📉 STEP 27: チャーンレート（解約率）分析

顧客離脱の要因を分析してリテンション施策を設計しよう

📋 このステップで学ぶこと

チャーンレートの定義と計算方法
月次・年次チャーンの違い
チャーン要因の分析
リテンション施策の設計
PythonとExcelでの実装

学習時間の目安：3時間

🔍 1. チャーンレート（解約率）とは

基本概念

📌 チャーンレート（Churn Rate）の定義

一定期間に、サービスを解約・離脱した顧客の割合

なぜチャーンレートが重要なのか：

1. LTVへの直接的な影響
・チャーン率が高い → 継続期間が短い → LTV低下
・例：チャーン10% → 平均10ヶ月継続
・例：チャーン5% → 平均20ヶ月継続

2. ビジネスの成長率
・新規獲得 – チャーン = 純成長
・チャーンが高いと、いくら獲得しても成長しない

3. コスト効率
・新規獲得コスト > 既存顧客維持コスト
・チャーン改善 = コスト削減

4. 健全性の指標
・チャーン率の推移でビジネスの健全性を判断
・悪化トレンド = 要注意シグナル

チャーンレートの計算方法

💡 基本的な計算式

月次チャーンレート = (期間中の解約顧客数 / 期間開始時の顧客数) × 100%

例1：シンプルな計算
・月初の顧客数：1,000人
・月間解約数：50人
・月次チャーン率 = 50 / 1,000 × 100% = 5%

例2：新規獲得がある場合
・月初の顧客数：1,000人
・月間新規獲得：100人
・月間解約：50人
・月末の顧客数：1,050人

重要：新規獲得は含めず、月初の1,000人を分母にする
チャーン率 = 50 / 1,000 × 100% = 5%
（月末の1,050人を分母にするのは間違い！）

月次と年次チャーンの関係

📌 年次チャーンへの換算

単純計算（近似値）：
年次チャーン ≈ 月次チャーン × 12

・月次チャーン5% → 年次チャーン ≈ 60%
・月次チャーン3% → 年次チャーン ≈ 36%

正確な計算：
年次チャーン = 1 – (1 – 月次チャーン)^12

・月次チャーン5%の場合：
　年次チャーン = 1 – (1 – 0.05)^12
　= 1 – 0.95^12
　= 1 – 0.540
　= 46%（単純計算の60%より低い）

逆算（年次から月次）：
月次チャーン = 1 – (1 – 年次チャーン)^(1/12)

チャーン率の目安

業種・業態	月次チャーン率	年次チャーン率	備考
SaaS（B2B）	0.5〜1%	5〜10%	優秀な水準
SaaS（B2C）	1〜2%	10〜20%	許容範囲
動画配信	3〜5%	30〜45%	競争激しい
フィットネス	5〜10%	45〜70%	季節変動大
EC会員	2〜4%	20〜40%	購買頻度依存

📊 2. チャーン分析の実践

Pythonでの実装

# ============================================
# チャーンレート分析の実装
# ============================================
# チャーン率（Churn Rate）とは？
#   → 一定期間に解約・離脱した顧客の割合
#   → SaaS、サブスクリプションビジネスの重要指標
#   → LTV（顧客生涯価値）に直結する

import pandas as pd
import numpy as np

# サンプルデータ作成
np.random.seed(42)

# 12ヶ月分のデータを生成
months = pd.date_range(‘2024-01-01′, periods=12, freq=’MS’)
data = []

starting_customers = 1000  # 初期顧客数
current_customers = starting_customers

for month in months:
    # 新規獲得（毎月80〜120人）
    new_customers = np.random.randint(80, 121)
    
    # ============================================
    # チャーン率の計算
    # ============================================
    # チャーン率 = 解約数 / 月初顧客数 × 100%
    # ここでは4〜8%のランダムな値を使用
    churn_rate = np.random.uniform(0.04, 0.08)
    churned = int(current_customers * churn_rate)
    
    # 月末顧客数 = 月初 + 新規 – 解約
    ending_customers = current_customers + new_customers – churned
    
    data.append({
        ‘month’: month.strftime(‘%Y-%m’),
        ‘starting_customers’: current_customers,
        ‘new_customers’: new_customers,
        ‘churned_customers’: churned,
        ‘ending_customers’: ending_customers,
        ‘churn_rate’: churn_rate * 100
    })
    
    # 翌月の月初 = 今月の月末
    current_customers = ending_customers

df = pd.DataFrame(data)

print(“【月次チャーンレートの推移】”)
print(df.to_string(index=False))
print()

# ============================================
# 集計指標の計算
# ============================================
# 平均月次チャーン率
avg_churn = df[‘churn_rate’].mean()
print(f”平均月次チャーン率: {avg_churn:.2f}%”)

# ============================================
# 年次チャーン率の計算（2つの方法）
# ============================================
# 方法1（正確）: 複利計算
#   月次リテンション率 = 1 – 月次チャーン率
#   年次リテンション率 = 月次リテンション率^12
#   年次チャーン率 = 1 – 年次リテンション率
monthly_retention = 1 – (avg_churn / 100)
annual_churn = (1 – monthly_retention ** 12) * 100
print(f”年次チャーン率(正確): {annual_churn:.2f}%”)

# 方法2（近似）: 単純な掛け算
#   → チャーン率が低い場合は近似値として使える
#   → チャーン率が高い場合は大きくずれる
print(f”年次チャーン率(近似): {avg_churn * 12:.2f}%”)

# ============================================
# 平均継続期間
# ============================================
# 平均継続期間 = 1 / 月次チャーン率
#   → チャーン率5%なら、平均20ヶ月で全員入れ替わる
avg_lifetime_months = 1 / (avg_churn / 100)
print(f”平均継続期間: {avg_lifetime_months:.1f}ヶ月”)

# 出力例【月次チャーンレートの推移】 month starting_customers new_customers churned_customers ending_customers churn_rate 2024-01 1000 101 62 1039 6.22 2024-02 1039 93 74 1058 7.12 2024-03 1058 113 73 1098 6.90 2024-04 1098 89 50 1137 4.55 2024-05 1137 99 91 1145 8.00 2024-06 1145 108 68 1185 5.94 2024-07 1185 119 87 1217 7.34 2024-08 1217 107 50 1274 4.11 2024-09 1274 85 74 1285 5.81 2024-10 1285 117 78 1324 6.07 2024-11 1324 110 56 1378 4.23 2024-12 1378 82 90 1370 6.53 平均月次チャーン率: 6.07% 年次チャーン率(正確): 52.12% 年次チャーン率(近似): 72.84% 平均継続期間: 16.5ヶ月

チャーン分析クラスの実装

# チャーン分析クラス

class ChurnAnalyzer:
    “””チャーン率を分析するクラス”””
    
    def __init__(self, monthly_data):
        “””
        Parameters:
        ———–
        monthly_data : list of dict
            各月のデータ（starting, churned, new, ending）
        “””
        self.df = pd.DataFrame(monthly_data)
        self._calculate_metrics()
    
    def _calculate_metrics(self):
        “””各種指標を計算”””
        # 月次チャーン率
        self.df[‘churn_rate’] = (
            self.df[‘churned’] / self.df[‘starting’] * 100
        )
        # 純増減
        self.df[‘net_change’] = self.df[‘new’] – self.df[‘churned’]
        # 成長率
        self.df[‘growth_rate’] = (
            self.df[‘net_change’] / self.df[‘starting’] * 100
        )
    
    def avg_monthly_churn(self):
        “””平均月次チャーン率”””
        return self.df[‘churn_rate’].mean()
    
    def annual_churn(self):
        “””年次チャーン率（正確な計算）”””
        monthly = self.avg_monthly_churn() / 100
        return (1 – (1 – monthly) ** 12) * 100
    
    def avg_lifetime_months(self):
        “””平均継続期間（月）”””
        monthly = self.avg_monthly_churn() / 100
        if monthly == 0:
            return float(‘inf’)
        return 1 / monthly
    
    def report(self):
        “””分析レポートを出力”””
        print(“=” * 55)
        print(“チャーン分析レポート”)
        print(“=” * 55)
        print(f”分析期間: {len(self.df)}ヶ月”)
        print(f”開始時顧客数: {self.df[‘starting’].iloc[0]:,}人”)
        print(f”終了時顧客数: {self.df[‘ending’].iloc[-1]:,}人”)
        print(“-” * 55)
        print(f”平均月次チャーン率: {self.avg_monthly_churn():.2f}%”)
        print(f”年次チャーン率: {self.annual_churn():.2f}%”)
        print(f”平均継続期間: {self.avg_lifetime_months():.1f}ヶ月”)
        print(“-” * 55)
        print(f”総解約数: {self.df[‘churned’].sum():,}人”)
        print(f”総新規獲得: {self.df[‘new’].sum():,}人”)
        print(f”純増減: {self.df[‘net_change’].sum():+,}人”)
        print(“=” * 55)

# 使用例
monthly_data = [
    {‘month’: ‘2024-01’, ‘starting’: 1000, ‘new’: 100, ‘churned’: 50, ‘ending’: 1050},
    {‘month’: ‘2024-02’, ‘starting’: 1050, ‘new’: 110, ‘churned’: 55, ‘ending’: 1105},
    {‘month’: ‘2024-03’, ‘starting’: 1105, ‘new’: 95,  ‘churned’: 60, ‘ending’: 1140},
    {‘month’: ‘2024-04’, ‘starting’: 1140, ‘new’: 120, ‘churned’: 52, ‘ending’: 1208},
    {‘month’: ‘2024-05’, ‘starting’: 1208, ‘new’: 105, ‘churned’: 65, ‘ending’: 1248},
    {‘month’: ‘2024-06’, ‘starting’: 1248, ‘new’: 115, ‘churned’: 58, ‘ending’: 1305},
]

analyzer = ChurnAnalyzer(monthly_data)
analyzer.report()

# 出力例 ======================================================= チャーン分析レポート ======================================================= 分析期間: 6ヶ月開始時顧客数: 1,000人終了時顧客数: 1,305人 ——————————————————- 平均月次チャーン率: 4.95% 年次チャーン率: 45.89% 平均継続期間: 20.2ヶ月 ——————————————————- 総解約数: 340人総新規獲得: 645人純増減: +305人 =======================================================

🎯 3. チャーン要因の分析

なぜ顧客は離脱するのか

💡 チャーンの主な要因

1. 価値を感じない（最大の理由）
・期待していた効果が得られない
・使い方が分からない
・使う機会がない

2. 価格に不満
・高すぎる
・費用対効果が合わない
・競合の方が安い

3. サポートへの不満
・問い合わせに回答がない
・問題が解決しない
・対応が遅い

4. 競合への乗り換え
・より良いサービスを発見
・機能が充実している
・友人の紹介

5. ライフステージの変化
・引っ越し、転職
・ニーズの変化
・予算の削減

チャーン予測モデル

# チャーン予測の特徴量分析

import pandas as pd
import numpy as np

# チャーン予測に使う特徴量の例
features = {
    ‘特徴量’: [
        ‘login_frequency’,
        ‘feature_usage’,
        ‘support_contacts’,
        ‘days_since_signup’,
        ‘payment_failures’,
        ‘last_login_days’,
        ‘usage_trend’
    ],
    ‘説明’: [
        ‘ログイン頻度（回/月）’,
        ‘機能利用数’,
        ‘サポート問い合わせ回数’,
        ‘登録からの日数’,
        ‘支払い失敗回数’,
        ‘最終ログインからの日数’,
        ‘利用量の増減トレンド’
    ],
    ‘チャーンとの関係’: [
        ‘低いとチャーンリスク高’,
        ‘少ないとチャーンリスク高’,
        ‘多すぎるとチャーンリスク高’,
        ‘初期（1-3ヶ月）にリスク集中’,
        ‘1回以上でチャーンリスク高’,
        ‘長いとチャーンリスク高’,
        ‘減少傾向だとリスク高’
    ]
}

df = pd.DataFrame(features)
print(“【チャーン予測の主要特徴量】”)
print(df.to_string(index=False))

# チャーンリスクスコアの計算例
def calculate_churn_risk(user_data):
    “””
    ユーザーのチャーンリスクスコアを計算（0-100）
    “””
    score = 0
    
    # ログイン頻度（低いほど高リスク）
    if user_data[‘login_frequency’] < 2:
        score += 30
    elif user_data['login_frequency'] < 5:
        score += 15
    
    # 最終ログインからの日数（長いほど高リスク）
    if user_data['last_login_days'] > 14:
        score += 25
    elif user_data[‘last_login_days’] > 7:
        score += 10
    
    # 機能利用数（少ないほど高リスク）
    if user_data[‘feature_usage’] < 3:
        score += 20
    elif user_data['feature_usage'] < 5:
        score += 10
    
    # 支払い失敗（あれば高リスク）
    if user_data['payment_failures'] > 0:
        score += 25
    
    return min(score, 100)

# 使用例
user = {
    ‘login_frequency’: 3,
    ‘last_login_days’: 10,
    ‘feature_usage’: 4,
    ‘payment_failures’: 0
}

risk_score = calculate_churn_risk(user)
print(f”\n【ユーザーのチャーンリスクスコア】”)
print(f”スコア: {risk_score}/100″)

if risk_score >= 50:
    print(“→ 高リスク：即座に介入が必要”)
elif risk_score >= 30:
    print(“→ 中リスク：注視が必要”)
else:
    print(“→ 低リスク：現状維持”)

# 出力例【チャーン予測の主要特徴量】特徴量説明チャーンとの関係 login_frequency ログイン頻度（回/月）低いとチャーンリスク高 feature_usage 機能利用数少ないとチャーンリスク高 support_contacts サポート問い合わせ回数多すぎるとチャーンリスク高 days_since_signup 登録からの日数初期（1-3ヶ月）にリスク集中 payment_failures 支払い失敗回数 1回以上でチャーンリスク高 last_login_days 最終ログインからの日数長いとチャーンリスク高 usage_trend 利用量の増減トレンド減少傾向だとリスク高【ユーザーのチャーンリスクスコア】スコア: 25/100 → 低リスク：現状維持

🚀 4. リテンション施策の設計

段階別リテンション施策

🎯 1. オンボーディング期（初月）

目標：価値を早期に実感させる

施策：
・ウェルカムメール
・使い方チュートリアル
・初回利用の成功体験
・専任サポート

🔄 2. アクティベーション期（2〜3ヶ月）

目標：習慣化させる

施策：
・利用リマインド
・便利機能の紹介
・利用データのフィードバック
・コミュニティへの参加促進

📅 3. リテンション期（4ヶ月以降）

目標：長期継続

施策：
・継続特典
・新機能の提供
・ロイヤリティプログラム
・定期的なアップデート

⚠️ 4. アットリスク期（離脱リスク検知時）

目標：離脱を防ぐ

施策：
・パーソナライズドオファー
・特別割引
・電話でのフォローアップ
・解約理由アンケート

施策効果のシミュレーション

# リテンション施策の効果シミュレーション

def simulate_retention_impact(
    customers,
    monthly_revenue,
    current_churn,
    improved_churn,
    gross_margin,
    investment
):
    “””リテンション施策の効果をシミュレーション”””
    
    # 現状のLTV
    current_lifetime = 1 / current_churn
    current_ltv = monthly_revenue * current_lifetime * gross_margin
    
    # 改善後のLTV
    improved_lifetime = 1 / improved_churn
    improved_ltv = monthly_revenue * improved_lifetime * gross_margin
    
    # 効果計算
    ltv_increase = improved_ltv – current_ltv
    total_impact = ltv_increase * customers
    roi = (total_impact – investment) / investment * 100
    
    print(“=” * 55)
    print(“リテンション施策効果シミュレーション”)
    print(“=” * 55)
    print(f”顧客数: {customers:,}人”)
    print(f”月額収益: ¥{monthly_revenue:,}”)
    print(f”粗利率: {gross_margin*100:.0f}%”)
    print(“-” * 55)
    print(f”現状チャーン率: {current_churn*100:.1f}%”)
    print(f”改善後チャーン率: {improved_churn*100:.1f}%”)
    print(“-” * 55)
    print(f”現状LTV: ¥{current_ltv:,.0f}”)
    print(f”改善後LTV: ¥{improved_ltv:,.0f}”)
    print(f”LTV向上: ¥{ltv_increase:,.0f}/人 (+{ltv_increase/current_ltv*100:.1f}%)”)
    print(“-” * 55)
    print(f”投資額: ¥{investment:,}”)
    print(f”年間効果: ¥{total_impact:,.0f}”)
    print(f”ROI: {roi:.0f}%”)
    print(“=” * 55)

# シミュレーション実行
simulate_retention_impact(
    customers=5000,
    monthly_revenue=2000,
    current_churn=0.06,
    improved_churn=0.04,
    gross_margin=0.7,
    investment=3000000  # 300万円
)

# 出力例 ======================================================= リテンション施策効果シミュレーション ======================================================= 顧客数: 5,000人月額収益: ¥2,000 粗利率: 70% ——————————————————- 現状チャーン率: 6.0% 改善後チャーン率: 4.0% ——————————————————- 現状LTV: ¥23,333 改善後LTV: ¥35,000 LTV向上: ¥11,667/人 (+50.0%) ——————————————————- 投資額: ¥3,000,000 年間効果: ¥58,333,333 ROI: 1844% =======================================================

📑 5. Excelでの実装

チャーン率計算シート

【Excelでのチャーン率計算】

=== データ構成 ===
A列: 月
B列: 月初顧客数
C列: 新規獲得
D列: 解約数
E列: 月末顧客数

=== 計算式 ===

【月末顧客数】
E2: =B2+C2-D2

【チャーン率(%)】
F2: =D2/B2*100

【リテンション率(%)】
G2: =100-F2

【翌月の月初顧客数】
B3: =E2

=== 集計 ===

【平均月次チャーン率】
=AVERAGE(F2:F13)

【年次チャーン率(正確)】
=(1-POWER(1-平均チャーン率/100, 12))*100

【平均継続期間(月)】
=1/(平均チャーン率/100)

【総解約数】
=SUM(D2:D13)

【純増減】
=SUM(C2:C13)-SUM(D2:D13)

=== グラフ ===
1. F列(チャーン率)で折れ線グラフ
2. 平均線を追加
3. 目標ライン(例:5%)を追加

📝 STEP 27 のまとめ

✅ このステップで学んだこと

1. チャーンレートの基本

解約顧客の割合を測定
計算式：解約数 ÷ 期間開始時顧客数

2. LTVへの影響

平均継続期間 = 1 / チャーン率
チャーン率改善でLTV向上

3. チャーン要因

価値を感じない（最大の理由）
価格、サポート、競合、ライフステージ変化

4. リテンション施策

段階別に最適な対策を実施
早期検知と介入が重要

💡 最も大切なポイント

チャーン率改善は、最も費用対効果が高い成長戦略です！

チャーン率1%改善の威力：
・月次チャーン5% → 4%に改善
・平均継続期間：20ヶ月 → 25ヶ月（+25%！）
・LTV：14,000円 → 17,500円（+25%！）

成功のコツ：
・早期にチャーンリスクを検知
・データで要因を特定
・段階別に最適な施策
・継続的にモニタリング

次のSTEP 28では、バスケット分析で商品の同時購買パターンを発見します！

🎯 次のステップの予告

STEP 28では、「バスケット分析（アソシエーション分析）」を学びます。「この商品を買った人はこれも買っている」というパターンを発見し、クロスセルに活用しましょう！

📝 練習問題

問題 1 基礎

チャーンレート（解約率）とは何ですか？簡潔に説明してください。

【解答】

チャーンレート（Churn Rate）とは、一定期間にサービスを解約・離脱した顧客の割合です。

計算式：
チャーン率 = 解約顧客数 / 期間開始時の顧客数 × 100%

例：
・月初顧客数：1,000人
・月間解約数：50人
・チャーン率 = 50 / 1,000 × 100% = 5%

重要な理由：
・LTVに直接影響（チャーン率↑ → LTV↓）
・ビジネスの成長率に影響
・既存顧客維持はコスト効率が良い

問題 2 基礎

あるサブスクサービスの情報：

・月初顧客数：2,000人
・月間新規獲得：200人
・月間解約：100人
・月末顧客数：2,100人

月次チャーン率はいくらですか？
また、このペースが続くと、平均継続期間は何ヶ月ですか？

【解答】チャーン率5%、平均継続期間20ヶ月

計算手順：

ステップ1：月次チャーン率を計算
チャーン率 = 解約数 / 月初顧客数 × 100%
= 100人 / 2,000人 × 100%
= 5%

注意：
・分母は月初の2,000人を使う
・月末の2,100人や、新規獲得200人は関係ない！

ステップ2：平均継続期間を計算
平均継続期間 = 1 / 月次チャーン率
= 1 / 0.05
= 20ヶ月

補足：

月額1,000円なら、LTV = 1,000円 × 20ヶ月 = 20,000円
チャーンを4%に改善できれば、継続期間25ヶ月に！

問題 3 応用

月次チャーン率5%の場合、年次チャーン率はいくらになりますか？
正確な計算と近似計算の両方を求めてください。

【解答】

計算：

近似計算：
年次チャーン ≈ 月次チャーン × 12
= 5% × 12 = 60%

正確な計算：
年次チャーン = 1 – (1 – 月次チャーン)^12
= 1 – (1 – 0.05)^12
= 1 – 0.95^12
= 1 – 0.540
= 46%

解釈：

・正確な計算（46%）の方が近似（60%）より低い
・これは複利効果の逆（毎月の母数が減る）
・投資家への報告では正確な計算を使うべき

問題 4 応用

2つの改善施策を検討しています。どちらを優先すべきですか？

現状：
・顧客数：10,000人
・月次チャーン率：6%
・月額：2,000円
・粗利率：70%

施策A：チャーン率改善
・チャーン率を6% → 5%に改善
・コスト：500万円（年間）

施策B：新規獲得強化
・月間新規獲得を100人 → 150人に増加
・コスト：500万円（年間）

【解答】施策A（チャーン率改善）を優先すべき

施策Aの効果：

【現状】
・平均継続期間 = 1/0.06 = 16.7ヶ月
・LTV = 2,000円 × 16.7ヶ月 × 0.7 = 23,380円

【改善後】
・平均継続期間 = 1/0.05 = 20ヶ月
・LTV = 2,000円 × 20ヶ月 × 0.7 = 28,000円
・LTV向上 = 28,000 – 23,380 = +4,620円/人

【年間効果】
・既存10,000人全員に効果
・年間利益増 = 4,620円 × 10,000人 = 4,620万円
・純利益：4,120万円、ROI：824%

施策Bの効果：

・年間追加獲得 = 50人 × 12ヶ月 = 600人
・年間利益増 = 23,380円 × 600人 = 1,403万円
・純利益：903万円、ROI：181%

結論：

施策Aの方が圧倒的に効果大！
「穴の空いたバケツに水を注いでも無駄」→ まず穴（チャーン）を塞ぐべき！

問題 5 実践

以下のSaaSサービスのチャーン状況を分析し、改善提案をしてください。

・月次チャーン率：8%
・初月解約率：15%（1ヶ月目で解約する割合）
・2〜3ヶ月目解約率：10%
・4ヶ月目以降解約率：5%

どの段階に問題があり、どのような施策が有効ですか？

【解答】

問題分析：

最大の問題：初月解約率15%（非常に高い）

・初月に全体の解約の大部分が集中
・オンボーディングが機能していない可能性
・期待と現実のギャップが大きい

2〜3ヶ月目：10%（まだ高い）
・習慣化に失敗している
・価値を十分に感じていない

4ヶ月目以降：5%（許容範囲）
・習慣化した顧客は継続傾向

改善提案（優先順位順）：

1位：オンボーディング強化（最優先）
・初回ログイン時のチュートリアル導入
・7日目にフォローアップコール
・「初回成功体験」までの導線設計
・期待値調整（申込前の説明改善）

2位：アクティベーション施策
・2週目からの定期メール
・便利機能の紹介
・利用状況に応じたTips配信

3位：早期離脱検知
・3日間ログインなしでアラート
・リスク顧客への自動フォロー

期待効果：
初月解約率を15%→8%に改善すれば、全体の月次チャーンは約5%に低下！

❓ よくある質問

Q1: 良いチャーン率の目安は？

業種やビジネスモデルによって異なりますが、一般的な目安を紹介します。

SaaS（B2B）：
・年次チャーン率：5〜7%（優秀）
・月次チャーン率：0.5〜1%（目標）

SaaS（B2C）：
・年次チャーン率：10〜20%
・月次チャーン率：1〜2%

動画配信サービス：
・月次チャーン率：3〜5%

フィットネスジム：
・月次チャーン率：5〜10%

重要：
絶対値より、トレンドが重要。悪化していないか常にモニタリング！

Q2: チャーンとリテンションの違いは？

表裏一体の関係です。

チャーン率（解約率）：
・離脱した顧客の割合
・例：チャーン率5%

リテンション率（継続率）：
・継続している顧客の割合
・例：リテンション率95%

関係：
リテンション率 = 100% – チャーン率
・チャーン5% = リテンション95%

使い分け：
・チャーン率：問題の大きさを強調したい時
・リテンション率：ポジティブに表現したい時

Q3: 無料トライアルユーザーもチャーンに含めますか？

通常は分けて計算します。

有料顧客のチャーン：
・定義：有料プランを解約した割合
・重要度：最も重要
・目標：できるだけ低く

トライアル→有料転換率：
・定義：トライアルから有料になった割合
・別の指標として管理
・例：転換率20%

推奨：
・有料顧客チャーンをメイン指標に
・トライアル転換率も別途追跡
・混ぜると正確な分析ができない

Q4: チャーン率を下げるのに最も効果的な施策は？

オンボーディングの改善が最も効果的です。

なぜオンボーディングが重要か：
・解約の多くは初期（1〜3ヶ月）に集中
・初期に価値を感じないと継続しない
・一度習慣化すれば継続しやすい

効果的なオンボーディング：
1. 初回ログイン時のチュートリアル
2. 「初回成功体験」までの導線設計
3. 7日目のフォローアップ
4. 利用状況に応じたTips配信

効果の目安：
オンボーディング改善で、チャーン率20〜30%低下も可能！

Q5: 解約理由をどうやって把握しますか？

複数の方法を組み合わせます。

1. 解約時アンケート：
・解約手続き中に選択式で理由を聞く
・回答率：高い（必須にできる）
・注意：本音を言わないことも

2. フォローアップインタビュー：
・解約後に電話やメールで詳細を聞く
・回答率：低いが詳細な情報
・高LTV顧客に優先的に

3. 利用データ分析：
・解約前の行動パターンを分析
・ログイン頻度低下、機能利用減少など
・本人が気づいていない理由も発見

推奨：
3つを組み合わせて、定量×定性で把握

Q6: ネガティブチャーン（負のチャーン）とは？

既存顧客からの収益増加が解約による減少を上回る状態です。

計算式：
ネットチャーン = (解約による減収 – アップセル等の増収) / 期初MRR

例：
・期初MRR：1,000万円
・解約による減収：50万円
・アップセルによる増収：70万円
・ネットチャーン = (50万 – 70万) / 1,000万 = -2%

意味：
・ネガティブチャーン = 新規獲得なしでも収益成長
・SaaSの理想的な状態
・顧客が成功している証拠

達成のコツ：
・段階的なプラン設計
・使用量に応じた課金
・アドオン機能の充実

📝

学習メモ

ビジネスデータ分析・意思決定 - Step 27

📋 過去のメモ一覧 ▼

📉 STEP 27: チャーンレート（解約率）分析

📋 このステップで学ぶこと

🔍 1. チャーンレート（解約率）とは

基本概念

チャーンレートの計算方法

月次と年次チャーンの関係

チャーン率の目安

📊 2. チャーン分析の実践

Pythonでの実装

チャーン分析クラスの実装

🎯 3. チャーン要因の分析

なぜ顧客は離脱するのか

チャーン予測モデル

🚀 4. リテンション施策の設計

段階別リテンション施策

施策効果のシミュレーション

📑 5. Excelでの実装

チャーン率計算シート

📝 STEP 27 のまとめ

📝 練習問題

チャーンレート（解約率）とは何ですか？簡潔に説明してください。

あるサブスクサービスの情報： ・月初顧客数：2,000人 ・月間新規獲得：200人 ・月間解約：100人 ・月末顧客数：2,100人 月次チャーン率はいくらですか？ また、このペースが続くと、平均継続期間は何ヶ月ですか？

月次チャーン率5%の場合、年次チャーン率はいくらになりますか？ 正確な計算と近似計算の両方を求めてください。

❓ よくある質問

学習メモ

あるサブスクサービスの情報：

・月初顧客数：2,000人
・月間新規獲得：200人
・月間解約：100人
・月末顧客数：2,100人

月次チャーン率はいくらですか？
また、このペースが続くと、平均継続期間は何ヶ月ですか？

月次チャーン率5%の場合、年次チャーン率はいくらになりますか？
正確な計算と近似計算の両方を求めてください。