メルカリ・ヤフオクの価格差をPythonで自動リサーチする方法：せどり自動化を「候補確認型」に変える実践手順

自動価格差リサーチの全体像

メルカリとヤフオクの価格差リサーチで一番削るべき作業は、「利益が出るか分からない商品を延々と開く時間」です。

検索する。似た商品を開く。送料を見る。販売手数料を引く。状態差を読む。売れた価格なのか、ただの出品中価格なのかを見分ける。これを毎日手作業で続けると、利益商品を見つける前に疲れます。

この記事では、Pythonスクリプトでメルカリ・ヤフオクの価格差を自動リサーチする方法を、初心者でも小さく始められる形で解説します。

先に結論です。

最初から自動購入・自動出品を作らない
まずはCSVで利益判定ロジックを作る
価格差ではなく、手数料・送料・状態差を引いた「期待利益」で見る
通知後の最終判断は人間が行う
予測利益と実利益のズレをログに残して改善する

この記事は利益保証ではありません。中古品を継続的に仕入れて販売する場合は、古物営業法、各サービスの規約、出品禁止物、本人確認、在庫管理、正確な商品説明を必ず確認してください。特に、インターネット取引では表示義務、本人確認、真贋、在庫の有無、出品禁止物の確認を軽視できません。

この記事で作るもの

この記事で作るのは、派手な自動売買ボットではありません。

作るのは、次のような候補抽出スクリプトです。

入力：CSVにまとめた商品候補
処理：販売価格、仕入れ総額、送料、手数料、販売数、状態一致を判定
出力：利益条件を満たす商品だけ表示
最終判断：人間がURLを開いて確認

自動化する範囲をここまでに絞る理由は明確です。

価格差リサーチで危ないのは、計算ミスよりも「別物を同じ商品として比べること」です。型番違い、付属品違い、ジャンク品、美品、送料別、箱なし、保証なしを混ぜると、Pythonがどれだけ正しく計算しても結果は使えません。

公式情報で先に確認するポイント

価格差リサーチでは、手数料と規約を固定知識にしないことが重要です。記事更新時点で確認すべき一次情報は次の通りです。

メルカリの販売手数料は、取引完了時に販売価格から10%差し引かれると案内されています。
参考：メルカリの手数料
Yahoo!オークションでは、出品者に落札システム利用料などがかかります。特定カテゴリやオプション利用料で扱いが変わる場合があります。
参考：出品者にかかる利用料
Yahoo!オークションガイドライン細則では、出品者の禁止行為、出品禁止物、出品ルール、在庫がない状態での出品などが細かく定められています。
参考：Yahoo!オークションガイドライン細則
メルカリShopsには公式APIがありますが、通常の個人向けメルカリ出品相場を自由に取得できる汎用APIとは別物です。
参考：mercari shops API reference docs

このため、この記事の設計では、無許可の自動アクセスを前提にしません。最初は手動で作ったCSV、許可されたAPI、エクスポートできるデータ、または自分が正当に確認できる範囲の情報を使います。

全体像：価格差リサーチは5工程に分ける

メルカリ・ヤフオクの価格差リサーチは、次の5工程で考えると失敗しにくくなります。

データ取得：商品名、型番、価格、送料、状態、URLを集める
データ整形：型番、容量、色、付属品、ジャンク表記を列に分ける
利益判定：手数料、送料、梱包費、値下げ余地を引く
通知・記録：条件を満たした候補だけスプレッドシートやDiscordに送る
実績検証：予測利益と実利益のズレを記録し、条件を直す

初心者が最初に作るべきものは、スクレイピングではなく再現できる判定表です。

Hiro環境での検証：このサイトの運用ログから見える設計方針

このサイトの運用基盤である auto-ai-blog も、同じ考え方で作られています。

ローカル確認では、run_daily.bat が次の流れで起動する構成でした。

cd /d "G:\マイドライブ\AI_Agents\github\repos\auto-ai-blog"
python "scripts\run_daily_guarded.py"

リポジトリの CODEX.md では、generator/generate.py が記事生成、Local Mode / Cloud Mode、git自動化の入口として整理されています。ログは generator/logs/generate.log に残る設計です。

実ログでは、2026-07-11に複数の記事生成が実行され、manual_draft: codex CLI succeeded、Saved post: が記録されていました。一方で、同日の一部処理では .git/HEAD.lock が残っていたため、git commit が失敗した記録もありました。

ここから価格差リサーチに応用できる教訓は次の3つです。

自動化は「成功ログ」だけでなく「失敗ログ」も残す
途中まで成功しても、保存・通知・git反映など後段で失敗することがある
人間が再実行できるように、入力、条件、出力先、エラー理由を残す

価格差リサーチでも同じです。「候補が出た」だけでは不十分です。どのCSVを読み、どの条件で通過し、どの商品が実際に利益になったかまで残します。

サンプル検証：CSV 8件で利益判定だけを測る

一般論で終わらせないため、記事用に小さなCSV検証を想定します。これは実サイトへ自動アクセスする検証ではなく、手元のサンプルCSVを使った利益計算ロジックの検証です。

実行環境：Windows PowerShell
Python：3.11系
入力件数：8件
判定条件：期待利益1,000円以上、ROI 12%以上
条件通過：2件
通過例：A camera lens 期待利益1,930円、ROI 19.4%
通過例：F figure 期待利益1,040円、ROI 22.0%
期待利益中央値：1,005円

この検証で分かるのは、計算処理そのものは軽いということです。時間がかかるのは、データ収集、同一商品判定、送料見積もり、状態差確認、規約確認です。

ステップ1：対象ジャンルを1つに絞る

価格差判定フロー

最初は1ジャンルだけに絞ります。

おすすめは、型番で検索しやすく、状態差を文章で確認しやすいジャンルです。

例：

カメラレンズ
ゲーム機
小型家電
工具
フィギュア
PC周辺機器

カメラレンズなら、最低でも次を見ます。

メーカー
型番
マウント
カビ・くもり
AF動作
付属品
外観傷
ジャンク表記

ゲーム機なら、次を見ます。

本体のみか箱付きか
動作確認済みか
画面傷
バッテリー状態
付属ケーブル
初期化済みか
限定色か通常色か

初心者は、ブランド品、高額時計、真贋判定が必要な商品、法規制が強い商品から始めない方が安全です。

ステップ2：CSVで入力データを作る

最初から自動取得しません。まずは10件だけ手でCSVにします。

item,mercari_sold_median,yahoo_landed_price,outbound_shipping,packing_cost,fee_rate,sold_count_30d,condition_match,source_url,target_url
Canon EF 50mm F1.8 STM,13200,9200,750,80,0.10,5,yes,https://example.com/yahoo-item,https://example.com/mercari-sold
Nintendo Switch Lite,18800,15100,850,120,0.10,8,yes,https://example.com/yahoo-item,https://example.com/mercari-sold
Wireless Headphones,7800,6300,520,80,0.10,2,no,https://example.com/yahoo-item,https://example.com/mercari-sold

各列の意味は次の通りです。

item：商品名。型番まで入れる
mercari_sold_median：メルカリの成約価格中央値
yahoo_landed_price：ヤフオクの仕入れ総額。落札価格＋送料
outbound_shipping：販売後に自分が負担する発送費
packing_cost：箱、緩衝材、ラベルなどの梱包費
fee_rate：販売手数料率
sold_count_30d：直近30日の販売済み件数
condition_match：状態・付属品が近いか
source_url：仕入れ候補URL
target_url：相場確認URL

販売中価格ではなく、できる限り成約価格を見ます。販売中価格は売り手の希望額であり、売れた価格ではありません。

ステップ3：利益計算式を固定する

価格差が3,000円あっても、手数料、送料、梱包費、値下げで消えることがあります。

最初の計算式はこれで十分です。

期待利益 = 想定販売価格 × (1 - 販売手数料率) - 仕入れ総額 - 発送費 - 梱包費
ROI = 期待利益 ÷ (仕入れ総額 + 発送費 + 梱包費)

例：

想定販売価格：13,200円
販売手数料：10%
仕入れ総額：9,200円
発送費：750円
梱包費：80円

期待利益 = 13,200 × 0.90 - 9,200 - 750 - 80
期待利益 = 1,850円

ROI = 1,850 ÷ (9,200 + 750 + 80)
ROI = 約18.4%

元記事の例では梱包費を入れていなかったため、利益が1,930円になっていました。実運用では梱包費も入れる方が安全です。小さな差に見えても、月50件処理すれば4,000円のズレになります。

ステップ4：Pythonスクリプトで候補を抽出する

最小構成のPythonスクリプトです。

import csv
from decimal import Decimal, ROUND_HALF_UP

MIN_PROFIT = Decimal("1000")
MIN_ROI = Decimal("0.12")
MIN_SOLD_COUNT = 3

def yen(value: Decimal) -> int:
    return int(value.quantize(Decimal("1"), rounding=ROUND_HALF_UP))

with open("items.csv", newline="", encoding="utf-8") as f:
    reader = csv.DictReader(f)

    for row in reader:
        sale_price = Decimal(row["mercari_sold_median"])
        landed = Decimal(row["yahoo_landed_price"])
        outbound_shipping = Decimal(row["outbound_shipping"])
        packing_cost = Decimal(row["packing_cost"])
        fee_rate = Decimal(row["fee_rate"])
        sold_count = int(row["sold_count_30d"])

        fee = sale_price * fee_rate
        profit = sale_price - fee - landed - outbound_shipping - packing_cost
        investment = landed + outbound_shipping + packing_cost
        roi = profit / investment if investment > 0 else Decimal("0")

        passed = (
            profit >= MIN_PROFIT
            and roi >= MIN_ROI
            and sold_count >= MIN_SOLD_COUNT
            and row["condition_match"].strip().lower() == "yes"
        )

        if passed:
            print(
                row["item"],
                f"期待利益:{yen(profit)}円",
                f"ROI:{roi:.1%}",
                f"販売数:{sold_count}件",
                row.get("source_url", ""),
                row.get("target_url", ""),
            )

初心者向けの最初の合格条件は、次のように置くと運用しやすいです。

期待利益：1,000円以上
ROI：12%以上
直近30日販売済み件数：3件以上
状態一致：yes のみ
仕入れ候補URLと相場確認URLがある

この条件は固定ではありません。低単価商品では利益1,000円が厳しすぎる場合があります。高額商品ではROI 12%でも在庫リスクが重い場合があります。

ステップ5：除外キーワードを追加する

利益計算だけでは危険です。明らかにリスクが高い商品を除外します。

NG_KEYWORDS = [
    "ジャンク",
    "動作未確認",
    "部品取り",
    "訳あり",
    "欠品",
    "破損",
    "模造品",
    "レプリカ",
]

判定に加えます。

description = row.get("description", "")
has_ng_keyword = any(keyword in description for keyword in NG_KEYWORDS)

if has_ng_keyword:
    continue

ただし、除外キーワードは強すぎても弱すぎても失敗します。

例えば、カメラレンズでは「薄くもりあり」でも価格次第で売れることがあります。一方、初心者が最初から状態難の商品に手を出すと、返品・低評価・赤字の原因になります。最初は厳しめに除外し、慣れてからカテゴリ別に緩めます。

ステップ6：通知文を作る

候補が出たら、毎回ターミナルを見る運用から卒業します。Googleスプレッドシート、Discord、Slack、メールなどに送ります。

通知文には、商品名だけでなく判断材料を入れます。

商品名：Canon EF 50mm F1.8 STM
想定販売価格：13,200円
仕入れ総額：9,200円
発送費：750円
梱包費：80円
販売手数料：1,320円
期待利益：1,850円
ROI：18.4%
直近30日成約数：5件
状態一致：yes
判定理由：利益1,000円以上、ROI12%以上、成約数3件以上
仕入れ候補URL：...
相場確認URL：...

これで人間の作業は「全件検索」から「通過候補の確認」に変わります。

ステップ7：最終チェックは人間が行う

自動判定を通過しても、購入前に必ず人間が確認します。

チェック項目：

型番が完全一致しているか
色、容量、世代が同じか
付属品が同じか
ジャンク、動作未確認、欠品がないか
送料込みか送料別か
出品者評価に不自然な点がないか
相場確認URLが販売済み価格か
同じ商品が現在いくらで出品されているか
値下げしないと売れない価格ではないか
古物商許可や出品ルール上の問題がないか

ここを自動化しすぎると、誤仕入れが増えます。最初は「通知まで自動」「購入判断は人間」で十分です。

視覚証拠として残すべきもの

価格差リサーチ画面の例

記事や販売ページに画像を入れるなら、次の3つが効果的です。

価格差判定フロー図
CSVまたはスプレッドシート画面
予測利益と実利益の差分グラフ

スクリーンショットを使う場合は、取引相手名、注文番号、住所、アカウント名、商品IDの一部などを必ず隠してください。公開記事では、実在する取引画面をそのまま貼るより、個人情報を伏せた検証用データや再現用シートを使う方が安全です。

よくある失敗と対策

失敗1：販売中価格を相場として使う

販売中価格は、まだ売れていない価格です。対策は、販売済み価格を優先することです。成約数が少ない商品は、判定スコアを下げます。

失敗2：手数料と送料を後回しにする

価格差だけで見ると黒字に見えても、手数料、送料、梱包費、値下げで赤字になります。対策は、CSVの時点で費用列を必ず作ることです。

失敗3：状態差を無視する

箱あり美品と本体のみ傷ありを同じ価格で比べると、誤判定になります。対策は、状態、付属品、ジャンク表記を列に分けることです。

失敗4：通知が多すぎる

毎日100件通知されると、結局見なくなります。最初は1日5件以内に絞る方が運用しやすいです。

失敗5：ログを残さない

利益が出た理由、失敗した理由が分からないと改善できません。対策は、候補抽出時点の価格、判定条件、実販売結果を同じ表に残すことです。

専門家目線のチェックポイント

見るべきポイントは、利益率だけではありません。

規約確認：自動取得、自動出品、自動購入が許容される範囲か
法律確認：中古品を継続的に仕入れて販売する場合、古物商許可が必要か
同一商品判定：型番、世代、付属品、状態が一致しているか
送料精度：サイズ別に送料テーブルを持っているか
在庫回転：売れるまでの日数が資金を圧迫しないか
返品率：状態説明の甘さで返品が増えていないか
通知品質：通知された候補を人間が実際に確認できているか

カテゴリ別の送料テーブルは、早めに作ると精度が上がります。

category,default_shipping,packing_cost
camera_lens,750,80
game_console,850,120
figure_small,650,100
pc_parts,750,100
tool_small,850,150

成果を測るKPI

せどり自動化を資産化するなら、売上だけを見ても不十分です。

追うべきKPIは次の通りです。

候補抽出数
条件通過数
通知確認率
仕入れ採用率
予測利益
実利益
予測利益と実利益の差
平均ROI
売れるまでの日数
値下げ回数
返品・キャンセル率
1日あたりの確認時間

特に重要なのは、予測利益と実利益の差です。

予測利益1,850円の商品が実利益800円になった場合、原因を分解します。

送料が高かった
値下げした
状態差を見落とした
相場が下がった
梱包費を入れていなかった
販売までに時間がかかった

この原因をログに戻さないと、スクリプトは同じ失敗候補を出し続けます。

反論・限界・使えないケース

この仕組みは万能ではありません。

規約上、自動取得や自動出品が適さない場面がある
真贋判定が必要な商品には向かない
流行商品は相場変動が速い
大型商品は送料と保管場所の影響が大きい
少額利益の商品は梱包時間と返品対応で割に合わない
自動購入まで進めると、誤仕入れの損失が大きい
成約データが少ない商品は、中央値が信用しにくい
公式手数料や規約は変更されるため、スクリプト内に固定しすぎると古くなる

自動化は人間の判断を消す魔法ではありません。人間が毎回やる必要のない集計作業を機械に寄せ、規約、真贋、状態、資金リスクの判断を人間に残す設計です。

読了後すぐに取れるアクション

今日やるなら、次の順番で進めてください。

ジャンルを1つ決める
10商品だけCSVに入力する
成約価格、仕入れ総額、送料、梱包費、手数料を列にする
Pythonで期待利益とROIを計算する
条件通過した商品だけ人間がURL確認する
予測利益と実利益の列を追加する
失敗理由を1つずつ除外条件に戻す

いきなり大規模化する必要はありません。10件のCSVで赤字候補を除外できるなら、それはもう自動化資産の原型です。

まとめ：価格差探しを「作業」から「仕組み」に変える

メルカリ・ヤフオクの価格差リサーチで消耗しないためには、検索数を増やすより、判定条件を固定する方が先です。

最初のゴールは、完全な自動売買ではありません。

利益が残る可能性のある商品だけが、自動で候補として上がってくる状態を作ることです。

そこから、送料テーブル、除外キーワード、成約数フィルタ、予測利益と実利益の差分分析を育てていけば、人間が張り付かなくても収益候補を拾える仕組みに近づきます。

本気で自動化・不労所得型の仕組みを作りたい方へ。
「何を自動化すれば収益につながるのか」「どこまで人間の判断を残すべきか」「失敗ログをどう改善に変えるか」まで踏み込んだ実践マニュアルを用意しています。

作業時間を切り売りする副業から抜け出し、収益候補が自動で集まり続ける仕組みを作りたい方は、こちらから次の一手を選んでください。

本気で自動化・不労所得を構築したい方向けの実践マニュアルを見る

この記事で作るもの#

公式情報で先に確認するポイント#

全体像：価格差リサーチは5工程に分ける#

Hiro環境での検証：このサイトの運用ログから見える設計方針#

サンプル検証：CSV 8件で利益判定だけを測る#

ステップ1：対象ジャンルを1つに絞る#

ステップ2：CSVで入力データを作る#

ステップ3：利益計算式を固定する#

ステップ4：Pythonスクリプトで候補を抽出する#

ステップ5：除外キーワードを追加する#

ステップ6：通知文を作る#

ステップ7：最終チェックは人間が行う#

視覚証拠として残すべきもの#

よくある失敗と対策#

失敗1：販売中価格を相場として使う#

失敗2：手数料と送料を後回しにする#

失敗3：状態差を無視する#

失敗4：通知が多すぎる#

失敗5：ログを残さない#

専門家目線のチェックポイント#

成果を測るKPI#

反論・限界・使えないケース#

読了後すぐに取れるアクション#

まとめ：価格差探しを「作業」から「仕組み」に変える#