アップセルのタイミングをデータで決める方法｜上位プランへの変更の兆しをClaudeで見つけて確かめる手順

「よく使っている顧客に上位プランを提案しているが、どれだけ効いているのか分からない」。SaaSやサブスクリプション型の事業のカスタマーサクセス（CS）では、このような声がよく聞かれます。

アップセルの提案は、相手と時期を選ぶほど受け入れられやすくなります。一方で、「よく使っている」「そろそろ上限に近い」といった判断を担当者の感覚に任せると、提案の対象が人によって変わり、効果も確かめられません。

本記事では、CSの責任者に向けて、上位プランへの変更（アップグレード）の前に表れる利用の兆しを、利用ログと課金データから見つける方法を解説します。

兆しの候補の出し方、アップグレードした会員としなかった会員の比べ方、前の期間で選んだ条件を後の期間で確かめる手順を、デモ用のデータの画面で紹介します。あわせて、提案の候補リストの作り方、Claudeで集計するプロンプトの例、注意点も紹介します。

アップセルの兆しとは

アップセルは、契約中の顧客に、上位のプランや、より多い数量の契約に移ってもらうことです。別の商品を追加で契約してもらうクロスセルと合わせて、既存の顧客からの売上の拡大を生みます。

アップセルの兆しは、上位プランへの変更の前に表れやすい、顧客の行動や状態のことです。兆しをデータで捉えられれば、提案の相手とタイミングを、担当者の感覚ではなく同じ基準で決められます。

兆しの候補になる行動

兆しの候補は、次のような分類で洗い出します。

BtoBのSaaSでは利用者数やデータ量の上限、個人向けのサブスクでは視聴や利用の回数の上限など、プランの差が何で決まっているかによって、見るべき候補は変わります。まずは「上位プランで何が増えるか」から候補を挙げます。

兆しは、データで確かめてから使う

挙げた候補は、どれも「上位プランに移りそうな人」の仮説です。実際にアップグレードした会員がその行動をしていたか、しなかった会員と比べて差があるかを、データで確かめる必要があります。

確かめずに「よく使っている人」に提案すると、もともとアップグレードしない人にも提案を重ねることになり、CSの時間を使うだけでなく、提案を嫌った顧客の解約にもつながりかねません。

アップセルの兆しの見つけ方：4つの手順

兆しは、次の4つの手順で見つけます。

1. 結果と、行動を見る時点を決める
2. 兆しの候補を、数えられる形にする
3. アップグレードした会員としなかった会員を比べ、前の期間で条件を選ぶ
4. 後の期間で、同じ差が出るかを確かめる

手順1：結果と、行動を見る時点を決める

まず、予測したい結果を決めます。ここでは「その月のうちに、上位のプランに変更したか」とします。

次に、行動を見る時点を決めます。アップグレードの直前の行動だけを集めると、変更の手続きのために料金ページを見た、といった「変更そのものに伴う行動」が混ざり、提案のタイミングを決めるのに使えません。

そこで、毎月1日の時点で契約中の会員を並べ、それより前の30日間の行動と、その月のうちにアップグレードしたかを比べます。1人の会員は、契約している月の数だけ数えます（会員 × 月）。この形にすると、「月初に条件を満たした会員に、その月に提案する」という運用と、そのまま対応します。

手順2：兆しの候補を、数えられる形にする

候補は、「直前30日の利用日数が〇日以上」「前の30日より〇日以上増えた」のように、数えられる条件にします。条件ごとに、満たした会員と満たさなかった会員のアップグレード率を比べるためです。

対象は、上位のプランがある会員に絞ります。最上位のプランの会員は、アップグレードのしようがないため、含めると率が低く出ます。

手順3：アップグレードした会員としなかった会員を比べ、前の期間で条件を選ぶ

次の画面は、動画学習のサブスクリプションアプリ（Lite・Standard・Premiumの3つのプラン）を想定したデモ用のデータで、直前30日の利用と、その月のアップグレード率を比べたものです。

データを月初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、兆しと誤って判断するためです。

Claudeで作成した、アップグレードの前の利用とアップグレード率（デモ用のデータ）

この例では、2025年7月〜2026年4月の各月の1日に、Lite・Standardの月額プランで契約中だった会員を並べました。延べ9,861件のうち、その月にアップグレードしたのは194件（Lite→Standardが80件、Standard→Premiumが114件）で、月のアップグレード率は2.0％です。

画面の左側は、アップグレードした会員としなかった会員の、直前30日の利用の平均です。レッスンの完了数は56.2回と38.2回で、アップグレードした会員のほうが多く、前の30日からの増え方も＋23.1回と＋7.3回で大きくなっています。一方で、使った端末の数や、有料転換からの月数はほとんど変わりません。

右側は、前半（2025年7〜12月の月初、3,985件）で、条件ごとのアップグレード率を比べた表です。差が最も大きいのは「直前30日のレッスン完了数が、その前の30日より20回以上増えた」で、満たした会員のアップグレード率は3.61％、満たさなかった会員は1.53％、差は2.1ポイントでした。

前半のアップグレードは80件と少ないため、差には95％の幅（偶然のばらつきを考えたときに、本当の差がおさまると見込まれる範囲）を付けて見ます。この条件の幅は＋0.8〜＋3.4ポイントで、0をまたいでいません。

条件を選ぶときは、次の点を確かめます。

• アップグレード率の差が、偶然のばらつきより大きいか：差の95％の幅が0をまたいでいないかを見る。この例では、「レッスンの完了数が20回以上」のような利用の多さの条件は、差が＋0.5〜＋0.7ポイントと小さく、幅が0をまたいでいる
• 満たす会員の割合が、多すぎないか：この例の「20回以上増えた」は前半の対象の23％で、提案の相手を絞れる。「利用日数が8日以上」は差が＋1.0ポイントあるが、対象の72％が満たし、ほぼ全員になる
• 条件を少しずらしても、同じ向きの差が出るか：この例では、「10回以上増えた」でも＋1.7ポイント、利用日数の増減の「1日以上」「3日以上」でも＋1.3〜＋1.4ポイントと、同じ向きの差が出ている。区切り方で向きが変わる条件は、たまたまの可能性が高い

条件を多く試すほど、偶然に幅が0をまたがない条件も出ます。前半で選んだ条件は、手順4で後半のデータに当てはめて確かめます。

この例では、「よく使っている」ことより、「使い方が増えている」ことのほうが、アップグレードとの関係が強く出ました。利用の多い会員は、今のプランで満足している会員も含むためと考えられます。

手順4：後の期間で、同じ差が出るかを確かめる

前半で選んだ条件を、条件を選ぶのに使わなかった後半のデータに当てはめ、同じ差が出るかを確かめます。

Claudeで作成した、前半で選んだ兆しの後半での検証（デモ用のデータ）

後半（2026年1〜4月の月初、5,876件、アップグレード114件）では、候補のアップグレード率は4.98％、候補の外は1.37％で、差は＋3.6ポイントでした（95％の幅は＋2.2〜＋5.1ポイント）。前半の＋2.1ポイントと同じ向きの差が、条件を選ぶのに使わなかった期間でも出ています。

前半で差が大きかった上位5つの条件（似た条件を含みます）も、後半ですべて同じ向きの差が出ました。この条件は、提案の候補リストに使える兆しと判断できます。

ただし、数字は次のように読みます。

• 差の大きさは、幅を持って見る：後半の差は前半より大きく出たが、前半と後半の95％の幅は重なっている。「2〜4ポイントほど高い」くらいに捉え、どちらか一方の数字を当てにしない
• 候補の多くは、その月にはアップグレードしない：候補のアップグレード率は4.98％で、候補の95％はその月にはアップグレードしない。条件は「提案の相手を絞る目安」であり、「アップグレードする会員の名簿」ではない
• 兆しのないアップグレードも多い：後半のアップグレード114件のうち、候補から出たのは46件（40％）。残りの60％は条件を満たさずにアップグレードしている。料金ページの閲覧など、別の兆しがある可能性がある

候補リストの規模も確かめます。この条件で候補を出すと、後半の月平均で231人、対象の16％になります。CSの担当者が1か月に対応できる人数か、アプリ内の案内やメールと組み合わせるかを、この人数から決めます。

兆しを、提案の進め方に落とし込む

候補リストにして、提案の効果を測る

後の期間でも同じ向きの差が出た条件は、提案の候補リストの条件にします。毎月1日に条件を満たした会員を抽出し、その月の提案の対象にします。

リストを作るときは、次の点を決めておきます。

兆しが確かめられても、「その会員に提案すればアップグレードが増える」とは限りません。条件を満たした会員は、提案しなくてもアップグレードしたかもしれないためです。

提案の効果は、候補をランダムに2つに分け、提案した群としなかった群のアップグレード率を比べて確かめます。

後の期間で差が消えた条件は使わない

前の期間で選んだ条件が、後の期間では差が消えたり、逆になったりすることもあります。その条件は候補リストに使わず、次のように進めます。

• ほかの兆しのデータを足す：プランの上限への近さ、上位プランの機能の画面の閲覧、料金ページの閲覧、プランについての問い合わせなど、利用の量とは別の行動を集めて、手順3からやり直す
• 全員への案内を、比較の群つきで試す：見分けられないなら、対象を絞らずに、アプリ内の案内やメールで上位プランを紹介する。一部の会員には案内せず、アップグレード率の差で効果を確かめる

営業・CSの画面に候補を出す

候補リストは、担当者が普段使っている画面で見られるようにすると、使われやすくなります。

BigQueryで毎月の候補を計算し、Salesforceの取引先やHubSpotのコンタクトに「アップセルの候補」の項目として書き戻せば、担当者はリストビューで対象を抽出し、そのまま連絡できます。提案した結果も同じ画面に記録しておくと、手順4の検証と、提案の効果の比較に使えます。

利用状況やスコアをSalesforceに自動で反映する仕組みは、「Salesforceに顧客の利用状況を自動で反映する方法｜営業・CSが普段の画面で確認できる仕組み（別タブで開く）」で解説しています。

Claudeでアップセルの兆しを分析する方法

ここまでの分析を手作業で行うには、契約の変更の履歴から月ごとのプランを出し、利用ログと顧客IDで突き合わせ、条件を変えながらアップグレード率を比べる必要があります。期間を分けて確かめるたびに、この作業をやり直すことになります。

利用ログと課金データを1か所に統合してClaudeから参照できるようにしておけば、候補の比較から検証、毎月の候補リストの作成までを日本語の指示で進められます。

必要なデータ

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、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

対象・時点・結果の定義は、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
・対象は、毎月1日の0時（日本時間）に、上位のプランがある月額プランで有料契約中の会員。最上位のプランと年額プランは除く
・その時点のプランとMRRは、契約の変更の履歴を、その時点までの分だけ積み上げて出す
・兆しの候補は、月初より前の30日間の利用ログから数える。月初より後の行動は使わない
・結果は、その月のうちに上位のプランに変更したか
・条件は前半の月で選び、後半の月で確かめる。率の差には95％の幅を付ける
・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

候補を比べる段階、確かめる段階、運用する段階に分けて依頼します。

プロンプト例
前提の定義で、直近10か月の「会員 × 月」の表を作ってください。直前30日の利用日数・レッスン完了数・視聴分数・視聴したカテゴリの数と、前の30日からの利用日数・レッスン完了数の増減を、アップグレードした会員としなかった会員で比べてください。

プロンプト例
前半の6か月（2025年12月まで）だけを使い、各指標に「〇以上」の条件を2〜3個置いて、満たした会員と満たさなかった会員のアップグレード率と、その差、差の95％の幅を表にしてください。満たした会員の割合も示してください。

プロンプト例
前半で差が大きかった上位5つの条件を、後半の月に当てはめ、同じ表を作ってください。前半と後半で差の向きが同じ条件だけを挙げ、後半の月ごとの候補の数も示してください。

条件が確かめられたら、毎月の候補リストも依頼できます。

プロンプト例
今月1日の時点で条件を満たした会員を、顧客IDの一覧にしてください。直近60日に提案した会員と、直近30日に利用が半分以下に減った会員は除いてください。人数と、先月の候補のうち実際にアップグレードした人数も示してください。

アップセルの兆しを分析するときの注意点

相関と因果を分ける

兆しの条件は、アップグレードと一緒に動く行動であり、アップグレードの原因とは限りません。条件を満たすように利用を促しても、アップグレードが増えるとは言い切れません。

この例の「レッスンの完了数が増えた」も、上位プランへの変更を考え始めた会員が、教材を多く試した結果かもしれません。レッスンを増やすよう促す施策の効果は、兆しの分析とは別に、比較の群を置いて確かめます。候補に提案した結果も同じで、候補はもともとアップグレードしやすいため、提案しない比較の群と比べなければ提案の効果は分かりません。

提案しすぎると、解約につながることがある

同じ顧客に何度も提案すると、営業の連絡を嫌って解約する顧客や、上位プランに移った後に使いこなせず、ダウングレードや解約をする顧客が出ることがあります。

提案した群としなかった群で、アップグレード率だけでなく、その後3か月の解約率とダウングレード率も比べます。直近に提案した顧客を候補から除くルールも決めておきます。

アップグレードの件数が少ない

アップグレードは解約に比べて件数が少なく、この例でも後半の月で22〜34件、そのうち候補から出たのは月に7〜16件です。件数が少ないと、1ポイント前後の差は偶然でも出ます。

差には95％の幅を付け、0をまたいでいないかを確かめます。条件を細かく分けすぎず、期間を長く取るか、前後の期間で同じ向きの差が出るかで判断します。

変更の後の行動を混ぜない

アップグレードした後は、上位プランの機能を使えるようになるため、利用が増えることがあります。変更の後の行動を兆しに含めると、差が大きく出すぎます。行動は、必ず結果を見る期間より前で区切ります。

ヘルススコアとNRRとつなげる

アップセルの兆しは、顧客ごとの状態を見るヘルススコアや、既存の顧客の売上を見るNRRと組み合わせて使います。

• ヘルススコアで、提案してよい顧客を絞る：スコアが低く、解約の兆しがある顧客には、上位プランより先に、今のプランを使いこなす支援を行う。ヘルススコアの作り方は「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
• NRRで、アップセルの成果を測る：アップグレードによる売上の増加は、NRRの「拡大」に表れる。この例の2026年2〜4月のアップグレードによるMRRの増加は13.2万円で、同じ期間に縮小・解約・休止で失ったMRR（85.6万円）の15％にとどまる。NRRの計算と内訳の見方は「NRRとGRRの計算方法｜売上継続率の見方とClaudeで拡大・縮小・解約に分解する手順（別タブで開く）」で解説しています

拡大の大きさが分かると、アップセルにどれだけCSの時間を割くべきかも判断しやすくなります。この例のように拡大が失ったMRRより小さければ、まず解約を防ぐことを優先し、アップセルは兆しが確かめられた範囲に絞る、といった配分を決められます。

まとめ

• アップセルの兆しは、上位プランへの変更の前に表れやすい行動や状態。利用量の増加、上限に近い使い方、上位プランの機能への接触、料金への関心などが候補になる
• 兆しは、毎月1日の時点の会員について、直前30日の行動とその月のアップグレードを比べて探す。条件は前の期間で選び、後の期間で同じ差が出るかを確かめる
• アップグレードは件数が少ないため、差には95％の幅を付ける。デモ用のデータでは、「レッスンの完了数が前の30日より20回以上増えた」会員のアップグレード率が、前半・後半とも候補の外より高かった（後半は4.98％と1.37％）
• 確かめられた条件も、アップグレードの原因とは限らず、兆しのないアップグレードも多い。条件は提案の相手を絞る目安として使い、提案の効果は比較の群で測る
• 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、条件の比較から検証、毎月の候補リストの作成までを、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、アップセルの候補やヘルススコア、NRR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。

「アップセルを提案する相手とタイミングを、データで決めたい」「提案の効果を確かめたい」といった課題をお持ちでしたら、お問い合わせください。