---
title: "時間帯別・曜日別分析とは？店舗ビジネスの売上を改善する基本ガイド"
url: "https://pro-marketing.jp/analysis/jikantai-youbi-bunseki/"
canonical: "https://pro-marketing.jp/analysis/jikantai-youbi-bunseki/"
date: "2026-03-24"
lastmod: "2026-09-16"
description: "時間帯別・曜日別分析は、店舗の繁閑パターンをデータで把握するための基本手法です。シフト管理・販促施策・在庫調整など幅広く活用できます。目的・読み方・分析ステップを初心者向けにわかりやすく解説します。"
language: "ja"
image: "https://pro-marketing.jp/wp-content/uploads/2026/03/Image-1-42.jpg"
categories:
  - "経営分析"
tags:
  - "POSレジ"
author:
  name: "小形 洸太"
  url: "https://pro-marketing.jp/author/kotaogata/"
  bio: "マーケティングプロデューサー、集客コンサルタント。大学卒業後、店舗マーケティングツールのASPにて、500店の顧客フォロー及び導入支援業務に従事。その後、2009年からコンサルティングを提供開始。助言だけではなく、対策もできるコンサルタントとして活動。主に、マーケティング関連のディレクション業務を行い、オウンドメディア運用、SNSキャンペーン、実店舗の集客支援を実施。 集客の専門家として、ミラサポや信用保証協会専門家、商工会専門家などの立場で事業主向けに助言業務を実施。また、リクルートや第一興行のメディアでSNSを使った集客の記事の監修。"
---

# 時間帯別・曜日別分析とは？店舗ビジネスの売上を改善する基本ガイド

最初に結論

**時間帯別・曜日別分析で大切なのは、売上の多い・少ないを眺めることではなく、「なぜ差が出たのか」を分解し、シフト・仕込み・販促などの具体策につなげることです。**

まずはPOSレジなどから、日時・売上・会計数・客数を含むデータを用意しましょう。ExcelやGoogleスプレッドシートならピボットテーブル、ChatGPTやClaudeならCSV・Excelファイルの分析機能を使えます。ただし、合計売上だけで判断せず、客数・客単価・営業日数・天候・祝日・施策の有無も併せて確認することが重要です。

**この記事でわかること**

1. [時間帯別・曜日別分析の目的](#what-is)
2. [分析でわかること](#what-you-see)
3. [用意するデータと表の作り方](#data-needed)
4. [Excel・スプレッドシートでの分析手順](#how-to-analyze)
5. [ChatGPT・Claudeで分析する方法とプロンプト](#ai-analysis)
6. [分析結果の活用方法と注意点](#use-cases)

## 時間帯別・曜日別分析とは

時間帯別・曜日別分析とは、店舗の売上・会計数・来客数・客単価などを、曜日や時間帯ごとに集計して比較する方法です。日々の売上表を日付順に眺めるだけでは見つけにくい繁忙・閑散のパターンを、自店舗のデータから見つけられます。

たとえば「土曜の昼は売上が高い」という結果が出たとします。ここで分析を終えず、売上を**客数と客単価に分ける**と、「来店が多いから売上が高いのか」「高単価の商品が売れているのか」がわかります。さらに人件費やスタッフ数を重ねれば、混雑しているのに人手が足りない時間帯も見つけやすくなります。

### 分析の主な目的

**繁忙・閑散パターンの把握**

経験上の「忙しい時間」を数字で確かめ、見落としていた曜日や時間帯も発見します。

**人員配置と仕込みの調整**

客数や注文数の山に合わせ、出勤・休憩・仕込みの時間を見直します。

**販促の対象を絞る**

値引きありきではなく、どの枠に、どの客層・商品で来店理由をつくるかを考えます。

**施策の効果検証**

施策前後を同じ曜日・時間帯で比較し、続けるか、直すか、やめるかを判断します。

## 分析でわかること

### ピークタイムとオフピークタイム

曜日と時間帯を掛け合わせると、「平日の12時台」「金曜の18時以降」のように、来客や注文が集中する枠を把握できます。ピーク前の仕込み、スタッフの出勤時刻、休憩を取る時間の見直しに役立ちます。

### 売上差の原因

売上は、大まかに「客数×客単価」で考えられます。売上が低い時間帯でも、客単価は高い場合があります。反対に来客数が多くても、回転の遅れや欠品によって機会損失が起きているかもしれません。売上だけでなく、会計数・客数・客単価・販売点数を並べることで、改善すべき対象が見えやすくなります。

### 施策前後の変化

クーポン配布、SNS投稿、広告、限定メニューなどを実施した日時を記録しておけば、施策を行った枠と通常時を比較できます。ただし、単純な前月比だけでは季節、祝日、天候、近隣イベントの影響が混ざります。なるべく同じ曜日・時間帯、近い営業条件で比較しましょう。

**「売上が低い時間帯＝悪い時間帯」とは限りません。**営業時間を延ばした結果として売上が薄くなっている場合や、仕込み・清掃に必要な時間として機能している場合もあります。数字は現場の役割とセットで読みます。

## 分析に必要なデータは何か

最低限必要なのは、**日時・売上金額・会計または注文を識別できる情報**です。来客数が取れる場合は、客単価をより正確に確認できます。目的に応じて、商品、販売チャネル、人員、天候、販促などの列を追加します。

| データ項目 | 具体例 | わかること | 優先度 |
| --- | --- | --- | --- |
| 売上日時 | 2026/9/1 12:34 | 曜日・時間帯への分類 | 必須 |
| 売上金額 | 4,800円 | 時間帯別・曜日別の売上 | 必須 |
| 会計ID・注文ID | ORD-00125 | 会計数、1会計あたり金額 | 推奨 |
| 来客数 | 3人 | 客数、1人あたり客単価 | 推奨 |
| 商品名・カテゴリ・数量 | ランチA／2点 | 時間帯ごとの売れ筋、仕込み量 | 目的に応じて |
| 割引額・クーポン | 500円／雨の日 | 値引き後の売上、施策利用状況 | 目的に応じて |
| 販売チャネル | 店内／テイクアウト／予約 | チャネル別の需要差 | 目的に応じて |
| スタッフ数・労働時間 | 3人／12人時 | 人時売上高、配置の過不足 | 人員分析時 |
| 天候・祝日・イベント | 雨／祝日／地域祭 | 通常営業と外部要因の切り分け | 精度を上げる場合 |
| 販促の有無 | SNS投稿あり／クーポン実施 | 施策あり・なしの比較 | 効果検証時 |

### 元データは「1行1記録」で整える

ピボットテーブルやAIで扱いやすいのは、1行が1会計または1注文明細になっている表です。1つのセルに「9月1日、売上10万円、客数80人」のように複数の情報をまとめず、項目ごとに列を分けます。

- 1行目には重複のない見出しを入れる
- 表の途中に小計、空白行、説明文を入れない
- 日付と時刻を同じ形式にそろえる
- 売上列に「円」などの文字を混ぜず、数値として保存する
- 返品・取消・値引きをどう記録するか先に決める
- 個人名、電話番号、メールアドレスなど分析に不要な個人情報は削除する

**データ量の目安：**まずは4週間以上を目安にすると、各曜日を複数回比較できます。ただし4週間あれば必ず正確という意味ではありません。季節性の強い店舗や祝日の影響が大きい店舗では、3か月、半年、前年同月など比較期間を広げます。

## Excel・Googleスプレッドシートで分析する手順

ExcelとGoogleスプレッドシートは、基本の流れがほぼ同じです。元データは残したまま、補助列、集計表、グラフを別シートに分けると更新しやすくなります。

1

**分析したい問いを1つ決める**

「シフトを見直したい」「水曜午後の集客余地を知りたい」など、先に目的を決めます。目的がないまま集計すると、数字を眺めるだけで終わりがちです。

2

**POSレジなどから明細データを書き出す**

CSVまたはExcel形式で出力し、対象期間、税込・税抜、返品、取消、テスト注文が含まれるかを確認します。出力前後の売上合計も控えておきます。

3

**曜日・時間帯の補助列を作る**

売上日時から日付、曜日、時間帯を取り出します。深夜営業では「午前2時を前営業日の26時として扱う」など、自店の営業日ルールを先に決めます。

4

**ピボットテーブルで集計する**

行に曜日、列に時間帯、値に売上合計を置きます。次に会計数、客数、客単価も確認します。売上だけで結論を出さないことがポイントです。

5

**ヒートマップとグラフで差を見る**

条件付き書式で値の大小に色を付けると、曜日×時間帯の山谷が見つけやすくなります。曜日比較は棒グラフ、時間の流れは折れ線グラフが向いています。

6

**元データと集計結果を検算する**

ピボットの売上合計・会計数が元データと一致するか確認します。不一致なら、対象範囲、空白、文字列化した数値、返品・取消、重複行を見直します。

7

**仮説を現場で確認し、小さく試す**

数字からわかる事実と、その理由についての仮説を分けます。スタッフの声や当日の記録を確認し、1つの枠・1つの施策から試します。

### 曜日・時間帯を作る数式例

A2セルに「2026/9/1 12:34」のような売上日時が入っている場合の例です。

日付：=INT(A2)
曜日：=CHOOSE(WEEKDAY(A2,2),"月","火","水","木","金","土","日")
1時間単位：=TIME(HOUR(A2),0,0)
30分単位：=TIME(HOUR(A2),FLOOR(MINUTE(A2),30),0)

数式の区切り記号や表示形式は、Excel・Googleスプレッドシートの言語設定によって異なる場合があります。時間帯の列は「時刻」形式に設定します。

### ピボットテーブルの設定例

| 設定場所 | 入れる項目 | 確認できること |
| --- | --- | --- |
| 行 | 曜日 | 月〜日の違い |
| 列 | 時間帯 | 時間の流れとピーク |
| 値1 | 売上金額／合計 | 売上規模 |
| 値2 | 会計ID／個数 | 会計数 |
| 値3 | 来客数／合計 | 客数 |
| フィルタ | 店舗、チャネル、商品カテゴリ、施策有無 | 条件別の比較 |

**曜日別の「合計」だけを比べないでください。**期間内の月曜が5回、火曜が4回なら、月曜の合計が大きくなりやすいためです。「1営業日あたり平均」「営業1時間あたり」「1人時あたり」など、営業日数や営業時間をそろえた指標も確認します。

### 最低限確認したい指標

| 指標 | 計算の考え方 | 主な用途 |
| --- | --- | --- |
| 1営業日あたり売上 | 売上÷営業日数 | 曜日の登場回数の差をならす |
| 1時間あたり売上 | 売上÷対象時間数 | 営業時間が違う枠を比較する |
| 1会計あたり単価 | 売上÷会計数 | 注文単位の金額を見る |
| 客単価 | 売上÷来客数 | 1人あたりの利用額を見る |
| 人時売上高 | 売上÷総労働時間 | シフト配置の参考にする |
| 施策利用率 | 施策利用件数÷対象会計数 | クーポンなどの利用状況を見る |

## ChatGPT・Claudeで時間帯別・曜日別分析をする方法

ChatGPTやClaudeにCSV・Excelファイルを読み込ませると、データの点検、集計、表・グラフの作成、気になる傾向の説明をまとめて依頼できます。表計算に慣れていない方にも便利ですが、AIの文章をそのまま経営判断に使うのではなく、**元データと集計結果が一致しているかを必ず検算**してください。

**アップロード前の注意：**顧客名、電話番号、メールアドレス、会員ID、自由記述など、分析に不要な個人情報・機密情報は削除または匿名化します。利用中のプラン、組織のルール、データ利用設定、保存期間も確認してください。

### AI分析の進め方

1. 分析用に複製したCSVまたはExcelファイルを用意する
2. 個人情報や分析に不要な列を削除・匿名化する
3. ファイルを添付し、最初はデータ点検だけを依頼する
4. 列の意味や営業時間、深夜の扱いをAIに伝える
5. 曜日×時間帯の集計、客数・客単価への分解を依頼する
6. AIが示した売上合計・件数を元データと照合する
7. 事実、仮説、追加確認事項、施策案を分けて出してもらう

### そのまま使える基本プロンプト

添付した店舗の売上データを、曜日別・時間帯別に分析してください。

【店舗・データの前提】
・業種：［飲食店／美容室／小売店など］
・対象期間：［YYYY/MM/DD〜YYYY/MM/DD］
・営業時間：［例 11:00〜22:00］
・定休日：［例 火曜日］
・時間帯の区切り：［1時間／30分］
・深夜営業の扱い：［例 午前0〜3時は前日の営業として扱う］
・分析目的：［シフト改善／閑散時間の集客／仕込み量の調整など］

【最初に行うこと】
1. すぐに結論を出さず、列名、データ型、行数、対象期間を確認してください。
2. 欠損、重複、異常値、日時形式の混在、数値に見える文字列、返品・取消と思われる行を確認してください。
3. 列の意味が不明な場合は推測で補わず、質問してください。

【集計内容】
1. 曜日×時間帯で、売上合計、1営業日あたり平均売上、会計数、来客数、1会計あたり単価、客単価を集計してください。
2. 来客数や労働時間など、元データに存在しない項目は算出せず「算出不可」としてください。
3. 曜日×時間帯のヒートマップと、曜日別の棒グラフ、時間帯別の折れ線グラフを作成してください。
4. 売上の高い枠・低い枠を各5件示し、売上差が客数と単価のどちらによるものか分解してください。
5. 祝日、天候、イベント、販促の有無が列にある場合は、通常営業と分けて比較してください。

【検算】
・集計後の売上合計と件数を元データ全体と照合してください。
・一致しない場合は差額と原因候補を示し、勝手に分析を続けないでください。

【出力形式】
「確認できた事実」「理由についての仮説」「追加で確認すべきこと」「優先して試す施策」の4つに分けてください。
因果関係を断定せず、サンプルが少ない枠には注意書きを付けてください。

### シフト改善に絞った追加プロンプト

先ほどの集計に、スタッフ数または労働時間のデータを重ねてください。
曜日×時間帯ごとに「売上」「来客数」「総労働時間」「人時売上高」「1人時あたり来客数」を比較し、次の3種類に分類してください。

A：需要に対して人手が不足している可能性がある枠
B：需要に対して人員が多い可能性がある枠
C：現状維持を検討する枠

分類の基準を先に示し、売上だけで人員削減を提案しないでください。仕込み、清掃、教育、休憩など売上データに表れない業務もあるため、各提案に「現場で確認すべき点」を添えてください。

### 販促効果の検証に使う追加プロンプト

販促を実施した日時と、実施していない通常営業を比較してください。
同じ曜日・同じ時間帯を基本に、売上、会計数、客数、客単価、値引き額を比較してください。

・施策前後の期間と件数を明記する
・祝日、臨時休業、営業時間変更、悪天候、イベント日を可能な範囲で分ける
・売上増だけでなく、値引き後の売上と客単価低下も確認する
・単純比較から因果関係は断定しない
・判断に必要なデータが不足している場合は、その項目を先に示す

最後に「継続」「条件を変えて再検証」「中止を検討」の3案で、判断材料を整理してください。

**AIに一度で全部を頼まないのがコツです。**「データ点検」「集計」「検算」「解釈」「施策案」を分けると、どの段階で誤りが起きたか確認しやすくなります。作成された表やグラフだけでなく、計算条件と除外行も確認しましょう。

## 使えるツールと選び方

| ツール | 向いていること | 注意点 | おすすめの使い方 |
| --- | --- | --- | --- |
| Googleスプレッドシート | 共有、共同編集、ピボット、グラフ | 大容量データでは動作が重くなる場合がある | 小〜中規模店舗の定例集計 |
| Excel | ピボット、条件付き書式、詳細な加工 | 更新手順が担当者だけの知識にならないようにする | 定型レポートと細かな検算 |
| POSレジの分析機能 | 素早い現状確認 | 集計単位や指標の定義を確認する | まず傾向をつかみ、必要なデータだけ出力 |
| ChatGPT・Claude | データ点検、集計、可視化、仮説整理 | 機密情報、計算誤り、もっともらしい誤解釈に注意 | 表計算の補助と分析観点の洗い出し |
| GA4・予約システム | Web行動、予約、問い合わせの時間傾向 | 来店・店頭売上と同じ指標ではない | 予約前行動と実来店を分けて比較 |

## 分析結果を店舗改善に活用する方法

### シフト・人員配置

客数のピークだけでなく、その前の仕込み、入店から提供までの時間、片付けまで含めて配置を考えます。人時売上高が低い枠でも、開店準備や教育を担っている場合があるため、数字だけで機械的に人員を減らさないことが大切です。

### タイムサービス・商品設計

閑散時間帯への施策は、値引きだけではありません。限定セット、予約特典、テイクアウト強化、別の利用目的の提案など、客単価や利益を守る方法も検討します。施策の対象時間、実施日、費用を記録しておくと、次回の検証がしやすくなります。

### SNS・広告・予約導線

来店ピークの直前に投稿すれば必ず成果が出るわけではありません。検討から来店までの時間は業種によって異なるため、投稿時刻と来店時刻を同一視せず、予約・クーポン利用・問い合わせなど追跡できる指標を決めて試します。

### 在庫・仕込み

商品カテゴリ別の販売数を曜日×時間帯で集計すれば、仕込み量や発注量の目安になります。欠品した日は「売れなかった」のではなく「売れる在庫がなかった」可能性があるため、欠品記録と廃棄数も残すと判断しやすくなります。

## 分析で失敗しないための注意点

- **合計と平均を使い分ける：**曜日の回数、営業日数、営業時間の違いをならして比較する
- **小さなサンプルで断定しない：**1日だけの突出値を店舗の傾向と決めつけない
- **外部要因を記録する：**祝日、天候、イベント、欠品、臨時休業、営業時間変更を分ける
- **相関と因果を混同しない：**SNS投稿日に売上が伸びても、投稿が原因とは限らない
- **粗利も確認する：**売上が増えても、値引きや広告費で利益が減る場合がある
- **現場とすり合わせる：**数値に表れない待ち時間、提供遅れ、スタッフの負荷も確認する
- **一度に変えすぎない：**複数施策を同時に行うと、何が効いたか判別しにくい

## 時間帯別・曜日別分析のよくある質問

何週間分のデータが必要ですか？

まずは各曜日を複数回比較できる4週間以上が目安です。ただし、祝日や季節の影響が強い場合は3か月以上、または前年同月も確認します。4週間という期間だけで十分と決めず、曜日ごとの営業回数も見てください。

 1時間単位と30分単位のどちらがよいですか？

最初は1時間単位が扱いやすいでしょう。来客が短時間に集中する業種や、シフトの開始時刻を細かく調整したい場合は30分単位にします。細かくするほど件数が少なくなり、偶然の影響を受けやすい点に注意が必要です。

 売上データしかなくても分析できますか？

曜日・時間帯ごとの売上傾向は確認できます。ただし、売上差が客数と単価のどちらによるものかは判断できません。可能であれば会計数、来客数、商品数を追加してください。

 ChatGPTとClaudeのどちらを使えばよいですか？

どちらもファイルを使った分析を補助できますが、対応形式や上限、分析機能はプラン・設定によって異なります。まず手元の環境でファイルを扱えるか確認し、同じプロンプトで集計結果と検算内容を比較してください。重要なのはサービス名より、データを整え、計算条件を明示し、結果を元データと照合することです。

 AIに売上データをそのまま渡してもよいですか？

そのまま渡すのは避け、分析に不要な個人情報・機密情報を削除または匿名化してください。自社の情報管理ルール、利用プランのデータ取り扱い、モデル改善設定、保存期間も確認します。

## まとめ

時間帯別・曜日別分析は、店舗の「忙しい」「暇かもしれない」という感覚を、改善に使える数字へ変える基本的な方法です。

- 日時・売上・会計数・客数を基本データとして用意する
- 1行1記録に整え、曜日と時間帯の補助列を作る
- 売上だけでなく、客数・客単価・営業日数も見る
- ピボットテーブルやAIで集計した後、必ず元データと検算する
- 数字で確認できた事実と、理由についての仮説を分ける
- 施策は小さく試し、同じ条件で再び比較する

最初から複雑な分析は必要ありません。まず1つの店舗、4週間程度、1時間単位から始め、毎月同じ手順で確認できる形をつくりましょう。顧客別の傾向を深掘りしたい場合は[RFM分析](https://pro-marketing.jp/analysis/rfm-bunseki/)、商品同士の購入傾向を見たい場合は[バスケット分析](https://pro-marketing.jp/analysis/basket-analysis/)も組み合わせると、次の打ち手を考えやすくなります。