コホート分析とリテンションの読み方

前提 — コホート分析で何がわかり、何がわからないか

コホート分析が答えられるのは「特定の時期に登録したユーザー群が、その後どれだけ製品を使い続けたか」という問いです。全体の会員数や月次アクティブユーザー数(MAU)だけを見ていると、新規獲得の増加が既存ユーザーの離脱を覆い隠してしまい、実際には土台が痩せていることに気づけません。コホートに分けて初めて、新規流入の勢いとは独立に「定着」の実態を切り出せます。

逆に、コホート分析だけでは「なぜ辞めたのか」という理由は説明できません。数値の変化を検知するための手法であり、原因の特定にはユーザーインタビューなど別の手段を組み合わせる必要があります。ここでは登録月ごとの週次コホートを例に、読み方の手順を扱います。

手順 — コホート表とリテンションカーブの作り方

1. コホートの基準日を決めます。登録日、初回課金日、初回アクティベーション日など、プロダクトの価値提供が始まるタイミングに合わせるのが基本です。

2. 観測の間隔を決めます。利用頻度が高いプロダクトなら週次、月次の利用が前提のB2B業務ツールなら月次が自然です。間隔を短くしすぎると、母数の少なさゆえのブレが目立ちます。

3. 各コホートについて、基準日を100%として、各期間経過時点で「基準となる行動」を行ったユーザーの割合を計算します。「基準となる行動」はログインではなく、そのプロダクト固有の価値行動(例: 記事の保存、レポートの作成)にするほど精度が上がります。

4. コホートを縦に並べた表を作り、同じ経過期間の列を横に見比べます。新しいコホートほど継続率が改善しているなら、プロダクト改善が効いている可能性があります。

適用例 — 架空のSaaSプロダクトでのコホート表

以下は説明のための架空の数値です。実在のベンチマークではなく、読み方を示すための例としてご覧ください。

コホート(登録月)  week0  week1  week2  week4  week8
2026-01           100%   62%    51%    44%    41%
2026-02           100%   58%    49%    43%    42%
2026-03           100%   60%    52%    45%    44%

この例では、week4からweek8にかけて継続率がわずかに上昇しています。下げ止まった後に反転上昇する形は、成長実務者の間で「笑うカーブ」と呼ばれる形状で、Reforgeの創業者Brian Balfourの一連の論考でも繰り返し取り上げられている考え方です。3つのコホートを比べると、新しいコホートほどweek1時点の継続率がわずかに高く、オンボーディング改善の効果が出始めている可能性を示唆しています。

つまずきやすい点

リテンションとチャーンを単純な補数(継続率+解約率=100%)として扱うのは、サブスクリプションの解約が明確に定義されているビジネスでは成立しますが、フリーミアムのような「使わなくなったが解約はしていない」状態が存在するプロダクトでは成立しません。休眠から復帰する「リアクティベーション」も考慮しないと、実態より悲観的な解約率を算出してしまいます。

もう一つの落とし穴は、母数の小さいコホートを過大解釈することです。週あたり数十人しか登録しないプロダクトでは、数人の行動差だけで継続率が10ポイント以上動くことがあり、笑っているように見えるカーブが単なる偶然のブレにすぎない場合もあります。ただし、母数が小さいからといってコホート分析自体を諦める必要はなく、観測期間を月次に広げる、複数月をまとめて一つのコホートとして扱うといった調整で対応できます。一方、B2Bプロダクトのように利用頻度が週次でなく四半期単位に近い製品では、週次のコホート表を機械的に当てはめると、正常な利用サイクルを離脱と誤読してしまう点にも注意が必要です。

次に読む

コホートで捉えた継続率は、日々追いかける指標として一段落とし込むと運用しやすくなります。指標設計の考え方は「North Star指標の設計と運用」で扱っています。また、リテンションカーブの形状はPMFのシグナルの一つでもあるため、「プロダクト・マーケット・フィットの測り方」と合わせて読むと、指標同士のつながりが見えてきます。