すべてのカテゴリ

<導入ストーリー>キャンペーンを増やしても、解約は止まらない。クーポンを配っても、リピートは伸びない。会議でそんな空気が流れるとき、ダッシュボードの平均値は静かに「横ばい」を示します。ですが、平均の裏では月ごとにまったく違う物語が進んでいる――それを見抜くのがコホート分析です。初回購入の月でお客さまをグループ化し、何カ月後に残っているか（残存）、何回目で離れるか（解約）、どの時点で買い足すか（リピート）を並べて見ると、LTVの“漏れどころ”が具体的に立ち上がります。<問題の本質>多くの失敗は「全体平均で施策を打つこと」。平均は便利ですが、季節要因やキャンペーンの差、導線変更の影響を混ぜてしまいます。結果、「原因が分からないままコストだけが増える」。本質は、同じ条件で入ってきたお客さまを並べ、時間の経過に沿って比較できていないことにあります。<分析：シンプルな言葉で構造化>LTVはかんたんに言えば「お客さまが関係を続けてくれる長さ × その間の利益」。コホート表は、行が“初回月のグループ”、列が“経過月”。各セルには残っているお客さまの割合や、購入回数の合計などを入れます。ポイントは3つ。初回から1→2回目の壁：ここで大きく落ちるなら体験設計（到着タイミング、開封～使用、使い切り前の提案）が原因。3→4カ月目の谷：習慣化の前に飽きが来ているサイン。内容の変化や“選べる化”が効く。長期の尾っぽ：少数でも長く続く層がLTVの底上げを担う。彼らの行動を観察して“良い癖”を前倒しで提供する。<具体例：失敗→学び→手順化>例としてコーヒーの定

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）