データ活用 実践サンプル 解約率改善に向けた現状分析と監視設計 担当：カスタマーサクセス担当者（架空） 分析期間：2025年1月〜6月 作成日：2025年7月 

データ活用の進め方（6ステップ） ① ② ③ ④ ⑤ ⑥ 🎯 📏 📊 🔄 🔍 📋 ミッションと 数値の整理 → あるべき状態 の定義 → 現状整理 → 定点観測 vs 都度分析の → 不足データの 洗い出し 切り分け 💡 今回のサンプルはこの6ステップを実際に回した結果です → 一枚資料化 

ステップ①② ミッションとあるべき状態 🎯 ミッション 📏 あるべき状態（具体的な数値目標） 解約を減らし、既存顧客の契約継続率を安定さ せる • 月次解約率：2%以下を維持 • 解約の予兆が出た顧客には契約更新前にフォローでき ている状態 💬 なぜ2%か？ 解約率2%＝業界平均水準。これを超えると収益への影響が顕在化するため目標値として設定 

ステップ③ 現状整理①：解約率の推移 

ステップ③ 現状整理②：ログイン頻度との相関 

ステップ③ 現状整理③：問い合わせ内容の変化 

ステップ③ 現状整理まとめ：3つの発見 🔴 発見①：解約率が4月以降急上 🟠 発見②：ログイン頻度の低下が 🟡 発見③：問い合わせの中身が変 昇 先行 化 1.8%→4.1%に悪化。 解約率の上昇より1〜2ヶ月前からロ 「使い方がわからない」は横ばいだ 目標の2%を3ヶ月連続で超過 グイン頻度が低下。 が、 利用離れが先に起きている 「価格・プランへの不満」が4月以降 急増 （8件→55件） 💡 3つのデータを組み合わせることで、単体では見えなかった傾向が浮かび上がった 

ステップ④ 定点観測 vs 都度分析の切り分け 📊 定点観測すべき指標（毎週チェック） 毎回同じ指標を継続的に監視することで「いつもと違う」を素早く検知する 指標 監視する値 理由 月次解約率 週次更新・月次集計 悪化の兆候をいち早く捉えるため 🔍 都度分析で良い情報（四半期・異常発生時） 毎回見る必要はないが、異常が起きた時や定期レビュー時に深掘りする • 解約理由の傾向分析（四半期に一度） • 顧客セグメント別の解約率比較（半期に一度） • 問い合わせ内容と解約の相関分析（異常発生時） ログイン頻度 週次平均 利用離れの予兆を解約前に検知するた め 価格・プラン 問い合わせ件数 週次件数 解約意向の高まりを早期検知するため • 競合他社の価格改定タイミングとの照合（必要時） 

ステップ⑤ 不足データの洗い出し 🔴 最優先（これがあれば原因を特定できる） • 解約前のサポート対応履歴 → 「機能への不満」か「価格への不満」かを断定できる • 顧客ごとの契約プラン・利用機能データ → どのプラン・機能の顧客が解約しやすいかを特定できる 🟠 あると精度向上 • NPS（顧客満足度スコア）の推移 → 解約の2〜3ヶ月前から低下する傾向があれば早期検知に使える • 競合他社への乗り換え情報 → 価格問題か機能問題かの切り分けに使える 🟡 将来的に • 製品内の機能利用ログ → どの機能を使っていない顧客が解約しやすいかを特定できる • オンボーディング完了率 → 初期定着と長期継続の相関を検証できる 

ステップ⑥ 一枚まとめ 項目 内容 ミッション 解約を減らし、既存顧客の契約継続率を安定させる あるべき状態 月次解約率2%以下を維持。予兆顧客には更新前にフォロー 現状とのギャップ 4月以降3ヶ月連続で目標未達（最大4.1%）。悪化が加速中 原因仮説 ログイン頻度低下（利用離れ）＋価格・プランへの不満増加が連動 定点観測する指標 解約率・ログイン頻度・価格問い合わせ件数（週次） 不足データ サポート対応履歴・顧客別利用機能データ（原因特定に必要） 次のアクション CSチームへのサポート履歴記録運用の導入提案 📋 このシートが「データ活用の地図」になる。定期的に更新していくことが大切 

まとめ 1. 🔴 2. 🟠 3. 🟡 解約率が目標を3ヶ月連続超過 ログイン頻度と価格問い合わせが解約 サポート履歴がないと原因を断定でき → 今すぐフォロー対象顧客の特定を の先行指標 ない → 定点観測に組み込む → 記録運用の整備が次の一手 6ステップを回すことで、「なんとなく悪い」が「何が・なぜ・どう悪いか」に変わる