コホート分析とは、同時期に獲得したユーザー群の行動を時系列で追跡する手法です。全体平均では見えない「改善が効いているか」を正確に判定できます。「全体のリテンション率は改善しているが、最近獲得したユーザーの質が落ちている」という変化は、全体平均では見えません。コホートに分けて追跡することで初めて見えてきます。本記事では定義・コホート表の読み方・活用シーン・実装方法を体系的に解説します。

コホート分析とは

コホート（Cohort）とは「共通の特性を持つグループ」のことです。コホート分析では、主に「同じ期間に獲得したユーザーグループ」を単位として、その後の行動変化を時系列で追跡します。

全体平均分析との最大の違いは「時間の経過と獲得タイミングを切り離して見られる」点です。例えば「今月のアクティブユーザー率は40%」という全体平均では、「先月獲得した新規ユーザーが多くの割合を占めているから高い」のか「長期ユーザーの継続率が上がっているから高い」のかが区別できません。コホート分析はこの問題を解決します。

典型的なコホートの切り方は「獲得月」ですが、「獲得チャネル別」「プラン別」「地域別」など、ビジネスの問いに応じてコホートの定義を変えることができます。

【コホート分析の概念図】

全体平均分析（問題点）:
  月1月2月3月4月... の全ユーザーを混ぜて「平均リテンション率40%」
  -> 新規と既存が混在し、改善効果が見えない

コホート分析（解決策）:
  1月獲得コホート: 1月60% -> 2月45% -> 3月35% -> ...
  2月獲得コホート: 2月65% -> 3月48% -> 4月38% -> ...
  3月獲得コホート: 3月70% -> 4月52% -> 5月42% -> ...
  -> 施策が入った月のコホートで改善が見えるかを判定できる

コホート表の作り方と読み方

コホート表は行に「獲得月（コホート）」、列に「経過期間（Month 0, Month 1, Month 2…）」を配置し、各セルに「そのコホートの経過N月目のリテンション率」を記入します。

Month 0（獲得月）は100%（全員がアクティブ）からスタートし、Month 1、Month 2と時間が経つにつれてリテンション率が下がっていきます。この「下がり方のカーブ」を複数のコホート間で比較することで、改善の効果を判定します。

獲得月 Month 0 Month 1 Month 2 Month 3 Month 4 Month 5
2025年1月 100% 42% 31% 25% 22% 20%
2025年2月 100% 44% 33% 27% 24% —
2025年3月 100% 48% 36% 29% — —
2025年4月 100% 52% 39% — — —
2025年5月 100% 55% — — — —

この表の読み方を解説します。
1. 縦に読む（同期間での比較）：Month 1列を縦に見ると、1月コホートは42%→5月コホートは55%と改善しています。この期間に何らかの施策が効いていることがわかります。
2. 横に読む（コホート内の時系列）：1月コホートを横に見ると、Month 0→1で42%まで急落しています。最初の1カ月でユーザーの半数以上が離脱しており、オンボーディングに課題があることが示唆されます。
3. 斜めに読む（同時点での比較）：斜め方向（対角線）は「同じカレンダー月に観測した異なるコホートの状態」を示します。季節性の影響を検討する際に使います。

コホート分析の活用シーン

コホート分析は多様なビジネス課題に適用できます。

活用シーン 目的 コホートの定義 見るべき指標 期待されるインサイト
リテンション改善 離脱タイミングの特定 獲得月別 月次リテンション率 最初のN週で離脱が集中しているか
LTV予測 コホート別の収益期待値の計算 獲得月・チャネル別 累積売上・購入回数 どのチャネルのLTVが高いか
施策効果検証 特定の施策が継続率に与えた影響 施策適用前後の月別 リテンション率の変化 施策後のコホートで改善が見えるか
プロダクト改善 機能リリースの効果測定 リリース前後の獲得月 機能利用率・継続率 新機能リリース後のコホートで改善が起きているか

コホート分析の実装方法

GA4でのコホート分析
GA4では「探索」レポートの「コホートデータ探索」機能を使います。獲得日（最初のセッション日）でコホートを定義し、「継続率」「イベント数」「コンバージョン数」などをメトリクスとして選択できます。無料で使えますが、カスタマイズ性に限界があります。

SQLでのコホート分析
BigQueryやSnowflakeなどのデータウェアハウスでは、SQLでコホート表を集計できます。基本的な考え方は「獲得月と観測月の差分（月数）を計算し、コホート×経過月でリテンション率を集計する」です。SQLを使うことで、GA4では対応していない「収益ベースのLTVコホート」や「チャネル別コホート」も自由に設計できます。

スプレッドシートでのコホート分析
ユーザー数が少なく、データが手動管理されている場合は、ExcelやGoogleスプレッドシートのピボットテーブルでも基本的なコホート分析が可能です。獲得月と観測月の列を持つ生データから、ピボットで集計します。

コホート分析の注意点

注意点1：コホートサイズの偏り
コホートごとのサンプル数が小さすぎると、統計的なノイズが大きくなりリテンション率の変化を正確に評価できません。1コホートに最低100〜200ユーザー以上いることが理想です。それ以下の場合は、月単位ではなく四半期単位でコホートを切り直すか、解釈に慎重さが必要です。

注意点2：外部要因の影響
コホート間のリテンション率の違いが、施策の効果によるものか、外部要因（競合サービスの登場、社会的な変化）によるものかを区別することが重要です。コントロールグループ（施策を適用しなかったユーザー）との比較が有効です。

注意点3：季節性の考慮
年末年始や夏休みなど、季節性の高いビジネスでは同月に獲得したコホート同士を単純比較できません。前年同月コホートとの比較（YoY）を組み合わせることで、季節性の影響を除いた評価が可能です。

まとめ――「全体平均」に騙されないための武器

コホート分析について整理すると、以下のポイントに集約されます。

  • コホート分析は「同時期に獲得したユーザー群」の時系列追跡。全体平均では見えない改善効果を判定できる
  • コホート表は縦（同期間での改善確認）・横（離脱タイミング特定）・斜め（季節性）の3方向で読む
  • 活用シーンはリテンション改善・LTV予測・施策効果検証・プロダクト改善の4つが主要
  • 実装はGA4・SQL・スプレッドシートで対応可能。データ量に応じて選択する
  • コホートサイズの偏り・外部要因・季節性に注意して解釈する

DE-STKでは、コホート分析基盤の設計からダッシュボード構築まで一貫してサポートしています。継続率・LTV改善の仕組みづくりにお悩みの方はお気軽にご相談ください。

よくある質問

Q. コホート分析とは?

同時期に獲得したユーザー群（コホート）の行動を時系列で追跡する分析手法です。全体平均では見えない改善効果やトレンドを正確に把握できます。

Q. コホート分析はどんな場面で使いますか?

リテンション率の改善評価、LTV予測、施策効果の検証、プロダクト改善の効果測定など、時系列での変化を正確に把握したい場面で使います。

Q. コホート分析はExcelでもできますか?

はい。ピボットテーブルを使えばExcelでも基本的なコホート分析は可能です。データ量が多い場合はSQL（BigQuery等）での集計が効率的です。