カスタマージャーニーの分析にAIを活かす方法｜離脱と改善点を見つける

「広告で人は集まっているのに、購入まで進む人が増えない」「どの段階で離れているのかを示す資料が社内にない」——広告費の報告のあとに続く問いです。離脱の場所が分からないのは、計測の道具を入れていないからではありません。顧客がたどる段階を先に決めていないため、集まった数値をどこに割り当てるかが決まらないからです。この記事では、段階の区切り方、段階ごとに見る数値、つまずいている場所の見つけ方、そして原因の読み解きに生成AIを使うときの限度を整理します。

カスタマージャーニー分析とは

カスタマージャーニー分析とは、顧客が商品を知ってから購入に至るまでの道筋をたどり、どこでつまずいているかを読み解く取り組みです。顧客は、認知・興味・比較・検討・購入といった段階を経て進みますが、その途中で多くの人が離れていきます。どの段階で、なぜ離れるのかを突き止めることが、分析の目的です。

ここで、ジャーニーの「設計」と「分析」は別の作業だと理解しておくと役立ちます。設計は、顧客の道筋を地図として描くこと。分析は、その地図に実際の行動データを重ね、現実に何が起きているかを読み解くことです。地図を描いただけでは、改善にはつながりません。実際のデータと照らし合わせ、つまずきを見つけてこそ、打ち手が見えてきます。本記事は、この「分析」に焦点を当てます。

なぜ分析に生成AIが役立つか

ジャーニー分析では、段階ごとに、さまざまなデータを読み解く必要があります。各段階で何人が次に進み、何人が離れたか。どんな行動が購入につながり、どんな行動が離脱の前兆か。こうしたデータを人手だけで読み解くのは、手間がかかります。生成AIは、この読み解きを助けてくれます。

AIが得意なのは、データに表れた傾向を言葉で説明することです。集計結果を渡して「どの段階で離脱が多いか、その特徴は何か」を尋ねると、見るべきポイントが浮かび上がります。さらに、「なぜそこで離脱するのか」という原因の仮説づくりも手伝ってくれます。専門的な分析ツールを使いこなせなくても、データと向き合う入り口に立てるのが、AIを使う利点です。仮説を立て、検証する作業が進めやすくなります。

段階ごとに見るデータ

ジャーニー分析では、段階ごとに見るべきデータが変わります。各段階で何を見れば、つまずきの兆候をつかめるのか。代表的な例を整理します。

段階	見るデータの例	つまずきの兆候
認知	流入数・流入経路	そもそも人が集まらない
興味・比較	滞在時間・閲覧ページ数	すぐ離脱する・浅く見て去る
検討	資料請求・問い合わせ率	見るが行動に移さない
購入	申込完了率・離脱箇所	途中で手続きをやめる

このように、段階ごとに「何を見れば、どんなつまずきが分かるか」を押さえておくと、分析の見通しが立ちます。大切なのは、どこか一つの段階だけを見るのではなく、全体の流れの中で「特に人が減っている段階」を見つけることです。AIに各段階のデータを渡し、「最も改善の余地が大きい段階はどこか」を整理させると、優先して手を打つべき場所が見えてきます。

分析の手順

ジャーニー分析は、手順を踏んで進めると、迷わず改善にたどり着けます。次の流れを目安にします。

1. ジャーニーの段階を整理する（設計したマップを使う）
2. 段階ごとに、関連するデータを集める
3. 各段階の通過率・離脱率を見て、つまずきを特定する
4. AIに原因の仮説を出させ、優先度をつける
5. 打ち手を決めて試し、効果を検証する

この手順の肝は、まず「どこでつまずいているか（どこで人が減るか）」を特定し、それから「なぜか」を探ることです。原因を考える前に、まず事実として、どの段階で離脱が大きいかを押さえます。そのうえで、その段階に絞って原因の仮説を立てると、効率的です。やみくもに全段階を改善しようとせず、最も効く一点から手をつけるのが、限られたリソースを活かすコツです。

AIに行動を読み解かせるプロンプト

AIにデータの読み解きを頼むときは、段階ごとの数値と、知りたいことを具体的に伝えます。次のようなプロンプトが土台になります。

次は、カスタマージャーニーの各段階の数値です。
{段階ごとの流入数・通過率・離脱率などを貼り付け}
・最も離脱が大きい段階はどこか
・その段階で離脱が起きる原因として考えられること
・改善の優先度が高い打ち手
を、それぞれ根拠とともに整理してください。

つまずきポイントを見つける

分析の核心は、つまずきポイント（多くの顧客が離れる箇所）を見つけることです。全体をぼんやり眺めても、改善点は見えません。「どの段階から、次の段階へ進む人が急に減るか」に注目すると、ボトルネックが浮かび上がります。そこが、最も改善の効果が大きい場所です。

つまずきの見つけ方として、段階間の通過率を比べるのが有効です。たとえば「サイト訪問から資料請求へは進むのに、資料請求から問い合わせへ急に減る」なら、その間に問題があります。AIに各段階の通過率を渡して「最も落ち込みが大きい箇所」を特定させると、効率的です。一点突破の発想で、最大のつまずきから改善することが、成果への近道になります。

改善の打ち手を考える

通過率が落ちている段階が決まったら、その段階が担う役割に戻って打ち手を決めます。関心を持ってもらう段階で人が減るのと、比べてもらう段階で減るのとでは、足すべきものが情報なのか、判断の材料なのかが変わります。段階の役割を言葉にしてから、その役割を果たせていない箇所だけを直します。

打ち手の案出しを頼むときは、段階とその役割をそのまま指示に書き込みます。「比べてもらう段階で、比べる材料がないまま離れている。ここで足せるものを挙げてほしい」という形にすると、返ってくる案が段階の役割に沿ったものになります。挙がった案のうち、いまの体制で回せるものだけを残します。手が足りずに続かない打ち手は、成果ではなく途中までの記録だけを残して終わります。

定性データも組み合わせる

段階の設計そのものが実態と合っていない場合は、通過率をいくら見ても気づけません。マップに書いた段階の並びが、実際の検討の順番とずれていることがあります。商談の記録や、営業が受けている質問の順番を読むと、読者が実際にはどの段階を飛ばしているのかが見えます。並びを直すほうが、打ち手を足すより効くこともあります。

集めた声を段階ごとに割り振る作業は、量が増えると人手では回らなくなります。問い合わせの文面をまとめて渡し、「どの段階の話をしているか」で分けさせると、声の数が段階ごとに並びます。通過率の落ち込みと声の多い段階が一致すれば、直す先はそこで固まります。一致しないときは、段階の分け方そのものを疑います。

段階をまたいだ視点を持つ

ジャーニー分析では、各段階を個別に見るだけでなく、段階をまたいだ全体の流れを捉える視点も大切です。ある段階だけを改善しても、その前後とのつながりが悪ければ、全体の成果は上がりません。たとえば、ある段階への流入を増やしても、次の段階への橋渡しがうまくいかなければ、増えた分だけ離脱も増えてしまいます。

そのため、つまずきを一つ改善したら、その影響が前後の段階にどう及んだかも確認します。AIに、改善前後の各段階のデータを渡して「全体の流れにどんな変化があったか」を整理させると、部分最適に陥らずに済みます。木を見て森も見る——一点を改善しつつ、常に全体の流れを意識すること。これが、ジャーニー全体を滑らかにしていくコツです。

チャネルをまたいだ行動を捉える

いまの顧客は、一つの経路だけで完結しないことがほとんどです。検索で知り、SNSで詳しく見て、メールで比較し、最後にサイトで購入する——このように、複数のチャネル（接点）を行き来します。一つのチャネルだけを見ていると、顧客の本当の道筋を見誤ります。チャネルをまたいだ行動を、できる範囲で捉える意識が大切です。

複数チャネルのデータを横断して読み解くのは複雑ですが、ここでもAIが整理を助けてくれます。各チャネルのデータを渡して「顧客がチャネルをどう行き来しているか、その中でどこがつながっていないか」を整理させると、接点の間の断絶が見えてきます。チャネルごとにばらばらに最適化するのではなく、顧客の道筋全体を一つの流れとして捉えることが、これからの分析では欠かせません。

やりがちな失敗と回避

ジャーニー分析でつまずきやすいパターンです。先回りして避けましょう。

• マップを作って満足する：実データを重ねないと、改善にはつながらない
• 全段階を一度に改善しようとする：力が分散し、効果が出ない
• 数値だけで判断する：離脱の「なぜ」を見落とす
• AIの仮説を検証せず信じる：見当違いの打ち手を打ってしまう

分析を継続する

ジャーニー分析は、一度きりではなく、継続してこそ成果につながります。一つのつまずきを改善したら、次に大きなつまずきが見えてきます。改善と分析を繰り返すことで、ジャーニー全体が少しずつ滑らかになり、購入までたどり着く人が増えていきます。継続が、着実な成果を生みます。

また、市場や顧客の行動は変化します。以前は問題なかった段階が、新たなつまずきになることもあります。定期的に分析を回し、変化に気づける状態を保つことが大切です。AIで読み解きを効率化すれば、この継続的な分析の負担も軽くなります。分析を習慣にし、顧客の道筋を磨き続けることが、長期的な成果につながります。

通過率をいつ読んでよいかを、母数と期間で先に決める

段階ごとの通過率は、母数が小さいほど、動くたびに意味があるように見えます。BtoBでは、1か月の問い合わせが数十件という会社が珍しくありません。20件が15件になったのを25パーセントの悪化として報告すると、翌月には何もしないまま戻ります。戻った月には、前月に打った施策が効いたという説明がつきます。こうして、読み違えた数字の上に、効いていない施策の実績が積み上がっていきます。防ぐ手は1つで、読んでよい最小の母数と、比べる期間を、数字を見る前に決めておくことです。決めるのは分析の腕前ではなく、報告の約束のほうです。報告の場で最初に聞かれるものが通過率ではなく母数になれば、この読み違えは半分に減ります。

決め方は単純です。段階ごとに、1か月あたり何件たまるかを過去12か月で数えます。月に30件に満たない段階は、月次では読まないと決めます。四半期でまとめるか、その段階だけ期間を長く取ります。逆に、流入のように週で数千件たまる段階は、週次で読んで構いません。段階ごとに見る周期が違ってよく、無理にそろえる必要はありません。危ないのは、1枚の報告の中に週次の数字と月次の数字を並べることです。並ぶと、読む側は同じ精度の数字だと受け取ります。周期の違う数字を並べるときは、列の見出しに期間を書き、母数の列を必ず横に置きます。母数のない通過率は、報告としては数字が入っていないのと同じです。母数が足りない段階は、通過率にせず件数のまま並べても構いません。割り算をやめるだけで、読み違えはかなり減ります。

BtoBでは、期間のそろえ方そのものが問題になります。ハブスポット社が2026年に公表した日本のBtoB購買に関する調査では、検討を始めてから購入や契約の決定までに1か月以上かかったケースが50.9パーセント、実際に比べた会社や商品が2つ以上だったケースが80.3パーセントでした。つまり、今月入ってきた人が今月決めるとは限りません。それなのに、今月の流入数と今月の契約数を割って通過率と呼ぶ報告が、いまも普通に回っています。この割り算には、流入が増えた月ほど通過率が下がるという性質があります。入ってきた時期でそろえ、その集団が3か月後、6か月後にどこまで進んだかを追う形に組み替えます。組み替えた最初の数か月は数字がそろわないため、切り替える月と、その間は判断しないことを社内に先に伝えておきます。

そのうえで、数字が動いたときの行き先を3つに分けます。直す、様子を見る、測り方を疑う、の3つです。過去12か月の月次のばらつきがどれくらいの幅に収まっていたかを先に書き出しておき、その幅の中の動きなら様子を見ます。幅を超えたときは、いきなり中身を疑わず、先に測り方を疑います。タグの入れ替え、段階の定義の変更、媒体の仕様変更、フォームの改修。この4つのどれかがその月にあったかを確かめてから、はじめて中身の話に入ります。順番を逆にすると、計測の事故を施策の失敗として処理してしまい、効いていた施策を止めることになります。なお、この4つを知っているのは解析の担当ではなく、サイトや広告に手を入れた人です。聞く先を間違えると、なかったことにされます。

数字が欠けている前提で読む

解析の画面に出ている数字は、実際の人数ではありません。計測を断った訪問者、計測を遮る仕組みを入れている訪問者、複数の端末を行き来する訪問者。どれも、そのままでは同じ人として数えられません。会社の端末で調べた人が、帰宅してから自宅の端末で資料請求をすれば、2人として記録されます。段階をまたぐ分析ほど、このずれが効きます。だから、絶対値を信じて他社の数字と比べるのではなく、同じ条件で取った自社の期間どうしを比べます。条件が変わった日を知っていることが、比べてよいかどうかの資格になります。他社が公開している通過率を自社の数字の横に並べた資料は、条件がそろっていないため、並べた時点で読む意味を失います。

条件が変わる代表が、保持期間の設定です。GA4のイベントデータの保持期間は、初期の設定が2か月で、14か月まで延ばせます。この設定が効くのはデータ探索の機能で、標準のレポートには効きません。去年の同じ月と比べようとして探索の画面を開いたら何も出てこない、という事故はここから起きます。有料の上位版では26か月以上も選べますが、無料の範囲で使っているなら上限は14か月です。今日のうちに管理の画面を開き、2か月のままになっていないかを見ます。延ばしても、過去にさかのぼって戻ることはありません。設定を直した日から先の分しか残らないため、気づくのが遅いほど穴が長く空きます。延ばしたからといって費用が増えるわけではないので、迷う理由はほとんどありません。

法令の側でも、計測できる範囲は動いています。改正電気通信事業法の外部送信規律が2023年6月16日に施行され、サイトやアプリから利用者の情報を外部へ送る場合に、利用者が確認できる形で示すことが求められるようになりました。同意の取り方や表示の出し方を変えると、計測される件数はその日を境に変わります。数字の上には、施策を打ったときと見分けのつかない段差が現れます。対処は記録です。タグ、同意の表示、フォーム、媒体の仕様について、変更した日と内容を1行ずつ並べた表を作り、通過率を見るときは必ず横に置きます。表は1年で20行ほどにしかならず、作るのに半日もかかりません。この表は、担当者が代わったときにいちばん喜ばれる引き継ぎの資料にもなります。

欠けを全部埋めようとすると、費用も工数も跳ね上がります。安く効く手から入れます。フォームに1問だけ足すのが、いちばん安い手です。何をきっかけに知ったかを自由記述で1行取るだけで、解析では追えない経路が見えます。営業の聞き取り項目に1行足すのも同じ効きです。最初に何を調べたかを毎回聞いて、記録に残します。解析で追える範囲の外にある情報は、人が聞いて書くしかありません。この2つを半年続けると、数字の欠けている場所が、推測ではなく件数として分かります。そこまで来てから、計測の道具に費用をかけるかどうかを判断します。1問足すときは、選択肢を並べずに自由記述にします。選択肢は、こちらの想像の外にある経路を最初から消してしまいます。

生成AIに渡すデータの粒度と、渡してはいけないもの

通過率の読み解きを生成AIに任せるとき、最初に決めるのは指示文ではなく、貼り付けるデータの粒度です。ここを決めないまま始めると、書き出したままの行動の記録や、会社名と担当者名の入った問い合わせの一覧を、そのまま貼ってしまいます。個人情報保護委員会は2023年6月2日に、生成AIサービスの利用に関する注意喚起を公表しています。利用者に向けては、個人情報を含むデータの入力はあらかじめ特定した利用目的の範囲で行うこと、入力したデータが提供する側の学習に使われる場合には第三者への提供に当たり本人の同意が要る場合があることが示されました。一度貼ってしまえば取り消せないため、粒度は最初の1回を始める前に決めます。

実務では、渡す前に4つの列へ丸めます。段階の名前、件数、通過率、期間の4列です。氏名、会社名、連絡先、利用者を一意に示す番号は落とします。自由記述を渡すときも、署名と会社名を消してから渡します。丸める作業自体は表計算の集計で終わり、慣れれば5分です。大事なのは、誰が丸めるかを決めることと、丸める前のファイルを置く場所と丸めたあとのファイルを置く場所を分けることです。分けていないと、急いでいる日に元のファイルを開いて貼り付けます。事故は手順を知らない人ではなく、手順を知っている人が急いだ日に起きます。丸めた表には、期間の始まりと終わりの日付を必ず入れます。日付のない表は、読ませた側にも比べようがありません。

出力の受け取り方にも線を引きます。生成AIに読ませて返ってくるのは、原因ではなく原因の候補です。候補には、どの数字を見てそう言えるのかを必ず並べて書かせます。根拠の欄に数字が入っていない項目は、読まずに捨てます。生成AIは言い切った文を作るのが得意なので、根拠のない項目ほど、読むともっともらしく感じられます。そして、候補のうちどれが当たっているかを1つに絞る作業は、人が引き受けます。営業やサポートに届いている声、直近の商談で断られた理由、問い合わせの文面。これらと照らして、合うものだけを残します。絞る作業まで渡すと、確かめていない仮説が結論の顔をして報告に載ります。候補は多くても5つまでに絞らせます。10個並ぶと、どれも確かめられないまま一覧だけが残ります。

最後に、使う側の条件を確かめます。入力したデータを学習に使わない設定になっているか、保存される期間はどれくらいか、送信先はどこの国か。無料で開ける画面から入った場合と、会社として契約した経路から入った場合とで、条件が違うことがあります。情報システムの担当に聞くときは、項目を3つに絞ると話が早く進みます。学習に使うかどうか、保存の期間、管理者が利用の記録を見られるかどうか。この3つが分かれば、渡してよいデータの線を社内の文書に書けます。線を文書にしていない状態で分析を始めると、線は人によって違う場所に引かれます。聞いた答えは口頭で受け取らず、短くてよいので文書でもらいます。担当が代わっても条件がそのまま引き継がれます。

よくある質問

ジャーニーマップは、分析の前に必要ですか？

あると分析がスムーズです。段階が整理されていれば、どこにデータを重ねるかが明確になります。ただし、完璧なマップは不要です。大まかな段階（認知・比較・検討・購入など）が分かれていれば、まずは分析を始められます。マップは分析しながら精緻にしていけます。

分析に高度なツールは必要ですか？

専用の道具は、後から考えても間に合います。段階ごとの通過率は、いま入っている解析の画面から、段階に当たる頁を選んで並べるだけで出ます。足りないのは道具ではなく、どの頁がどの段階に当たるかを決めた一覧です。その一覧を作ってから、それでも手作業が重いと分かったときに道具を探します。

どの段階から改善に手をつけるべきですか？

最も多くの顧客が離れている段階（つまずきの大きい箇所）からです。そこを改善するのが、最も効果が大きいためです。全段階を一度に直そうとせず、データで特定した一点に絞って手をつけ、効果を見てから次へ進むのがおすすめです。

定量データと定性データ、どちらを重視すべきですか？

どちらか一方ではなく、組み合わせることが大切です。定量データ（数値）は「どこで離脱が起きているか」を客観的に示し、定性データ（顧客の声）は「なぜ離脱するのか」を教えてくれます。両方を見ることで、初めて確かな改善につながります。

実務では、まず数値でつまずきの大きい箇所を特定し、その箇所について顧客の声を集めて原因を探る、という順番が効率的です。AIは、数値の読み解きも、大量の自由記述の整理も手伝えます。両方のデータを行き来しながら分析することで、思い込みではなく事実に基づいた改善ができます。

まとめ

ここまでを一言でまとめると、紙の上のマップに実際の通過率を重ね、落ちている段階の役割に戻って直すという手順になります。AIに任せられるのは、通過率の読み解きと、原因の候補を挙げるところまでです。候補を1つに絞るのは、営業やサポートに届いている声と照らす人の仕事です。まずは、マップの各段階に当たる頁を書き出す一覧づくりから始めてみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。