Amazon Marketing Cloud（AMC）は、顧客の購買行動を深く理解するための強力な分析基盤です。
中でも LTV（顧客生涯価値）を中心に購買行動を捉えることで、広告投資、商品戦略、在庫計画といった事業全体の精度を大きく向上させることができます。
LTV分析で特に重要になるのは、
どの時間粒度（週・月・年）で顧客行動を追跡するか という視点です。
AMCの実務では、
「週次（週単位）」で一貫して顧客行動を見ることが最も有効 です。
■ 週次で分析するために必要となるデータ尺の違い
AMCには複数のデータソースがありますが、
遡れる期間（尺）が大きく異なります。
● amazon_retail_purchases
最大 5年間 の購入履歴
週次で初回購入・再購入を追跡可能
LTVとリテンションの中心デー
● conversion_all
最大12.5か月（約54週）
広告接触と短期購買の分析向き
週次の短期パフォーマンス評価は可能だが、長期LTVには不足
つまり：
長期LTV → amazon_retail_purchases が必須（週次 × 5年）
広告効果の短期評価 → conversion_all（週次 × 約1年）
という明確な役割分担があります。
■ 週次でLTVを分析するメリット
週別に購買行動を評価することで、
月次では見えない細かい変動を可視化できます。
例えば、全体の売上を、新規と継続の顧客セグメント（3セグメント）に分けた上で、以下のように因数分解できます：
継続セグメントの場合、
売上 = 潜在顧客数 × 継続率 × 注文件数 / 顧客数 × 個数 / 注文件数 × 売上 / 個数（= 価格）
これにより、週次で各係数を前年同週と比較することで、
YoY（前年同週比）によるトラッキング が可能になります。
特に潜在顧客数は年度を通してほぼ一定であるため、
継続率・購入頻度・購入個数・価格 の違いを見ることで、
当年度の着地予測の精度は劇的に高まります。
これはまさに 顧客コホート分析の最大のメリット であり、
週次で次のような判断が可能になります：
🔸 どのセグメントの継続率が前年同週に比べ良いか/悪いか
🔸 新規顧客数が前年同週に比べ増えているか/減っているか
🔸 どのセグメントの客単価（価格）が前年と比べてどう変化したか
これらの情報はすべて LTV分析に直結しています。
■ 中長期の売上予測モデルは「週次の動き」から構築できる
最大5年のデータが利用できる amazon_retail_purchases を使うと、
週次単位でLTV成長パターンを検証でき、次のような Forecast（将来予測）が可能になります。
まず継続顧客については、
潜在顧客数 × 継続率 の掛け算で週次の顧客数を算出できるため、
前年同週の値を基準にすることで、当年の予測精度が大幅に向上します。
週次LTVモデルは実務上の精度が非常に高く、
広告投資・在庫計画・生産計画の基盤として活用できます。
さらに、長期的な成長には 新規顧客の増加が必要不可欠 であり、
新規がYoYで増加しているかどうかを確認しながら、
LTV構造と照らし合わせて成長シナリオを検証することに最も価値があります。
■ まとめ
週次ベースのLTV分析は、
長期トレンドの把握
短期変動の検知
予測モデルの精度向上
各セグメントの因数別改善ポイントの特定
を可能にし、
AMCを活用した事業運営の中核となります。
今後も、実務に役立つAMC分析の考え方を継続して発信していきます。
