こんにちは、こんです🦊
今回は「EC業務における住所チェックの精度をもっと高めたい！」という課題感から、日本郵便の住所マスタ「KEN_ALL.CSV」を活用した検証と、実務で使えるStreamlitアプリの改善を進めました。
実験のきっかけ：発送トラブル、実は多くない？
こんな経験、ありませんか？
顧客が入力した住所にミスがある（番地の抜け・存在しない町名など）
発送後に「届かない」と問い合わせが来る
情報確認のために再度連絡→再発送対応→業務が遅れる
原因の多くは、注文時点での住所エラーを見逃していること。
ECカート側で不正住所を防げれば理想ですが、現実には難しいケースも多く、「発送前チェック」の工程でリスクをカバーする仕組みが求められます。
作ってみたもの（システムの概要）
今回は以下のようなStreamlitアプリを作成・改善しました：
✅ 会員CSVの読み込み（エンコーディング自動判別）
✅ 「?」を含む文字化けデータの検出
✅ 郵便番号と住所情報の照合（KEN_ALL.CSVベース）
✅ 類似町域の候補表示や不備理由の出力
✅ ラベル出力対象をUIから制御（不備データを含めるかどうかチェックボックスで選択）
さらに、ラベル印刷用のExcel出力や、配送先情報の不備統計も表示できるようにしました。
実感したメリット
1. 事前チェックで未達トラブルを削減できる
発送前に「この住所は正しいか？」を検証できるので、再送・クレームの可能性が減ります。
2. 顧客連絡対象がすぐに分かる
「郵便番号＝0000000」や「?を含む」など、条件に合うデータを即座に抽出＆CSV出力可能。
3. チェック精度の課題も可視化できた
KEN_ALL.CSVを使った検証では「不一致」と判定されたデータが 約5000件／45000件中。
一方、外部API（郵便7）では 1500件程度。この差から、KEN_ALLベースのロジックの改善点も明確に見えてきました。
実際の構成
【アップロード画面】：CSVを読み込むと即座に内容を表示
【住所チェック結果】：有効／無効の判定、類似候補、理由付き
【エクスポート制御】：チェックボックスで出力対象を切り替え
【データ統計表示】：ポップオーバーで件数や不備要因の分析結果を表示
次回予告：日本郵便APIで精度を高める！
今回はKEN_ALL.CSVを使ったローカルチェックでしたが、今後は：
郵便7などのロジックを参考に、郵便番号・デジタルアドレスAPIとの連携
高精度チェックへの置き換え
入力補完や自動修正案の提案機能
などを検討中です。
まとめ：住所は“信用資産”。事前チェックで未来のトラブルを回避
今回の実験で実感したのは、「住所データは単なる文字列ではない」ということ。
配送ミス・顧客体験の低下・人手コスト……
すべては、発送前に“気づけたかどうか”で防げる問題ばかりです。
Streamlit×ChatGPTでつくる住所チェックツールは、
そうしたトラブルを未然に防ぐ “小さな守り神” になるかもしれません。
それでは、また次の実験で！🦊
#住所チェック #Streamlit #ノーコード #業務改善
#郵便番号API #KEN_ALL #100日チャレンジ #EC運用 #再送削減 #ChatGPTで業務効率化