コホート分析とは？種類と進め方を解説

｜広告運用ノウハウ公開中！

サービス紹介資料はこちらからダウンロード

サイトの流入数や売上は把握しているのに、「いつ・どの経路の顧客が定着しているのか」が見えないまま、毎月のCV数だけを追ってしまうことはないでしょうか。獲得した時点の数字が同じでも、流入時期や流入元によって継続率は大きく変わります。本記事では、ユーザーを共通条件でグループ化して、時間経過に伴う行動変化を追う「コホート分析」について、定義・種類・進め方・主なツール・LP運用での活用、注意点まで解説します。

01｜コホート分析とは

コホート分析とは、共通する属性や行動条件でユーザーをグループ化（コホート）し、時間経過に伴う行動の変化を比較する分析手法です。

「コホート（cohort）」は、もともと古代ローマの歩兵隊の単位を指す語で、社会学や統計学では「共通因子をもつ集団」を指して使われます。マーケティング領域では、会員登録日が同じユーザー、同じ広告から流入したユーザー、特定機能を使ったユーザーなど、共通条件で切り出されたユーザー集合を扱います。

通常のサイト全体平均では「全ユーザーの平均CVR」「全ユーザーの平均継続率」しか見えませんが、コホート分析は同じ条件で切り出した集団を時系列で追うため、施策の長期的な効果や、流入時期による獲得の質の違いを定量的に確認できる点が特徴です。

Googleアナリティクス4（GA4）には「コホートデータ探索」というレポートが標準で用意されており、コホートに登録する条件、リピートの条件、コホートの粒度（毎日・毎週・毎月）、計算方法（標準・ローリング・累計）などを画面上で設定して継続率を追跡できます。

BtoC・BtoBを問わず、サブスクリプションや継続課金が前提のサービスを中心に、事業判断の標準的な分析手法として広く使われています。

出典：GA4のコホートデータ探索（Googleアナリティクスヘルプ）

02｜なぜ注目されるのか

獲得した時点では同じに見えるユーザーでも、流入時期や経路によって継続率は変わります。コホート分析は、その差を時系列で可視化できる手法のひとつとして使われています。

サブスクリプションサービスやSaaS、継続課金型のECなどが広がるなかで、単月のCV数だけでは事業の健全性を評価しきれなくなりました。同じ「100件獲得」でも、3か月後に残っているユーザーが80件と20件では、LTV（顧客生涯価値）の結論が逆転します。コホート分析は、施策ごとの「獲得の質」を継続率の観点から比較するための土台になります。

また、キャンペーンやLP変更といった単発施策が「短期的なCV増加」と「長期的な定着」のどちらに寄与したのかを切り分ける用途にも向いています。流入指標と継続指標をひもづけて評価するために、コホート分析は活用されています。

加えて、サードパーティCookieの段階的廃止やプライバシー規制の強化により、外部データに依存しないファーストパーティデータ中心の分析へとシフトしつつあります。自社で取得したユーザーの行動ログを軸に継続率を追うコホート分析は、こうしたデータ環境の変化にも適合した手法のひとつといえます。

03｜コホート分析の種類

コホート分析で扱う「コホート」の切り方には、大きく分けて3種類があります。それぞれ目的が異なるため、設計時に取り違えないことが重要です。

取得日コホート（時間コホート）

• ユーザーを「初回訪問日」「初回購入日」「会員登録日」など、特定の時点で区切ってグループ化する切り方です。最も基本的な手法で、月次・週次・日次の単位で並べ、時間経過に伴うリテンション率（継続利用率）を比較します。新規ユーザーがどのくらいの速度で離脱し、どの時点で定着するかを把握できます。
  

行動コホート

• 特定のイベント（主要機能の利用、サンプル請求、動画の視聴完了など）を行ったユーザーで切るコホートです。「どの行動を取ったユーザーが長く定着するか」を確認することで、ユーザー定着に寄与する主要行動を特定する分析に向いています。機能のオンボーディング改善やコンテンツ設計の優先順位付けの材料に使えます。
  

属性コホート

• ユーザー属性（流入元、デバイス、地域、契約プランなど）でグループ化する切り方です。広告経由と自然検索経由でその後の再訪パターンに差があるか、デバイス別でLTVが異なるか、といった分析に使います。流入チャネル別の獲得の質を見比べたいときに有効です。
  

Mixpanelの公式ドキュメントでは、コホートを「特定のプロパティを共有するか、類似したイベントシーケンスを実行するユーザーのグループ」と定義しています。属性条件と行動条件をAND/ORで組み合わせて柔軟にコホートを切り出せる仕様です。

出典：Cohorts（Mixpanel Docs）

｜広告運用ノウハウ公開中！

より詳しく知りたい方は資料をダウンロード！

04｜コホート分析からわかること

コホート分析から読み取れる代表的な示唆は、継続率の推移パターンと、コホート間の質の差です。

継続率の推移パターン

取得日コホートを縦軸、時間経過を横軸にとると、初回接触からN日後・N週後・N月後に何%のユーザーが残っているかを表で確認できます。立ち上がり直後の急落、特定時点での再離脱の山、長期的に安定するプラトーといった形で、サービス固有の継続曲線が描けます。

取得タイミング別の質の差

施策投入の前後でコホートを分けて並べると、CVRや継続率に差が出ているかを後追いで確認できます。流入数だけでは判断しにくい「獲得の質」の変化を、時間軸を持って読み取れる点が特徴です。

流入元・属性別の差

広告経由とオーガニック経由を別コホートとして並べると、CV後の継続率に差が出ているケースがあります。再訪率が大きく違えば、広告のターゲット設定とLPが提示している価値の間に乖離がある可能性などが示唆されます。

解約・離脱タイミング

月次コホートでN月目に大きな離脱が集中している場合、その手前で発生する体験（請求のタイミング、コンテンツ消化の完了、サポート対応の有無など）がボトルネック候補になります。改善仮説の出発点を、定量的に絞り込めます。

05｜コホート分析の進め方

コホート分析は、ツールを動かすこと自体が目的ではなく、施策の意思決定に結びつけるためのプロセスです。以下の流れで設計するのが基本となります。

ステップ1：目的とKGIを定義する

• 何を改善したいかを先に決めます。継続率を上げたいのか、LTVを伸ばしたいのか、特定施策の効果を見たいのか、で必要な設計が変わります。目的が変われば、後段のコホート設計と評価指標も変わるため、曖昧なまま進めると表は出てきても意思決定に使えません。目的に紐づくKGI／KPIを最初に1つに絞ると、後工程の判断が安定します。
  

ステップ2：コホートの切り方を決める

• 目的に応じて、取得日・行動・属性のどれで切るかを選びます。広告キャンペーン別の継続率を比較したいのであれば属性コホート、主要機能の利用が定着に寄与するかを見たいのであれば行動コホートが起点になります。1回の分析で複数の切り方を混ぜると比較しづらくなるため、まず1軸で組むのが基本です。

ステップ3：リテンション指標と粒度を決める

• 比較する指標（再訪率・再購入率・特定イベント実行率など）を確定し、時間粒度（日次／週次／月次）はサービス特性に合わせます。日次の動きが速いSNS型サービスと、月次のサブスクでは適切な粒度が異なります。サブスクで日次を取ると母数が薄まり、ノイズが目立つため、利用サイクルに沿った粒度を選ぶことが重要です。
  

ステップ4：ツールでセットアップする

• 利用環境に応じてGA4・Mixpanel・Amplitudeなどを選びます。GA4の場合は左メニューから「探索」→「空白」→「手法：コホートデータ探索」を選択し、コホートへの登録条件（初回接触・すべてのイベントなど）、リピート条件、コホートの粒度（毎日・毎週・毎月）、計算方法（標準・ローリング・累計）を画面上で設定します。
  出典：GA4のコホートデータ探索（Googleアナリティクスヘルプ）

ステップ5：表を読み、施策に反映する

• セル単位で読むのではなく、列方向（時間経過）と行方向（コホート間比較）の両方から異常値を探します。異常値が見つかったら仮説を立て、必要に応じてヒートマップ・ユーザーインタビュー・問い合わせログなど追加分析と組み合わせます。「読んで終わり」にせず、必ず次の施策のActionまで落とすのが前提です。

06｜主なツール

代表的なツールには次の選択肢があります。導入難易度・カバー範囲・価格レンジが異なるため、目的と社内リソースに合わせて選定します。

ツール	提供元	主な特徴
Googleアナリティクス4（GA4）	Google	Webサイトのコホート分析を無料で開始可能。「コホートデータ探索」レポートを標準搭載
Mixpanel	Mixpanel, Inc.	プロダクト分析特化。コホートをイベント／プロパティ条件で柔軟に定義し、リテンション分析と組み合わせて確認可能
Amplitude	Amplitude, Inc.	リテンション分析で「N-Day」「Unbounded」「Bracket」の3方式に対応
BIツール（Tableau・Looker等）	各社	社内データ基盤と直接接続。コホート表の自由なカスタマイズが可能

Amplitudeのリテンション分析方式の詳細は、公式の解説ガイドで確認できます。N-Dayは「特定日にちょうど戻ってきたか」、Unboundedは「特定日以降のいずれかで戻ってきたか」、Bracketは「指定期間内に戻ってきたか」を見る方式で、サービスの利用サイクルに応じて使い分けます。

出典：Retention Analytics（Amplitude）

07｜LP運用での活用

LPやWeb広告の運用領域では、コホート分析を「LP単位」「流入元別」で切り直すと、施策評価の解像度が上がります。

LP単位の継続率比較

複数のLPを並走させているとき、単発のCVR比較だけでは「短期的にCVを稼いだLP」と「中長期で再訪・追加CVを生んだLP」の区別がつきません。
LP別にコホートを切ると、リード獲得後のメール開封、サンクスページ後の継続購入、リピート率といった「LPごとの獲得後の質」が時系列で見えるようになります。

流入元別の継続率比較

広告クリエイティブAとB、検索KW別、参照元別にコホートを並べると、CV直後の継続率や再訪率に差が出ているかが分かります。
同じCV単価でも、継続が伸びる流入経路と短期で離脱が集中する流入経路が分かれるケースがあり、出稿配分や入札の見直しの材料になります。

LPのABテストの進め方そのものについて詳しく解説している記事もございますので、あわせてご参照ください。

LPのABテストの正しいやり方は？メリットや手順、ツールを解説

Squad beyondを使ったLP×コホート分析の運用

コホート分析そのものはGA4やプロダクト分析ツール側で行う前提でも、コホート単位で「どのLPが・どの流入元で・どんな挙動か」を素早く検証できる環境を持っておくと、仮説検証のスピードが上がります。

Squad beyondは、LP制作・ABテスト・ヒートマップ分析・広告データ集約を1つのプラットフォーム上で進められる運用環境を提供しています。

LPパターンごとに必要な母数を確保しながらABテストを並走させたり、コホート間で離脱に差が出ている箇所のヒートマップ比較を同じツール内で回したりすることで、コホート分析から得た仮説をLP施策に落とすまでの距離を短くできます。

ヒートマップの基本と活用方法について詳しく解説している記事もございますので、あわせてご参照ください。

ゼロから分かるヒートマップ｜メリット、注意点、おすすめツール5選を紹介

08｜実施時の注意点

コホート分析は、設計を誤るとミスリードを招く分析でもあります。実装前に押さえておきたいポイントを整理します。

母数を確保する

• コホートを細かく切りすぎると、各セルに含まれるユーザー数が小さくなり、ノイズと有意な差の区別が難しくなります。粒度（日／週／月）と切り口（属性・行動）のどちらを優先するかを、データ量に応じて調整します。セルあたりのユーザー数が極端に少ない場合は、いったん粒度を粗くしてから細かく分けるのが安全です。

観測期間を十分にとる

• 短い観測期間で「効果なし」と結論づけると、遅れて表れる影響を見落とします。サービスの再訪サイクルに合わせ、少なくとも複数サイクル分のデータを確保したうえで評価します。月次のサブスクなら3〜6ヶ月、日次接触型のサービスなら数週間など、サイクルに合わせて期間を設計します。
  

相関と因果を取り違えない

• コホート間で差が出ても、それが施策の効果なのか、別要因（季節要因、競合動向、外部イベント）の影響かは別途検証が必要です。コホート分析は仮説生成に強みがある一方、因果の特定にはABテストや実験設計の併用が要ります。差が見えた時点ですぐ「施策が効いた」と判断せず、外部要因の有無を確認してから結論を出すのが安全です。
  

定性情報で補完する

• 数字だけでは「なぜそうなったか」までは見えません。離脱が集中するタイミングが分かったら、ヒートマップ、ユーザーインタビュー、問い合わせログなどで定性的な裏付けを取り、施策に反映します。定量と定性をセットで運用することで、仮説の確度と施策の質を引き上げられます。
  

LPの離脱率を改善する具体的な方法・LPOの手順とCVR改善のつなぎ方について詳しく解説している記事もございますので、あわせてご参照ください。

• LPの離脱率を改善する方法とは？メリットと分析ツールを紹介
• LPOがCVR改善に有効な理由｜5つの手順やポイント・成功事例を紹介

09｜コホート分析についてよくある質問（FAQ）

10｜まとめ

コホート分析は、流入や売上の「総量」だけでは見えない、獲得の質と時間経過に伴う行動変化を捉えるための手法です。取得日・行動・属性という3つの切り口を目的に合わせて使い分け、GA4などのツールで時系列の継続率を確認することで、施策ごとの効果を中長期で評価できるようになります。

LP運用領域では、流入元別やLP別にコホートを切り、ABテストやヒートマップ分析と組み合わせると、改善仮説の精度を高められます。導入の手順としては、ツール選定から入るのではなく、目的とKGIを明確にし、観測サイクルに合った粒度を設計してから始めるとブレが少なく、後段の意思決定もスムーズに進められます。まずは無料で開始できるGA4のコホートデータ探索から触れ、必要に応じてMixpanel・Amplitudeなどの専門ツールへ広げていく進め方が、最初の一歩として取り組みやすい流れです。

　

｜広告運用ノウハウ公開中！

より詳しく知りたい方は資料をダウンロード！