カスタマージャーニー分析：ファネル・コホート・継続率をGA4で読む手順と、数字がずれる理由

下の表は、架空のサービスで「登録した週」ごとに、その後も戻ってきた人数を並べたコホート表です（すべて仮の数字で、実在のデータではありません）。

A〜C週は、1週後から2週後にかけて大きく減り、その後は緩やかになる似た形をしています。D週だけが異なって見えますが、登録者が40人と少なく、数人の違いで形が変わるため、これだけで「質が落ちた」とは言えません。この「形を読む」作業こそが、継続率の分析の中心です。この記事では、段階ごとの計測設計から始めて、GA4のファネル探索（目標到達プロセスデータ探索）とコホート探索の読み方、同意や規制によって数字がずれる理由、最後に1枚のダッシュボードにまとめる手順を順に説明します。

段階ごとに「1つの問い」と「1つのイベント」を決める

分析を始める前に、計測の設計図を書きます。カスタマージャーニーの段階ごとに、答えたい問いを1つ、それを測るイベントを1つだけ決めます。次の表は、物販サイトを想定した例です。イベント名は、GA4の推奨イベントとして公式ドキュメントに載っているものを使えば、標準レポートとの相性が良くなります。最新の一覧は公式ヘルプで確認してください。

表を埋める順序は、右の列からではなく左の列からです。まず「答えたい問い」を言葉にし、その問いに答えられるイベントがあるかを確認します。順序を逆にして、取れるイベントから問いを作ると、数字は揃っても意思決定に使えない指標が並びます。問いは「〜か」で終わる文にして、答えが「はい／いいえ／どの程度」のいずれかで返ってくる形にしておくと、ダッシュボードの設計に直結します。

多くのサイトで空白になるのは「利用」の段階です。ウェブサイトの閲覧はタグで追えても、商品を受け取って使った体験は、サイトの外で起きます。ここは、自社のシステムのログ、到着後の簡単なアンケート、問い合わせの記録といった別の材料で補う必要があります。アンケートの設問設計はNPS・CSAT・CES：どの顧客体験指標を測るべきかが参考になります。

もう一つの落とし穴は、イベント名と引数の命名が人によってばらつくことです。「form_start」「フォーム開始」「start_form」が混在したプロパティは、数か月後には誰も正しく集計できません。計測前に、イベント名、発生する条件、渡す引数、担当者を1枚の表に決め、変更は表を更新してから行う運用にします。この設計図の出発点は、段階の定義です。実際の顧客からカスタマージャーニーマップを作る手順で作った5つの段階をそのまま使えば、マップと数字の対応が保てます。

ファネル探索で、離脱の「位置」を見つける

GA4のファネル探索は、ユーザーが特定の作業を完了するまでの各ステップを可視化し、どのステップで進めている人と止まっている人がいるかを確認するための機能です。公式ヘルプによれば、探索の画面でテンプレートを選び、ステップを追加して作成します。ステップにはイベントやページを指定でき、「オープンファネル」にすると任意のステップから参加した人も含めて集計され、クローズドファネルでは最初のステップから入った人だけが対象になります。標準のGA4プロパティで使える機能の範囲は変更されることがあるため、実際の画面とヘルプで確認してください。

次の表は、架空のECサイトの仮の数字です。

人数の絶対的な減り幅が最も大きいのは、1から2のステップです。ただし、ここを最優先で直すのが正しいとは限りません。商品ページを見ただけの人は、まだ買う意思がない人が多く含まれます。購入の意思が高い人が集まっているのは3から4、つまり購入の直前です。同じ数十人の差でも、購入直前で止まった人の意味は大きく異なります。仮の例で言えば、チェックアウトを開始した110人のうち40人が購入に至らなかった事実は、フォームの項目、支払い方法、送料の表示といった具体的な摩擦の候補に結びつけやすいからです。

ファネルが示すのは「どこで」止まったかであり、「なぜ」ではありません。理由を知るには、ヒートマップ、セッション録画、顧客へのインタビューといった別の材料が必要です。仮説を立ててテストに進める流れはCRO：勘からテスト計画へ移行する方法に整理しています。録画系のツールは閲覧者の操作を外部に送信するため、同意と外部送信の確認が前提になります。この点は次の見出しで触れます。

見るときの注意が二つあります。一つは、離脱は必ずしも失敗ではない点です。比較検討の途中で他のサイトを見に行った人は、後日戻ってくるかもしれません。ステップ間の経過時間をあわせて見て、数日かけて買う商品なのか、その場で決まる商品なのかを把握してから評価します。もう一つは、ファネルの順序がジャーニーの現実と一致するとは限らない点です。商品ページを見る前に、まずレビューや比較記事を読む人もいます。ファネルは現実の簡略化であり、すべての顧客が同じ道筋をたどるわけではないと理解した上で使います。

コホート探索で、継続率の「形」を読む

コホートとは、共通の特性を持つユーザーのグループです。GA4の公式ヘルプでは、たとえば獲得日が同じユーザーは同じコホートに入ると説明されています。コホート探索では、コホートに含める条件と、「残っている」と見なすための後続の条件（リピートの条件）を設定し、日次・週次・月次の粒度で、時間の経過に伴う行動を比べます。ヘルプには、コホートはユーザーのデバイスのデータに基づき、User-ID は考慮されないという趣旨の記載があります。仕様は更新されうるため、利用前に最新のヘルプで確認してください。

冒頭の仮の表を例に、読み方の手順を示します。

1. 縦に読む：同じコホートで、時間が経つにつれてどの程度減るかを見る。A週は、200人のうち、1週後に90人、2週後に64人、4週後に46人、8週後に38人と、急な減少の後に緩やかになる。
2. 横に読む：コホート同士を比較する。A週とB週は似た形で、登録者が変わっても継続の形に大きな違いはない。
3. 形を言葉にする：最初の2週間で多くが離れ、4週後以降の減り方が小さいなら、「核になる利用者が残っている」と解釈できる。減り続けるなら、「継続の理由が育っていない」と解釈する。
4. 少人数のコホートは判断を保留する：D週は40人しかおらず、数人の動きで形が変わる。サンプルが小さいコホートは、次の週以降に同様の傾向が続くかを確認してから結論にする。

もう一つ読み取れるのが、曲線の「底」です。仮の表では、A週もB週も、4週後から8週後にかけての減り方は小さく、46人が38人、40人が33人になっています。底の高さが毎週のコホートで少しずつ上がっているなら、初期体験の改善が効いている手がかりになります。逆に、底が動かないまま最初の落ち込みだけが小さくなったなら、早く離れる人が減っただけで、長く使う人の理由は増えていない、と解釈できます。同じ「継続率が改善した」でも、意味が違うということです。

この例では、1週後から2週後への落ち込みが大きいことがわかります。ここで検討すべきなのは、広告の入札ではなく、登録直後の体験です。登録から数日以内に何を伝え、何をしてもらうかを見直す対象になります。維持の施策の組み立て方はライフサイクルマーケティングで顧客維持プランを作る：段階×メッセージ×チャネルのマトリクスにまとめています。

コホート探索でつまずきやすい点が二つあります。まず「戻ってきた」の定義です。サイトを再訪しただけで残っていると見なすと、価値を得ているかどうかはわかりません。リピートの条件を、再購入や主要機能の再利用といった、価値に近い行動に置くほうが、解釈が実態に近づきます。次に、データを遡れる範囲です。GA4にはデータの保持期間の設定があり、探索レポートで遡れる期間に影響するため、管理画面の設定を確認し、必要に応じて長い期間に変更します。この設定を見直さないまま、数か月後に「去年の同じ時期と比べたい」と考えて、データが残っていないことに気づく例は少なくありません。

コホートの比較では、集団の質の違いにも注意します。大型のキャンペーン週に獲得した人は、通常の週に自然検索で来た人と、そもそも動機が違います。コホート間の差を見つけたら、先に「獲得経路や施策が違った」可能性を疑ってから、体験の改善効果を議論します。同じ理由で、コミュニティに参加した人としていない人の継続を比べるときも、参加する人は元々熱心な傾向がある（自己選択バイアス）ため、継続が高くても、因果関係を断定してはいけません。コミュニティ運営の全体像はソーシャルメディアとコミュニティ：オーディエンスではなく関係をつくるにあります。

数字がずれる理由：同意モード、外部送信規律、アトリビューション

ここまで見たファネルとコホートは、計測できた顧客の数字です。計測できなかった顧客がいる限り、数字は現実の一部しか映しません。

Googleのドキュメントによると、同意モードは、訪問者の同意の選択に応じてGoogleのタグの動作を制御する仕組みです。実装には二つの方式があり、ベーシックでは同意が得られるまでタグを読み込まず、アドバンストでは既定の設定でタグを読み込み、同意が得られない間はCookieを使わないpingを送り、同意状況に応じて動作を変えます。同意が得られない部分は、モデリング（推計）で補完される場合があります。ただし、モデリングは統計的な推計であって、個々のユーザーの観察とは別物です。コホート探索のように個々のユーザーを時間軸で追う分析では、同意しなかった人の継続は、基本的に観察できません。

ここから導かれる実務上の注意は、継続率は「同意した人の継続率」にすぎない可能性がある、という点です。同意する人としない人で、サイトへの関心や利用の習慣が異なる場合、同意者の継続は全体より高く（あるいは低く）出ることがあります。これは編集部の推論であり、特定のサイトで偏りの向きを断定する根拠はありませんが、同意率をコホート表と並べて記録しておけば、同意バナーの変更に伴う数字の断絶に気づけます。

日本国内では、ウェブサイトからの外部送信にも留意が必要です。総務省の外部送信規律に関する公表資料によれば、一定の電気通信役務を提供する事業者がウェブサイトやアプリで利用者の情報を外部に送信させる場合、送信される情報の内容や送信先などについて、通知・公表、同意取得、オプトアウト措置のいずれかによって、利用者が確認できる機会を設けることが求められています。計測タグや広告タグ、セッション録画ツールが、外部への送信の仕組みに該当しうる、というのが実務上の論点です。ただし、規律の対象となるサービスの範囲は省令で定められており、自社のサイトが対象に当たるかどうかは、事業の形態によって判断が分かれます。総務省のFAQと最新のガイドラインを確認し、不明な場合は専門家に相談してください。個人情報保護法の観点では、Cookieなどの識別子が他の情報と結びついて個人を識別できる場合の扱いや、個人関連情報の第三者提供に関する規律が関わることがあります。これも個人情報保護委員会のガイドラインで最新の内容を確認する必要があります。

アトリビューションについては、広告の管理画面とGA4でコンバージョン数が一致しない、という現象が典型です。原因は、計測の対象期間（コンバージョンを成果と見なす日数）、どの接触に成果を割り当てるかのモデル、同意による欠損、重複排除の違いなど、複数あります。どちらかが誤りなのではなく、目的が違う指標だと考えるのが適切です。広告の媒体を比較するときは各管理画面の数字を、サイト内の導線の改善を考えるときはGA4の数字を使う、といった使い分けを、最初に決めておきます。

とはいえ、数字が不完全だからといって、分析を諦める必要はありません。同意の取得方法やタグの設定が変わらない限り、偏りは同じ向きで残るため、週ごとの推移や施策前後の比較といった「方向」を読む用途には十分使えます。注意すべきなのは、同意バナーの文言や位置、タグの設定を変えた日です。その日を境に、数字が見かけ上、急に変わることがあります。変更の日付を、ダッシュボードの注記として必ず残します。

もう一つの現場の落とし穴は、データのしきい値です。GA4では、Googleシグナルを有効にしている場合などに、少人数のデータが探索レポートで表示されないことがあります。小さなコホートが空白に見えたとき、それは「ゼロ」ではなく「表示されない」可能性があります。

ジャーニーダッシュボードにまとめる

最後に、ここまでの分析を1枚にまとめます。目的は報告のための数字を並べることではなく、「次に何を決めるか」を示すことです。各パネルに、答える問い、元のデータ、更新頻度、見るときの注意を書き添えます。

パネルは5〜7個に抑えます。見る人が多いほど指標を足したくなりますが、足した指標は誰かの意思決定に結びつかない限り、ダッシュボードを読みにくくするだけです。「この数字が○○だったら何を変えるか」を言えないパネルは外します。

数字を整える前に、どの段階を厚く計測するかを決めたい場合は、無料ツールのジャーニーマッパーが使えます。段階ごとの顧客体験を1〜5で評価すると、体験のカーブと最も摩擦の大きい段階が表示されます。評価が低い段階に、計測のイベントと自由回答の材料を優先して置く、という順序で進めると、数字が先行して現場の実感から離れることを避けられます。

AIの使いどころは、週次の変化を文章にまとめる下書き、複数の自由回答の分類、異常値の原因候補の洗い出しなどです。人が確認すべき点は、数字の転記ミスがないこと、相関を因果として書いていないこと、同意で欠損している範囲を踏まえていることです。顧客の個人情報を含むデータは、外部のAIサービスに入力してよいか、利用規約と社内ルールで先に確認します。

分析の目的は、完全な数字を得ることではなく、顧客の体験のどこを直すかを決めることです。計測の精度には限りがあり、同意と規制の変化によって、その限界は今後も動きます。限界を記録しながら使い続ける運用が、ダッシュボードの信頼性を保ちます。ここまでの手順を実際のデータを使った演習として扱っているのがカスタマーエクスペリエンス実践コースです。