コホート分析とは？やり方と実務での使いどころを整理する

コホート分析とは？やり方と実務での使いどころを整理する

「継続率が下がっている」「新機能の効果を知りたい」——こうした問いに、全体平均だけを見て答えようとすると、うまくいっている一部のユーザー群と、うまくいっていない一部のユーザー群が打ち消し合い、実態が見えなくなることがあります。コホート分析は、この「平均に埋もれた違い」を掘り起こすための手法です。この記事では、ツールの操作方法ではなく、コホート分析という考え方そのものと、実務でどう使われているかを整理します。

なお、当サイトにはGA4のコホート分析とは？というGA4（Google Analytics 4。無料で使えるアクセス解析ツール）の機能に絞った記事が既にあります。この記事はGA4に限定せず、手法そのものの定義とツール横断の使い分けを扱う、より一般的な入口として書いています。

30秒で要点

• コホートとは「共通の特性を持つユーザー群」、行動コホートとは「特定の行動を取ったユーザー群」であり、コホート分析はあるコホートを別のユーザー群と比較して行動の違いを見る手法である
• 瞑想アプリCalmは、設定画面に埋もれたリマインダー機能を行動コホート分析で検証し、リマインダー設定がエンゲージメント向上に寄与していたことを確認した。オンライン語学スクールABA Englishは、一見効率的に見えたオンボーディング設計が誤ったコース選択を招いていたことをコホート分析で発見し、改修した
• 小売テック企業Flippは行動コホート分析で優良顧客が好む販売店を特定し、類似ユーザーへの広告でCTR（クリック率）が2倍に向上した
• 代表的な分析手法として「回顧的情報分析」「標準コホート表」「ベイズ型コホートモデル」の3つがあり、ツールとしてはExcel・Google Analytics・Amplitude・Mixpanelなどが用途に応じて使い分けられている

指標の定義——「比較する」とは何を分母・分子にすることか

コホート分析の核心は「比較」ですが、何を分母・分子にするかを決めないと、比較そのものが成立しません。典型的な例は継続率（残存率）です。あるコホートの継続率は、「一定期間後もサービスを使い続けているユーザー数」を分子に、「そのコホートの初期人数」を分母にして計算します。この分母・分子をコホートごとに揃えて並べることで、初めて「どのコホートの継続率が高いか」を比較できるようになります。分母の取り方(登録日基準か、初回購入日基準か等)がコホートによってずれていると、比較そのものが意味を持たなくなる点に注意が必要です。

なぜ「コホート分析=難しい統計手法」だと誤解しやすいのか

コホート分析という言葉を初めて聞くと、多くの人は「専門的な統計知識が必要な、上級者向けの手法」だと身構えてしまいます。この誤解が生まれる背景には、コホート分析の説明でしばしば登場する「標準コホート表」や「ベイズ型コホートモデル」といった、統計的に精緻な手法が先に紹介されることがあります。

しかし実際には、コホート分析の出発点は「ユーザーをグループに分けて、グループごとの行動を並べて見る」という比較的シンプルな作業です。瞑想アプリCalmの事例も、リマインダー機能という1つの機能の有無でユーザーを2つのグループに分け、その後の行動を比較したという、複雑な統計モデルを必要としない分析でした。統計的に精緻な手法は、比較の精度を上げたい場面で後から足すものであり、コホート分析を始めるための必須条件ではありません。

事例から見える、コホート分析が拾い上げるもの

コホート分析が実務でどう機能するかは、具体的な事例を見ると分かりやすくなります。オンライン語学スクールABA Englishは、コホート分析によって、一見効率的に見えたオンボーディング設計が、実際には利用者に誤ったコースレベルを選ばせてしまっていたことを発見し、改修しました。これは、全体の完了率だけを見ていては気づけなかった問題です。「オンボーディングの完了率は高いのに、なぜかその後の定着率が伸びない」というコホートごとの比較があって初めて、問題の所在が見えてきます。

小売テック企業Flippの事例は、逆に「うまくいっているコホート」を掘り下げた例です。優良顧客という行動コホートを分析し、彼らが好む販売店を特定した上で、似た行動パターンを持つユーザーに絞ってターゲティング広告を配信した結果、CTRが2倍に向上しました。問題を見つけるためだけでなく、うまくいっている部分を見つけて広げるためにも、コホート分析は使えるということです。

代表的な分析手法——回顧的情報分析・標準コホート表・ベイズ型コホートモデル

コホート分析の手法にはいくつかの種類があります。1つ目は回顧的情報分析で、過去の行動変化について対象者に定性的に聞き取る手法です。ログデータが十分に蓄積されていない場合や、数字だけでは分からない「なぜ行動が変わったのか」を知りたい場合に向いています。2つ目は標準コホート表で、年齢効果・時代効果・世代効果という3つの観点で整理する表です。3つ目はベイズ型コホートモデルで、統計数理研究所の中村隆氏が考案した、隣接する区分の係数の差を小さくすることで精密な分析を行う手法です。数字の精度を上げたい場面で使われますが、扱いにはある程度の統計的な知識が必要になります。

どの手法を選ぶかは、「どこまでの精度が必要か」「対応できる分析リソースがあるか」によって変わります。まずは回顧的情報分析や標準コホート表のような、取り組みやすい手法から始め、必要に応じて精緻な手法を足していくという順序が現実的です。

ツールの使い分け——規模と用途で選ぶ

分析ツールとしては、小規模な分析に向くExcel、無料でWebトラフィックを分析できるGoogle Analytics、ユーザー軸の高度な行動分析ができるAmplitude、リアルタイムの行動データ分析に向くMixpanelなどが挙げられます。ただし、どのツールがどの用途に向くかという評価は、ツール提供側や解説記事の編集部による見解であり、客観的なベンチマーク結果ではない点には留意が必要です。自社のデータ量・エンジニアリングリソース・分析したい粒度に照らして、実際に無料枠やトライアルで試してから選ぶことをおすすめします。

確かなことと、まだ確かではないこと

確かなこと: コホート分析の基本的な定義(共通の特性を持つユーザー群を比較する手法)、Calm・ABA English・Flippという3社の活用事例の内容、回顧的情報分析・標準コホート表・ベイズ型コホートモデルという3つの代表的な手法の存在、Excel・GA・Amplitude・Mixpanelという4つのツールが用途別に紹介されていること。これらは参照した情報源で確認できています。

まだ確かではないこと: どの手法・どのツールが「自社にとって」最適かは、業種・データ量・分析リソースによって変わるため、この記事だけでは判断できません。また、ツールごとの向き不向きの評価は編集部の見解であり、独立した比較検証の結果ではない点に留意してください。

自分でも試せる、最小の検証

自社のサービスで「よく使われている機能」を1つ選び、その機能を使ったユーザー群(行動コホート)と使っていないユーザー群を、Excelでもよいので簡単に分けてみてください。その2つのグループで、1週間後・1ヶ月後の継続率(その時点でも利用しているユーザー数 ÷ 初期人数)を比べてみると、平均だけを見ていては気づかなかった差が見えてくることがあります。

判断に迷ったときに立ち返る問い

「全体の数字」だけを見て一喜一憂する前に、「どのユーザー群の数字か」を確認しているか、という問い。 コホート分析は、平均という数字が隠してしまう違いを掘り起こすための手法です。難しい統計モデルから入る必要はなく、まずは「行動の有無でユーザーを2つに分けて比較する」という小さな一歩から始められます。

コホート分析をGA4で具体的にどう実施するかはGA4のコホート分析とは？ユーザー行動をどう分析するかで、データ分析全体の考え方はWebデータ分析の考え方｜数字で判断するための基礎で扱っています。この記事は、それらとは別に、ツールに依存しないコホート分析という手法そのものの定義と使いどころを整理することを目的にしています。

この記事で扱ったような判断を、自社の状況に照らして整理したい場合は、無料診断ツールで状況を言語化するところから始めることができます。