cohort-analysis

/digital-marketing-pro:cohort-analysis

スクリプトの場所。 ホストで ${CLAUDE_PLUGIN_ROOT} が設定されていない場合、スクリプトは skills/ と同じ階層にあるこのプラグインの scripts/ フォルダーにあります。Python 3.10 以降で実行してください。python が見つからない場合は、python3 を使用してください（macOS、多くの Linux システム）。

目的

顧客コホート分析を実施し、ライフサイクルのパターン、リテンション、時間の経過に伴う価値を把握します。獲得日、チャネル、行動、または価値層ごとに顧客をコホートに分け、リテンション曲線を追跡し、コホートのパフォーマンスを比較して、最も価値の高い顧客を獲得できる獲得元を特定します。この分析により、時間の経過とともに顧客の質が向上しているのか、低下しているのか、長期的な価値をもたらすチャネルと一度限りの取引に終わるチャネルの違い、そしてライフサイクルへの介入（オンボーディングの改善、再エンゲージメントキャンペーン、ロイヤルティプログラム）がリテンションと収益に最大の効果をもたらす領域が明らかになります。

必要な入力

ユーザーは次の情報を提供する必要があります（または入力を求められます）。

• コホートの種類：time-based（獲得した週、月、四半期ごとに顧客を分類します。リテンションの推移を示す標準的なコホート分析です）、channel-based（有料検索、オーガニック、ソーシャル、メール、紹介など、獲得元ごとに顧客を分類し、最も定着率の高い顧客を獲得できるチャネルを明らかにします）、behavioral（最初に取った行動ごとに顧客を分類します。例：購入した商品カテゴリー、利用した機能、消費したコンテンツ。定着率が最も高い顧客を獲得できる最初の接点を特定します）、または revenue-tier（初回購入額ごとに顧客を分類します。低、中、高、エンタープライズに分け、初期価値と顧客生涯にわたるリテンションおよび拡大との相関を示します）
• 期間と粒度：分析期間とコホートの規模を指定します。過去3か月の週次コホート（解像度が高く、サイクルの速いビジネスに最適）、過去12か月の月次コホート（ほとんどのビジネスで標準）、または複数年の分析に用いる四半期ごとのコホート（サイクルが長いB2Bやサブスクリプション型ビジネスに最適）から選択します。粒度によって、コホートの定義と測定するリテンション間隔の両方が決まります
• 追跡する指標：コホート間で測定する成果を指定します。retention rate（各間隔でアクティブな状態を維持しているコホートの割合）、revenue（顧客あたりの累計収益と期間別収益）、LTV（将来の予測価値を含む累計顧客生涯価値）、engagement（ログイン頻度、機能の利用、コンテンツの消費）、または複数の指標を同時に追跡してライフサイクル全体を包括的に把握します
• データソース：顧客データの取得元を指定します。CRM（取引データ、顧客レコード、ライフサイクルの各段階）、analytics（ウェブサイトでの行動、コンバージョンイベント、セッションデータ）、product analytics（機能の利用、アクティベーションイベント、エンゲージメント指標）、または顧客識別子を使って複数のソースを結合したデータから選択します

プロセス

1. ブランドのコンテキストを読み込む：~/.claude-marketing/brands/_active-brand.json を読み込んでアクティブなスラッグを確認し、続いて ~/.claude-marketing/brands/{slug}/profile.json を読み込みます。ビジネスモデル（SaaS、eCommerce、B2B）、一般的な顧客ライフサイクルの期間、主要なリテンション指標、業界におけるチャーンの定義を抽出します。~/.claude-marketing/brands/{slug}/guidelines/_manifest.json にガイドラインがあるか確認します。ブランドが存在しない場合は、「先にブランドを設定しますか（/digital-marketing-pro:brand-setup）？」と尋ねるか、デフォルト設定で進めます。
2. 選択したタイプに基づいてコホートを定義する：顧客ベースをコホートに分けます。時間ベースの場合は、顧客を初回獲得（初回購入、アカウント作成、または最初の有意義な接点）があった週、月、四半期ごとにグループ化します。チャネルベースの場合は、初回コンバージョンに紐づく獲得元（UTM ソース、紹介経路、または CRM のリードソースフィールド）ごとにグループ化します。行動ベースの場合は、最初に行った重要なアクション（初回購入の商品カテゴリ、初めて有効化した機能、最初に消費したコンテンツタイプ）ごとにグループ化します。収益階層ベースの場合は、初回取引額を階層に分けて分類します（ビジネスの注文金額の分布に基づいてしきい値を定めます。例：下位 25％、中位 50％、上位 25％）。
3. CRM と分析 MCP から顧客データを取得する：顧客データセット全体を収集します。CRM MCP から獲得日と獲得元、タイムスタンプと金額を含む取引履歴、分析 MCP からエンゲージメントイベント（ログイン、機能の利用、メールの開封、サイト訪問）、チャーンイベント（キャンセル、最終アクティビティ日、アカウント閉鎖）、およびコホートの分類に必要な顧客属性を取得します。複数のソースのデータを顧客 ID で統合し、可能な範囲で重複を解消して不足情報を補完します。
4. リテンションマトリクスを作成する：各コホートについて、その後の各期間（週次、月次など、選択した粒度に合わせます）におけるリテンション率を計算します。リテンション率は、その期間中に対象となるアクティビティ（ビジネスモデルに応じた購入、ログイン、エンゲージメントイベントなど）を行った元のコホートの割合として定義します。コホートを行、期間を列とする三角形のマトリクスで表示し、セルを色分けします（平均を上回るリテンションは緑、下回るリテンションは赤）。
5. コホートごとの LTV を計算する：各コホートについて、各期間の顧客あたり累計収益を算出します。これは、獲得からその期間までにコホート内の顧客が生み出した総収益の平均です。各コホートの価値が時間とともにどのように蓄積するかを示す LTV 曲線をプロットします。獲得コストのデータがある場合は LTV:CAC 比率を計算し、最も早く投資回収に至るコホートと、長期的に最も高いリターンを生み出すコホートを特定します。
6. リテンションのパターンを特定する：リテンションマトリクスを分析し、構造的なパターンを見つけます。リテンションが安定するのはいつですか（「リテンションの底」、つまりチャーン率がほぼゼロになる時期）？どのコホートのリテンションが最も高く、リテンションの低いコホートと何が異なりますか（獲得チャネル、初期の行動、獲得時期、プロモーション経由かオーガニック経由か）？重要なアクティベーション期間はありますか。つまり、継続する顧客とチャーンする顧客のリテンションに差が生じる、ライフサイクル初期の特定期間です。行動データから判断できる場合は、「アハ・モーメント」を特定します。
7. コホートの健全性指標を計算する：各コホートについて、投資回収期間（累計収益が獲得コストを上回るまでの月数）、予測 LTV（リテンション曲線と収益トレンドからの外挿値）、チャーン率（期間ごとに失われる割合。グロスとネットの両方）、エンゲージメントスコア（アクティビティの頻度と深度を組み合わせた指標）、および拡張収益率（SaaS の場合、コホート内のアップセルとクロスセルによる収益の割合）を算出します。これらの指標を組み合わせた全体的な健全性に基づいてコホートを順位付けします。
8. トレンド追跡用にコホートデータを保存する：次のコマンドで、コホート分析の概要をインサイトとして保存し、経時的な比較に使用します。保存する内容は、リテンションの底、LTV 曲線の形状、コホートの健全性スコア、分類に関する注記です。python "${CLAUDE_PLUGIN_ROOT}/scripts/campaign-tracker.py" --brand {slug} --action save-insight --data '{"type":"cohort","insight":"retention/LTV/health summary","context":"cohort-analysis {period}"}'（注：churn-predictor.py は行動シグナルからチャーンリスクをスコアリングしますが、リテンションマトリクスや LTV 曲線は保存しません。永続的なコホート履歴は campaign-tracker のインサイトに保存されます。）新しいコホートのリテンションが古いコホートより改善または悪化しているか、チャネルの質が変化しているか、ライフサイクルへの施策によってリテンション曲線が測定可能な形で改善しているかを、月ごとに比較できるようにします。

出力

以下を含む、構造化されたコホート分析です。

• リテンションマトリックス：各期間におけるリテンション率を示すコホート別・期間別のグリッドです。平均を上回るセルは緑、下回るセルは赤で色分けし、統計的な信頼性を示すため、各行にコホートの規模（n）を表示します
• リテンション曲線の可視化データ：各コホートのリテンション曲線を1つのグラフに重ねて表示します。リテンションの推移を視覚的に比較できるほか、平均リテンション曲線を基準として強調表示します
• コホート別LTV比較：コホートごとの累積LTV曲線で、時間の経過に伴う価値の蓄積を示します。現在のLTV、予測12か月LTV、獲得コストがわかる場合はLTV:CAC比率も含みます
• パフォーマンスが最も高いコホートと最も低いコホート：リテンションとLTVを基準に、上位3つと下位3つのコホートを順位付けした一覧です。各コホートのパフォーマンスと相関する可能性がある要因として、獲得チャネル、季節要因、プロモーション施策、製品の変更、オンボーディングの違いを仮説として示します
• 安定化ポイント分析：各コホートタイプのリテンションの下限を示します。月次解約率がしきい値（通常1～2％）を下回るまでの期間を特定し、投資回収期間の計画と顧客生涯価値の推定に役立つ示唆を提示します
• コホート傾向分析：新しいコホートは古いコホートよりもリテンションが高いでしょうか？各コホートの同じ期間におけるリテンション率（例：連続する各コホートの3か月目リテンション率）を月ごとに比較し、長期にわたって定着する顧客を獲得する能力が向上しているか、低下しているかを示します
• パフォーマンスの低いコホートに対する介入の推奨事項：パフォーマンスの低いセグメントのリテンションを改善するための、具体的ですぐに実行できる推奨事項です。対象を絞った再エンゲージメントキャンペーン、オンボーディングの変更、製品体験の改善、再獲得オファーなどを、パフォーマンスの低いコホートと最も高いコホートの差に基づくリテンションへの予測効果とともに提示します
• コホートLTVに基づく獲得チャネルの品質ランキング：獲得した顧客の平均LTVを基準にチャネルを順位付けします。獲得数とは関係なく、長期的な価値をもたらすチャネルと、単発利用またはリテンションの低い顧客を獲得するチャネルを明らかにし、獲得予算の配分に役立てます

使用するエージェント

• analytics-analyst — コホートの定義とセグメンテーションのロジック、各期間のリテンションマトリックスの計算、顧客あたりの累積収益に基づくLTV曲線の計算、安定化ポイントや重要なアクティベーション期間を含むリテンションパターンの特定、投資回収期間・予測LTV・解約率・エンゲージメントスコアなどのコホート健全性指標の算出、新旧コホートのパフォーマンス比較による傾向分析、統計的な信頼性を確保するためのコホート規模の検証を含むデータ品質の評価
• crm-manager — CRM MCPを介した、顧客の獲得日、取引履歴、ライフサイクル段階の進行状況、解約イベントなどのCRMデータの抽出、CRMフィールドを使用した獲得元と価値層別の顧客セグメンテーション、およびコホートの割り当てに用いる統合顧客プロファイルの構築に向けた、CRMの商談データと分析のタッチポイントデータの相互照合