定義
コホート分析とは、ユーザーを初回行動日（初回購入・初回登録・初回アプリ起動など）ごとにグループ化し、その後の行動や収益を時系列で追跡・比較する分析手法です。
DTC・EC文脈では「いつ獲得した顧客か」という獲得コホート単位で、LTV・継続率・リピート率・CAC回収期間を並べて比較します。単純な全体平均では見えにくい「施策の効き目」や「プロダクト改善の効果」を、時間軸で切り出して評価できる点が最大の強みです。
たとえば「2024年1月獲得コホート」と「2024年6月獲得コホート」の90日LTVを比較すれば、CRM改善や商品ラインナップ変更が実際に顧客価値を押し上げたかを定量的に判断できます。
类比（たとえ話）
コホート分析は、学校の「入学年度別クラス」の追跡調査に似ています。
- 2023年度入学クラス（コホートA）
- 2024年度入学クラス（コホートB）
それぞれのクラスが「入学から1年後・2年後・3年後にどれだけ成績が伸びたか」「どれだけの生徒が卒業まで残ったか」を並べて見るのがコホート分析です。
全体の平均点だけを見ていると「今年は平均70点」としか分かりません。しかし入学年度別に分けると「2024年度クラスは入学時50点→1年後75点に急伸」「2023年度クラスは横ばい」といった施策・環境の違いによる差が浮かび上がります。
ECでも同じで、「今月の売上」という横断的な数字ではなく、「1月獲得客が3ヶ月後にどれだけ買ったか」という縦断的な視点が意思決定を変えます。
公式
1. コホート継続率（Retention Rate）
$$
\text{Retention Rate}_{(n)} = \frac{\text{コホート }C\text{ の第 }n\text{ 期に購買したユーザー数}}{\text{コホート }C\text{ の初回獲得ユーザー数}} \times 100
$$
具体例：2024年1月コホートの初回獲得が 1,200人、3ヶ月後に購買したのが 288人 の場合
$$
\text{3ヶ月継続率} = \frac{288}{1200} \times 100 = 24.0\%
$$
2. コホートLTV（累積）
$$
\text{LTV}_{(n)} = \frac{\text{コホート }C\text{ の第 }0\text{ 期〜第 }n\text{ 期の累積売上}}{\text{コホート }C\text{ の初回獲得ユーザー数}}
$$
具体例：1月コホート1,200人の90日累積売上が 3,600,000円 の場合
$$
\text{90日LTV} = \frac{3{,}600{,}000}{1{,}200} = 3{,}000\text{円}
$$
3. CAC回収期間（Payback Period）
$$
\text{Payback Period} = \frac{\text{CAC}}{\text{月次ARPU}}
$$
具体例：CAC 4,500円、月次ARPU 1,500円 の場合
$$
\text{回収期間} = \frac{4{,}500}{1{,}500} = 3.0\text{ヶ月}
$$
コホート分析 vs その他の分析手法
| 分析手法 | 軸 | 主な用途 | DTC/ECでの典型例 |
|---|---|---|---|
| **コホート分析** | 獲得時期 × 経過時間 | 継続率・LTVの縦断比較 | 1月獲得客 vs 6月獲得客の90日LTV比較 |
| セグメント分析 | 属性（性別・地域） | 静的グルーピング | 30代女性 vs 40代男性のCVR |
| RFM分析 | 購買recency/frequency/monetary | 優良顧客の抽出 | 優良顧客リストの抽出 |
| ファネル分析 | 購買プロセス段階 | 離脱ポイント特定 | カート→決済の離脱率 |
| A/Bテスト | 施策の有無 | 因果推論 | 新LP vs 旧LPのCVR |
コホート分析は「時間軸」を主軸に据える点で他と一線を画します。セグメント分析が「誰が」に注目するのに対し、コホート分析は「いつ獲得した誰が、その後どうなったか」を追います。
応用シーン（DTC/EC実務）
1. 獲得チャネル別の品質評価
Meta広告経由の1月コホートと、TikTok広告経由の1月コホートを並べ、90日LTVを比較。Meta: 3,200円 / TikTok: 2,100円 なら、CACが同じでもMetaの方が投資効率が高いと判断できます。
2. 商品リニューアル効果の検証
2024年3月に定番商品をリニューアルした場合、3月以降獲得コホートのリピート率が前期比 +5.2pt 改善していれば、施策が効いている証拠になります。
3. サブスクECのチャーンモデリング
月次サブスクでは、獲得月別の解約率カーブを描くことで「3ヶ月目に解約が集中する」といった危険地帯を特定できます。たとえば1月コホートの3ヶ月目解約率が 18.4% と他月平均（11.2%）より高いなら、オンボーディング施策の見直しポイントです。
4. 休眠復帰キャンペーンの効果測定
休眠顧客へのクーポン配信後、対象コホートの再購買率が 7.8% → 14.6% に上昇したかをコホート単位で確認します。
よくある誤解（アンチパターン）
❌ 誤解1：「全体平均で見れば十分」
全体平均はシンプソンのパラドックスを招きます。新規コホートの質が落ちていても、過去の優良コホートが平均を押し上げ、改善しているように見えるケースは頻出です。
❌ 誤解2：「コホートは月次で切ればいい」
獲得数が少ないDTCでは月次だとノイズが大きすぎます。週次または四半期で切り、統計的有意性を確保しましょう。目安として1コホートあたり 最低300人 が望ましいです。
❌ 誤解3：「LTVは1年経たないと分からない」
初期コホートの30日・60日・90日LTVから長期LTVを回帰予測する方法が実務では一般的です。たとえば90日LTVが3,000円なら、365日LTVは経験的に 6,500〜7,800円 レンジで推定できます。
❌ 誤解4：「コホート分析はCRM担当だけのもの」
商品開発・在庫計画・広告予算配分まで、あらゆる意思決定に効きます。特にCAC上限の設定はコホートLTVなしには不可能です。
❌ 誤解5：「継続率が高ければOK」
継続率が高くてもARPUが低いコホートは利益に貢献しません。継続率 × ARPU × 粗利率の3点セットで評価しましょう。
関連用語
- LTV（Life Time Value）：顧客生涯価値。コホート分析の主要KPI
- CAC（Customer Acquisition Cost）：顧客獲得単価
- Retention Rate：継続率。コホート分析の中核指標
- Churn Rate：解約率。Retentionの裏返し
- RFM分析：Recency/Frequency/Monetaryによる顧客分類
- コホートテーブル：行にコホート、列に経過期間を取った集計表
- ARPU：ユーザー1人あたり月次売上
- Payback Period：CAC回収期間
- Simpson's Paradox：層別すると傾向が逆転する統計的罠
まとめ
コホート分析は、DTC・ECにおいて「いつ獲得した顧客が、その後どれだけ価値を生むか」を時間軸で可視化する最強の分析手法です。全体平均に騙されず、施策の真の効果を測るために、最低でも獲得月次 × 90日LTV × 継続率の3軸コホートテーブルを毎月更新する運用を推奨します。CAC回収期間が3ヶ月以内、90日継続率が25%以上あれば、DTCとしては健全な水準の目安となります。