データでビジネス課題を診断する

🔄 前回のおさらい: レッスン5でAIによるデータ探索、異常検知、予測分析を学びました。ここではアナリティクスの最も難しい問い——なぜこれが起きているのか——に答える診断テクニックを学びます。

コホート分析：平均が隠すものを見つける

平均は嘘をつく。新規と既存顧客を混ぜ、強い月と弱い月をブレンドし、改善と悪化のトレンドを溶かし合わせる。コホート分析は共通の開始点を持つグループにデータを分け、各グループを時系列で追跡する。

コホート分析の仕組み：

読み方：1月コホートは1ヶ月後に92%を維持。3月コホートは1ヶ月後に85%のみ。この低下トレンドは全体リテンション指標では見えない——しかし何かが変わったことを示す早期警告。

コホート分析を使うべきとき：

• リテンションは「安定」だが何かがおかしい
• 変更の影響を新規ユーザーと既存ユーザーで分けて測定したい
• 顧客の質が変化している気がするが集計指標では見えない
• 異なる顧客グループの行動を時系列で比較したい

コホート分析の構築を手伝ってください。

データ：[データの説明——登録日、購買履歴、利用ログ等]
質問：[何を理解しようとしているか？]
コホート定義：[どのようにグループ化？登録月、獲得チャネル、プラン別等]

分析：
1. 各コホートのリテンション/エンゲージメントの比較
2. トレンドはあるか——新しいコホートは良くなっているか悪化か
3. どの時点で最大の離脱が起きるか
4. 最高パフォーマンスと最低パフォーマンスのコホート間で何が変わったか
5. 根本原因について何を示唆するか

✅ 確認クイズ: コホート分析が集計指標では見えない問題を明らかにする理由は何か？

ファネル分析：価値のリークを見つける

すべてのビジネスにファネルがある——最初の接触から目的の成果までのステップの連続。ファネル分析は各ステップの転換率を測定し、最大の離脱がどこかを見つける。

ビジネスタイプ別のファネル：

テコの原理： 転換率が最低のファネルステージが通常、最大の改善機会。5%のステップを10%に改善すればそこから下の全出力が倍増。50%のステップを55%にしても10%増にしかならない。

ファネル診断の質問：

1. 最大の絶対離脱はどのステップか？
2. ベンチマーク比で最低の転換率はどのステップか？
3. 離脱はセグメント（チャネル、デバイス、顧客タイプ）で異なるか？
4. 離脱は時間と共に変化しているか？（改善中か悪化中か？）

比較分析：何が違うかを見つける

パフォーマンスに差がある時——チーム間、製品間、顧客セグメント間、期間間——比較分析がなぜかを明らかにする。

比較プロファイリング手法：

1. 2グループを定義：高パフォーマンス vs 平均（または成長セグメント vs 低下セグメント）
2. 両グループ間で利用可能な全指標を比較
3. 最大ギャップを特定——これが診断手がかり
4. 定性調査（インタビュー、観察）で検証

この比較が示すこと：維持された顧客は頻繁にログインし初回価値に素早く到達。解約顧客は初週ほぼ使っていない。対策は「解約を減らす」ではなく「初週のエンゲージメントと価値実感までの時間を加速する」。

✅ 確認クイズ: 比較分析が単一グループの分析より有用な理由は何か？

まとめ

• コホート分析は集計指標が隠すトレンドを暴露する——共通の開始点を持つグループを分けて追跡し、新コホートの悪化、製品変更後の改善、顧客の質の変化を可視化
• ファネル分析は最大テコの改善機会を特定：転換率最低のステップを改善すれば、以下の全ステップに乗数効果
• 「トラフィックを増やす」直感は通常間違い——ファネルの中・下部のリーク修正がほぼ常に上部への投入増より安く速い
• 比較プロファイリング（トップ vs 平均、維持 vs 解約）がグループ間の違いを明らかにし、アクショナブルなインサイトはその違いにある
• 複雑な成果に対する単一変数の説明はほぼ常に不完全——全指標で比較して真のドライバーを見つけ、定性調査で検証

次のレッスン： 分析結果を効果的に伝える方法——データ分析をエグゼクティブが理解し、信頼し、行動する説得力のあるストーリーに変えるデータストーリーテリングを学びます。