# 市場調査

## 日本グルメアプリ市場とAI活用の機会

---

### 1. マクロ市場環境

#### 日本の外食産業規模と回復トレンド

日本フードサービス協会の統計によると、外食産業はコロナ禍から力強い回復を見せており、2025年は25兆円超えが見込まれています。

| 年度 | 外食産業市場規模 | 前年比 |
|------|---------------|-------|
| 2020 | ¥18.4兆円 | -14.6%（コロナ禍） |
| 2021 | ¥19.1兆円 | +3.8% |
| 2022 | ¥21.7兆円 | +13.6% |
| 2023 | ¥23.5兆円 | +8.3% |
| 2024 | ¥24.9兆円 | +5.9% |
| 2025（推定） | ¥25.3兆円 | +1.6% |

**インバウンド需要の寄与：** 2024年の訪日外国人数が3,687万人に達し、グルメ消費がインバウンド支出の約22%を占めています。外国人観光客向けの「多言語AIエージェント」は追加の成長機会となります。

---

### 2. グルメアプリ市場の現状と競合分析

#### 主要プレイヤー比較

| サービス | 月間利用者数 | 登録店舗数 | AI活用度 | 収益モデル |
|---------|------------|----------|---------|----------|
| 食べログ | 約9,000万UU/月 | 約130万件 | △（スコア算出のみ） | 飲食店課金・ユーザー有料会員 |
| ぐるなび | 約2,400万UU/月 | 約50万件 | ✕ | 飲食店課金・予約手数料 |
| Retty | 約1,000万UU/月 | 約150万件 | △（検索補助のみ） | 飲食店課金 |
| Google Maps | 約4,000万UU/月 | 約180万件 | △（評価集計のみ） | 広告収益 |
| **FoodSense** | **MVP段階** | **API連携** | **◎（エージェント推薦）** | **B2C + B2B SaaS** |

#### 競合の根本的弱点

**食べログのアキレス腱：**
- 2019年のアルゴリズム変更問題以降、飲食店からの不信感が根強い
- 「課金すれば評価が上がる」という疑念がユーザー・飲食店双方に浸透
- 親会社カカクコムの株価低迷が示す成長限界
- 個人のリアルタイム状況（気分・体調・同伴者）を考慮しない静的推薦

**ぐるなびの課題：**
- 2010年代型のビジネスモデルから脱却できておらず、2024年も赤字継続
- 若年層（18〜34歳）の利用率が急速に低下（2022年比 -31%）
- モバイルファーストへの対応が競合より2〜3年遅れ

**Rettyのポジション：**
- ニッチポジションは維持しているが成長が鈍化
- 「知人のいないユーザーには価値が低い」構造的問題が未解決
- 2024年以降は黒字化を優先した保守的な開発姿勢

---

### 3. AIパーソナライゼーション市場の成長

グローバルおよび日本国内におけるAIレコメンデーション市場は急成長しています。

| 指標 | 数値 | 出典 |
|------|------|------|
| グローバルAIレコメンデーション市場（2024） | $12.8B | Grand View Research |
| 同市場のCAGR（2024〜2030） | 31.4% | 同上 |
| 日本AIサービス市場（2025推定） | ¥2.3兆円 | IDC Japan |
| 飲食業界AIソリューション国内市場（2025） | ¥180億円 | 矢野経済研究所 |
| 同市場の予測成長率（〜2030） | 年平均42% | 同上 |

**Netflixが示す「推薦の価値」：**
Netflixの調査では、同社のAI推薦エンジンがなければユーザーの75%が最初の90秒でサービスを離脱すると試算しています。同様の効果がグルメ領域でも期待できます。

---

### 4. ターゲット顧客セグメント分析

#### B2C：コアターゲット

| セグメント | 規模（推定） | 特徴 | ARPU期待値 |
|-----------|------------|------|-----------|
| 都市部在住 20〜35歳 | 約1,200万人 | 外食頻度高、スマホネイティブ、AI受容度高 | ¥1,200/月 |
| 共働き夫婦・カップル | 約800万組 | 外食判断に時間がかかる、品質重視 | ¥1,800/月（2人分） |
| 出張・転勤族 | 約450万人 | 土地勘なし、即座に良い店を見つけたい | ¥980/月 |
| グルメインフルエンサー | 約15万人 | 新規開拓欲が高い、バイラル拡散源 | ¥1,980/月 |

#### B2B：ターゲット飲食店

| セグメント | 規模（推定） | ペインポイント | 月額単価期待値 |
|-----------|------------|-------------|-------------|
| 個人経営の専門店 | 約15万店 | SNS/口コミ管理の手間 | ¥8,000〜¥15,000 |
| 中規模レストラン（席数30〜80） | 約8万店 | 席稼働率改善、新規客獲得 | ¥20,000〜¥40,000 |
| 飲食チェーン（10〜50店舗） | 約3,000社 | ブランド一貫性、全店データ分析 | ¥100,000〜¥500,000 |
| 大手チェーン（50店舗〜） | 約400社 | 全社DX、顧客データ活用 | ¥500,000〜 |

---

### 5. 参入障壁と競争優位性の持続性

#### FoodSenseのモート（堀）分析

**データモート（最強の参入障壁）：**
FoodSenseが収集する「個人味覚プロファイル × 行動ログ」は、時間をかけて蓄積されるほど価値が指数関数的に高まります。3年後に1億件以上の訪問ログを保有するFoodSenseに対し、後発参入者がゼロからキャッチアップすることは極めて困難です。

**ネットワーク効果：**

```
直接ネットワーク効果：
  ユーザー数増加 → 類似嗜好ユーザーの比較データ増加 → 推薦精度向上

間接ネットワーク効果：
  ユーザー数増加 → 飲食店の参加メリット増加 → 飲食店データ充実
              → ユーザー体験向上 → さらなるユーザー増加
```

**B2B スイッチングコスト：**
飲食店がFoodSenseのAIエージェントを6ヶ月以上使用すると、店舗固有の顧客データ・SNS履歴・予約パターンが蓄積され、他社サービスへの乗り換えコストが大幅に上昇します。

---

### 6. 規制環境と対応

| 規制 | 内容 | FoodSenseの対応 |
|------|------|---------------|
| 個人情報保護法（2022年改正） | 要配慮個人情報の厳格管理 | 食のアレルギー情報の暗号化保管、開示請求への対応体制 |
| 景品表示法 | 優良誤認の禁止 | AIが生成するレビュー要約の根拠開示（XAIレイヤー） |
| 特定商取引法 | サブスク解約の容易化 | ワンクリック解約フロー、クーリングオフ対応 |
| 食品表示法 | アレルギー情報の正確性 | 店舗申告データとの突き合わせ確認フロー |

---

### 7. 市場調査まとめ

FoodSenseが参入する市場は、以下の3つの理由から「今がベストタイミング」と判断しています。

1. **市場の準備完了**：グルメアプリMAU 4,200万人という巨大市場が存在しながら、AIパーソナライゼーションが未実装のサービスが主流
2. **競合の転換点**：食べログ・ぐるなびが旧来モデルから脱却できず、ユーザー離れが加速しているタイミング
3. **技術の成熟**：LLMの日本語能力向上と推論コストの低下により、リアルタイムAI推薦が経済的に実現可能になった

**TAM（総市場規模）：** 外食産業 ¥25兆円の中で、デジタルグルメサービスが取り込める市場は推計 ¥1.2兆円
**SAM（サービス提供可能市場）：** AIパーソナライゼーション付グルメサービスの需要層 ¥3,400億円
**SOM（獲得可能市場）：** 3年以内にFoodSenseが合理的に獲得可能な規模 ¥320億円（SAMの9.4%）