仕入先サイト別 在庫安定度データ｜欠品率・在庫継続日数の実測値

仕入先サイトの在庫安定度を実測値で比較する

eBay輸出の仕入先を選ぶとき、多くのセラーは「どこが安く仕入れられるか」から考え始めます。

しかし、仕入先の安定度を無視すると別の問題が起きます。

在庫切れの商品ページを登録し続けることで、発注→欠品→キャンセルのサイクルが発生し、eBayのパフォーマンス指標に悪影響を与えます。

この記事では、12サイトの欠品率と在庫継続日数をBigQueryで実測した数値をもとに、仕入先別の在庫安定度を解説します。

※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）

欠品率ランキング｜12サイトの実測値

欠品率は「在庫確認時点で在庫切れが検知された割合」です。

この数値が高いほど、仕入先ページを登録した時点で既に商品が売り切れているリスクが高いことを意味します。

ECモール系C（0.1%）が最も安定していますが、監視商品数が338品と少なくサンプルとして限られています。

全仕入先の平均欠品率は約5%前後ですが、業態によって最大140倍の差があります。

業態別の欠品傾向

フリマ系（フリマ系A・フリマ系B）の欠品傾向

フリマ系は個人出品者が手放す商品を扱うため、在庫の安定供給という概念がありません。

フリマ系Aの欠品率は5.1%。監視商品数が655,896品と圧倒的に多いため、欠品した商品の代替候補を見つけやすい業態です。

フリマ系Bはフリマ系Aより欠品率が高く6.6%。商品数もフリマ系Aの約3分の1のため、代替を見つける余地が相対的に小さくなります。

オークション系の欠品傾向

オークション系Aの欠品率は3.8%とフリマ系より低い水準です。

オークション形式は落札までの期間が存在するため、出品から実際の取引成立まで数日〜1週間程度のバッファがあります。この点がフリマ系（即時購入）との構造的な差に現れています。

ただし、即決（定額）出品はフリマ系と同様に即日売り切れるリスクがあります。

監視商品数は234,055品とフリマ系Aに次ぐ規模であり、特定カテゴリ（ヴィンテージ品・コレクター品・希少品）の仕入先として補充候補を見つけやすい業態です。

ECモール系（ECモール系A・B・C）の欠品傾向

ECモール系では仕入先によって欠品率が大きく分かれます。

ECモール系Bの欠品率は14.2%と全業態中で最高水準です。ECモール系Aが2.5%、ECモール系Cが0.1%と対照的な結果になっています。

ECモール系Bの欠品率が高い背景として、セール時期や人気商品への需要集中による在庫切れが頻繁に発生する構造が考えられます。

ECモール系Aは欠品率2.5%と安定しています。ECモール系の中では最も継続的な仕入先として機能します。

中古専門系（A〜D）の欠品傾向

中古専門系は業態が同じでも欠品率に差があります。

中古専門系Dの欠品率は14.0%とECモール系Bに並ぶ水準です。人気ジャンルの商品は入荷直後に売り切れるため、在庫監視をしていても欠品検知が間に合わないケースが多いと推測されます。

対照的に、中古専門系B（2.0%）・専門系A（1.2%）は欠品率が低く、在庫の回転が比較的緩やかです。

中古専門系Aは4.0%とフリマ系に近い水準。一点物の中古品が多いため、在庫の一期一会性がデータに現れています。

在庫継続日数の実測値

在庫継続日数は「仕入先URLを最初に監視してから、欠品が検知されるまでの日数」です。

この数値が短いほど、登録後すぐに売り切れる商品が多いことを示しています。

注意: 在庫継続日数は在庫確認の実行頻度（1日1回）に依存します。「0日」は最初の確認で既に欠品状態だったことを意味します。「実際に登録直後から売り切れていた」ケースと「登録翌日の朝の確認で初めて欠品を検知した」ケースが混在しており、厳密な「欠品までの時間」ではありません。

中央値が0日の仕入先（中古専門系D・ECモール系B・中古専門系A・フリマ系A・フリマ系B・中古専門系B）では、過半数の欠品商品が登録当日か翌日の在庫確認で既に在庫切れ状態です。

これは「登録してすぐ売り切れている」のではなく、「在庫切れの商品ページを多く含む仕入先」という見方もできます。欠品率と合わせて判断することが重要です。

中央値が1日以上の仕入先（オークション系A・ECモール系A・中古専門系C・専門系A）は、在庫の継続期間が相対的に長く、登録後に数日間有効な仕入先URLとして活用できる可能性が高いです。

在庫安定度データを仕入先選定に活かす方法

欠品率と在庫継続日数を組み合わせて読む

欠品率単体では仕入先の優劣を判断できません。欠品率が高くても商品数が多ければ補充が容易で、欠品率が低くても商品数が少なければ実質的な選択肢は限られます。

以下の4象限で仕入先を整理すると、使い分けの判断がしやすくなります。

• ECモール系A・オークション系Aは欠品率が低く商品数も多い「安定型」
• フリマ系Aは欠品率は高いが商品数が圧倒的で補充候補が豊富な「量でカバー型」
• ECモール系B・中古専門系Dは欠品率が高い上に補充が難しい「高リスク型」

仕入先ポートフォリオへの反映

在庫安定度データをもとに仕入先を組み合わせる際の目安は以下の通りです。

仕入先の平均単価や構成比を重視した選び方は以下の記事で解説しています。

eBay仕入れ先おすすめランキング｜実体験データで解説

eBay輸出の仕入れ先を業態別にランキング。131万件超の販売データから平均単価・構成比を比較し、仕入先ポートフォリオの組み方を解説

在庫切れを検知した後の自動取り下げ設定については以下を参照してください。

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

まとめ｜仕入先の在庫安定度はデータで判断する

在庫安定度と合わせて、業態別の平均単価や構成比も把握しておくと仕入先ポートフォリオの精度が上がります。

eBay仕入れ先おすすめランキング｜実体験データで解説

eBay輸出の仕入れ先を業態別にランキング。131万件超の販売データから平均単価・構成比を比較し、仕入先ポートフォリオの組み方を解説

参照データ算出方法

Exponentialが蓄積しているeBay仕入先監視データベースに対してBigQueryクエリを実行して算出しました。

欠品率（仕入先別）

select
  case
    when regexp_contains(sku, [フリマ系Aドメインパターン]) then "flea_a"
    when regexp_contains(sku, [フリマ系Bドメインパターン]) then "flea_b"
    when regexp_contains(sku, [オークション系Aドメインパターン]) then "auction_a"
    when regexp_contains(sku, [ECモール系Aドメインパターン]) then "ec_a"
    when regexp_contains(sku, [ECモール系Bドメインパターン]) then "ec_b"
    when regexp_contains(sku, [ECモール系Cドメインパターン]) then "ec_c"
    when regexp_contains(sku, [中古専門系Aドメインパターン]) then "used_a"
    when regexp_contains(sku, [中古専門系Bドメインパターン]) then "used_b"
    when regexp_contains(sku, [中古専門系Cドメインパターン]) then "used_c"
    when regexp_contains(sku, [中古専門系Dドメインパターン]) then "used_d"
    when regexp_contains(sku, [専門系Aドメインパターン]) then "niche_a"
    when regexp_contains(sku, [専門系Bドメインパターン]) then "niche_b"
    else "other"
  end as source,
  count(distinct sku) as item_count,
  count(*) as crawl_count,
  countif(sold = 1) as outofstock_count,
  round(countif(sold = 1) / count(*) * 100, 1) as outofstock_rate_pct
from [在庫監視テーブル]
where date(timestamp) >= date("2026-03-23")
and error = "-"
group by source
order by crawl_count desc

在庫継続日数（欠品まで平均何日か）

select source,
  round(avg(days_until_outofstock), 1) as avg_days,
  round(approx_quantiles(days_until_outofstock, 2)[offset(1)], 0) as median_days,
  count(*) as item_count
from (
  select sku,
    case
      when regexp_contains(sku, [フリマ系Aドメインパターン]) then "flea_a"
      when regexp_contains(sku, [オークション系Aドメインパターン]) then "auction_a"
      when regexp_contains(sku, [ECモール系Aドメインパターン]) then "ec_a"
      when regexp_contains(sku, [ECモール系Bドメインパターン]) then "ec_b"
      when regexp_contains(sku, [中古専門系Aドメインパターン]) then "used_a"
      when regexp_contains(sku, [中古専門系Bドメインパターン]) then "used_b"
      when regexp_contains(sku, [中古専門系Cドメインパターン]) then "used_c"
      when regexp_contains(sku, [中古専門系Dドメインパターン]) then "used_d"
      when regexp_contains(sku, [専門系Aドメインパターン]) then "niche_a"
      else "other"
    end as source,
    date_diff(
      date(min(case when sold = 1 then timestamp end)),
      date(min(timestamp)),
      day
    ) as days_until_outofstock
  from [在庫監視テーブル]
  where date(timestamp) >= date("2026-03-23")
  and error = "-"
  group by sku
  having days_until_outofstock is not null
)
group by source
order by avg_days asc

対象期間: 2026年3月23日〜4月2日（10日間） 集計レコード数: 6,013,729件

参照リンク

• eBay Seller Performance Standards（eBay公式） — 欠品・キャンセルがeBayパフォーマンス指標に与える影響の公式説明
• eBay Rules and Policies（eBay公式） — 在庫管理・出品ポリシーの概要