デリッシュリサーチは画面かAI連携か|販促に使う前の検算

「レシピアプリの検索データで、次に伸びる食材が分かるなら企画会議に出したい。でも、その数字をそのまま信じてよいのか分からない」「社内で使っているAIに外部の調査データを直接つなげると便利そうだが、自社の売上データまで一緒に外へ出ていかないか心配だ」——食品や日用品のメーカーで、商品開発や販促を担う人から上がってくる声です。株式会社エブリーの食トレンド分析ツール「デリッシュリサーチ」は、2026年10月20日に、画面上で質問すると集計してくれる「AIアシスタント」と、社内のAIから同社のデータを呼び出せる「デリッシュリサーチMCP」の提供を始めました。どちらを使うかは便利さの好みの話に見えますが、そうではありません。分かれ目は、外部の生活者データと自社の販売データが、どこで、誰の権限で混ざり、その結果を誰が検算してから企画書に載せるかです。この記事では、商品開発・販促・営業の3つの場面を通して、画面で見る使い方と社内AIに引かせる使い方の違い、つなぐ前に決めること、数字を使う前の確かめ方を整理します。
カメ先生外部の調査データをAIにつなげば、売れる商品の答えが出てくると思われがちなんだ。でも本当は、AIが返すのは「アプリの中で何が検索され、何が見られたか」の集計で、売れるかどうかまでは言っていないんだよ。
カメ子関心が高いことと、実際に買われることは別ということですか。
カメ先生そう。しかもAIは、どの期間を選び、何と比べたかで答えが変わる集計を、自信のある文章で返してくる。だから集計はAIに任せても、母数と期間と偏りを確かめてから企画書に載せる、という順番を先に決めておくんだ。
カメ子画面で見るか社内AIにつなぐかより、数字の確かめ方を決めるほうが先なんですね。
- デリッシュリサーチはレシピアプリの検索・閲覧データで食の関心を見る道具で、2026年10月に画面内のAIアシスタントと、社内AIから呼べるMCPが加わった
- MCPでつなぐと自社の販売データと同じ会話の中で混ざるため、使うAIの契約条件、開くメンバー、混ぜてよいデータを先に決める
- AIの集計は母数・期間・偏りを人が検算してから企画書に使い、売れるかどうかの判断はAIに任せない
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
デリッシュリサーチとは:レシピアプリの検索と閲覧から食の関心を見る道具
デリッシュリサーチは、レシピ動画メディア「デリッシュキッチン」を運営する株式会社エブリー(東京都港区、2015年設立、東証グロース上場)が、2025年1月に公開した食トレンドの分析ツールです。元になっているのは、デリッシュキッチンのアプリで利用者が何を検索し、どのレシピを見たかという行動のデータです。同社は2026年10月の発表で、アプリの累計ダウンロード数を3,300万としています。
同社が挙げる特徴は3つあります。1つ目は母数の大きさで、パネル調査と比べて、より人口全体に近いトレンドを確認できると説明しています。2つ目は、買うところまでは至っていない関心を探れることです。料理の味の方向や調理方法といった、購買や食卓のデータでは捉えにくい細かさで見られる、としています。3つ目は速さで、最短で前日分のデータをダッシュボードで確認できるとされ、全国規模の施策の効果検証にも使えると案内されています。
2025年7月には、アプリの検索の動きに、政府統計の気温と消費者物価指数を並べて見られる機能が加わりました。検索の量は「1,000回あたりの検索頻度」として示されます。発表では、2024年にキャベツの価格が高騰した際にアプリ内の「キャベツ」の検索が大きく減った例を挙げ、天候や値段が関心をどう動かすかを要因として分けて見られるようにした、と説明しています。
10月20日に加わった2つ:画面の中のAIと、社内AIから呼ぶMCP
1つ目の「AIアシスタント」は、デリッシュリサーチの画面の中で、ふだんの言葉で質問するとAIが該当するデータを抜き出し、集計や比較をして答える機能です。発表によると、検索トレンド、食材の組み合わせ、地域別のデータ、気温と物価、レシピのレビューといった複数のデータをまたいで答えられ、過去のやり取りは履歴から見返せます。データはデリッシュリサーチの中にとどまり、使う人はその画面に来て質問する形です。
2つ目の「デリッシュリサーチMCP」は向きが逆です。MCP はAIの道具が外部のデータにつながるための共通の仕組みで、これを設定すると、利用企業がふだん使っているMCP対応のAIツールから、デリッシュリサーチのデータを直接呼び出せます。発表では、AIツールの上で自社の販売データや企画書と食トレンドのデータを横断して分析し、資料作成につなげられると説明しています。認証にはデリッシュリサーチのアカウントを使い、契約企業のメンバーだけがデータを取得できるとされています。
どのAIツールに対応するかは、発表では製品名を挙げず、問い合わせで案内するとしています。Claude や ChatGPT のようにMCPに対応した道具を社内で契約していても、それがそのまま使えるかは確かめが要ります。2つの機能はどちらも、1か月の無料トライアルで試せると案内されています。料金は公表資料には書かれておらず、資料請求で価格を案内する形です。
3つの使い方を比べる:画面で見る、画面のAIに聞く、社内AIに引かせる
同じデータでも、どこで触るかによって、混ざるもの、社外に出るもの、検算のしやすさが変わります。導入を決める前に、3つの使い方を並べておくと、どの部署にどれを渡すかの話がしやすくなります。
| 観点 | ダッシュボードで見る | 画面内のAIアシスタント | 社内AIからMCPで引く |
|---|---|---|---|
| データがある場所 | デリッシュリサーチの中 | デリッシュリサーチの中 | 社内AIの会話の中に取り込まれる |
| 自社データとの混ざり方 | 混ざらない。人が別々に見比べる | 混ざらない | 同じ会話の中で混ざる |
| 集計の条件の見えやすさ | 期間や比較対象を自分で選ぶので明確 | AIが選ぶ。答えから読み取る必要 | AIが選ぶ。さらに自社データとの結合も見えにくい |
| 向いている人 | 数字の読み方に慣れた分析担当 | 画面に来て素早く当たりをつけたい担当 | 企画書や提案書を社内AIで作る担当 |
| 先に決めること | 誰がアカウントを持つか | 答えを使う前の検算 | 使うAIの契約条件、混ぜてよいデータ、開くメンバー |
表の右へ行くほど便利になりますが、同時に確かめることも増えます。画面で見る使い方では、期間や比較の相手を人が選ぶので、数字の前提は手元に残ります。画面内のAIアシスタントでは、その選択をAIがするため、答えに使われた条件を確かめる手間が生まれます。社内AIから引く使い方では、さらに自社の販売データとどう結びつけたかがAIの中で起きるので、検算の対象が一段増えます。
このため、最初から全員にMCPを開くより、分析に慣れた担当がダッシュボードで読み方を固め、決まった型の質問から社内AIに移していくほうが、数字の扱いがぶれにくくなります。
このデータが映すもの、映さないもの
デリッシュリサーチが映しているのは、レシピアプリの利用者が、料理を作ろうとして検索し、レシピを開いたという行動です。ここから読み取れるのは「家庭で何を作ろうとしているか」「どの食材の組み合わせに関心が集まっているか」であり、店頭で何がいくつ売れたかではありません。同社自身が、購買には至っていない関心を探れる点を特徴に挙げているとおり、購買データとは別の層を見ている道具です。
もう一つは、誰の行動かという点です。累計ダウンロード数が大きくても、それはアプリを使って料理を検索する人の行動です。外食や中食で済ませる人、レシピを検索しない人、別のアプリや動画で調べる人の動きは入りません。パネル調査より人口全体に近いという同社の説明は、母数の大きさについての説明であって、あらゆる生活者を代表するという意味ではない、と読んでおくのが安全です。
さらに、検索の量は「1,000回あたりの検索頻度」という割合で示されます。アプリ全体の検索が増えた時期でも、割合で見れば特定の語は横ばいに見えることがあり、逆もあります。AIアシスタントや社内AIが「検索が伸びている」と答えたとき、それが件数の話か割合の話かを確かめないまま企画書に書くと、読み手が違う意味で受け取るおそれがあります。
- 累計ダウンロード数は、いま使っている人の数ではない
- 検索の頻度は割合なので、アプリ全体の利用の増減とは切り分けて読む
- データの対象期間や、地域別の母数の大きさは公表資料では確認できなかった。契約前に確かめる
場面1:商品開発の担当が「次に伸びる食材」を探す
新商品の企画で、たとえば冷凍食品や調味料の担当者が「最近、家庭で関心が伸びている食材や調理法は何か」を知りたいとします。ここはデリッシュリサーチが最も得意とする使い方で、料理の味の方向や調理方法の細かさまで見られる点が効いてきます。同社は2026年6月に、上半期の食トレンドランキングの1位を「冷凍ストック」と発表し、「冷凍作り置き」の検索頻度が2021年比で約3.3倍(2026年2月時点)と示しました。こうした伸びを自社の商品分野で探す、という使い方です。
このとき、AIアシスタントに「伸びている食材を挙げて」と頼むと、AIは期間と比較の基準を自分で選んで答えます。上の例のように、基準を何年に置くかで伸び率は大きく変わります。候補を挙げさせるところまではAIに任せ、どの期間と比べた伸びなのかは必ず答えに書かせると決めておくと、会議で「去年と比べるとどうか」と聞かれたときに答えられなくなる事態を防げます。
また、検索が伸びている食材が、自社が作れる商品と結びつくかは別の判断です。原材料の調達、工場の設備、既存商品との食い合い、小売の棚の空きといった事情は、生活者データのどこにも入っていません。AIが「この食材を使った商品が有望です」と書いてきても、それは関心の集計から作った文章にすぎず、商品化するかどうかは開発の責任者が決める線を崩さないことが大切です。
場面2:販促の担当が季節の売り場提案をつくる
販促の担当者にとって使いどころになりそうなのが、気温や物価と検索の動きを並べて見られる機能です。たとえば鍋つゆや麺類の担当者が、気温が下がり始める時期にどの料理の検索が立ち上がるかを地域ごとに見て、店頭の企画やチラシの時期を決める、といった使い方です。最短で前日分のデータを見られるので、施策を打ったあとに関心が動いたかを早めに確かめる用途にも向きます。
注意したいのは、気温や物価と検索が同じ時期に動いたことは、片方がもう片方を動かした証拠ではない点です。同社が例に挙げたキャベツの高騰と検索の減少も、値段が関心を下げたと読める一方で、季節の献立の変化や、ほかの野菜への置き換えが重なっていた可能性は残ります。AIは並んだ二つの線から、もっともらしい理由を文章にするのが得意です。理由づけはAIに案を出させても、売り場の判断の根拠に使うのは人が別の材料で確かめてからにします。
地域別のデータを使うときは、地域ごとの母数にも気を配ります。全国では十分な量でも、地域を細かく切るほど、少ない件数の上下で割合が大きく揺れやすくなります。地域ごとの母数がどれだけあるかは公表資料では確認できなかったため、契約前に、どの単位まで切って読んでよいかを提供元に確かめておくと安心です。
場面3:営業が小売バイヤー向けの提案書に数字を載せる
メーカーの営業が、小売のバイヤーに棚替えや販促の企画を持ち込むとき、「家庭でこれだけ関心が伸びている」という外部の数字は説得の材料になります。社内AIから MCP でデータを引き、提案書の下書きまで一気に作らせたくなる場面です。ただしここで、データは初めて社外の人が読む資料に入ります。
確かめることは二つあります。一つは、契約上、デリッシュリサーチの数字やグラフを取引先向けの資料に載せてよいか、載せるならどう出典を書くかです。利用規約で社外への提示がどこまで認められているかは、公表資料では確認できませんでした。社外向けの資料に使う前に、契約の範囲を法務か提供元に確かめることを手順に入れておきます。
もう一つは、AIが書いた文章の言い過ぎです。提案書の下書きを作らせると、AIは「関心が急増しており、売上の伸びが見込めます」のように、関心の集計から売上を約束するような文に寄せがちです。バイヤーは数字の根拠を必ず聞いてきます。提案書に載せる数字は、期間・比較の相手・母数を添えた形に人が直してから出すという決まりを、営業の部署にも共有しておく必要があります。
自社の販売データと突き合わせるとき、何がどこへ流れるか
MCP の利点として発表が挙げるのが、自社の販売データや企画書と食トレンドのデータを、同じAIツールの上で横断して分析できることです。ここで流れを整理しておくと、デリッシュリサーチのデータは MCP を通じて社内AIの会話に取り込まれ、自社の販売データも同じ会話に貼り付けられたり、別の接続から読み込まれたりします。二つが混ざる場所は、デリッシュリサーチでも自社のサーバーでもなく、使っているAIツールの中です。
つまり、自社の販売データが社外に出るかどうかを決めるのは、デリッシュリサーチではなく、社内で契約しているAIツールの条件です。法人向けの契約で入力を学習に使わない設定になっているか、会話の履歴がどこにどれだけ保存されるか、管理者が利用状況を見られるか。MCPを開く前に、情シスがAIツール側の契約条件を確かめるのが順番です。個人の無料アカウントで販売データとつなぐことは、提供元の認証があっても避けるべきです。
混ぜてよいデータの範囲も決めておきます。店舗別・商品別の売上や、取引先との条件が分かる数字は、社内でも見られる人が限られているはずです。生活者データと突き合わせる目的なら、商品分類と月単位にまとめた販売の推移で足りることが多く、細かい取引データを会話に入れる必要はありません。突き合わせに使う販売データの粒度を、部署ごとに先に決めておくと、うっかり貼り付ける事故を減らせます。
契約アカウントの認証:誰にMCPを開くか
発表では、MCP の認証にデリッシュリサーチのアカウントを使い、契約企業のメンバーだけがデータを取得できるとされています。提供元の側で、契約外の人がデータを引けない仕組みは用意されているということです。そのうえで社内が決めるのは、契約しているアカウントを、誰に、いくつ割り当てるかです。
よく起きるのが、1つのアカウントを部署で使い回す運用です。共有のアカウントで MCP をつなぐと、誰がどの質問でデータを引いたか分からなくなり、退職や異動のときに止める単位もなくなります。アカウントの数や料金の仕組みは公表資料では確認できなかったため、1人1アカウントを前提にできるか、利用履歴を管理者が見られるかを、トライアルの段階で提供元に確かめておきます。
割り当ての順番は、分析に慣れた担当から始めるのが無難です。最初の数か月は商品開発と販促の中心メンバーに限り、質問の型と検算の手順が固まってから、営業など数字を社外に出す可能性のある部署へ広げます。異動や退職のときにアカウントを止める担当を、契約の窓口と同じ人にしておくと、止め忘れが起きにくくなります。
企画書に使う前の検算:母数・期間・偏り
AIアシスタントでも社内AIでも、答えをそのまま企画書に貼らず、次の順番で確かめます。どれも難しい作業ではありませんが、省くと会議で数字の前提を聞かれたときに答えられなくなります。
AIに、集計に使った期間、比較の相手、対象の地域、指標が件数か割合かを、答えとは別に箇条書きで書かせます。書けない答えは、その時点で企画書には使いません。
条件が分かったら、分析担当がダッシュボードで同じ条件の数字を引き、AIの答えと合うかを見ます。ここで合わない場合、AIが条件を取り違えているか、自社データとの結合の仕方に問題があります。
基準の年や比較の期間を1つずらしても、伸びている・減っているという向きが変わらないかを確かめます。期間を変えると逆の結論になる数字は、傾向として書かず、条件つきで書きます。
企画書には「レシピアプリの検索・閲覧データにもとづく」と、データの出どころと、購買ではなく関心の指標であることを一文で添えます。
検算を終えた数字と、AIが出した理由の案を分けて、企画の責任者に渡します。理由の案は「仮説」と明記し、根拠として扱わないことを伝えます。
この5段階のうち、最初の2つは毎回、残りは企画書や提案書に載せるときだけ、と分けておくと、日々の当たりづけの速さを損なわずに済みます。
AIに任せてよいこと、任せないこと
デリッシュリサーチのAIアシスタントも社内AIも、集計と比較を速くしてくれる道具です。任せてよいのは、候補の洗い出し、条件を変えた比較の繰り返し、グラフや表の下書きまで、と線を引いておくと運用しやすくなります。逆に、商品化や販促の実施を決めること、取引先への約束になる表現を作ること、数字の正しさを保証することはAIに任せません。
実際に起こりやすい失敗を挙げておきます。どれも、AIが悪いというより、答えの前提を人が確かめなかったことから起きています。
- AIが答えた「検索が前年の2倍」を、期間と指標を確かめずに企画書の見出しにした
- 気温と検索が同時に動いたグラフを、AIが書いた理由づけごと販促の根拠として社内に回した
- 店舗別の売上データを丸ごと社内AIの会話に貼り付けて、生活者データと突き合わせさせた
- 部署で1つのアカウントを使い回し、誰がどの数字を引いたか追えなくなった
- AIが下書きした「売上の伸びが見込めます」を、そのまま小売バイヤー向けの提案書に載せた
AIに理由を語らせるときは、根拠にしたデータと、推測にすぎない部分を分けて書かせる指示を、社内で使う質問の型に入れておくと効果があります。分けて書けない理由は、仮説として扱います。
画面のAIアシスタントで足りる会社、MCPまで要る会社
MCP は、社内でMCP対応のAIツールを法人契約で使っていて、企画書や提案書の作成をその上で進めている会社ほど価値が出ます。自社の販売データと生活者データを毎週のように突き合わせ、資料に落とす作業が多いなら、画面と社内AIを行き来する手間が減るぶん、つなぐ設計に時間をかける意味があります。
一方、社内のAIツールがまだ部署ごとにばらばらで、契約条件も整っていない会社では、まず画面内のAIアシスタントとダッシュボードで足ります。生活者データの読み方に慣れていない段階で社内AIにつなぐと、自社データとの結合という検算の難しい部分だけが先に増えるからです。社内AIの契約条件と、販売データを扱える人の範囲が決まってから MCP に進む、という順番が現実的です。
また、デリッシュリサーチが映すのは家庭の料理の関心なので、業務用の食材や外食向けの商品が中心のメーカーでは、使える場面が限られます。自社の売上のうち、家庭で調理される用途がどれだけを占めるかを先に見ておくと、投資に見合うかの見当がつきます。
1か月の無料トライアルで確かめること
発表では、AIアシスタントと MCP を1か月の無料トライアルで試せると案内されています。2025年7月に気温・物価の機能が加わったときは2か月のトライアルキャンペーンが組まれていましたが、今回は1か月と短いため、触ってみるだけで終わらないよう、確かめることを先に決めて臨みます。
- 社内で使っているAIツールが、デリッシュリサーチMCPの対応先に入っているか
- MCP の接続が読み取りだけか、アカウントごとに利用の履歴が残るか
- データの対象期間と、地域別に切ったときの母数の目安
- 自社の商品分野で、過去の販促や新商品の時期に関心の動きが見えるか
- AIの答えとダッシュボードの数字が、同じ条件で一致するか
- 取引先向けの資料に数字を載せてよい範囲と、出典の書き方
中でも、過去の自社の施策で答え合わせをする項目は大事です。すでに結果の分かっている新商品の発売や販促の時期について、関心がどう動いたかを見れば、このデータが自社の商品分野をどこまで映しているかを、契約前に自分の目で判断できます。動きが見えない分野なら、そもそも投資の対象から外す判断もできます。
費用の見方と、やめるときに残るもの
料金は公表資料には書かれておらず、資料請求で価格を案内する形です。比べるときは、月々の金額だけでなく、アカウントの数で増えるのか、AIアシスタントや MCP が別料金か、問い合わせの回数に上限があるかを確かめます。社内AIから MCP で引く場合は、AIツール側の利用料も問い合わせのたびに増えることがあるため、両方を合わせて見積もります。
やめるときに見落としやすいのが、社内AIの側に残るものです。MCP で取り込んだ集計結果は、契約をやめたあとも、AIツールの会話の履歴や、そこから作った企画書の中に残ります。契約終了後に過去の数字を使い続けてよいか、会話の履歴を消すべきかは、契約の条件しだいです。解約の前に、社内AIの履歴と、外部データを使った資料の扱いを決めておくことを、窓口の担当者の仕事に入れておきます。
あわせて、MCP の接続設定そのものを外す作業も忘れずに行います。アカウントが止まっていれば提供元の側で取得はできなくなるはずですが、社内AIの設定に接続先が残っていると、別の外部データを足すときに混乱の元になります。
よくある質問
デリッシュリサーチのデータは、購買データの代わりになりますか
代わりにはなりません。映しているのはレシピアプリでの検索と閲覧で、同社も購買に至っていない関心を探れる点を特徴にしています。売れ行きは自社の出荷や小売の販売データで見て、関心の先行指標として並べて使うのが基本です。
MCP でつなぐと、自社の販売データはエブリーに渡りますか
公表資料では、MCP の通信でどのような情報が提供元に送られるかの詳細は確認できませんでした。一般に、データが混ざるのは利用企業が使うAIツールの中です。提供元に送られる内容と、AIツール側の保存の条件の両方を、トライアルの段階で確かめておくことをすすめます。
AIアシスタントの答えを、そのまま社内報告に使ってよいですか
集計の条件を確かめるまでは使わないほうが安全です。期間、比較の相手、件数か割合かをAIに書かせ、ダッシュボードで同じ数字を引き直してから使います。報告には、レシピアプリのデータにもとづく関心の指標であることを添えます。
BtoBの企業にも関係がありますか
家庭用の食品・飲料・調理器具・日用品のメーカーや、その販促を支える会社には関係があります。業務用の食材や外食向けの商品が中心の場合は、家庭の料理の関心が自社の需要とどれだけ結びつくかを、過去の実績で確かめてから判断します。
まとめ
デリッシュリサーチは、レシピアプリの検索と閲覧から家庭の食の関心を見る国産の道具で、2026年10月に、画面内で質問できるAIアシスタントと、社内のAIから呼び出せる MCP が加わりました。画面で見るか社内AIに引かせるかの違いは便利さだけではなく、自社の販売データとどこで混ざり、誰がその結果を確かめるかの違いです。MCP に進むなら、社内AIの契約条件、アカウントを渡すメンバー、混ぜてよい販売データの粒度を先に決めます。そして、AIの集計は条件を書かせてダッシュボードで引き直し、期間をずらしても結論が変わらないかを確かめてから企画書に使います。関心の伸びを見つけるのはAIに速くやらせても、商品にするか、売り場を変えるか、取引先に何を約束するかは人が決める。この線を先に引いておけば、外部の生活者データは企画の確度を上げる材料として働きます。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
