売れる古着をAIが予測？トレンド分析を活用して在庫リスクを減らす仕入れ術

「古着屋 仕入れ AI」で検索する人が増えています。フリマアプリや海外輸入で仕入れルートが広がる一方、売れ残り在庫に悩む声も少なくありません。この記事では、AIによる画像認識や相場予測、トレンド分析を活用し、古着仕入れの精度を高める具体的な方法を解説します。

売れる古着をAIが予測？トレンド分析を活用して在庫リスクを減らす仕入れ術

なぜ今「古着屋×AI仕入れ」が注目されているのか

古着市場の拡大と在庫リスクの深刻化

中古衣料の需要増に伴い仕入れ量は拡大していますが、同時に売れ残りリスクも高まっています。在庫を抱えるとキャッシュフローが悪化するため、仕入れ精度の向上が急務です。

日本の中古市場は2025年時点で約2兆円規模に達するとされ、古着仕入れ市場だけでも約3,000億円と言われています。この成長に合わせて、メルカリなどのフリマアプリ経由の仕入れや海外輸入などルートが多様化し、「選択ミスによる在庫ダメージ」のリスクも増大しています。

AI仕入れツールは、相場データや回転率をもとに「仕入れ上限額」や販売予測を算出し、仕入れ段階で売れ残りリスクを数値で把握できる点が評価されています。Second Streetのような大手チェーンだけでなく、中小の古着屋や個人転売プレイヤーにも導入が広がりつつあります。

「勘と経験」だけでは限界？中小古着屋が抱える課題

仕入れを経験や勘に頼ると個人差が大きく、相場変動や真贋判定でミスが生じやすくなります。人手と時間にも限りがあるため、効率的な意思決定が難しいのが現状です。

特に次のような点が課題となっています。

• メルカリ・ヤフオクの相場変動スピードに、目利きが追いつかない
• 韓国・欧米輸入品の偽物混入リスク（THE NORTH FACE など）
• 店主一人で市場調査と価格設定を行うことの限界

AIは画像認識でブランドや状態を一括判定し、相場データベースから自動で価格レンジを提示できます。これにより、これまで「人の勘」に依存していた部分をデータドリブンな判断に置き換えることが可能です。その結果、仕入れ判断にかかる時間を大幅に削減しつつ、判断のバラつきも抑えられます。

「古着屋 仕入れ AI」で検索する人が増えている背景

スマホ撮影だけで即査定ができ、相場予測や真贋判定まで行えるようになったことで、低コストで仕入れ精度を上げられる点に注目が集まっています。

背景には次のような要因があります。

• ChatGPTなど汎用AIの普及により、「AI活用」への心理的ハードルが下がった
• Second Streetの「仕入れブック」特典のように、大手がAI仕入れを実装し始めた
• 無人店舗や在宅転売モデルの登場により、「人を増やさずに売上を伸ばす」ニーズが高まった

現時点では完全専用ツールは発展途上ですが、「スマホ用仕入れアプリ＋汎用AI（ChatGPT / Claude）＋メルカリ相場検索」といった組み合わせにより、事実上の「仕入れAI環境」を構築するケースが増えています。

---

古着仕入れAIの基本｜何ができて、何が変わるのか

画像認識でブランド・状態・偽物まで判別する仕組み

AIは写真からブランドロゴやタグ、ダメージの有無を判定します。照明や角度の影響はあるものの、目視よりも速く大量のアイテムをスクリーニングできるのが特徴です。

実際には、CNN（畳み込みニューラルネットワーク）でロゴ・タグ・ステッチパターンなどを解析し、次の項目を一度に算出します。

• ブランド認識（例：Levi’s / Lee / THE NORTH FACE など）
• 状態評価（A / B / Cランク、汚れ・破れの位置など）
• 偽物確率（本物／偽物の類似度スコア）

精度はブランド識別で約99％、偽物検知で85〜95％程度まで実用レベルに達しています。Second Street系の仕入れアプリでは「写真＋重量＋サイズ」を入力すると、AIが状態評価とともに買取価格の目安や回転率も提示するため、現場スタッフでも一定水準の査定が可能になります。

メルカリ・ヤフオク相場から利益を逆算する価格予測モデル

過去の販売データを学習し、売価帯と回転率を推定することで、「仕入れ上限額」を自動算出できます。

具体的には、メルカリ・ラクマ・ヤフオクなどの販売履歴（成約価格・出品期間・季節・サイズなど）を取り込み、ランダムフォレストやLSTMといった機械学習モデルを用いて次のような指標を出力します。

• 予想販売価格レンジ（例：18,000〜22,000円）
• 想定販売期間（例：30〜60日）

ユーザー側は「目標利益率（例：150％）」「許容在庫期間」などの条件を入力し、AIが「この条件なら仕入れ上限は最大6,000円」といった形で逆算してくれます。メルカリ自身もAIによる適正価格提案機能を導入しており、「古着の価格はAIが決める」流れが加速しています。

トレンド分析で「売れる古着」を事前に見つけるロジック

SNSや検索データの増減を解析し、カテゴリやブランドの注目度の推移を把握します。短期的な流行と長期的な需要を分けて評価できる点が特徴です。

トレンド分析では、InstagramやTikTokのハッシュタグ、Google検索量、メルカリ内の出品数・売り切れ数の推移などが中核データとなります。これらを時系列データとして学習し、AIは次のような判定を行います。

• 「投稿数が急増しており、売り切れ率も高いアイテム」＝仕入れ強化候補
• 「投稿数は多いが売り切れ率が低下しているアイテム」＝飽和・値崩れリスクが高い

1990年代のナイロンジャケットや特定のヴィンテージデニムのように、「まだ一部のインフルエンサーしか触れていないが、エンゲージメントが高い」アイテムを早期に検知できる点は、在庫リスク軽減の大きな武器になります。

---

AIが教えてくれる「売れる古着」のトレンドパターン

SNSデータから読み解く、今売れているカテゴリとブランド

InstagramやTikTokのハッシュタグやいいね数の変化をもとに、「今注目されている」カテゴリを抽出できます。ヴィンテージのLeeやナイロンジャケットなどが具体例として挙がります。

AIは、#vintageclothing や #古着コーデ など主要ハッシュタグに紐づく投稿を大量に収集し、次のような指標を数値化します。

• ブランド名・アイテム名の出現回数
• 投稿ごとのいいね数・保存数・コメント率
• 着用コーディネートの傾向（スポーティ／Y2K／グランジなど）

これにより、「直近3ヶ月で #thenorthface と #90snylon の組み合わせ投稿が急増している」「Leeの101関連ハッシュタグの保存率が高い」といった、感覚だけでは掴みにくいパターンを発見できます。仕入れリストと照らし合わせることで、「普段なら見逃すが、今は強く仕入れるべき」カテゴリを明確にできます。

3ヶ月〜半年先を見据えたトレンドの「種」の見つけ方

急増しているキーワードや地域別の投稿増加を早期に検知し、シーズン前に買い集めることで先回りした仕入れが可能になります。

古着仕入れAIは、次のようなポイントに注目します。

• 地域別の投稿数・エンゲージメントの変化
• シーズンオフ期間中の検索ボリュームの底上げ
• 小規模インフルエンサー発のニッチハッシュタグの成長率

たとえば、冬の終わりの時期に「特定年代のマウンテンパーカー」の検索数がじわじわ増え、関東圏の投稿が多いと分かれば、3ヶ月後の春〜梅雨シーズンを見据えた先行仕入れが可能になります。eBayや海外卸サイトにも同じロジックを適用し、「今は安く仕入れられ、数ヶ月後に国内で高く売れる」候補を自動抽出する運用も行われています。

ロングセラーと一発屋トレンドをAIで見分けるポイント

安定した検索量と継続的な売上があるアイテムはロングセラー、一時的なバズにとどまるものは、回転重視で少量仕入れにとどめる判断が重要です。

AIは次の項目を比較・分析します。

• 過去数年にわたる検索量・投稿数の推移（季節性の有無）
• プラットフォームごとの成約率と平均販売期間
• 値崩れの速度（ピークからの下落率）

そのうえで、

• 「毎年同時期に需要が立ち上がる90sデニム」「常に一定の売上がある定番ワークジャケット」＝ロングセラー
• 「一時的に投稿が急増したが、数週間でエンゲージメントが落ちるY2K系ニッチアイテム」＝一発屋

といった分類を行います。ロングセラーは在庫多め・仕入れ期間長め、一発屋は少量・短期勝負・高回転設定といったポートフォリオ設計をサポートできるため、「流行に振り回されて在庫過多になる」という典型的な失敗パターンを避けやすくなります。

---

在庫リスクを減らすためのAI仕入れ術ステップ解説

ステップ1｜AIで市場リサーチし、仕入れの「軸」を決める

まずAIで市場全体をリサーチし、仕入れるカテゴリ・価格帯・ブランドの「軸」を決めます。メルカリやヤフオク、eBay、InstagramなどのデータをAIに集約し、

• 高回転×中価格帯
• 低回転×高利益（ヴィンテージ）

といったマトリクスで、自店に合うゾーンを可視化します。

Second Street型チェーンは大量データを活かして地域別の売れ筋マップを作成していますが、個人店でも汎用AIを活用することで、同じような「売れ筋の地図」を小さく再現することが可能です。

古着仕入れにAIを取り入れる目的は、「勘と経験」に偏った判断をやめて、データに基づいた仕入れへと切り替えることにあります。画像認識によるブランド・状態・偽物判定、メルカリやヤフオクの成約データを使った利益逆算、SNSや検索データにもとづくトレンド分析を組み合わせれば、売れ残り在庫のリスクを抑えながら、狙うべきアイテムと価格帯をかなり具体的に絞り込めます。

ポイントは、いきなり高額な専用システムに頼るのではなく、「スマホの仕入れアプリ」「ChatGPTなどの汎用AI」「フリマアプリの相場検索」を組み合わせ、自店のスタイルに合った“ミニマムなAI環境”から始めることです。AIに市場リサーチとトレンドの仮説づくりを任せつつ、最終判断は自分の顧客イメージやショップの世界観と照らし合わせて行う。この役割分担を意識することで、

「AIをうまく使う古着屋」として、在庫リスクを抑えながら売上と利益の両方を伸ばしていくことが可能になります。