コホート分析とは？｜世代ごとの継続率で「本当の成長」を読み解く

なぜ「先月よりユーザーが増えた」で安心してはいけないのか

月次のアクティブユーザー数(MAU)が先月より増えていると、多くのチームはひとまず安堵します。ですが、その数字の中身まできちんと見ている人は、意外と多くありません。

新規ユーザーがどれだけ増えても、既存ユーザーが同じペースで離れていれば、MAUという合計値はほとんど動かないままです。増加と流出が同じグラフの中で相殺し合い、見かけ上は横ばいの安定に見えてしまいます。

逆に、新規獲得を一時的に強めるだけでも、MAUは簡単に押し上げられます。広告費を増やして新規登録を積み増せば、既存ユーザーの定着が悪化していても、全体の数字だけは伸びて見えるのです。

これでは、プロダクトが本当に良くなっているのか、それとも一時的に人を集めているだけなのか、判別がつきません。プロダクト指標の設計｜北極星指標とKPIツリーの作り方で触れたように、指標は何を測っているつもりで実際は何を測っているかを常に問い直す必要があります。

この問題を解く手がかりが、コホート分析です。ユーザーを一つの塊として見るのではなく、始まった時期ごとの世代に分けて追いかけることで、平均の裏に隠れていた実態が見えてきます。

想像してみてください。あるチームは新規登録数の伸びだけを毎週の会議で共有し、別のチームは登録月ごとの継続率の推移を並べて共有しています。

前者の会議は「今週も伸びていますね」で終わりがちですが、後者の会議では「先月の世代より今月の世代のほうが定着が悪い、何が変わったか」という具体的な議題が自然に生まれます。

同じデータソースを見ていても、どう切り取るかで会議の質そのものが変わってしまうのです。

コホート分析とは何か

コホート(cohort)とは、もともと共通の出来事を同じ時期に経験した集団を指す言葉です。分析の世界では、同じ週や同じ月に登録・購入・利用を始めたユーザーの集まりを一つのコホートとして扱います。

コホート分析とは、このように区切ったユーザー群それぞれについて、時間の経過とともに行動がどう変化するかを追跡する手法です。1月に登録した100人のうち3ヶ月後も使っているのは何人か、というように世代ごとの継続率を可視化します。

似た言葉に「セグメント分析」がありますが、両者は視点が異なります。セグメント分析はある一時点での属性(業種・プランなど)でユーザーを切り分けるのに対し、コホート分析はいつ始めたかという時間軸を基準に切り分け、そのまま時間を追いかけていく点が特徴です。

この手法自体は目新しいものではありません。医学や疫学の分野で、同じ年に生まれた集団を追跡する研究に古くから使われてきた考え方で、それがプロダクト分析にも転用されています。

リテンションと解約｜継続率を上げるために見る数字で扱った継続率という指標も、実はコホートという単位で計算して初めて意味を持ちます。全ユーザーをひとまとめにした継続率は、新規と既存が入り混じった数字にすぎないからです。

業種によって「継続」の意味は変わる

コホート分析を始める前に、そもそも何をもって継続とみなすかは、プロダクトの性質によって大きく異なることを押さえておく必要があります。

BtoB SaaSであれば、毎日ログインしなくても定期的に成果物を確認しに来ればよいというプロダクトも珍しくありません。この場合、日次のログインを基準にすると、実際には満足して使い続けているユーザーまで離脱として数えてしまいます。

ECサイトであれば、継続の単位は利用日数ではなく再購入のタイミングになります。日用品と高額な耐久財では次の購入までの間隔がまったく違うので、業種どころか商材ごとに継続の物差しを変える必要があります。

メディアやコンテンツ系のプロダクトであれば、閲覧頻度そのものが価値の証拠になりやすく、日次や週次のアクセスを継続の基準にする設計がなじみます。

このように、継続の定義そのものが分析の出発点であり、他社の定義をそのまま輸入しても、自社のプロダクトには合わないことが多いのです。

コホート表の読み方

コホート分析の結果は、多くの場合コホート表と呼ばれる形式で表示されます。縦軸に登録月、横軸に経過月を置き、セルの中にその世代の継続率を並べる形です。

具体的なイメージをつかむために、仮の数値で見てみましょう。以下の数値はすべて説明用の仮定であり、実在のデータではありません。

この表を横に読むと、それぞれの世代が時間とともにどう減っていくかが分かります。1月コホートは1ヶ月後に62%、3ヶ月後には41%まで下がっており、多くのプロダクトに共通する立ち上がり後の急な落ち込みという曲線を描いています。

一方、表を縦に読むと、世代同士を比較できます。3月コホートは1ヶ月後の継続率が70%と1月・2月より明らかに高く、この時期に何らかの改善が効いた可能性がうかがえます。

ここで重要なのは、縦の比較こそがコホート分析の本領だという点です。先月より今月の世代のほうが定着しているかを追いかけることで、施策の効果を時間差なく検証できます。

計算そのものは難しくありません。ある世代のNヶ月後継続率は、次の式で表せます。

Nヶ月後継続率 = Nヶ月後にも利用しているユーザー数 ÷ その世代の初月ユーザー数

分子と分母の定義を全世代で揃えておくことが、比較を成立させる前提になります。利用しているの基準を月によって変えてしまうと、縦の比較そのものが崩れてしまうので注意が必要です。

継続率カーブが描く形にも意味がある

コホート表を横方向に眺めて折れ線グラフにすると、多くのプロダクトで共通して見られる形があります。序盤に急に下がり、その後は緩やかな下降か、ほぼ横ばいで安定するという曲線です。

下がり続けずどこかで底を打って安定する形は、一般に定着した利用者層の存在を示すサインとして語られます。逆に、何ヶ月経っても下がり続けて底を打たない場合は、今使っているユーザーもいずれ離れていく可能性が高いという警戒信号になります。

底を打つタイミングが早ければ早いほど、そのプロダクトはコアユーザー層を早期に見極められているとも言えます。カーブの形そのものが、プロダクトの健全性を映す一枚の写真のような役割を果たすのです。

二つの切り口: 獲得コホートと行動コホート

コホートの区切り方には、大きく分けて二つの切り口があります。どちらを使うかで、見えてくる示唆はかなり変わってきます。

一つ目は獲得コホートです。登録日や初回購入日など、ユーザーがプロダクトと最初に接点を持った時期を基準に世代を分けます。

先ほどの表のような、月次の継続率を追う分析はこちらに当たります。

二つ目は行動コホートです。特定の行動、たとえば特定の機能を初めて使った、特定のキャンペーンを経由した、といったタイミングを基準に世代を分けます。

ある機能の利用が定着や解約にどう影響するかを見たいときに向いています。

両者の違いを整理すると、次の表のようになります。

作った機能が使われない｜機能の定着率を測って直すで扱ったテーマも、行動コホートの考え方と相性が良い領域です。ある新機能を使い始めたユーザー群を一つのコホートとして切り出し、使わなかったユーザー群と継続率を比較すれば、その機能が定着に寄与しているかどうかをかなり具体的に確かめられます。

どちらか一方だけを使う必要はありません。獲得コホートで全体の傾向を定点観測しつつ、気になる変化があった月に対して行動コホートで深掘りする、という組み合わせがよく使われます。

たとえば、獲得コホートの表で3月に定着の伸びを見つけたら、次は3月に登録したユーザーのうち、ある機能を初回利用した人としなかった人を行動コホートで分けて比較します。ここで継続率に差が出れば、3月の伸びの背景にその機能が関わっている可能性が具体的に見えてきます。

もちろん、差が出たからといって、その機能が原因だと断定はできません。ただ、次に検証すべき仮説の当たりをつけるという意味では、十分に価値のある一歩です。

コホート分析でよくある落とし穴

便利な手法である一方、コホート分析には陥りやすい落とし穴もいくつかあります。ここでは代表的な四つを紹介します。

一つ目は、母数が小さいコホートを過大評価してしまうことです。ある週の登録者がわずか5人しかいない場合、そのうち1人が継続をやめただけで継続率は20ポイント動いてしまいます。

母数の小さい世代の増減に一喜一憂するのは避けたいところです。

二つ目は、粒度を細かくしすぎることです。日次でコホートを切ると表が細かくなりすぎて傾向が読み取りにくくなる一方、月次では変化に気づくのが遅れることもあります。

プロダクトの利用頻度に合わせて、週次か月次かを選ぶのが実務的な落としどころです。

三つ目は、外部要因を施策の効果と取り違えることです。ある月のコホートの継続率が良くても、その裏で大型のプロモーションや季節要因が働いていることがあります。

ファネル分析の基本｜離脱ポイントの見つけ方と改善の進め方でも触れたとおり、数字の変化を見つけたら、まずその期間に何をしていたかを年表と突き合わせる癖をつけておくと誤読を減らせます。

四つ目は、成熟していないコホートを成熟したコホートと同列に比較してしまうことです。先月始まった世代はまだ1ヶ月後の継続率しか出せませんが、半年前に始まった世代は6ヶ月後まで数字が揃っています。

表の右側が欠けたコホートを含めて「今月は調子がいい」と早合点すると、あとで数字が崩れて驚くことになります。

これらの落とし穴に共通するのは、コホート表という数字の並びだけを見て、背景にある文脈を確認しないまま結論を出してしまうことです。数字はきっかけであって、答えそのものではありません。

自社に導入するときの進め方

コホート分析を始めるにあたって、高価なツールや複雑な基盤は必須ではありません。段階を踏めば、既存のデータからでも十分に始められます。

まず必要なのは、継続をどう定義するかを決めることです。ログインをもって継続とみなすのか、特定の機能を使ったことをもって継続とみなすのか、プロダクトの性質によって適切な定義は変わります。

次に、区切る単位(週次か月次か)と、基準にする行動(登録か、特定の初回行動か)を決めます。ここで前の章で紹介した獲得コホートと行動コホートのどちらを使うかも定まります。

三つ目のステップとして、実際にコホート表を作ってみて、まずは自分たちのプロダクトの継続率カーブがどんな形をしているかを把握します。急に落ちてどこかで安定するのか、緩やかに下がり続けるのかによって、打つべき手は変わってきます。

必要になるデータの粒度も、最初に整理しておくと後戻りが減ります。最低限、ユーザーを一意に識別するID、初回接点の日時、そして継続とみなす行動が起きた日時の三つがそろっていれば、集計自体はスプレッドシートの関数だけでも組み立てられます。

チームの規模が大きくなり、世代の数や比較したい行動が増えてきたら、専用のダッシュボードに乗せ換えるタイミングです。毎回手作業で表を組み直すコストが、ツール導入のコストを上回ったときが、その判断基準になります。

だれがこの表を見続けるかも、地味に重要な論点です。プロダクトマネージャーだけが見ていても、営業やカスタマーサクセスが持っている顧客理解と結びつかず、宝の持ち腐れになりがちです。

毎月の定例に、コホート表の更新を組み込んでしまうのが手っ取り早い定着策です。数字を毎回作り直す手間さえなくせば、見る習慣そのものは意外と根付きやすいものです。

ここまでできたら、N1分析とは｜一人の行動から改善のヒントを得るの考え方を組み合わせるのがおすすめです。コホート表で継続率が落ち込んでいる世代を見つけたら、その世代に属する個々のユーザーの行動をN1で掘り下げることで、離脱の理由に近づけます。

コホート分析は、それ単体で答えを出す道具ではありません。どこで継続率が落ちているかを見つけるための道具であり、なぜ落ちているかは他の分析と組み合わせて初めて見えてきます。

MonaLensのようなツールでも、ファネルやN1分析と合わせて使うことで、コホートで見つけた変化の理由を掘り下げやすくなります。

まとめ: コホートは「時間を味方につける」ための道具

平均値やその場限りの合計だけを見ていると、プロダクトの本当の状態を見誤ります。増えているのか、入れ替わっているだけなのか、その違いを見分けるには、世代ごとに時間を追いかける視点が欠かせません。

コホート分析は、特別な統計知識がなくても始められる手法です。継続の定義を決め、区切る単位を決め、表を作ってみる。

この三つのステップさえ踏めば、誰でも自分たちのプロダクトの継続率カーブを手にすることができます。

大切なのは、一度作って終わりにしないことです。毎月同じ形式でコホート表を更新し続けることで、初めて先月の施策は効いたのかを、時間差なく確かめられるようになります。

最初から完璧な粒度や完璧な継続の定義を目指す必要はありません。まずは荒くてもいいので一度作ってみて、運用しながら定義を磨き込んでいくくらいの気持ちで十分です。

平均の数字に一喜一憂するのではなく、世代ごとの物語として自分たちのユーザーを見る。その視点の切り替えこそが、コホート分析がもたらす一番の価値なのだと思います。