AI活用の教科書
データ分析改善ふつう3分で読了

コホート分析

Cohort Analysisこほーとぶんせき

ひとことで言うと

利用者を「入った時期」などのグループに分けて、その後の行動を時間ごとに追いかける分析手法です。

📖 もうちょい詳しく

何が新しいの?

全体の数字だけを見ていると、「先月より会員が増えた」のように、よい話に見えてしまうことがあります。でも、その裏で前から使っている人がどんどん離れている、という場合もあります。コホート分析は、利用者を「いつ入ったか」などのまとまりに分けて、その後を別々に追いかける見方です。これで「最近の人は続くのか、続かないのか」がはっきり見えてきます。

どうやって動いてるの?

まず利用者を、入会した月など同じ条件のグループに分けます。この同じ条件で区切ったまとまりを「コホート」と呼びます。そして各グループについて、1か月後・2か月後…とどれだけ残って使っているかを並べていきます。多くは縦に「入った月」、横に「経過した月数」を置いた表(コホート表)にして、色の濃さで残り具合を見られるようにします。

何ができるの?

たとえば「3月に入った人は2か月で半分が離れたが、5月に入った人はよく残っている」といった違いが見えます。すると、5月に何を変えたのかを調べて、よかった点を他にも広げられます。サービスの改善が効いたのかどうかを、時間の流れに沿って確かめられるのが強みです。

🌱 身近なたとえ

学校の入学年度ごとのクラスで例えると分かりやすいです。2024年度入学・2025年度入学…と学年で分けておけば、「どの年度の生徒が、何年後にどれだけ部活を続けているか」を別々に追えます。全校をまとめて数えると見えない「入った時期による続きやすさの差」が、年度で区切ると見えてくる、という考え方です。

✅ まず覚えるポイント

  • コホートとは「同じ条件・同じ時期で区切った利用者のまとまり」のことです
  • 全体の合計ではなく、グループごとに時間を追って比べるのが特徴です
  • よく使うのは「入会月 × 経過月数」で残り具合を見る表(コホート表)です
  • 「人が残っているか(リテンション)」や「離れた割合」を測るのに向いています
  • いつの施策が効いたかを、時間の流れと一緒に確かめられます
  • マーケティングやサービス改善の「効果が出たかどうか」の判断に使われます

🧭 よくある勘違い

全体の数字を見ていれば十分じゃないの?

全体だと、新しく入った人の数で古い利用者の離脱が隠れてしまうことがあります。グループごとに分けて初めて、「新しい人ほど続いている/続いていない」という変化に気づけます。合計の数字とコホートの数字は、役割が違うものです。

コホート=年齢や性別のグループ分けのこと?

年齢や性別で分けることもありますが、それだけではありません。コホート分析でよく使うのは「いつ始めたか」という時期での区切りです。時期で分けて、その後の経過を追うところに、この分析ならではの意味があります。

残った人数さえ数えればいいの?

人数の増減だけでは「なぜそうなったか」までは分かりません。残り具合の差が見えたら、その時期に何を変えたのかを合わせて調べることで、はじめて改善のヒントになります。

🧩 関連して覚えると楽な言葉

  • チャーンレート(churn-rate): ある期間にどれだけの利用者が離れたかを表す割合。コホートの「離れ方」を測る指標です
  • LTV(ltv): 一人の利用者が使い続ける間に生む価値の合計。コホートごとの定着の差が、この数字に効いてきます
  • ファネル分析(funnel-analysis): 利用者が登録から購入まで進む途中でどこで離れるかを見る分析。時期で追うコホートと相性がよい見方です
  • ABテスト(ab-testing): 2つの案を比べて効果を確かめる方法。コホートで見えた違いの原因を、実験で確かめるときに使います

🏁 ひとことでまとめ

利用者をまとめて数えず、「入った時期」などで小分けにして、その後を追いかける見方です。全体の数字に隠れた変化を見つけ、改善が効いたかを確かめるのに役立ちます。