チャーン分析のやり方｜解約率が悪化する原因をClaudeで特定する手順

「最近、解約が増えている気がするが、どの顧客がなぜ解約しているのかは分からない」。サブスクリプション型の事業では、このような状況にたびたび直面します。

解約率（チャーンレート）は結果の指標であり、全体の数字だけを見ても、契約直後の解約が増えたのか、長く使っていた顧客が離れたのか、決済の失敗で契約が切れたのかは分かりません。

原因を特定するには、契約・決済・利用・獲得のデータを組み合わせ、時期や顧客層を切り替えながら比較する必要があります。これらのデータは別々のツールに分かれていることが多く、手作業で集めて突き合わせるだけで時間がかかります。

本記事では、チャーンレートの定義と計算式を確認したうえで、解約率が悪化する主な原因と、原因を絞り込むチャーン分析のやり方を解説します。あわせて、契約・決済・利用データをClaudeから参照できるようにし、解約の要因を短時間で特定する方法を紹介します。

チャーンレート（解約率）とは：定義と計算式

チャーンレート（churn rate）は、一定期間にサービスを解約した顧客の割合です。日本語では「解約率」と呼ばれます。

月次の解約率は、次の式で計算します。

月次解約率 ＝ 当月の解約数 ÷ 月初の契約数 × 100（％）

たとえば、月初に1,000件の契約があり、その月に50件が解約した場合、月次解約率は5％です。チャーン分析とは、この解約率がなぜ変化したのかを、データから特定する作業を指します。

カスタマーチャーンとレベニューチャーン

解約率には、顧客数を基準にする「カスタマーチャーン」と、失った売上を基準にする「レベニューチャーン」があります。

高単価のプランの顧客が解約すると、顧客数への影響は小さくても、売上への影響は大きくなります。サブスクリプション型の事業では、両方を確認します。

レベニューチャーンには、解約に加えて、下位プランへの変更（ダウングレード）による売上の減少も含めるのが一般的です。

さらに、既存の顧客のアップセルなどによる売上の増加を差し引いたものを「ネットレベニューチャーン」と呼びます。裏返すと、既存の顧客からの売上がどれだけ維持・拡大したかを表す「NRR（売上継続率）」になります。

NRRとGRRの計算方法と、拡大・縮小・解約に分けて見る方法は「NRRとGRRの計算方法（別タブで開く）」で解説しています。

解約率を比べる前に、数え方の定義をそろえる

解約率は、数え方によって値が変わります。期間や施策の前後で比べるときは、次の点を先に決めておきます。

• 月の途中で新規に契約した顧客を、分母に含めるか
• 一時休止を解約として扱うか
• 解約後に再契約した顧客を、どう数えるか
• 決済の失敗による契約の終了を、解約に含めるか

解約率の目安を他社の数字に求めることもありますが、商材や価格、契約の形態が異なれば比較できません。自社の過去の数字と比べて、変化を捉えます。

解約率を分解して悪化の原因を絞り込む

解約率が悪化したときに、全顧客の平均だけを見ても原因は分かりません。次の順番で分解して確認します。

1. 集計に異常がないか：解約の定義やデータの取り込みが変わっていないかを先に確認する
2. いつから悪化したか：悪化が始まった月と、同じ時期に行った値上げ・プラン変更・キャンペーンを照らし合わせる
3. どの時点の解約が増えたか：契約直後の解約か、長く利用した後の解約かを切り分ける
4. どの顧客層に偏っているか：プラン・顧客の属性・流入元・獲得したキャンペーンごとに比べる
5. 解約の種類は何か：顧客の意思による解約か、決済の失敗による契約の終了かを分ける

たとえば、全体の解約率は悪化していても、既存の顧客の継続率は変わらず、直近に獲得した顧客の初月の解約だけが増えていることがあります。この場合は、サービス全体の問題よりも、広告の訴求・獲得チャネル・オンボーディングを疑います。

反対に、長く利用していた顧客の解約が増えている場合は、値上げ、競合のサービス、利用頻度の低下を疑います。

解約率が悪化する主な原因

原因1：契約直後にサービスの価値を体験できていない

初月や契約直後の解約が多い場合、顧客がサービスの価値を体験する前に離れている可能性があります。

• SaaSで、初期設定が完了していない、主要な機能を使えていない
• オンボーディングが途中で止まっている
• 定期通販で、初回の商品への期待と実際の体験に差がある、使い方が分かりにくい

契約直後の解約を分析するときは、解約率だけでなく、初回の利用までの日数、オンボーディングの完了率、主要な機能の利用状況まで確認します。

原因2：利用頻度や購入頻度の低下

解約は突然起きるように見えますが、その前に行動の変化が表れていることがあります。

• SaaSのログインや機能の利用が減っている
• 動画やコンテンツの視聴・閲覧の回数が減っている
• 定期通販で配送のスキップが増え、購入の間隔が空いている
• 問い合わせや不満の連絡が増えている

解約日だけを見ても、なぜ解約したのかは分かりません。解約前の数週間から数か月の利用行動を、継続している顧客と比べることで、解約の兆候を見つけやすくなります。

原因3：料金と提供価値が合っていない

値上げやプランの変更をきっかけに、解約率が悪化することもあります。

ただし、「価格が高いから解約した」とすぐに判断するのは避けます。実際には、利用頻度の低い顧客にとって割高になっている、上位プランの機能を使えていない、価格に見合う価値が伝わっていない、といった可能性があります。

料金に関わる解約を分析するときは、プラン別の解約率、利用頻度、顧客単価、値上げ前後の継続率を組み合わせて確認します。

原因4：獲得している顧客の質の変化

解約率の悪化は、契約後の体験ではなく、契約前の集客に原因がある場合もあります。たとえば、割引キャンペーンから獲得した顧客は、契約数が増える一方で、割引が終わった時点で解約が増える場合があります。

CPAの低い広告から多くの顧客を獲得できていても、その顧客の継続率やLTVが低ければ、事業としては良い集客とは言えません。広告や流入元は、契約数やCPAだけでなく、次の指標まで結び付けて評価します。

• 流入元別の初月の解約率
• キャンペーン別の継続率
• 獲得チャネル別のLTV
• 割引施策別の粗利

原因5：決済の失敗による非自発的な解約

顧客がサービスをやめるつもりがなくても、決済の失敗によって契約が終了することがあります。クレジットカードの有効期限切れ、利用限度額の超過、カード会社による決済の拒否などが代表的です。

このような解約は「非自発的チャーン」と呼ばれ、サービスへの不満による解約とは原因も対策も異なります。

顧客の意思による解約と決済の失敗を同じ解約として集計すると、改善すべき課題が見えにくくなります。解約の理由や決済のステータスを使って、両者を分けて分析します。

決済にStripeを使っている場合、Stripe Billingには、失敗したサブスクリプションの決済を自動で再試行する機能があります。2026年10月時点のStripeのドキュメントでは、AIで再試行のタイミングを選ぶ「Smart Retries」が推奨され、既定の設定は2週間以内に8回の再試行とされています（支払いの再試行を自動化する（別タブで開く））。

カードの紛失や盗難などで決済が拒否された場合は、顧客が新しい決済手段を登録するまで再試行されません。

事業の形態ごとに確認する項目

解約の前に表れる行動は、事業の形態によって異なります。

SaaSでは、特定の機能を使っている顧客ほど継続率が高いか、初期設定を完了していない顧客ほど解約しやすいかを確認します。

定期通販では、商品が余っている顧客と、商品に不満がある顧客とで、取るべき施策が異なります。

コンテンツ系のサービスでは、契約が続いていても、利用頻度が下がっている顧客は将来の解約の候補です。

チャーン分析のやり方

解約の分析に必要なデータを集める

解約の要因を分析するには、解約日や契約プランだけでは足りません。少なくとも、次の4種類のデータを組み合わせます。

これらのデータは、顧客IDや契約IDで結び付けて初めて分析に使えます。プロダクト側のユーザーIDとCRM側の顧客IDの対応が取れていないと、「解約した顧客が、解約前にどう使っていたか」を確認できません。

利用のデータをAmplitudeで計測している場合は、Claudeから直接分析することもできます。手順は「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）」で解説しています。

コホート分析で継続率を比べる

サブスクリプション型の事業では、契約を始めた月ごとに顧客をまとめ、その後の継続率を比べる「コホート分析」が有効です。全顧客の平均の解約率では、最近契約した顧客と数年利用している顧客が混ざるため、変化の原因が分かりにくくなります。

契約を始めた月ごとに、1か月後・3か月後・6か月後・12か月後の継続率を並べます。さらに、プラン・流入元・キャンペーン・割引施策でコホートを分けると、どの顧客群が継続しやすいかが分かります。

Claudeで作成した継続率のコホート分析（デモ用のデータ）

全体の契約数が増えていても、直近の数か月に獲得した顧客の継続率が下がっていれば、将来の売上は伸び悩みます。契約数と継続率は、あわせて確認します。

利用行動と継続率の関係を確認する

コホート分析で継続率の低い顧客群が分かったら、その顧客群の利用行動を、継続している顧客と比べます。たとえば、無料トライアルの期間の利用量で顧客を分け、有料プランへの転換率と、転換後の継続率を比べます。

Claudeで作成した、トライアル期間の利用量と転換率・継続率の分析（デモ用のデータ）

この例では、トライアル期間によく利用した顧客ほど、有料プランへの転換率も転換後の継続率も高くなっています。このような結果からは、トライアル中の利用を増やすオンボーディングの施策が、解約の抑制につながるという仮説が立てられます。

Claudeでチャーン分析を行う方法

ここまでの分析を手作業で行うには、決済サービス・CRM・プロダクトのデータベースからデータを書き出し、顧客IDで突き合わせ、期間や顧客層を切り替えながら集計する必要があります。

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、この作業を日本語の指示で進められます。

契約・決済・利用データをClaudeから参照できるようにする

単発の検証であれば、各ツールから書き出したCSVをClaudeに添付する方法でも分析できます。ただし、解約率や継続率を継続して確認する場合、毎回データを集める作業には限界があります。

継続して分析する場合は、各システムのデータをBigQueryなどのデータウェアハウス（DWH）に自動で取り込み、顧客IDや契約IDを軸に統合します。

• 決済サービスから、契約・決済のデータを取り込む
• プロダクトやECのシステムから、利用・購入のデータを取り込む
• CRM、問い合わせ、広告のデータを取り込む
• 顧客IDや契約IDを軸に、DWH上で結び付ける

このとき、データを集めるだけでなく、契約開始日と解約日の定義をそろえる、休止と解約を分ける、顧客の意思による解約と決済の失敗を分ける、といった設計が必要です。この設計ができていないと、Claudeが計算する解約率も正しくなりません。

BigQueryに統合したデータは、MCP（Model Context Protocol）のサーバーを介してClaudeから参照できます。BigQueryへのデータの取り込みからClaudeへの接続までの手順は、広告データを例に「広告の媒体横断分析をAIで行う方法（別タブで開く）」で解説しています。BigQueryとClaudeの接続の手順だけを確認したい場合は、「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）」をご覧ください。

なお、Stripeも公式のMCPサーバー（https://mcp.stripe.com）を公開しており、Claude DesktopやClaude Codeから接続する手順が案内されています。サブスクリプションや請求を分析する stripe_analytics のツールは、2026年10月時点ではプレビューとして提供されています。自然言語からSQLを組み立てる機能には、Sigmaの利用が必要です（Model Context Protocol (MCP)（別タブで開く））。

StripeのデータをClaudeで分析する方法は、「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）」で解説しています。

当社が支援した株式会社Azoop様では、GA4・Salesforce・RDS（プロダクトの利用ログと契約情報）のデータを1つのデータ基盤に統合し、顧客の状態を表すヘルススコアを算出してダッシュボードで可視化しました。

感覚や経験に頼っていた解約リスクの判断を、データに基づいて行えるようにした事例です（「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）」）。

分解の観点を指定して依頼する

「解約率が悪化した原因を教えて」とだけ依頼するよりも、分解の観点と比べる対象を指定したほうが、実務で使える回答になります。

プロンプト例
直近3か月とその前の3か月で、月次の解約率を比較してください。解約を「契約から3か月以内」と「それ以降」に分け、どちらの増加が悪化の主因かを示してください。

プロンプト例
契約を始めた月ごとに、1か月後・3か月後・6か月後の継続率を表にしてください。あわせて、流入元別とプラン別に、継続率が最も低い組み合わせを3つ挙げてください。

プロンプト例
解約した顧客と継続している顧客で、解約日（継続している顧客は同じ時点）の前30日間の利用行動を比べてください。差が大きい指標を順に並べ、データで確認できたことと推測は分けて書いてください。

プロンプト例
直近6か月の解約を、顧客の意思による解約と決済の失敗による解約に分け、月ごとの件数と失ったMRRを示してください。

定期的に確認する仕組みをつくる

解約の兆候は、月に一度の集計では見逃しやすくなります。

同じ分析を定期的に行う場合は、Claudeの「スケジュールタスク」を使うと、登録した指示を決まった頻度で自動で実行できます。2026年10月時点では、有料プラン（Pro・Max・Team・Enterprise）で利用でき、頻度は毎時・毎日・毎週・平日・手動から選べます（Schedule recurring tasks in Claude Cowork - Claude Help Center（別タブで開く））。

たとえば、毎週月曜日に次の内容を確認する運用が考えられます。

• 前週の解約率と継続率
• 解約が増えたプランや顧客層
• 決済の失敗による解約の件数
• 利用が減り、解約のリスクが高まっている顧客の傾向

スケジュールタスクの設定方法は、「広告レポートをAIで自動化する方法（別タブで開く）」で解説しています。

Claudeの分析結果は仮説として検証する

Claudeは、複数のデータから傾向を見つけ、仮説を整理する作業に向いています。

一方で、「特定の機能を使っていない顧客ほど解約率が高い」という結果が出ても、その機能を使っていないことが解約の直接の原因とは限りません。もともと利用する意欲が低い顧客が、その機能も使わずに解約している可能性もあります。

Claudeで見つけた傾向は、次の方法で検証します。

• 解約した顧客へのインタビューや、解約時のアンケートの回答を確認する
• 対象の顧客にオンボーディングの施策を行い、行わなかった顧客と継続率を比べる
• 施策の前後で、継続率が変化したかを確認する

また、契約や決済のデータには個人情報が含まれます。Claudeに渡すデータは、分析に必要な項目に絞り、氏名やメールアドレスなどは顧客IDに置き換えておきます。

解約率を改善する方法｜原因別の打ち手

原因を特定したら、原因に合った打ち手を選びます。

解約の兆候が出た顧客に早く対応するには、顧客ごとの状態を一目で確認できる指標が役立ちます。利用状況や契約情報を組み合わせたヘルススコアを算出し、スコアの下がった顧客から優先して対応すると、CSの担当者ごとの判断のばらつきも減らせます。

ヘルススコアの指標の選び方と配点の決め方は、「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。

解約率だけで事業の成果を判断しない

解約率は重要な指標ですが、解約率だけで事業の成果を判断すると、実態と食い違うことがあります。

• 解約率は低いが、顧客単価が低く、サポートの費用がかさみ、利益が残っていない
• 獲得のCPAは高いが、継続期間が長く、LTVで見ると十分に回収できている

サブスクリプション型の事業では、解約率に加えて、継続期間・顧客単価・粗利・LTVを組み合わせて確認します。LTVは、簡易的には次の式で計算できます。

LTV ＝ 月間の平均顧客単価 × 粗利率 ÷ 月次解約率

解約率が半分になれば、ほかの条件が同じでもLTVは2倍になります。LTVのほかの計算式と、継続率から将来のLTVを予測する手順は、「LTVの計算方法｜サブスクで使える3つの式とClaudeで予測する手順（別タブで開く）」で解説しています。

定期通販などで、販売チャネルごとにリピートやLTVを比べる方法は、「複数モールの売上分析を一元化する方法｜Amazon・楽天・Yahoo!（別タブで開く）」で解説しています。

広告や流入元の評価も、契約数やCPAで終わらせず、継続率やLTVまで結び付けます。広告の指標が悪化したときの分析の方法は、「CPAとは？悪化の原因と改善方法｜Claudeで要因を特定する手順（別タブで開く）」と「ROASとは？悪化の原因と改善方法｜Claudeで要因を特定する手順（別タブで開く）」で解説しています。

まとめ

• チャーンレート（解約率）は「当月の解約数 ÷ 月初の契約数 × 100」で計算する。顧客数を基準にするカスタマーチャーンと、売上を基準にするレベニューチャーンの両方を確認する
• 解約率が悪化したら、時期、契約からの期間、顧客層、解約の種類に分けて原因を絞り込む
• 主な原因は、契約直後の体験、利用頻度の低下、料金と価値のずれ、獲得している顧客の質の変化、決済の失敗の5つ
• 契約・決済・利用・獲得のデータを統合してClaudeから参照できるようにすれば、コホート分析や解約前の行動の比較を、日本語の指示で行える。見つけた傾向は仮説として検証する

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。契約・決済・プロダクトの利用・CRM・広告のデータを統合し、解約率・継続率・LTV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）」で紹介しています。

「解約率が悪化しているが原因が分からない」「契約データと利用履歴が分かれていて分析できない」といった課題をお持ちでしたら、お問い合わせください。