CRM・顧客戦略
定期購入の継続率をコホートでどう見る？開始月・初回商品・獲得経路をそろえる分析手順
定期購入の継続率が伸びない事業責任者へ。開始月・初回商品・獲得経路で比較条件をそろえ、残存率と顧客の声から原因、KPI・KDI、施策の優先順位を決める手順を解説します。
加藤 貴志
MANAGEWORKS株式会社 代表取締役
こんな方へ：食品・D2Cの定期購入で継続率を集計しているものの、顧客条件が混在し、どの顧客群と体験から改善すべきか判断できない経営者・事業責任者・EC／CRM責任者
この記事の要点
- 開始月・初回商品・獲得経路のうち原因仮説に近い一軸を選び、同じ経過期間で残存率を比較する
- 数字で差が広がった回数と顧客群を絞り、問い合わせやアンケートなど顧客の声で理由を確かめる
- 原因に近いKDIから継続率、売上・粗利までつなぎ、一群・一原因・一変更で検証する
定期購入の継続率は、全顧客の平均だけでは改善点を見つけにくい
定期購入の継続率を改善するには、全顧客を一つにまとめた平均値ではなく、同じ条件で始めた顧客群ごとに残存率を追います。開始月、初回商品、獲得経路が異なる顧客を混ぜると、季節性やキャンペーン、商品特性の差が平均に埋もれ、どの顧客体験を直すべきか判断しにくくなるからです。
この記事では「定期購入 継続率 改善」の課題に対し、比較単位の決め方、数字と顧客の声の照合、KPI・KDIへの落とし込み、現場での検証順序を整理します。コホート分析は表を作ることが目的ではありません。継続が落ちる条件を特定し、対象顧客と原因に合う施策を選ぶための方法です。
まず開始月・初回商品・獲得経路のどれで分けるか決める
コホートとは、共通する条件で顧客をまとめた集団です。最初から細かく分けすぎず、継続率が変わった可能性を説明できる一つの条件から始めます。
- 開始月：季節、価格改定、配送条件、キャンペーン、サイト変更の影響を見たいとき
- 初回商品：容量、味、用途、利用頻度、期待値の違いが継続へ影響しているか見たいとき
- 獲得経路：広告、紹介、検索、店頭などで、購入前の理解や期待が異なるか見たいとき
三つを同時に細分化すると一群あたりの人数が小さくなり、偶然の変動を原因と誤認しやすくなります。事業上の変更点と現場の気付きから第一の軸を選び、必要なときだけ第二の軸を足します。
分母と経過期間をそろえて残存率を比較する
各コホートについて、初回購入者数を分母にし、二回目、三回目、四回目へ残った顧客数を同じ経過期間で並べます。開始月が新しい顧客群はまだ四回目を迎えていないため、未到達を解約として数えません。集計日ではなく、初回から何回目・何日後かをそろえることが重要です。
継続率、残存率、解約率の定義が部門ごとに違う場合は、先に指標を統一します。計算方法の違いは定期購入の継続率はどう計算する？で整理しています。本記事では、その指標を比較可能な顧客群へ適用する手順に焦点を当てます。
差が出た場所だけを深掘りする
残存率の差を見つけたら、全工程を調べ直すのではなく、差が広がった回数と該当コホートに絞ります。二回目まで同じで三回目から差が出るなら、初回案内より、消費ペース、在庫、配送周期、価格負担、利用実感を優先して確認します。
- 対象コホートと比較対象を固定する
- 同じ経過回数で残存率を比較する
- 差が広がった回数と顧客群を特定する
- 問い合わせ、休止理由、アンケート、インタビュー、レビューを照合する
- 原因に合う接点、商品、プランの変更を一つ選ぶ
数字の差を、そのまま原因と決めつけない
ある獲得経路の継続率が低くても、経路自体が原因とは限りません。初回割引の大きさ、選ばれた商品、訴求内容、顧客属性、購入時期が同時に違う可能性があります。短期間の小さな群で結論を出さず、対象人数、観察期間、変更点を確認します。
数字は「どこで差が出たか」を示し、顧客の声は「なぜ差が出たか」の仮説を強めます。現場の経験や問い合わせ担当者の気付きも、仮説候補として残します。ただし、少数の強い意見だけで全顧客へ施策を広げず、該当コホートの購買・利用状況と一致するかを見ます。
KPIとKDIを同じ原因仮説へつなぐ
KPIには、対象コホートの二回目到達率、三回目残存率、一定期間後の継続率、売上、粗利を置きます。KDIには、その原因に近い顧客行動と現場行動を置きます。例えば使い切れず在庫が余る仮説なら、配送周期や数量の変更、スキップ利用、変更後の復帰を確認します。
メール開封率やLINEクリック率は接点の反応であり、それだけで継続改善とは判断しません。周期変更などの顧客行動、三回目残存率、売上・粗利までを一つの流れで追います。二回目・三回目以降の指標設計は定期購入の継続率はどこで落ちる？でも確認できます。
一つのコホート、一つの原因、一つの変更で試す
実行時は、改善余地が大きく、原因の確かさがあり、現場が変更できる一群を選びます。たとえば特定の初回商品で三回目残存率が低く、在庫の余りが声として重なるなら、その群だけに周期変更の案内を試します。案内時期と内容を同時に変えると何が効いたか分からないため、変更要素は一つにします。
初回割引の有無を比べる場合は、割引以外の条件をそろえる必要があります。具体的な比較設計は定期購入の初回割引は継続率を下げる？を参考にしてください。
コホート表の高度化やツール変更を先にしない
ここで優先しないのは、多数の軸を掛け合わせた複雑なダッシュボード、CRMツールの入れ替え、全顧客への一斉配信です。比較条件と原因仮説が曖昧なまま自動化すると、判断できない集計と合わない施策を速く増やすことになります。AIは問い合わせや自由記述の分類を補助できますが、比較軸、原因、施策、商品・プラン変更の判断は人が担います。
自社では、開始月別に二回目・三回目残存率を並べ、差が広がった群と回数を一つ選ぶところから始められます。データの定義が部門で違う、顧客の声と購買履歴をつなげられない、EC・CRM・商品・顧客対応をまたいで優先順位を決める責任者がいない場合は、外部の伴走が役立ちます。
MANAGEWORKSの既存顧客グロース支援では、売上・利益構造、顧客理解、比較単位、優先順位、接点、商品・プラン、KPI・KDIを一貫して設計し、原因特定から現場実行、検証まで伴走します。