顧客LTV向上のための分析手法

まず決めるべきは「どのLTVで戦うか」──定義と分解

LTVは定義がぶれると意思決定がねじれます。おすすめは「粗利ベースの12カ月累積LTV」。顧客ごとの月次粗利（売上−原価−配送など変動費）を累積し、獲得費（CAC）は別軸でLTV/CACを見る形にします。分解はシンプルに、単価×頻度×継続×粗利率。どこを引き上げるかを最初に決めます。例えば、継続率が弱いサブスクならオンボーディングと2回目購入の障壁を下げる、単価が弱いECならバンドルやアップセルを試す、といった具合です。

さらに分析の単位を「獲得コホート×チャネル」で固定します。例：2025年1月にInstagramから流入したコホートの12カ月粗利LTV。全体平均は意思決定に使えません。LTVの収束速度（例：90日で何％が積み上がるか）も併せて見て、早期に良し悪しを判定できる指標を用意します。

LTV計測のための最小データ基盤

分析より先に、データの粒度と結合キーを揃えます。最低限のスキーマは以下です。

• customers: customer_id, signup_at, acquisition_channel, campaign_id
• orders: order_id, customer_id, ordered_at, revenue, cogs, shipping_cost, refund_flag
• events: customer_id, occurred_at, event_name（例: app_open, add_to_cart, pause）, properties
• marketing_spend: date, channel, campaign_id, cost

時刻はUTCで揃え、返品はマイナス行で打ち消し、margin = revenue − cogs − shipping_cost をカラムで持たせます。ordersを獲得月でコホート化し、ウィンドウ関数で顧客別に月次粗利の累積を取り、月NのLTVカーブを描ければ第一段階は合格です。SQLの雛形作成やレビューはGitHub Copilotで効率化できます。テキストの顧客フィードバックはClaudeやGeminiで要約・論点整理し、定量と定性を同じダッシュボードで見られる状態にしておくと意思決定が速くなります。

打つべき手を決める3つの分析手法

1. コホートLTVカーブで「どこで止まるか」を特定

獲得月×チャネル別に、月次粗利の累積カーブを描きます。2〜3カ月目で寝るカーブはオンボーディング問題、6カ月以降で寝るのは価値の擦り切れや飽きの可能性。初回商品別に分けると「入口の選定」が見えます。早期収束率（90日でのLTV/12カ月LTV）をKPIにすれば、広告配分の翌月見直しが可能になります。

2. RFM×チャネルで“今やると効く顧客”を抽出

Recency・Frequency・Monetaryをそれぞれ3〜5段階にスコア化し、獲得チャネルを掛け合わせます。高R・低Fの層には「次回を近づける」施策（定期の2回目特典、同梱レシピ）、低R・高Mには「復帰のきっかけ」（在庫連絡、限定バンドル）を当てます。チャネル別に反応率と粗利LTVの増分を見れば、ディスカウントの垂れ流しを止められます。配信文面はChatGPTで複数案を生成し、件名や導入文をA/Bテストすると内製でも速度が出ます。

3. サバイバル分析で離脱の“山”を可視化

初回からの経過日数に対する生存関数とハザード（離脱率）を推定します。山が15〜20日に出るなら、初回体験後の“使いこなし/不安”が原因です。ハザードが高い区間の直前に、ナッジ（使い方動画、FAQ、チャット導線）を差し込みます。解約理由の自由記述はClaudeやGeminiでクラスタリングし、「味のブレ/サイズが多い」のように具体テーマ化。施策は「ハザード高×テーマ一致」を原則に優先順位を付けます。

施策に落とすチェックリスト

• 割引は“期待粗利LTVが閾値超えの顧客”だけに限定（ガードレール）
• 2回目までのオンボーディングは段階設計（購入−到着−使用−リピートの各タイミングで1通）
• 単価向上はバンドルと定期のアップグレードを分けて検証
• 主要KPIは「90日粗利LTV増分」、副作用KPIは「返品率・サポート負荷」
• A/Bの停止基準は期間固定＋最低サンプル、効果推定はカレンダー効果を除外

身近な企業活用例：D2Cコーヒーの失敗と改善

Instagram経由の30％OFFクーポンで急拡大したものの、2回目前に解約が続出し、12カ月粗利LTVは7,800円、月次解約率は18％。全体平均で判断していたため、広告停止と再開を繰り返し、在庫もぶれました。

データを「customers / orders / events / marketing_spend」に再編。獲得月×チャネルのコホートLTVを見ると、クーポン流入は90日でLTVの85％が打ち止め。一方、レビュー経由は緩やかに積み上がることが判明。サバイバル分析では初回到着の10〜20日に離脱の山。アンケート自由記述をClaudeで整理すると「淹れ方が難しい」「量が多い」が主因でした。

改善は3点。1) 初回同梱に抽出ガイドと15分の動画QR、発送7日後に使い方メール（ChatGPTで文面生成）。2) 2回目前の全員30％OFFを廃止し、ハザード高の顧客だけに“3袋バンドル10％OFF＋挽き目提案”を出し分け。3) 定期を柔軟に一時停止可能にし、イベント「pause」をトリガーに復帰インセンティブを最小で提示。SQLの検証集計はCopilotで下書きを作り、結果サマリはGeminiで経営向け1ページに要約しました。

3カ月後、月2解約率は18％→11％、12カ月粗利LTVは12,400円に上昇。広告費はInstagramクーポンを半減し、レビュー獲得と紹介に再配分。収束の早い指標（90日LTV/12カ月LTV）ができたことで、翌月の投資判断がぶれなくなりました。

LTVは難しい数式よりも、「定義の固定→データの最小主義→コホート/サバイバル/セグメントでの仮説検証」を高速に回せるかどうかが勝負です。データ解析プラットフォーム事業では、顧客・取引・行動・費用を同一IDで束ね、仮説から配信、検証、学習までを一貫させる土台を提供できるかが価値になります。現場が“翌週に打ち手を変えられる”粒度でLTVが見えると、組織は自然と改善モードに入ります。