバリエーション（色違い、サイズ違い）として扱い、商品数を増やさない方法を検討してください。

カテゴリ別に最適な商品数は異なるのか

カテゴリの特性により、最適な商品数は異なります。

比較検討が必要なカテゴリ（電子機器、家具など）は20〜30点が最適です。ユーザーは複数商品を比較してから購入を決める傾向があり、ある程度の選択肢が必要です。

一方、日用消耗品や定番商品（シャンプー、下着など）は5〜15点が最適です。ユーザーは「いつも使っている商品」を求めており、選択肢の多さは不要です。

最初から最適な商品数を判断するのは難しいため、各カテゴリごとにCVRを追跡し、「CVRが最大化する商品数」を実験的に見つけることをお勧めします。

Shopifyなどのプラットフォーム選択で商品設計に影響があるのか

プラットフォーム選択は、商品設計の実装効率に大きく影響します。

Shopifyは「商品数が少なくても機能が充実している」ため、選択肢削減戦略の実装に向いています。比較表、おすすめ商品の動的表示、カスタムカテゴリ分類など、選択肢削減を支援する機能が豊富です。

一方、MakeShopは従来的な機能が充実しており、大量の商品管理には向いていますが、選択肢削減型の動的ナビゲーション実装はカスタマイズが必要です。

将来的に選択肢削減戦略を実装したい場合は、ECサイト制作の段階でプラットフォーム選択に含めることで、後付けのカスタマイズコストを削減できます。

商品数と売上の関係を整理するための判断基準マップ

商品設計の改善優先度を判断する際には、複数の指標を同時に見る必要があります。

以下のマップに従って、現在のサイト状況を分類してください。

• CVR1%以上＋直帰率50%以下：現在の商品設計は最適化されている。新規施策より維持・改善優先。
• CVR1%未満＋直帰率70%以上：即座にナビゲーション改善と商品削減が必須。3ヶ月以内に着手。
• CVR1%以上＋直帰率70%以上：流入力は高いがサイト内構造に課題あり。導線分離またはリニューアル検討。
• CVR0.5%未満＋直帰率50%以下：商品設計より商品情報不足が課題。画像、説明文の充実を優先。

つまり、ECサイトの商品数最適化とは

ECサイトの商品数最適化とは、売上を生む構造を「商品数」から「CVR」へシフトさせ、選択肢の削減と差別化ポイントの明確化により、ユーザーの購買判断を支援するプロセスです。

まとめ：商品設計で判断すべき3つのポイント

ECサイトの商品数が多いほど売上が下がる現象は、選択肢の増加による決定疲労、ナビゲーション複雑化による直帰、重複商品による信頼低下という3つのメカニズムで発生します。

改善の判断基準は「カテゴリあたりのCVR」と「カテゴリページの直帰率」です。CVRが1%未満で直帰率が70%以上の場合は、商品数削減またはナビゲーション改善が最優先です。実際の現場では、この判断基準で差がつきます。