チャーンレート分析

状況: 法人向け経費精算SaaS。月次チャーンレートが3.5%（年間解約率35%）と高く、成長のボトルネックになっている。

コホート分析の結果:

• 契約後1〜2ヶ月で15%が解約 → 「初期離脱」が最大の問題
• 6ヶ月を超えた顧客のチャーンは月0.5% → 定着すれば安定

解約理由の分析（解約アンケート100社）:

1. 「社内に浸透せず、一部の人しか使わなかった」（38%）
2. 「既存の経費精算フローとの連携が面倒」（25%）
3. 「期待した削減効果が見えなかった」（20%）
4. 「価格に見合わない」（17%）

予兆シグナルの発見（データ分析）:

• 契約後30日以内にユーザー招待数が5人未満 → 解約率70%
• 月間申請件数が10件未満 → 解約率60%

施策:

1. オンボーディング専任チーム: 契約後30日間、CSが週次ミーティングで導入支援
2. 社内浸透キット: 管理者向けに「社員への案内メールテンプレート」「操作説明動画」を提供
3. ヘルススコア導入: ユーザー招待数・申請件数をリアルタイム監視し、閾値を下回ったら自動アラート
4. ROIレポート: 3ヶ月目に「従来比でどれだけ経費精算時間が削減されたか」を自動レポート

6ヶ月後の主要指標は以下のとおり。月次チャーンレート3.5%→2.0%、契約後2ヶ月以内の解約率15%→6%、ネットレベニューチャーン+2%→-3%（ネガティブチャーン達成）。

状況: 月額会員数25,000人のオンラインフィットネスサービス。月次チャーンレートが6.5%で、毎月約1,600人が解約。新規獲得コスト（CAC）が1人あたり4,800円のため、解約は直接的な損失。

解約予測モデルの構築:

• 使用した変数: 過去30日のログイン回数、レッスン参加回数、お気に入り講師数、連続未参加日数、入会経路
• アルゴリズム: ランダムフォレスト（AUC=0.84）

予兆シグナルの発見:

施策:

• 連続未参加7日: プッシュ通知「〇〇先生の新レッスンが追加されました」
• 連続未参加14日: メール＋500円割引クーポン
• お気に入り講師0人: AI推薦で「あなたに合う講師TOP3」を提案

解約予測モデルと自動介入の導入は「勘」による対応を「データ駆動」に変えた。月次チャーンレートは6.5%→4.8%に改善し、年間で約5,100人の解約を防止。LTV換算で年間約2億4,500万円の収益維持効果が生まれている。

状況: 生徒数180名の学習塾（月謝25,000円）。中3の卒業退塾を除く月次退塾率が4.2%（年間約40名が途中退塾）。

退塾コホート分析:

• 入塾後3ヶ月以内の退塾が全体の45% → 初期定着が課題
• 夏期講習後の9月に退塾が集中 → 講習参加で「終わった」と感じている

退塾理由ヒアリング（過去1年の退塾30名）:

1. 「成績が上がらなかった」（40%）
2. 「子どもが行きたがらなくなった」（27%）
3. 「部活との両立が難しい」（20%）
4. 「経済的理由」（13%）

施策:

1. 入塾1ヶ月面談: 保護者と講師で学習計画を共有。「3ヶ月後にこうなる」ロードマップを提示
2. 月次進捗レポート: テスト結果だけでなく「理解度の変化」を可視化（小さな成功体験を見える化）
3. 部活対応コース: 19:30〜の遅い時間帯コースを新設
4. 9月の継続面談: 夏期講習後に全員と面談し、秋以降の目標を再設定

施策導入1年後に月次退塾率4.2%→2.1%に半減。入塾3ヶ月以内の退塾が45%→18%に減少し、年間の退塾防止人数は約20名。売上維持効果は年間約600万円にのぼる。