コホート分析とは｜定着率・継続率の見方とGA4・Excelでの作り方を中小企業向けに解説

「先月は新規のお客様がたくさん来たのに、売上が思ったほど伸びない」「キャンペーンで一時的に会員は増えたが、その後どうなったのか分からない」——こうした悩みは、多くの中小企業のWeb担当者や経営者が抱えています。原因の多くは、獲得した数だけを見て、その後の「残り具合」を追えていないところにあります。

この「残り具合」を、獲得した時期ごとのグループに分けて追いかけるのがコホート分析です。少しとっつきにくい言葉に聞こえるかもしれませんが、考え方そのものはとてもシンプルで、Excelでも作れます。本記事は、コホート分析という言葉を初めて知る方でも、読み終えたときに自社のデータで手を動かせる状態になることを目指して構成しました。なお、顧客分析全体の地図を先に把握したい場合は、顧客分析の全体像をまとめた記事から読むと、コホート分析がどの位置づけにあるのかがつかみやすくなります。

コホート分析とは何か：同じ時期に獲得した顧客群を追う

まずは言葉の意味から整理します。コホート分析は難しい統計知識を必要とせず、発想を理解すれば誰でも使える考え方です。

コホートとは「同じ時期に同じ経験をした集団」

コホート(cohort)とは、もともと「同じ特徴を共有する集団」を指す言葉です。マーケティングの文脈では、多くの場合「同じ時期に獲得した顧客のグループ」を意味します。たとえば「2026年1月に初めて購入したお客様」「2026年2月に会員登録したお客様」といった具合に、獲得した月ごとにひとまとまりにします。

この一つひとつのグループがコホートです。そして、それぞれのコホートが時間の経過とともにどれだけ残っているか、あるいはどれだけ再び購入してくれているかを追いかけるのがコホート分析です。獲得の時期という「入口」をそろえたうえで、その後の行動を横並びで比較できる点に、この手法の価値があります。

なぜ「全体の平均」では不十分なのか

多くの現場では、継続率や再購入率を「全体の平均」で見ています。しかしこの見方には落とし穴があります。新規のお客様が毎月大量に流入していると、獲得したばかりで継続率の高いお客様が平均を押し上げ、実際には古いお客様がどんどん離れていても、その事実が数字の中に埋もれてしまうのです。

コホート分析は、獲得月という切り口でデータを分けることで、この「埋もれ」を解消します。「1月に獲得したお客様は3か月後に何割残ったか」「2月のお客様はどうか」を並べて見ると、施策やサービス改善の効果が月を追うごとに現れているのか、それとも悪化しているのかが、はっきりと読み取れるようになります。全体平均が横ばいでも、コホート別に見ると新しい月ほど定着が良くなっている、という前向きな変化を発見できることも少なくありません。

なお、コホート分析は「継続率」や「リピート率」と密接に関わります。リピート率そのものの定義や高め方についてはリピート率の見方と改善の記事で詳しく扱っているため、あわせて読むと理解が立体的になります。

セクションのまとめ：コホート分析とは、同じ時期に獲得した顧客群を時間軸で追い、全体平均では埋もれてしまう定着の変化を見えるようにする手法です。

定着率・継続率の見方：コホート表(定着率マトリクス)の読み方

コホート分析の成果物は、多くの場合「コホート表」という三角形の表になります。ここでは、その読み方を丁寧に解説します。

コホート表の基本構造

コホート表は、縦軸に「獲得した月(コホート)」、横軸に「獲得してからの経過月数」を並べた表です。各マスには、そのコホートが経過月数の時点で何割残っているか(定着率・継続率)が入ります。獲得直後(0か月目)は必ず100%で、時間が経つほど数字は下がっていくのが一般的です。

下の表は、あるサービスの定着率マトリクスの例です。色が濃いほど定着率が高いことを表しています。実際のコホート表は、このように数値と色を組み合わせて「どこで大きく離脱しているか」を一目で把握できるようにします。

獲得月(コホート)	0か月	1か月後	2か月後	3か月後
2025年11月獲得	100%	38%	24%	18%
2025年12月獲得	100%	42%	29%	22%
2026年1月獲得	100%	49%	35%	—
2026年2月獲得	100%	55%	—	—

縦に読むと「施策の効果」、横に読むと「離脱のタイミング」

コホート表には、二つの読み方があります。一つは「縦読み」です。同じ経過月数(たとえば1か月後)の列を縦に見比べると、獲得月が新しくなるにつれて定着率が改善しているかどうかが分かります。上の例では、1か月後の定着率が38%→42%→49%→55%と上がっており、獲得してからの初期体験が改善していることが読み取れます。オンボーディングの見直しや初回フォローの施策が効いている、という仮説につながります。

もう一つは「横読み」です。一つのコホートを横に追いかけると、そのグループがいつ大きく離れるのかが見えます。上の例では、どのコホートも0か月から1か月後にかけて大きく数字が落ちています。つまり「最初の1か月で離脱するお客様が最も多い」ことが分かり、力を注ぐべきは獲得後すぐの体験だと判断できます。

定着率と継続率、どちらの言葉を使うか

コホート表で扱う数字は、業種によって呼び名が変わります。サブスクリプション型のサービスでは「継続率(リテンション)」、ECや小売では「再購入率」「リピート率」、アプリでは「定着率(リテンションレート)」と呼ばれることが多いでしょう。呼び名は違っても、「最初にいたお客様のうち、その時点で何割が残っているか」を示すという本質は共通しています。自社の言葉に置き換えて考えれば問題ありません。

セクションのまとめ：コホート表は縦軸に獲得月、横軸に経過月を取った三角形の表で、縦読みで施策の改善、横読みで離脱タイミングを把握できます。

GA4でのコホート分析の作り方

コホート分析は専用ツールがなくても始められますが、Webサイトやアプリのデータであれば、無料のGA4(Googleアナリティクス4)に標準機能として搭載されています。ここでは、その手順をかみ砕いて説明します。

手順1：探索レポートで「コホートデータ探索」を開く

GA4の左側メニューから「探索」を選び、新しいデータ探索を作成します。テンプレートの一覧が表示されるので、その中から「コホートデータ探索」を選びます。標準のテンプレートが用意されているため、ゼロから設計する必要はありません。ここまでで、コホート表の枠組みが自動的に出来上がります。

手順2：コホートの条件を設定する

次に、コホートを構成する条件を決めます。GA4では主に四つの項目を設定します。「コホートの登録条件(いつのグループとするか。例:初回訪問した週)」「リターンの条件(どんな行動を継続とみなすか。例:再訪問、購入)」「粒度(日次・週次・月次)」「計算方法」です。中小企業のサイトであれば、まずは粒度を「週次」または「月次」にし、リターン条件を「任意のイベント」または「購入」に設定すると、扱いやすい表になります。

手順3：指標を選んで表を読む

最後に、表に表示する指標(値)を選びます。「ユーザー数」を選べば人数ベース、「イベント数」や「購入による収益」を選べば行動量や金額ベースのコホート表になります。設定が終わると、獲得時期ごとの推移が色付きの表で表示されます。色が濃いマスほど値が大きいため、どのコホートのどの時点で数字が落ちているかを視覚的に追えます。まずは「ユーザー数」で全体像をつかみ、慣れてきたら「収益」に切り替えて金額の残り具合を見る、という順番がおすすめです。

セクションのまとめ：GA4なら「探索→コホートデータ探索」を選び、コホート条件と指標を設定するだけで、無料でコホート表を作れます。

Excel・スプレッドシートでのコホート表の作り方

ECのカートシステムや予約システム、店舗のPOSなど、Webサイト外にデータがある場合は、GA4では捉えきれません。そのようなときは、手元のExcelやGoogleスプレッドシートでコホート表を作るのが現実的です。手順は難しくありません。

用意するのは「顧客ID・獲得月・行動月」の3列

コホート表を作るために最低限必要なのは、たった3つの情報です。「顧客を識別するID(会員番号やメールアドレス)」「その顧客を最初に獲得した月」「その顧客が購入・利用した月」です。POSや予約システム、通販カートの管理画面からは、たいていこの3つを含むデータをCSVで書き出せます。まずはこの生データを1枚のシートに集めます。

経過月数を計算し、ピボットテーブルで集計する

次に、各行動について「獲得月から何か月経過したか」を計算する列を追加します。行動月から獲得月を引けば経過月数が求まります(たとえば1月獲得のお客様が3月に購入したら、経過月数は2)。この経過月数を出したうえで、行に「獲得月」、列に「経過月数」、値に「顧客IDの個数(ユニーク数)」を置いたピボットテーブルを作ると、人数ベースのコホート表が一気に組み上がります。

最後に、各マスの人数を「獲得月0か月目の人数」で割れば、パーセント表示の定着率マトリクスになります。セルに条件付き書式で色の濃淡を設定すれば、GA4と同じように視覚的に読める表が完成します。関数に不慣れな方でも、ピボットテーブルの操作さえ覚えれば、月に一度の更新は10分程度で回せるようになります。

セクションのまとめ：Excelでも「顧客ID・獲得月・行動月」の3列と経過月数の計算、ピボットテーブルがあれば、コホート表は誰でも作れます。

中小企業でのコホート分析の使いどころ：施策の効果検証

作り方が分かっても、使いどころが見えなければ意味がありません。ここでは、限られた人手と予算で運用する中小企業が、コホート分析をどんな場面で活かせるのかを具体的に挙げます。

使いどころ1：施策の効果を「後から」検証する

コホート分析が最も力を発揮するのが、施策の効果検証です。たとえば「2月に初回フォローメールの内容を改善した」としましょう。その効果を、2月以降に獲得したコホートの定着率が、それ以前のコホートより高くなっているかで確認できます。売上全体の増減だけを見ていては、その施策が効いたのか、たまたま季節要因で伸びたのかを切り分けられません。コホートで区切ることで、施策を打った時期を境に変化が起きたのかどうかを、根拠を持って語れるようになります。

使いどころ2：流入元ごとに「お客様の質」を比べる

新規顧客を「どこから獲得したか」でコホートを分けると、流入元ごとの質の違いが見えてきます。広告経由で獲得したお客様と、自然検索や紹介で来たお客様とでは、定着率が大きく異なることは珍しくありません。獲得数だけを見れば広告が優秀に見えても、定着率まで含めると自然検索のほうが長く付き合ってくれる、というケースはよくあります。この視点は、限られた予算をどのチャネルに振り分けるかの判断材料になります。獲得コストと定着後の価値をあわせて考えるうえでは、LTV(顧客生涯価値)の考え方をまとめた記事とセットで見ると、投資判断の精度が上がります。

使いどころ3：離脱の「山場」を見つけて手を打つ

横読みで離脱の集中する時期が分かれば、そこにピンポイントで手を打てます。多くのサービスでは「獲得直後の初回体験」でつまずくお客様が最も多く、この時期の定着率が全体を大きく左右します。コホート表で最初の1か月の落ち込みが激しいと分かれば、初回購入後のフォロー、使い方の案内、初月限定の特典といった施策に資源を集中する、という判断ができます。人手が限られているからこそ、「どこに効かせるか」を絞り込めるコホート分析の価値は大きいと言えるでしょう。

セクションのまとめ：コホート分析は、施策の効果検証・流入元ごとの質の比較・離脱時期の特定という三つの場面で、中小企業の意思決定を後押しします。

AIを使えば、コホート分析の準備と解釈は半分の手間で進みます

コホート分析でつまずきやすいのは、データの整形と「表を読んで言葉にする」ところです。この二つは、AIを半自動化の道具として使うことで、大幅に手間を減らせます。

活用1：データ整形とExcel関数をAIに任せる

「顧客ID・獲得月・行動月のCSVから、経過月数を計算してコホート表を作るExcelの手順を教えて」とAIに依頼すれば、必要な関数やピボットテーブルの設定手順を具体的に示してくれます。関数の書き方が分からず手が止まっていた作業も、AIに聞きながら進めれば、初めてでも一度で組み上げられることが多いでしょう。生データの列名を伝えて「この形からコホート集計するには何が足りないか」を確認する使い方も有効です。

活用2：コホート表の「読み解き」を壁打ちする

出来上がったコホート表の数字をAIに貼り付け、「この表からどんな傾向が読み取れるか」「どのコホートに注目すべきか」を尋ねると、縦読み・横読みの観点を整理して返してくれます。自分だけでは気づきにくい変化のサインを指摘してくれることもあり、解釈の相棒として役立ちます。ただし、AIの読み取りはあくまで仮説です。現場の肌感覚と照らし合わせて、最終的な結論は人が下すことが大切です。

AIに任せきりにしないほうがよい領域

AIは強力な補助になりますが、次の領域は人の判断を残すべきです。

• どの施策を打つかという最終的な意思決定(数字の背景にある現場事情はAIには見えません)
• 数字が悪い理由の断定(相関と因果を取り違えると判断を誤ります)
• お客様への具体的なアプローチ内容(自社の関係性やトーンは人が決めるべきです)
• 顧客IDやメールアドレスなど個人情報を含むデータをそのままAIに入力すること(プライバシー配慮のため、必ず匿名化・集計後のデータを使います)

AIは分析の準備と解釈を速める相棒ですが、最終判断は人間が責任を持つ、という役割分担で使うのが安全です。この半自動化の姿勢が、限られたリソースで成果を出すための現実的な進め方だと考えられます。

セクションのまとめ：AIはデータ整形と表の読み解きを半自動化する相棒として有効ですが、意思決定と個人情報の扱いは人が担うべきです。

コホート分析で「やってはいけない」5つのこと

コホート分析は使い方を誤ると、間違った結論に自信を持ってしまう危険があります。ここでは、特に陥りやすい5つの失敗を挙げます。

やってはいけない1：人数の少ないコホートで一喜一憂する

一つのコホートに含まれる人数が数人しかいない場合、定着率は一人の行動で大きく振れます。10人のコホートで1人が離脱すれば10%の変動になり、それを「改善した」「悪化した」と読むのは危険です。母数が小さいコホートの数字は参考程度にとどめ、ある程度の人数がそろってから傾向を語ることが大切です。

やってはいけない2：直近のコホートを「完成した数字」として比べる

コホート表の右下は、まだ経過月数が浅く、データが出そろっていない領域です。獲得したばかりのコホートの3か月後の欄は空白になります。この途中経過の数字を、期間が完成している古いコホートと同じ土俵で比べると、誤った結論に至ります。比較するときは、同じ経過月数の時点どうしをそろえるのが鉄則です。

やってはいけない3：定着率の低さだけを見て慌てる

定着率の絶対値は業種やサービスの性質によって大きく異なります。日用品と高額な耐久財では、再購入の間隔がまったく違います。他社の数字や一般論の目安と自社を単純に比べて「うちは低い」と落ち込むのは早計です。大切なのは絶対値そのものより、自社のコホートが時間とともに改善しているかどうかの推移です。

やってはいけない4：数字の変化を、すぐ施策の成果と決めつける

コホート間で定着率が変わったとき、それを直前に打った施策のおかげと即断するのは危険です。季節要因、獲得チャネルの変化、価格改定など、定着率を左右する要因は複数あります。一つの施策と一つの変化を安易に結びつけず、他に影響しそうな出来事がなかったかを確認する慎重さが求められます。相関と因果は別物だという意識を持つことが、分析の質を守ります。

やってはいけない5：表を作って満足し、打ち手につなげない

最も多い失敗が、立派なコホート表を作ることが目的化してしまうことです。分析は打ち手を決めるための手段であり、表そのものは成果ではありません。「この表から、次に何をするか」を一つでも決めて実行に移さなければ、かけた時間は報われません。表を見たら必ず「だから、どうする」を一言で言い切る習慣をつけたいところです。

セクションのまとめ：母数の小さいコホートでの早合点、未完成データの比較、絶対値への過剰反応、因果の決めつけ、分析の目的化——この5つは避けるべきです。

あわせて読みたい関連記事

コホート分析は、顧客分析という大きな取り組みの一部です。全体像や周辺の指標を押さえると、コホート分析の位置づけがより明確になります。

• 顧客分析とは｜中小企業が押さえるべき手法と進め方 — コホート分析を含む顧客分析の全体像を整理した、最初に読みたい記事です。
• リピート率とは｜計算方法と改善のポイント — コホート表で追う「継続」の指標そのものを深掘りした記事です。
• LTVとは｜顧客生涯価値の意味と計算・活用 — 定着率の先にある「顧客が生む価値」を金額でとらえる視点を解説しています。

よくある質問

コホート分析について、中小企業のWeb担当者から多く寄せられる質問をまとめました。

まとめ：コホート分析は「獲得の後」を見える化する道具

コホート分析は、獲得した数だけを追っていては見えない「その後」を明らかにする、中小企業にとって費用対効果の高い分析手法です。本記事の要点を改めて整理すると、以下の通りになります。

• コホート分析とは、同じ時期に獲得した顧客群を時間軸で追い、定着率や継続率の変化を読む手法である
• 全体平均では埋もれる変化も、獲得月ごとに分けると施策の効果として見えてくる
• コホート表は縦読みで「施策の改善」、横読みで「離脱のタイミング」を把握できる
• GA4なら「コホートデータ探索」で無料で作れ、店舗データはExcelのピボットテーブルで作れる
• 施策の効果検証、流入元ごとの質の比較、離脱時期の特定という場面で意思決定を助ける
• AIはデータ整形と表の読み解きを半自動化する相棒として使い、意思決定と個人情報の扱いは人が担う
• 母数の小さいコホートでの早合点や、分析の目的化といった失敗は避ける

大切なのは、コホート表を作ること自体を目的にせず、「この表から次に何をするか」を一つ決めて動くことです。まずは手元のデータで一枚のコホート表を作り、自社のお客様がどのタイミングで離れていくのかを、自分の目で確かめてみてください。そこから、明日打つべき一手が見えてくるはずです。