コホート分析とは？ユーザーの定着率・離脱パターンを時系列で把握する方法

コホート分析とは、特定の共通条件（初回訪問日・登録日・購入日など）でまとめたユーザーグループ（＝コホート）の行動を時系列で追いかける分析手法です。

「先月登録したユーザーのうち、1ヶ月後も使い続けているのは何割か？」「春キャンペーンで流入したユーザーは、通常流入と比べて継続率が高いか？」——こうした問いに答えられるのがコホート分析の強みです。

単純なアクセス数やコンバージョン率の確認とは一線を画し、ユーザーの「その後の行動」を時間軸で見ていくのが最大の特徴。継続率（リテンション率）の把握や、離脱のパターンを掴むうえで非常に有効な分析アプローチです。

コホートって何？「グループ」と「時系列」がカギ

コホート（cohort）はもともとラテン語で「集団」や「部隊」を意味する言葉。マーケティングやデータ分析の世界では、ある共通の属性や経験を持つユーザーのグループを指します。

たとえば——

2025年1月にはじめてサイトを訪問したユーザー
2025年3月にメルマガ登録したユーザー
春のセールでECサイトに初めて購入したユーザー

これらはそれぞれ異なるコホートです。コホート分析では、こうしたグループを定義したうえで、「1週間後」「1ヶ月後」「3ヶ月後」といった時系列で行動がどう変化するかを追いかけます。

普通の集計では「全ユーザーの平均」しか見えませんが、コホートで切り出すことで「いつ・どんな経緯で来たユーザーが定着しやすいか」が可視化できるようになります。

コホート分析でわかること

コホート分析は主に以下のような問いに答えるために使われます。

継続率（リテンション）の把握

「登録したユーザーが1週間後・1ヶ月後もサービスを使い続けているか」を確認できます。たとえば下記のような形で可視化されます。

コホート（登録月）	登録直後	1ヶ月後	3ヶ月後
2025年1月	100%	42%	28%
2025年2月	100%	38%	25%
2025年3月	100%	51%	35%

3月コホートは他の月より継続率が高い。何が違ったのか？——こうした仮説を立てて深堀りできるのがコホート分析の面白さです。

離脱タイミングの特定

「ほとんどのユーザーは登録後7日以内に離脱している」「3ヶ月まで続けた人はほぼ辞めない」など、離脱が集中する時期を特定できます。そこに集中してUIや施策を改善することで、離脱防止の効果を高めやすくなります。

キャンペーン・施策の効果比較

「広告経由で来たユーザーとオーガニック検索で来たユーザーでは、その後の継続率にどんな差があるか」を比較できます。見かけ上のコンバージョン数が多くても、すぐ離脱するユーザーが多ければ施策の本当の価値は低い——そうした判断をするためにも有効です。

LTVの予測

継続率のデータが蓄積されることで、ユーザー一人あたりの生涯価値（LTV）の見通しが立てやすくなります。サブスクリプションビジネスやECサイトのCRM戦略に活かせます。

どんなビジネスで活用されているか

コホート分析はもともとSaaS・アプリ・サブスクリプション型サービスなど「継続利用」を前提とするビジネスで盛んに使われてきましたが、今ではECサイトや一般的なWebサービス、さらにはコンテンツメディアの運営にも広く活用されています。

SaaS・アプリ

月額課金の場合、新規獲得と同じくらい「解約を防ぐこと」が重要です。どのコホートで解約率が下がったかを追うことで、サービス改善の効果を定量的に評価できます。

ECサイト

「初回購入から30日以内にリピートした人の割合」「セール流入とSNS流入での購買継続率の差」など、リピーター獲得施策の精度を高めるために使われます。CRMやメルマガのシナリオ設計にも役立ちます。

コンテンツメディア

「特定のキャンペーン経由で来た読者が、1ヶ月後も記事を読み続けているか」など、コンテンツの粘着性を評価するために使うことができます。

Web制作・リニューアル後の評価

サイトリニューアルを行った前後で、ユーザーの継続率や再訪率がどう変わったかをコホートで比較することで、改善効果を数値で示すことができます。クライアントへの報告・改善提案にも活かせます。

GA4でのコホート分析の見方

Webマーケティングの現場で広く使われているGA4（Google Analytics 4）には、コホート分析のレポートが標準搭載されています。

GA4のコホートレポートでは、以下のような軸で分析できます。

コホートの定義: 最初のセッション日・最初のコンバージョン日など
コホートサイズ: 日次・週次・月次でグルーピング
指標: ユーザー数・収益・コンバージョン数など

ただし、GA4の標準コホートレポートは柔軟性が限られるため、より深く掘り下げたい場合はBigQueryやGA4のデータエクスポートを活用してカスタム分析を行うケースもあります。

コホート分析を活用するときの注意点

コホート分析は強力ですが、いくつか気をつけておきたい点があります。

データ量が必要

各コホートのサンプル数が少ないと、結果がバラつきやすく信頼性が下がります。月間数百〜数千のユーザーがいる規模になってから活用するのが現実的です。

「何をもってコホートとするか」が重要

分析の切り口によって見えるものがまったく変わります。「登録日」ではなく「初回購入日」や「特定機能を使った日」を起点にするなど、分析の目的に合ったコホートの定義が必要です。

継続率の定義も確認する

「アプリを開いた」「ログインした」「購入した」など、何をもって「継続」とカウントするかは事前に決めておく必要があります。ツールによってデフォルトの定義が異なるため注意が必要です。

外部要因の影響を考慮する

特定のコホートの継続率が高い・低い場合、それが施策の効果なのか、季節要因や市場トレンドの影響なのかを区別する視点も大切です。

コホート分析と相性のいい指標・手法

コホート分析は単体で使うよりも、他の指標や分析手法と組み合わせることで真価を発揮します。

チャーンレート（解約率）: 解約がどのコホートで多いかを把握するために組み合わせる
LTV（顧客生涯価値）: コホートごとの継続率からLTVを予測する
ファネル分析: 登録〜有料転換などのステップとコホートを掛け合わせる
アトリビューション: 流入チャネル別にコホートを切り、チャネルの質を評価する
ヒートマップ: 離脱コホートのユーザーが具体的にどこで詰まっているかを確認する

まとめ

コホート分析は、「いつ・どんなきっかけで来たユーザーが定着するか、離脱するか」を時系列で可視化する分析手法です。

平均値だけでは見えなかったユーザーの行動パターンの違いが浮かび上がり、施策の効果を正確に評価したり、改善の優先度を判断したりするための根拠を作るのに役立ちます。

特にサブスクリプション・EC・Webサービスなどリピーターが重要なビジネスでは、コホート分析を定期的に行う習慣を持つことで、数字に裏打ちされた意思決定がしやすくなります。

「なんとなくアクセスが増えた気がする」「登録者数は増えているのに売上が伸びない」——そんな感覚的な状況を脱するためにも、コホート分析の視点を取り入れてみてください。