「トライアルの登録は増えているのに、有料に転換する人が増えない」。SaaSやサブスクリプション型の事業では、このような悩みがよく聞かれます。
登録した人のうち、誰が有料に転換し、使い続けるかは、登録した直後の行動にある程度表れます。この「最初に価値を体験した状態」を表すのが、アクティベーションです。
ただし、「どの行動を、何回すればアクティベーションとみなすか」を感覚で決めると、オンボーディングの目標が成果につながらないことがあります。
本記事では、カスタマーサクセスやプロダクトの責任者に向けて、アクティベーションの定義とアクティベーション率の計算方法を確認したうえで、トライアル中の行動から指標の候補を出し、「〇日以内に〇回」の条件を有料転換率の差で選ぶ手順を解説します。
あわせて、利用ログと課金データをClaudeで集計する方法と、プロンプトの例、注意点を紹介します。
アクティベーションとは
アクティベーションは、新しく登録した人が、サービスの価値を初めて体験した状態のことです。プロダクトの改善やカスタマーサクセス（CS）の分野でよく使われます。
たとえば、動画学習のサービスであれば「レッスンを何本か最後まで受けた」、BtoBのSaaSであれば「チームのメンバーを招待し、主要な業務で使い始めた」などが当てはまります。
サインアップ・アクティベーション・転換・継続の関係
登録から継続までは、次の順に進みます。
| 段階 | 内容 | 主な指標 |
|---|---|---|
| サインアップ | 会員登録やトライアルの開始 | 登録数 |
| アクティベーション | 最初に価値を体験する | アクティベーション率 |
| 有料転換 | トライアルから有料のプランに移る | 有料転換率 |
| 継続 | 有料のプランを使い続ける | 継続率・解約率 |
有料転換や継続は、結果が出るまでに時間がかかります。14日間のトライアルなら転換の結果は14日後、継続の結果は数か月後にならないと分かりません。
アクティベーションは、その結果より前に、登録した直後の行動で判定できます。そのため、オンボーディングの施策を素早く評価し、改善するための目標として使えます。
アクティベーション率の計算式
アクティベーション率は、次の式で計算します。
アクティベーション率 ＝ 期間中に登録した人のうち、アクティベーションの条件を満たした人の数 ÷ 期間中に登録した人の数
たとえば、ある月に1,000人がトライアルに登録し、そのうち220人が「最初の7日間にレッスンを10回以上完了」の条件を満たしていれば、アクティベーション率は22％です。
計算するときは、登録した日を基準にします。最初の7日間を判定に使う場合、登録から7日間を終えていない人は分母にも分子にも入れません。直近の登録を含めると、まだ行動の途中の人が「満たしていない」と数えられ、率が低く出ます。
アクティベーションの指標の決め方
アクティベーションの指標は、次の4つの手順で決めます。
- 結果と判定の期間を決める
- 指標の候補を出す
- 「〇日以内に〇回」の条件を、有料転換率の差で選ぶ
- 転換後の継続と、別の期間で確かめる
手順1：結果と判定の期間を決める
まず、アクティベーションで予測したい結果を決めます。トライアルのあるサービスなら「有料に転換したか」、無料プランのあるサービスなら「有料のプランに移ったか」、契約から始まるSaaSなら「数か月後も使い続けているか」などです。
次に、行動を見る期間を決めます。期間は、結果が出るまでの間に、手を打つ時間が残るように置きます。
14日間のトライアルであれば、最初の7日間で判定すると、条件を満たしていない人に、残りの7日間でメールやアプリの通知で案内できます。
手順2：指標の候補を出す
候補は、サービスの価値に直結する行動から挙げます。次のような分類で洗い出すと、漏れが少なくなります。
| 分類 | 候補の例 | 確かめること |
|---|---|---|
| 主要な機能の利用 | レッスンの完了、レポートの作成、データの取り込み | サービスの価値を得られたか |
| 利用の頻度 | 利用した日数、ログインの回数 | 習慣になり始めているか |
| 利用の量 | 視聴した時間、作成した件数 | どれだけ使ったか |
| 設定・広がり | プロフィールの設定、メンバーの招待、ほかのツールとの連携 | 使い続ける準備ができたか |
候補を選ぶときは、オンボーディングで案内できる行動かどうかも確かめます。アクティベーションは施策の目標にするため、「案内すれば増やせる行動」であることが大切です。
手順3：「〇日以内に〇回」の条件を、有料転換率の差で選ぶ
候補ごとに「〇回以上」の条件をいくつか置き、満たした人と満たさなかった人の有料転換率を比べます。
このとき、データを登録の時期で前半と後半に分け、条件は前半で選び、後半で確かめます（手順4）。同じデータで選んで確かめると、その期間にたまたま合っただけの条件を、よいものと誤って判断するためです。
次の画面は、動画学習のサブスクリプションアプリ（14日間の無料トライアル）を想定したデモ用のデータで、トライアルの最初の7日間の行動ごとに、有料転換率を比べたものです。
Claudeで作成した、アクティベーションの条件の候補と有料転換率（デモ用のデータ）
画面の表とグラフは、全期間に登録したトライアル13,983人の集計です。有料転換率は33.9％でした。
最初の7日間にレッスンを10回以上完了した人は全体の22.4％で、その59.3％が有料に転換しました。満たさなかった人の転換率は26.6％で、差は32.7ポイントです。
レッスン完了数別に見ると、転換率は8〜9回の44.1％から、10〜14回の57.2％に大きく上がり、15回以上（60.6％）ではほとんど伸びません。このように、転換率が大きく上がり、その先で伸びが止まるあたりが、条件の候補になります。
ただし、レッスン完了数の「8回以上」から「15回以上」までの差は31.0〜32.7ポイントで、視聴分数の「120分以上」「180分以上」（32.5ポイント）もほぼ同じです。どこで切っても結果は大きく変わらないため、案内しやすい区切りの10回を選びました。1ポイントに満たない差で細かく選ぶと、その期間のデータにたまたま合っただけの条件になりやすくなります。
前半（2025年5〜10月の登録6,152人）だけで比べても、差が最も大きいのは「10回以上」（31.0ポイント）でした。
条件を選ぶときは、次の点を確かめます。
- 満たした人と満たさなかった人の転換率の差が大きいか：差が小さい条件は、転換を分ける行動とは言えない
- 満たす人の割合が、極端に多すぎたり少なすぎたりしないか：この例の「1回以上」は76.6％が満たし、ほぼ全員が届く。差がほぼ同じ範囲でも、「15回以上」は14.0％しか満たさず、オンボーディングの目標には高すぎる
- ほかの候補と同じことを測っていないか：この例のレッスン完了数と視聴分数の相関は0.95で、視聴分数の条件も転換率の差はほぼ同じ。そのため、オンボーディングで案内しやすい「レッスンの完了」を選んだ
- 転換した人のうち、条件を満たしていた人の割合：この例では39.2％。転換した人の多くは条件を満たさずに転換しているため、条件を満たさない人を「見込みがない」とは扱わない
利用日数は、日数が増えるほど転換率も上がりますが、満たした人と満たさなかった人の差は21.8〜24.7ポイントで、レッスン完了数より小さい結果でした。
手順4：転換後の継続と、別の期間で確かめる
選んだ条件が、有料転換だけでなく、転換後の継続も分けているかを確かめます。転換率だけで選ぶと、トライアル中だけ多く使い、すぐに解約する人を集める条件になることがあるためです。
Claudeで作成した、アクティベーションした人の転換と継続（デモ用のデータ）
この例では、月額プランで有料転換した会員のうち、アクティベーションした会員の77.1％が6か月後も有料で継続していました。しなかった会員の64.2％より12.9ポイント高く、転換後の継続も分けていることが分かります。
次に、条件を選ぶのに使わなかった後半のデータで、同じ差が出るかを確かめます。
この例では、前半で選んだ「10回以上」を、後半（2025年11月〜2026年4月16日の登録7,831人）に当てはめました。満たした人の転換率は60.6％、満たさなかった人は26.5％で、差は34.1ポイントと、前半（31.0ポイント）と同じ程度の差が出ています。
アクティベーション率をオンボーディングの目標にする
条件が決まったら、アクティベーション率を、オンボーディングの目標として毎月確認します。
前述の画面の右側のように、登録月ごとのアクティベーション率と有料転換率を並べておくと、施策の効果を確かめやすくなります。この例では、アクティベーション率は毎月21〜24％で推移しています。
条件を満たしていない人に、期間内に案内する
アクティベーションの条件は、施策の対象を決めるのにも使えます。
| 時点 | 対象 | 施策の例 |
|---|---|---|
| 登録の翌日 | まだ1回も使っていない人 | 最初の1本として、短いレッスンを案内する |
| 登録から3〜4日目 | 使っているが、条件まで遠い人 | 続きのレッスンや、関心の近いカテゴリを案内する |
| 7日目 | 条件を満たした人 | 有料のプランで使える機能や、学習の計画を案内する |
BtoBのSaaSでは、CSの担当者が、条件を満たしていない会社に初期設定の支援や説明会を案内する運用が考えられます。
施策の効果は、アクティベーション率と転換率の両方で見る
オンボーディングを変えたら、アクティベーション率が上がったかに加えて、有料転換率も一緒に上がったかを確かめます。
アクティベーション率だけが上がり、転換率が変わらない場合は、条件を満たすように行動を促しただけで、価値の体験にはつながっていない可能性があります。
Claudeでアクティベーションを分析する方法
ここまでの分析を手作業で行うには、利用ログと課金のデータを顧客IDで突き合わせ、登録日からの日数で行動を集計し、条件を変えながら転換率を比べる必要があります。
データを1か所に統合してClaudeから参照できるようにしておけば、条件の比較から検証、毎月の確認までを日本語の指示で進められます。
必要なデータ
| データ | 主な項目 | 保存されている場所の例 |
|---|---|---|
| 利用ログ | 顧客ID、日付、使った機能、回数・時間 | プロダクトのデータベース、Amplitudeなどのプロダクト分析ツール |
| 契約・課金 | 顧客ID、登録日、トライアルの終了日、有料転換日、解約日、プラン | Stripeなどの決済サービス、販売管理のシステム |
これらのデータは、BigQueryなどのデータウェアハウスに自動で取り込み、顧客IDで結び付けておきます。
BigQueryのデータをClaudeから参照する手順は「ClaudeとBigQueryを連携する方法｜MCPの接続手順と分析例（別タブで開く）」で解説しています。
Amplitudeの利用ログをBigQueryに書き出す方法は「ClaudeでAmplitudeのデータを分析する方法｜公式MCPの接続手順と分析例（別タブで開く）」で、Stripeの契約・請求のデータの扱いは「ClaudeでStripeのデータを分析する方法｜MRRの内訳・解約率と3つの接続方法（別タブで開く）」で紹介しています。
定義を前提として渡す
登録日の基準、判定の期間、有料転換の定義は、Claudeに毎回伝えなくてもよいように、ファイルにまとめておきます。
Claudeの「プロジェクト」にこのファイルを入れておけば、プロジェクト内のどのチャットでも同じ定義で集計できます。2026年10月時点では、プロジェクトは無料プランでも5つまで作成できます（What are projects? - Claude Help Center（別タブで開く））。
前提の例
・登録日は、トライアルを開始した日（日本時間）。トライアルは14日間
・行動を見る期間は、登録日を0日目として0〜6日目の7日間
・有料転換は、トライアルの終了後に有料のプランに移ったこと。年額プランを含む
・転換率の集計は、14日間のトライアルを終えた登録だけを対象にする
・転換後の継続は、月額プランの会員について、N回目の更新日の翌日の終わりまでに解約・休止していないこと
・会員は顧客IDで表示し、氏名やメールアドレスは出力しない
プロンプト例
候補を出す段階、条件を選ぶ段階、確かめる段階に分けて依頼します。
プロンプト例
直近12か月にトライアルを始めた会員について、最初の7日間の利用日数・レッスン完了数・視聴分数を集計してください。それぞれ「〇以上」の条件を4〜6個置き、満たした人の割合、満たした人と満たさなかった人の有料転換率、その差を表にしてください。指標どうしの相関も示してください。
プロンプト例
レッスン完了数を0回・1〜2回・3〜4回・5〜7回・8〜9回・10〜14回・15回以上に分け、それぞれの有料転換率をグラフにしてください。転換率が大きく上がる位置と、伸びが止まる位置を教えてください。
プロンプト例
「最初の7日間にレッスンを10回以上完了」をアクティベーションとし、満たした会員と満たさなかった会員で、有料転換後1・3・6か月後の継続率を比べてください。あわせて、登録の期間を前半と後半に分け、どちらでも同じ条件の差が最も大きいかを確かめてください。
条件が決まったら、毎月の確認も依頼できます。
プロンプト例
登録月ごとのアクティベーション率と有料転換率の推移を出してください。最初の7日間を終えていない登録は除いてください。前の月から2ポイント以上変わった月は、登録した端末・流入元別に分けて原因を探し、データで確認できたことと推測を分けて書いてください。
アクティベーションの指標を決めるときの注意点
相関と因果を分ける
アクティベーションの条件は、有料転換と一緒に動く行動であり、転換の原因とは限りません。
レッスンを10回以上完了した人の転換率が高くても、レッスンを完了させれば転換が増えるとは言い切れません。
もともと意欲の高い人が条件を満たしている
条件を満たした人の多くは、登録した時点から学ぶ意欲が高く、何もしなくても転換した人かもしれません。この場合、条件を満たすように促しても、転換率はあまり上がりません。
施策の効果は、オンボーディングを変えた群と変えていない群に分けて、アクティベーション率と有料転換率を比べて確かめます。
期間の切り方をそろえる
判定の期間は、登録日からの日数で切ります。「月初から月末までの利用」のように暦で切ると、月末に登録した人は数日しか行動を数えられず、条件を満たしにくくなります。
また、トライアルが終わった後の行動を判定に含めると、有料に転換した人ほど長く使えるため、差が大きく出すぎます。判定の期間は、結果が出る時点より前で区切ります。
指標を増やしすぎない
アクティベーションの条件に多くの行動を組み合わせると、満たす人が少なくなり、なぜ満たしていないのかも説明しにくくなります。
まずは1〜2つの行動で条件を作り、関係者が「この行動を増やせばよい」と同じように理解できる状態にします。
定期的に見直す
機能の追加や、獲得する顧客層の変化によって、転換を分ける行動は変わります。半年ごとなどに手順3と手順4の集計をやり直し、条件の差が小さくなっていたら、候補から選び直します。
ヘルススコアとつなげる
アクティベーションは、登録した直後の状態を見る指標です。転換した後の状態は、利用の状況などから顧客ごとに点数を付けるヘルススコアで見ます。
前述の例では、アクティベーションした会員ほど、転換後の継続率も高くなっていました。2つを組み合わせると、次のようにつなげられます。
- アクティベーションしたかを、ヘルススコアの初期の指標に入れる：契約から間もなく、利用の履歴が少ない顧客のスコアを付けやすくする
- アクティベーションしなかった転換者を、早めに見守る：転換後の最初の1〜2か月に利用が増えているかを確かめ、増えていなければ案内する
- スコア帯ごとに、アクティベーションの有無を比べる：スコアが低い顧客の多くがアクティベーションしていなければ、オンボーディングの見直しを優先する
ヘルススコアの作り方と運用の方法は、「ヘルススコアとは？作り方と運用方法｜解約を防ぐ指標をClaudeで設計する手順（別タブで開く）」で解説しています。
まとめ
- アクティベーションは、新しく登録した人が、サービスの価値を初めて体験した状態。有料転換や継続より前に判定できるため、オンボーディングの目標として使う
- アクティベーション率は、期間中の登録者のうち、条件を満たした人の割合。判定の期間を終えていない登録は分母にも分子にも入れない
- 指標は、結果と判定の期間を決め、価値に直結する行動から候補を出し、「〇日以内に〇回」の条件を有料転換率の差で選ぶ。転換後の継続と、別の期間で確かめる
- 利用ログと課金データを統合してClaudeから参照できるようにすれば、条件の比較から毎月の確認までを、日本語の指示で行える
株式会社INVOXは、データ基盤の構築、データ分析の支援、AIエージェントの開発を行っています。プロダクトの利用ログ・契約・決済・CRMのデータを統合し、アクティベーション率や有料転換率、継続率をClaudeやChatGPTで分析できる環境の構築も支援しています。
支援の内容は「マーケティング分析（別タブで開く）」で、利用ログと契約情報を統合してヘルススコアを算出した事例は「ヘルススコアの可視化で解約防止とデータドリブンCSを実現（別タブで開く）」で紹介しています。
「トライアルの登録は増えているが、有料に転換する人が増えない」「オンボーディングの目標をデータで決めたい」といった課題をお持ちでしたら、お問い合わせください。
