eBay競合セラー分析の方法｜トップセラーの出品戦略を読み解く

eBay競合セラー分析とは｜売れ筋リサーチとは別の読み解き作業

eBay輸出で安定した売上を作るセラーは、「売れる商品を探す」作業と「なぜあのセラーが売れているかを構造で読み解く」作業を分けています。

売れ筋リサーチは商品単位の需要確認ですが、競合セラー分析はセラー1人を教科書として深掘りする作業です。

トップセラーは商品選定・タイトル・価格帯・Item Specifics・配送方針まで一貫した戦略を持っており、その構造を読むことで、自分の出品戦略を0から組み立てるよりも精度高く設計できます。

リサーチ全体のフローを先に把握したい方は、以下の記事を確認してください。

eBayリサーチ完全ガイド｜仕入れ判断から価格設定まで実データで解説

eBayリサーチの実務フローを5ステップで解説。需要確認・競合分析・仕入れ判断・価格設定・出品後検証まで、利益率データとカテゴリ別実績をもとに仕入れ精度を上げる方法を紹介

目視で競合セラー1人を読み解くのが難しい3つの理由

競合セラーのページを開いて上から順に眺めても、構造は見えてきません。

ラインナップが多すぎて全貌を掴めない、傾向を言語化できない、主力と派生の区別ができない。この3点が目視リサーチの限界です。

失敗1：出品点数が多すぎて主力ジャンルが見えなくなる

稼いでいる競合セラーは、Current Listingsだけで数百〜数千点を抱えているケースが多くあります。

ページを10〜20スクロールしただけでは、主力ジャンルが何で、派生でどのくらい扱っているのかが直感では掴めません。

失敗2：カテゴリ・価格帯・タイトル構成を言語化できない

「なんとなく和物が多い」「値段は安め」といった印象止まりだと、自分の出品設計に使える情報にはなりません。

主力カテゴリの占有率、平均単価、頻出タイトルキーワードといった定量指標に落とし込まないと、再現可能なリサーチにはなりません。

失敗3：主力商品と派生商品の境界が読めない

上位セラーのほとんどは「主力ジャンル＋派生ジャンル」という二層構造で出品しています。

派生ジャンルを主力だと勘違いすると、仕入れ基準が歪みます。たとえばCollectiblesを主力にしているセラーがたまたま出しているVideo Gamesを真似しても、需要構造も仕入先も異なるため再現できません。

販売データで読むトップセラーの共通パターン

個別ページの目視で掴めない全体像は、販売データを集計するとパターンが浮かび上がります。

Exponentialに蓄積されたeBay販売ログから、セラー単位で販売件数・平均単価・カテゴリ集中度を集計したところ、トップセラーは「主力カテゴリの深掘り × 関連カテゴリへの派生」という共通構造を持っていました。

※データはExponentialユーザーの匿名集計データです（個人・店舗の特定不可）

傾向1：上位10%のセラーが販売件数の67.2%を占める

販売件数でセラーを10分位にランク付けすると、分布は以下のようになります。

販売件数の67.2%は上位10%（58セラー）に集中しており、典型的なべき乗分布です。

つまり自分が参入するジャンルでは、このトップ10%に該当するセラーを3〜5人特定して深掘りすれば、市場の意思決定ロジックのほとんどをカバーできます。

傾向2：主力カテゴリで7割超を稼ぐ集中戦略

各セラーの第1位カテゴリのシェアを階層別に集計すると、売っているセラーほど主力カテゴリへの集中が強いことが分かります。

販売500件以上のトップ層は、第1位カテゴリだけで販売の7割超を稼いでいるセラーが中央値になります。

初心者層（1〜49件）のカテゴリ集中度がさらに高いのは「そもそも扱い数が少ないから集中して見える」だけで、戦略的な集中とは性質が異なります。

傾向3：日本セラーの主力はCollectiblesとToys & Hobbies

販売200件以上のトップセラー93名を第1位カテゴリで分類すると、以下の分布になります。

Collectibles（39セラー）とToys & Hobbies（17セラー）の2大カテゴリに、トップセラーの約60%が集中しています。

日本発セラーの強みが「コレクタブル・ホビー・アニメ関連」に偏っているのは、国内の仕入先（フリマ・中古店・メーカーECサイト）がこの領域に厚いことと整合します。

傾向4：販売の中心価格帯は$20-50が32.1%

トップセラー（販売200件以上）の取引価格を6段階に分けると、以下の分布になります。

$20-50が32.1%で最多、$50-100までを含めると過半数を占めます。

高単価帯（$500以上）は全体の2.3%しかなく、トップセラーほど「低〜中価格帯を数で売る」モデルを採っていることが読み取れます。

記事全体の価格帯データは以下の記事でも解説しています。

eBayで売れやすい価格帯｜134万件の実データで狙い目ゾーンを解説

eBayで売れやすい価格帯を134万件の販売データから7段階で分析。Exponentialのデータでカテゴリ別×価格帯のクロス集計と仕入れ戦略を解説

競合セラー1人を深掘りする5ステップの実務フロー

ここからは、特定の1セラーを深掘りする実務フローを5つのステップに分解します。

1セラーあたりの所要時間は、慣れれば30〜60分程度に収まります。

ステップ1：分析対象の競合セラーを選定する

「とりあえずトップ10」を並べても学習効率は上がりません。自分が参入したいジャンルと、事業規模が近いセラーを選びます。

選定の基本条件は以下の4つです。

Feedback 10万超の超大手は避けるのがコツです。扱い点数が多すぎて主力ジャンルが埋もれており、読み解きに時間がかかるわりに学びが少なくなります。

まずは中堅規模（Feedback 1,000〜10,000、Current Listings 300〜2,000点）のセラーを3〜5人ピックアップします。

ステップ2：プロフィールとFeedback履歴で基礎情報を押さえる

セラーページの上部には、以下の情報が集約されています。

• Feedback Score（累計評価数＝おおよその販売累計規模）
• Positive Feedback率（過去12ヶ月）
• Member since（開店時期）
• Location（所在地。日本セラー or 海外セラーの区別）
• Items for sale / Followers

Feedback履歴のページでは、直近30日〜12ヶ月の評価コメントを読みます。

• バイヤーが評価している点（梱包、発送速度、コミュニケーション）
• クレーム内容（商品説明との差異、配送遅延、破損等）

評価コメントは、そのセラーが何を強みにしているかと、どこで失敗しやすいかが両方見える貴重なデータです。

ステップ3：Current Listingsで主力ジャンルと派生ジャンルを分ける

セラーページ右上の「See all items」から現在の出品リストに進みます。

Item一覧ページでは、左サイドバーのCategoryフィルターが最重要の情報です。

Collectibles (842)
  Anime & Cartoon Characters (512)
  Trading Card Games (187)
  Non-Sport Trading Cards (94)
  Other Collectibles (49)
Toys & Hobbies (156)
Clothing, Shoes & Accessories (42)

このカテゴリ別件数を書き出すだけで、主力ジャンル（最上位のカテゴリ）と派生ジャンル（2〜3位のカテゴリ）の構造が可視化されます。

第1位カテゴリが全体の60〜80%を占めていれば、そのセラーの戦略は「深掘り型」です。第1位が30〜40%しかなければ「広く浅く型」で、別の戦略を読む必要があります。

ステップ4：タイトル・Item Specifics・価格帯を分解する

主力カテゴリの上位30〜50商品をソート（Best Match、Price Low to High、Newly Listed等）を切り替えながら眺めます。

観察ポイントは以下の5つです。

この5点を数字とキーワードに落とし込むと、自分の出品に移植しやすくなります。

タイトル設計そのものを体系的に学びたい方は、以下の記事を合わせてご覧ください。

eBay出品タイトルの最適化ガイド

eBay タイトル 最適化に関する実践ガイド

ステップ5：自分のリサーチ候補へ変換する

深掘りの最後は、観察したパターンを「自分が実際に仕入れるかどうかを判断する候補リスト」に変換する作業です。

変換の手順は以下の通りです。

1. 主力カテゴリの上位売れ筋商品を3〜5点ピックアップする
2. 各商品を国内の仕入先（卸・メーカーEC・中古店・実店舗・オークション）で検索する
3. 仕入先の実売価格と、eBay販売価格（Sold Listings中央値）の差分を計算する
4. eBay手数料（約14%）・国際送料・梱包費を引いて利益率を算出する
5. 利益率20%を超える商品のみを自分の候補リストに残す

この5手順で、単なる「真似」ではなく数値で検算された候補が手元に残ります。

利益率の計算方法や仕入れ判断基準は、以下の記事で詳しく解説しています。

eBay価格差リサーチの実践方法｜利益が出る商品の見つけ方

eBay価格差リサーチを5ステップで解説。134万件の販売データから価格スプレッドが広いカテゴリを特定し、仕入先の実売価格との差分を検算して利益が出る商品を見極める実務フローを紹介

深掘りで見るべき競合セラーの5つの指標

5ステップのフローとは別に、日々のモニタリング用に追跡すると便利な5つの指標を整理します。

どれもセラーページ上の公開情報から取得できるため、スプレッドシートに列を作って週次で記録するだけで傾向が見えてきます。

指標1：Feedback Scoreと過去12ヶ月のポジティブ率

Feedback Scoreは累計の販売規模に近い値です。過去12ヶ月のポジティブ率は、運用品質の鮮度を表します。

eBayのSeller Performance Standardsでは、Defect Rateを過去12ヶ月で2%以下に保つことが求められています。Positive率の低下はこの基準に近づいているサインです。

指標2：Current Listings総数と主力カテゴリ集中度

Current Listings総数と、カテゴリフィルター上の第1位カテゴリ件数の比率が集中度です。

集計式はシンプルで、主力カテゴリ件数 ÷ Current Listings総数で算出します。

• 集中度70%以上 → 主力ジャンル深掘り型
• 集中度40〜69% → 複数ジャンル並行型
• 集中度40%未満 → 広く浅く型

戦略を読むうえで最も重要な比率がこの集中度です。

指標3：直近30日のSold件数と平均単価

Sold Items一覧は過去90日分が公開されているため、日付フィルターで直近30日に絞って集計します。

• 件数が月次で増減している場合 → 季節性・トレンド影響を分析する
• 平均単価が上昇している場合 → 高単価シフトを試している可能性
• 平均単価が下降している場合 → 薄利多売に切り替えている可能性

同じセラーの数字を3ヶ月連続で記録すると、戦略変更のサインが見えます。

指標4：タイトルに多用されるキーワード群

Current Listingsをテキストエディタにコピーして、頻出単語を数えます。

Excel・スプレッドシートのCOUNTIF関数か、簡単なPythonの分割集計でも30〜50商品なら処理できます。

頻出キーワードは、そのセラーが「どの検索KWで流入を取ろうとしているか」の設計図です。

指標5：Handling TimeとShip-fromの設定

Sold Itemsの個別ページで、発送地（Ship-from）とHandling Timeを確認します。

• Ship-from: Japan / Handling Time: 1 business day → 即日発送を訴求できる体制
• Ship-from: Japan / Handling Time: 3 business days → 在庫管理リードタイムを余裕を持って設計
• Ship-from: Overseas warehouse → 海外倉庫利用で配送期間を短縮している可能性

配送の設計は、セラーの仕組み化レベルを映す鏡になります。

競合セラー分析で陥りやすい3つの落とし穴

ここまでの手順を踏んでも、運用段階で落とし穴にハマるケースがあります。先に知っておくと回避できます。

落とし穴1：トップセラーの真似だけを狙うと後発として埋もれる

トップセラーと同じ商品を出しても、Feedback差・タイトルSEO差・価格競争力差によって、ほとんどのケースで販売機会を奪えません。

真似してよいのは「構造」だけで、「個別商品」ではないという原則を忘れないことが大切です。

競合の構造を参考に、自分なりに少しズラしたポジション（別の型番、別の状態、別の価格レンジ）を取ることで初めて差別化が生まれます。

落とし穴2：1セラーの深掘りに時間を使いすぎる

1セラーあたりの分析時間が2〜3時間を超えると、情報量に圧倒されて判断が止まります。

30〜60分で終えて、次の1人に移る運用のほうが、複数セラーの共通パターンが見えやすくなります。

時間を区切って「1人につき観察ポイント5つ、候補商品3〜5点」で切り上げるルールを決めておくと、リサーチの回転が上がります。

落とし穴3：タイトル・画像・説明文の丸写しはポリシー違反

eBayのSelling Policies（Intellectual Property）では、他セラーの出品情報（タイトル、商品説明、画像）をそのままコピーする行為は禁止されています。

違反するとVeRO報告によって出品が取り下げられ、繰り返しの違反でアカウント制限やサスペンドに発展するリスクがあります。

VeRO対策の詳細は以下の記事で解説しています。

eBay VeRO対策｜対象ブランド一覧と出品前チェックリスト

eBay VeROプログラムの仕組みと対象ブランド一覧（VeRO List）の確認方法を解説。出品前チェックリストと違反時の対応フローで、アカウント制限リスクを回避する実践ガイド

競合セラー分析を自分の出品・在庫管理に接続する方法

競合セラー分析の結果は、仕入れ候補リストだけでなく、出品体制・在庫管理にも接続できます。

接続のポイントは以下の3点です。

1. 主力カテゴリの候補商品を大量出品する仕組みを持つ
2. 出品後の在庫枯渇を自動で検知し、欠品キャンセルを防ぐ
3. 競合の価格改定・在庫切れに追従できる運用設計にする

ExponentialのようなeBay運用SaaSは、この3点をまとめて自動化できるよう設計されています。

たとえば大量出品機能は、候補商品のCSVを読み込んで1日300〜数千件単位で出品する運用を支援します。在庫監視機能は、日本側の仕入先（卸・メーカーEC・中古店・オークション等）の在庫状況をモニタリングし、欠品時にeBay出品を自動で取り下げる仕組みを持っています。

トップセラーの集中戦略を真似するには、主力カテゴリで数百〜数千の候補商品を扱える運用体制が必要になります。ここを手作業で回し続けるのは現実的ではなく、683アカウントの稼働実績から見ても、一定規模以上のセラーはツール導入でリサーチ後の運用コストを下げています。

在庫監視・自動取り下げの仕組みは、以下の記事で詳しく解説しています。

eBay在庫管理の完全ガイド｜在庫切れを自動で防ぐ方法

eBay在庫管理の実務フローを出品数別の月間作業時間データ付きで解説。仕入先が多岐にわたるほど複雑になる在庫確認を日次自動チェックで効率化し、欠品によるDefect Rate悪化を防ぐ方法を23チャネル対応・月間1億件の実運用データとともに紹介

eBay競合セラー分析 実務チェックリスト

日々のリサーチ運用で使えるチェックリストを1枚にまとめます。

12項目すべてチェックが埋まった候補商品は、実際に仕入れて出品する優先度の高い商品として扱ってよいレベルです。

まとめ｜競合セラー分析は「量」より「構造の読み解き」で差が出る

eBay競合セラー分析は、商品単位の売れ筋リサーチとは別の作業で、セラー1人を教科書として深掘りすることで出品戦略の設計図を得る技術です。

Exponentialユーザーの販売データから、トップ10%のセラーが販売の67.2%を占め、主力カテゴリで7割超を稼ぐ集中戦略を持っていることが分かりました。

この記事で紹介した5ステップの実務フローを改めて整理します。

5セラーを深掘りするのに合計3〜5時間かかりますが、この作業を1回やるだけで、1年間分の仕入れ・出品戦略の土台ができます。

683アカウントの稼働実績から見ると、仕組み化して規模を伸ばしているセラーほど、「リサーチ → 大量出品 → 在庫監視」までを1つの運用フローに閉じ込めており、手作業と自動化の境界線を早い段階で引いています。

まずは気になる競合セラーを1人決めて、Feedbackページから順に眺めることから始めてみてください。

よくある質問

eBayの競合セラー分析と通常の売れ筋リサーチはどう使い分けますか？

売れ筋リサーチは「どの商品が売れているか」を特定する作業、競合セラー分析は「なぜあのセラーが売れているのか」を構造的に読み解く作業です。

新規ジャンル参入の判断や、自分の出品戦略を組み立てる段階では、売れ筋リサーチに加えてトップセラー1〜3人を深掘りすることで、商品選定・タイトル・価格帯の意思決定が一気通貫になります。

分析対象の競合セラーはどう選べばよいですか？

Feedback Scoreが1,000以上、過去30日のSold件数が安定して50件以上、自分が参入したいカテゴリを主力にしているセラーを優先してください。

ただし取扱商品が数万点ある超大手セラーは全容が読みにくいため、Feedback 1,000〜10,000・Current Listings 300〜2,000件規模のセラーから始めると構造を掴みやすくなります。

競合セラー分析の結果をそのまま真似してもよいですか？

商品タイトルや画像の丸写しはeBayのSelling Policies違反となり、VeRO報告やアカウント停止のリスクがあります。

真似してよいのは「カテゴリの選び方」「価格帯の設計」「Item Specificsの埋め方のパターン」といった構造だけで、個別の商品タイトル・説明文・画像は自分で作り直すのが原則です。

参照データ算出方法

この記事で使用したデータは、Exponentialが蓄積しているeBay販売データベースに対してBigQueryクエリを実行して算出しています。

Exponentialは683のセラーアカウント・23チャネルの販売データをリアルタイムに蓄積しており、本レポートはそのデータの匿名集計です（個人・店舗の特定不可）。

以下に使用したクエリを掲載します。テーブル名はセキュリティのため [販売データテーブル] に置換しています。

セラー階層別の集計クエリ

with sales as (
  select json_value(data, "$.uid") uid,
    cast(json_value(data, "$.transaction_price") as float64) price,
    split(json_value(data, "$.category.CategoryName"), ":")[safe_offset(0)] top_category
  from [販売データテーブル]
  where date(timestamp) >= date("2026-01-01")
  and date(timestamp) < date("2026-04-01")
  and json_value(data, "$.transaction_price") is not null
),
agg as (
  select uid,
    count(*) sold_count,
    round(avg(price), 1) avg_price,
    count(distinct top_category) category_count
  from sales
  group by 1
)
select case
    when sold_count >= 500 then "A:500件+"
    when sold_count >= 200 then "B:200-499"
    when sold_count >= 100 then "C:100-199"
    when sold_count >= 50 then "D:50-99"
    else "E:1-49"
  end tier,
  count(*) seller_count,
  round(avg(sold_count), 0) avg_sold,
  round(avg(avg_price), 1) avg_price_usd,
  round(avg(category_count), 1) avg_category_count
from agg
group by 1
order by 1

セラー別カテゴリ集中度クエリ

with sales as (
  select json_value(data, "$.uid") uid,
    split(json_value(data, "$.category.CategoryName"), ":")[safe_offset(0)] top_category
  from [販売データテーブル]
  where date(timestamp) >= date("2026-01-01")
  and date(timestamp) < date("2026-04-01")
  and json_value(data, "$.transaction_price") is not null
),
seller_cat as (
  select uid, top_category, count(*) cnt,
    sum(count(*)) over(partition by uid) total,
    row_number() over(partition by uid order by count(*) desc) rn
  from sales
  group by 1, 2
)
select uid,
  round(cnt / total * 100, 1) top1_share_pct,
  total as sold_count
from seller_cat
where rn = 1

上位10%セラーのシェアクエリ（デシル分析）

with sales as (
  select json_value(data, "$.uid") uid,
    cast(json_value(data, "$.transaction_price") as float64) price
  from [販売データテーブル]
  where date(timestamp) >= date("2026-01-01")
  and date(timestamp) < date("2026-04-01")
  and json_value(data, "$.transaction_price") is not null
),
agg as (
  select uid, count(*) sold_count, sum(price) gmv from sales group by 1
),
ranked as (
  select uid, sold_count, gmv,
    ntile(10) over(order by sold_count desc) decile_bucket
  from agg
)
select decile_bucket,
  count(*) seller_count,
  sum(sold_count) total_sold,
  round(sum(sold_count) / sum(sum(sold_count)) over() * 100, 1) share_sold_pct,
  round(sum(gmv) / sum(sum(gmv)) over() * 100, 1) share_gmv_pct
from ranked
group by 1
order by 1

参照リンク

本記事で参照した公式ページへのリンクです。

• Seller Levels and Performance Standards（eBay公式） — Defect Rate 2%以下などのセラー評価基準の正本
• Selling Policies（eBay公式） — 他セラーの出品情報コピーに関するポリシー
• Verified Rights Owner (VeRO) Program（eBay公式） — 知的財産保護プログラムの公式案内
• Feedback Policies（eBay公式） — Feedback Score・ポジティブ率の計算ルール
• Exponentialマニュアル：在庫管理 — 仕入先の在庫自動チェックと取り下げ設定の操作方法
• Exponentialマニュアル：大量出品 — 主力カテゴリ候補を一括出品するための操作方法