予約が伸びないのはなぜ？｜顧客の行動分析でわかる集客改善の3フレームワーク

「新規のお客様はGoogleマップやInstagramでたくさん見てくれているはずなのに、なぜか予約や来店にはつながらない」——そんな数字と現実のギャップに頭を抱えているローカルビジネスのオーナーは少なくありません。

「常連さんはいつも同じ顔ぶれなのに、新規のお客様が定着しない」「口コミの評価は悪くないのに、リピート率がじわじわ下がっている気がする」——感覚ではわかっていても、それが「なぜ」起きているのかを説明できないまま、なんとなくの勘とその場しのぎの施策で日々の集客をやり過ごしていないでしょうか。

実は、こうした悩みの多くは「顧客がどう行動しているか」を正しく分析できていないことが原因です。来店前にどんな情報を見て、何を比較し、どのタイミングで予約ボタンを押す（あるいは押さない）のか。来店後にどのくらいの頻度で戻ってきて、いくら使い、どこで離脱していくのか。この行動の流れを可視化し、データとして扱えるようになるだけで、打ち手の精度は大きく変わります。

顧客の行動を「来店前の検討行動」と「来店後の利用行動」に分けて捉え、CTB分析・デシル分析・RFM分析という3つのフレームワークで数値化することで、飲食店・居酒屋、パーソナルジム、学習塾、エステサロンなどのローカルビジネスは、勘に頼らない再現性のある集客・リピート施策を組み立てられるようになります。

この記事でわかること

• 顧客の行動分析の基礎となる「行動分析学」の考え方と、ローカルビジネスへの応用の仕方
• 来店前の検討行動（Web・SNS・口コミ閲覧、比較検討）と来店後の利用行動、2種類のデータの押さえ方
• 飲食店・居酒屋、パーソナルジム、学習塾、エステサロンそれぞれでの具体的な行動データ活用シミュレーション
• CTB分析・デシル分析・RFM分析という3つのフレームワークを、業種別の数値例つきで実践する方法
• 小規模店舗でも今日から始められる、顧客行動データの集め方と活用の第一歩

顧客の行動分析は「行動分析学」の考え方から始まる

顧客の行動分析と聞くと、アクセス解析やPOSデータの数字をこねくり回すイメージを持つ方が多いかもしれません。しかし本来の出発点は、心理学の一分野である「行動分析学」にあります。行動分析学では、人間の行動を大きく「レスポンデント行動」と「オペラント行動」の2種類に分類します。この分類を理解しておくと、顧客がなぜその行動を取ったのか、どうすればその行動を増やせるのかを、感覚ではなく構造で捉えられるようになります。ローカルビジネスの現場でこの視点を持てるかどうかは、施策の精度に直結する重要なポイントです。

人間の行動分類1：レスポンデント行動

レスポンデント行動とは、特定の刺激に対して反射的・自動的に起こる行動のことです。梅干しを見ると唾液が出る、大きな音に驚いて体がすくむ、といった反応がこれにあたります。マーケティングの現場に置き換えると、香ばしい焼き鳥の写真を見て思わずお腹が鳴る、割引クーポンの「本日限定」という文字を見て反射的に焦りを感じる、といった反応がレスポンデント行動に近い動きです。飲食店であれば、店頭のメニュー写真や香りの演出、居酒屋であれば呼び込みの声かけや店先の炭火の煙といった「刺激」が、通行客の反射的な反応を引き出しています。エステサロンであれば、店頭のビフォーアフター写真が「私も変われるかもしれない」という感情的な反応を瞬時に引き起こすトリガーになります。

重要なのは、レスポンデント行動は「意識的な比較検討」の前段階で起きているということです。つまり、来店するかどうかを論理的に決める前に、視覚・嗅覚・聴覚からの刺激によって「気になる」「行ってみたい」という感情がすでに動いています。ローカルビジネスの集客において、看板・外観・写真・匂い・音といった「刺激の設計」が疎かにされがちですが、実際にはここが顧客の行動を左右する最初のスイッチになっています。パーソナルジムであれば、体験者のトレーニング動画や汗を流す様子をSNSに投稿することが、見る人の「自分もやってみたい」という反射的な感情を刺激する施策になります。

人間の行動分類2：オペラント行動

一方のオペラント行動は、行動した結果として得られる「報酬」や「罰」によって、その後の頻度が変化していく自発的な行動です。たとえば、あるラーメン店に行って美味しかった（報酬）ので、また行きたくなる。学習塾に通ったら成績が上がった（報酬）ので、継続して通わせたくなる。逆に、予約サイトの操作が分かりにくくてイライラした（罰）ので、二度とそのサイトを使いたくないと感じる。こうした「行動→結果→次の行動の増減」という循環がオペラント行動の本質です。ローカルビジネスの集客・リピートにおいては、実はこのオペラント行動の設計こそが最も重要な分析対象になります。

具体的に言えば、初回来店から2回目の来店に至るまでの間に、顧客がどんな「報酬」を得たかを可視化することが、リピート率改善の核心です。パーソナルジムであれば「体重が減った」「トレーナーに褒められた」という報酬、エステサロンであれば「肌の変化を実感できた」「施術中の会話が楽しかった」という報酬、学習塾であれば「テストの点数が上がった」「先生が優しく教えてくれた」という報酬が、次の来店・入会継続という行動を強化します。逆に、報酬が感じられなかった、あるいは「予約が取りにくい」「駐車場がわかりにくい」といった罰に近い体験があった場合、顧客の足は静かに遠のいていきます。

オペラント行動理論をローカルビジネスの集客戦略に落とし込む

オペラント行動理論をマーケティングに応用する際のポイントは、「顧客がどのタイミングで、どんな報酬（あるいは罰）を体験しているか」を行動データとして記録し、報酬を増やし罰を減らす仕組みを作ることです。たとえば居酒屋であれば、来店直後のドリンクが出てくるまでの待ち時間が長いと「罰」として作用し、次回来店の可能性を下げます。逆に、来店してすぐに「お誕生日ですか、おめでとうございます」と一声かけるだけで、顧客は小さな報酬を得て、口コミ投稿や再来店という行動が強化されます。こうした一つひとつの体験設計を、感覚ではなくデータに基づいて見直すことが、行動分析をマーケティングに生かす第一歩です。

数値でイメージすると分かりやすくなります。ある居酒屋で、来店後1週間以内にLINE公式アカウントから「来店ありがとうございました」のメッセージとクーポンを送った顧客グループと、何も送らなかったグループを比較したとします。仮に月間来店客数200人のうち100人にメッセージを送信し、2回目来店率が送信グループで35%、非送信グループで18%だった場合、送信グループの再来店者数は35人、非送信グループは18人となり、その差は17人。客単価3,500円とすると、月間で約59,500円分の再来店売上の差が、たった一通のメッセージという「報酬提供行動」によって生まれている計算になります。これはオペラント条件づけの考え方を、そのまま販促に応用した典型例です。

ローカルビジネスが押さえるべき2種類の顧客行動データ

顧客の行動分析を実務に落とし込む際、行動データは大きく「来店前の検討行動」と「来店後の利用行動」の2種類に分けて捉えると整理しやすくなります。前者はGoogleビジネスプロフィールの閲覧・口コミ・SNSでの反応など、来店に至るまでの意思決定プロセスに関するデータです。後者は来店頻度・滞在時間・購入金額・リピート率など、実際に取引が発生した後のデータです。この2つを混同して分析すると、「集客の課題」なのか「接客・商品の課題」なのかを取り違えてしまい、的外れな施策に予算を投じてしまうリスクが高まります。

来店前の検討行動：Web・SNS・口コミの閲覧データ

来店前の検討行動でまず見るべきは、Googleビジネスプロフィールのインサイトデータです。検索でのビュー数、マップでのビュー数、電話タップ数、ルート検索数、ウェブサイトへのクリック数といった指標は、顧客が「気になっている段階」から「行動を起こす段階」に移るまでのステップを可視化してくれます。たとえば、月間の検索表示回数が3,000回あるのに対し、ウェブサイトクリックが90回（クリック率3%）、そこから電話・予約に至った件数が9件（来店転換率10%）だとすると、表示から来店までの全体転換率は0.3%という計算になります。この数値を業種別・時期別に追いかけることで、どの段階に改善余地があるかが見えてきます。

エステサロンの例で考えてみましょう。Instagramのフォロワーが2,000人いるサロンで、投稿への平均いいね数が80件、保存数が15件だったとします。保存数が多いということは「今すぐではないが検討している」ユーザーが一定数存在することを意味します。この保存ユーザーに対してストーリーズで期間限定クーポンを配信したところ、来店予約が月に6件生まれたとすれば、保存アクションという行動データが「見込み客リスト」として機能したことになります。単に「いいねが多い投稿を作る」のではなく、「保存される投稿」を狙う発想の転換は、行動データを分析して初めて生まれるものです。

学習塾やパーソナルジムのような比較検討期間が長い業種では、口コミサイトやポータルサイトでの「比較行動」がより顕著に現れます。保護者が学習塾を選ぶ際には平均して3〜5校の資料請求や体験授業を比較検討すると言われており、この間に閲覧される口コミの内容・件数・評価が、最終的な入塾決定に大きな影響を与えます。パーソナルジムでも同様に、体験入会の予約前に複数店舗の料金体系・トレーナーの経歴・ビフォーアフター事例を比較する行動が一般的です。この「比較検討期間の行動」をどれだけ可視化できるかが、来店前マーケティングの成否を分けます。

来店後の利用行動：来店頻度・単価・離脱ポイントのデータ

来店後の行動データとして最低限押さえておきたいのは、初回来店から2回目来店までの期間、来店頻度、平均客単価、そして予約から来店までの間でキャンセル・無断キャンセルが発生していないか、という点です。特に「予約導線での離脱」は見落とされがちですが、実は非常に重要な行動データです。たとえば飲食店の予約サイトで、予約ページの閲覧数が月200件あるのに、実際の予約完了数が120件だった場合、80件（40%）が予約フォームの入力途中で離脱していることになります。この離脱理由が「入力項目が多すぎる」のか「空席状況が分かりにくい」のかを分析するだけで、機会損失を大きく減らせる可能性があります。

パーソナルジムであれば、体験セッション後の入会率、入会後3ヶ月以内の継続率、そして休会・退会が発生するタイミングが重要な行動データです。仮に体験セッション参加者が月10人、うち入会が4人（入会率40%）、入会者のうち3ヶ月継続が3人（継続率75%）だとすると、体験から3ヶ月継続までの全体転換率は30%です。この数値が業界平均（一般的に25〜35%程度とされることが多い水準）と比べて高いのか低いのかを把握し、低ければ「入会後の初期フォロー」に課題があると仮説を立てられます。行動データがなければ、こうした仮説自体が立てられません。

顧客の行動分析で得られる3つのメリット

顧客の行動を可視化し、データとして扱えるようになると、ローカルビジネスの現場では主に3つのメリットが生まれます。1つ目は「集客・予約導線の適切な設計」ができるようになること、2つ目は「顧客満足度とLTV（顧客生涯価値）の向上」につながること、3つ目は「オムニチャネル化」、つまりWeb・SNS・LINE・電話・来店という複数の接点を一貫した体験としてつなげられるようになることです。それぞれを詳しく見ていきます。

メリット1：集客・予約導線の適切な設計

行動データを分析することで、どのチャネルからの流入がどのくらいの確率で来店・予約に転換しているかが明確になります。たとえば、ある居酒屋がGoogleマップ経由の予約とホットペッパーグルメ経由の予約を比較したところ、Googleマップ経由は来店率92%、ホットペッパー経由は来店率78%だったとします。この差は、Googleマップ経由の顧客は「その店を目的地として検索している」意図の強い顧客であるのに対し、ポータルサイト経由は「他店とも比較中」の顧客が一定数含まれるためだと考えられます。この行動特性を理解していれば、無断キャンセル対策として、ポータルサイト経由の予約には前日リマインドのSMSを自動送信する、といった施策の優先順位づけが可能になります。

学習塾の場合も同様です。チラシ経由の資料請求とWeb検索経由の資料請求では、入塾率が大きく異なることが少なくありません。仮にチラシ経由の資料請求が月20件で入塾率10%（2件）、Web検索経由が月15件で入塾率33%（5件）だとすると、Web検索経由の方が明確に「困りごとを自覚して能動的に探している」保護者であり、成約への熱量が高いことが分かります。この行動データがあれば、広告予算の配分をチラシからWeb広告・MEO対策へ段階的にシフトするという意思決定に、説得力のある根拠を持たせられます。

メリット2：顧客満足度・LTVの向上

行動分析のもう一つの価値は、顧客満足度を「感覚」ではなく「行動の変化」として捉えられる点にあります。満足度アンケートで「満足」と答えた顧客が実際にリピートしているとは限りません。むしろ、来店頻度・購入金額・紹介行動といった実際の行動データこそが、真の満足度を映し出します。エステサロンで言えば、施術後アンケートの満足度スコアが平均4.5（5点満点）であっても、実際の次回予約率が40%程度にとどまっているなら、アンケートと行動の間にギャップがあることになります。このギャップの原因を探ることが、LTV向上のための本質的な打ち手につながります。

LTV（顧客生涯価値）の観点からシミュレーションしてみましょう。パーソナルジムで月会費20,000円、平均継続期間が6ヶ月の場合、1人あたりのLTVは120,000円です。ここで、入会後1ヶ月目のフォロー面談を導入し、平均継続期間が8ヶ月に伸びたとすると、LTVは160,000円に増加します。月間新規入会者が10人だとすれば、LTVの増分は1人あたり40,000円×10人=400,000円、年間では480万円もの差になります。たった1回の面談という「行動介入」が、これほど大きな売上インパクトを生む可能性があるのです。これは顧客の継続行動を分析し、離脱が起きやすいタイミングを特定できて初めて実行できる施策です。

メリット3：顧客の行動を捉えたオムニチャネル化

オムニチャネル化とは、Web・SNS・LINE公式アカウント・電話・店頭といった複数の顧客接点を、バラバラにではなく一貫した体験として設計することです。顧客の行動データを分析すると、多くのローカルビジネスで「顧客は複数のチャネルを行き来しながら意思決定している」ことが見えてきます。たとえば飲食店では、Instagramで店の雰囲気を確認し、Googleマップで口コミと営業時間を確認し、最終的に電話で予約する、という行動パターンが一般的です。この一連の流れのどこかで情報が食い違っていたり（Instagramの写真と実際の店内が違う、営業時間が古いままなど）、チャネル間の導線が途切れていたりすると、顧客は途中で離脱してしまいます。

学習塾やエステサロンのように検討期間が長い業種では、オムニチャネル化の効果がより顕著に現れます。資料請求後にLINE公式アカウントに登録してもらい、体験授業・体験施術の案内、その後の入塾・入会案内までを一気通貫でフォローする仕組みを作ることで、離脱ポイントごとの行動データを追跡できるようになります。仮に資料請求者100人のうち、LINE登録なしのフォローでは体験申込率が20%、LINE登録ありの丁寧なステップ配信フォローでは体験申込率が35%だったとすると、その差は15人。1件あたりの入塾LTVを300,000円、体験からの成約率を40%とすると、LINE活用による売上インパクトは15人×40%×300,000円=1,800,000円にも達する計算になります。

顧客の行動分析に有効な3つのフレームワーク

ここからは、顧客の行動を実務レベルで分析するための代表的な3つのフレームワーク「CTB分析」「デシル分析」「RFM分析」を、ローカルビジネスの現場にどう落とし込むかを具体的に解説します。いずれも大手企業のマーケティングで生まれた手法ですが、考え方をシンプルに翻案すれば、個人店や小規模チェーンでもExcelやスプレッドシート、予約システムの標準機能だけで十分に運用可能です。

フレームワーク1：CTB分析（カテゴリー・テイスト・ブランド）

CTB分析は、Category（カテゴリー）・Taste（テイスト、好み）・Brand（ブランド）という3つの軸で顧客の嗜好を分類し、それぞれの顧客がどんな傾向を持つかを把握するフレームワークです。もともとはアパレルや小売業で「どの商品カテゴリーを、どんなテイストで、どのブランドで買う傾向があるか」を分析するために使われてきましたが、ローカルビジネスでは「サービスカテゴリー・利用シーン（テイスト）・店舗への期待像（ブランド）」と読み替えることで応用できます。

飲食店・居酒屋であれば、Categoryは「焼き鳥・刺身・鍋物」といったメニューカテゴリー、Tasteは「一人飲み・宴会利用・デート利用」といった利用シーンの好み、Brandは「大衆的な雰囲気を求めるか、少し高級感のある落ち着いた空間を求めるか」という店舗イメージへの期待です。ある居酒屋で顧客データを集計したところ、来店客の45%が「一人飲み×大衆的な雰囲気」を好む層、30%が「宴会利用×コスパ重視」の層、25%が「デート利用×落ち着いた空間」の層に分かれたとします。この場合、メニュー開発や店内演出、SNS投稿の写真の撮り方を、どの層に重点を置くかによって大きく変えるべきだという判断ができます。

パーソナルジムでは、Categoryは「ダイエット・筋力アップ・姿勢改善・産後ケア」といった目的別カテゴリー、Tasteは「短期集中で結果を出したいか、長期的に習慣化したいか」という取り組み方の好み、Brandは「厳しく追い込んでくれるスパルタ系トレーナーを求めるか、優しく寄り添うタイプを求めるか」という期待像です。会員の目的カテゴリー別に成約率・継続率を集計してみると、たとえば「産後ケア」カテゴリーの成約率が55%と他カテゴリー平均の35%より高いといった傾向が見えることがあります。この場合、産後ケア向けの体験セッションや紹介施策を強化することで、限られた広告予算でも高い費用対効果が期待できます。

学習塾では、Categoryは「中学受験・高校受験・大学受験・補習」といった目的別カテゴリー、Tasteは「集団授業で競争しながら学びたいか、個別指導でマイペースに学びたいか」という学習スタイルの好み、Brandは「厳しく管理してくれる塾を求めるか、楽しく通える雰囲気を求めるか」という期待像です。エステサロンでは、Categoryは「痩身・フェイシャル・脱毛・リラクゼーション」、Tasteは「即効性を求めるか、継続的なケアを求めるか」、Brandは「高級感のあるラグジュアリーな空間を求めるか、リーズナブルで通いやすい雰囲気を求めるか」となります。いずれの業種でも、CTBの3軸で顧客をタグ付けし、どの組み合わせの顧客が最も収益性が高いかを可視化することが、広告出稿・メニュー開発・接客トークの精度を上げる鍵になります。

フレームワーク2：デシル分析（累計利用額による10グループ分類）

デシル分析は、顧客を累計購入金額（ローカルビジネスであれば累計利用金額や来店回数）の高い順に並べ、10等分してグループ化する分析手法です。上位グループがどれだけの売上を占めているかを可視化することで、優良顧客層への投資判断がしやすくなります。ただし、デシル分析単体では「なぜその金額を使っているのか」という購買理由までは分からないため、後述するCTB分析やRFM分析と組み合わせて使うのが実務上のセオリーです。

具体的な数値でシミュレーションしてみましょう。ある美容系エステサロンで、年間顧客数が200人、年間総売上が1,000万円だったとします。この200人を累計利用金額順に20人ずつ10グループ（デシル1〜10）に分けたところ、デシル1（上位10%、20人）だけで年間売上の35%にあたる350万円を占めていたとします。1人あたりの平均利用額に換算すると、デシル1の顧客は年間175,000円、対して下位のデシル10の顧客は年間15,000円程度と、実に11倍以上の差があることが分かります。この事実が可視化されると、「新規集客に予算を全振りする」のではなく、「デシル1〜3の優良顧客に対する特別対応（優先予約枠、限定メニュー、誕生日特典の強化など)に予算の一部を再配分する」という戦略転換の根拠になります。

飲食店・居酒屋の場合、月間来店客数300人・月商150万円の店舗を想定してみます。デシル分析の結果、上位30人(デシル1〜3相当)が月商の40%(60万円)を占めていたとすると、平均客単価はこのグループで20,000円、それ以外の270人では平均3,333円という大きな差になります。この上位客層に対して「常連様限定の裏メニュー」や「予約時の優先案内」といった施策を導入し、来店頻度が月1回から月1.3回に増加すれば、単純計算で月商に8万円程度の上乗せが期待できます。デシル分析は、こうした「上位顧客への集中投資」の意思決定に説得力を持たせるための土台になります。

学習塾では利用金額よりも「継続年数」や「紹介実績」でデシル分けする応用も有効です。パーソナルジムでは、累計利用金額に加えて「トレーナー指名回数」でデシル分けすると、指名の多いトレーナーがどの顧客層から支持されているかが可視化でき、指名料や個人ブランディング施策の設計に役立ちます。以下は業種別のデシル分析イメージを整理した表です。

顧客の心理までは分析できないデシル分析、他の手法との組み合わせが必要

デシル分析の弱点は、あくまで「結果としての金額」を切り分けるだけで、なぜその顧客が高額利用者になったのかという心理的・行動的な背景は説明できない点です。たとえば、あるエステサロンでデシル1に分類された顧客が、実は「たまたま高額なブライダルエステコースを一度だけ契約した」一見客だったというケースもあり得ます。この場合、その顧客を「優良顧客」として過剰投資してしまうと、実際のリピート性向とはズレた施策になってしまいます。だからこそ、デシル分析で見えた金額のボリュームゾーンに対して、CTB分析で嗜好性を、次に紹介するRFM分析で来店の新しさ・頻度を重ね合わせることで、初めて「本当に投資すべき優良顧客」が浮かび上がってきます。

フレームワーク3：RFM分析（最終利用日・頻度・金額）

RFM分析は、Recency（最終購入日・最終来店日）、Frequency（購入頻度・来店頻度）、Monetary（購入金額・利用金額）という3つの指標を組み合わせて顧客をグループ分けし、それぞれに適したアプローチを行う分析手法です。デシル分析が金額のみの単一軸であるのに対し、RFM分析は「最近来ているか」「よく来るか」「たくさん使うか」という3軸を掛け合わせるため、より実務的で行動に直結したセグメントを作れるのが特長です。ローカルビジネスの現場では、このRFM分析こそが最も費用対効果の高い顧客分析手法だと言われることが多く、実際に多くの予約システムやPOSレジがRFM相当のデータを標準機能として出力できるようになっています。

具体的なセグメント分けの例を、パーソナルジムを想定してシミュレーションしてみます。会員300人を対象に、Recency(直近30日以内に来館したか)、Frequency(月4回以上通っているか)、Monetary(月額オプション込みで25,000円以上使っているか)の3軸で高低を判定し、以下のような8セグメントに分類したとします。

このセグメント分けから見えてくるのは、「優良離反予備軍(30人)」の存在です。過去にはよく通い、たくさんお金を使っていたのに、直近来ていない顧客層です。この層は最も対応の優先度が高く、放置すればそのまま完全な離反顧客になってしまいます。仮にこの30人のうち半数の15人に対してトレーナーから直接連絡し、無料の復帰カウンセリングを実施した結果、8人が復帰したとします。復帰後の平均月額を25,000円、平均継続期間を4ヶ月とすると、8人×25,000円×4ヶ月=800,000円の売上が、たった15件の電話連絡から生まれた計算になります。これは新規集客に同額を広告費として投じるよりもはるかに効率の良い打ち手であり、RFM分析によって「見えなかった離反予備軍」が可視化されて初めて実行できる施策です。

飲食店・居酒屋でもRFM分析は非常に有効です。予約システムやポイントカードのデータから、直近3ヶ月来店なし・過去は月2回以上来店・客単価4,000円以上という「休眠優良顧客」を抽出し、来店促進のDMやLINEクーポンを送付するという施策は、多くの店舗で実施可能です。仮にこうした休眠優良顧客が150人リストアップでき、そのうち20%にあたる30人が復帰来店したとすると、平均客単価4,000円×30人=12万円の単発売上に加え、その後のリピートも含めれば数ヶ月単位で数十万円規模の効果が見込めます。学習塾やエステサロンにおいても、「最終来店(来塾)日が3ヶ月以上前」という条件だけで抽出できる休眠顧客リストは、想像以上に大きな売上機会を眠らせていることが少なくありません。

業種別に見る顧客行動データ活用の実践例

ここまで紹介した行動分析学の考え方とCTB・デシル・RFMの3フレームワークを、実際にどう組み合わせて日々の運用に落とし込むか、業種別にもう一歩踏み込んだ実践例を紹介します。

飲食店・居酒屋：予約導線と再来店率の同時改善

ある居酒屋チェーンの1店舗を想定します。月間新規来店客数が120人、既存客の再来店が180人、合計300人が月間来店客数だとします。まずGoogleビジネスプロフィールのインサイトで来店前行動を確認したところ、検索表示回数は月4,000回、そこからのウェブサイトクリックが200回(5%)、電話・予約への転換が40件(20%)でした。次にRFM分析で既存客180人を分類したところ、優良顧客(高R・高F・高M)が27人、離反予備軍が18人という結果が出ました。この店舗では、優良顧客に対してLINE公式アカウントで月1回の限定メニュー案内を行い、離反予備軍に対しては個別に「お久しぶりです」メッセージとワンドリンクサービスクーポンを送付する施策を実施。3ヶ月後、優良顧客の来店頻度が月1.5回から月1.8回に増加(客単価4,000円換算で1人あたり月1,200円増、27人で32,400円増)、離反予備軍のうち6人が復帰(客単価4,000円×6人=24,000円)という結果になりました。単月の効果としては地味に見えても、年間では67万円以上の売上押し上げになる計算です。

パーソナルジム：CTB分析で成約率の高い見込み客に絞った広告運用

あるパーソナルジムでは、月の広告予算30万円をすべて「ダイエット目的」向けのInstagram広告に投下していましたが、成約率が伸び悩んでいました。CTB分析を実施し、過去の入会者100人のカテゴリー(目的)・テイスト(取り組み方)・ブランド(トレーナーへの期待像)を集計したところ、「産後ケア×短期集中×優しく寄り添うタイプ」という組み合わせの顧客の成約率が62%と、全体平均38%を大きく上回っていることが判明しました。そこで広告予算の40%を産後ケア向けクリエイティブに再配分したところ、体験申込数は月15件から月19件に増加し、成約率も加重平均で45%まで改善。月間新規入会者は5.7人から8.6人に増加し、1人あたりLTVを120,000円とすると、月間で約35万円のLTV増加効果が生まれた計算になります。CTB分析によって「誰に広告を届けるべきか」の解像度が上がったことが直接の要因です。

学習塾：デシル分析とRFM分析を組み合わせた紹介施策の強化

ある個人経営の学習塾では、在籍生徒80人のデシル分析(在籍年数×紹介人数の複合スコア)を行ったところ、上位デシル(上位8人)が過去3年間で合計22人の紹介入塾を生み出していたことが分かりました。これは全体の紹介入塾数35人のうち63%を、わずか10%の生徒(保護者)が生み出していたことを意味します。さらにRFM分析的な観点で、この上位層の保護者への連絡頻度・面談頻度を確認すると、平均して月1回以上の個別面談を実施していたという共通点が見えてきました。この発見をもとに、全生徒に対して「月1回の個別面談」を標準化するのではなく、まず上位デシル層に絞って「紹介キャンペーン」の案内を強化したところ、半年で新たに5件の紹介入塾が発生。1人あたりの平均在籍期間を2年、月謝25,000円とすると、5人×25,000円×24ヶ月=300万円の生涯売上インパクトが、既存データの分析だけから生まれたことになります。

エステサロン:離脱ポイントの特定によるカウンセリング改善

あるエステサロンでは、新規体験客が月30人来店するものの、本契約への成約率が20%(6人)にとどまっていました。来店前の行動データ(Instagram保存数・Googleビジネスプロフィールの閲覧経路)と、来店後の行動データ(体験後アンケート、カウンセリング後の即決率・後日回答率)を突き合わせたところ、即決率はわずか8%である一方、後日連絡での成約が12%を占めていることが分かりました。つまり、「その場では決めきれないが後から検討して契約する」顧客が半数以上を占めていたのです。この行動特性を踏まえ、体験後にその場で契約を迫るのではなく、48時間以内にLINEで個別フォローメッセージを送る運用に変更したところ、後日成約率が12%から19%に改善。月間成約数は6人から8.1人に増加し、平均コース単価150,000円とすると、月間で約31万円の売上増加につながりました。行動データを見なければ、「即決を迫るトーク強化」という誤った方向に施策を寄せてしまっていたかもしれない事例です。

顧客の行動データをどうやって集めるか

ここまで紹介してきたフレームワークは、いずれも「行動データが手元にあること」が前提になります。特別なシステムを導入しなくても、多くのローカルビジネスがすでに保有しているツールから、十分にデータを取得できます。まず基本となるのがGoogleビジネスプロフィールのインサイトで、検索・マップでの表示回数、ウェブサイトクリック数、電話タップ数、ルート検索数などが無料で確認できます。次にPOSレジや予約システム(Airレジ、STORES予約、リザービアなど)に蓄積される来店日・利用金額・利用メニューのデータは、デシル分析・RFM分析の基礎データになります。

SNSについては、Instagramのプロフェッショナルダッシュボードでリーチ数・保存数・プロフィールアクセス数を確認でき、これは来店前の検討行動を把握する重要な材料です。LINE公式アカウントでは、メッセージの開封率・クリック率・クーポン利用率が確認でき、来店後フォローの効果測定に直結します。口コミについては、Googleビジネスプロフィールの口コミ本文をテキストマイニング的に読み込むだけでも、「価格」「接客」「味・効果」のどの要素に言及が集中しているかという傾向が見えてきます。これらすべてを高度なBIツールで統合する必要はなく、まずはスプレッドシート1枚に「日付・チャネル・行動・結果」を手入力で蓄積していくだけでも、3ヶ月も続ければ十分に分析可能なデータ量になります。

顧客の行動分析でよくある失敗と対策

顧客の行動分析を導入する際、多くのローカルビジネスが陥りやすい失敗パターンがいくつかあります。1つ目は「データを集めることが目的化してしまう」失敗です。CTB・デシル・RFMいずれのフレームワークも、あくまで施策の意思決定を助けるための手段であり、分析レポートを作ること自体がゴールではありません。分析結果を見た後、「具体的に誰に何をするか」まで決めて初めて意味を持ちます。

2つ目は「1つのフレームワークだけに頼ってしまう」失敗です。前述の通り、デシル分析だけでは購買理由が分からず、CTB分析だけでは金額のインパクトが見えず、RFM分析だけでは嗜好性が見えません。3つを組み合わせることで、初めて「誰に・何を・いつ」というアクションプランの解像度が上がります。3つ目は「分析対象の期間が短すぎる」失敗です。特に学習塾やエステサロンのように来店(来塾)サイクルが数週間〜数ヶ月単位の業種では、最低でも半年〜1年分のデータを見なければ、季節要因や一時的な変動と本質的な傾向を区別できません。焦らず、まずは3ヶ月、半年という単位でデータを積み重ねる姿勢が重要です。

よくある質問

Q. 顧客の行動分析を始めるには、まず何から手をつければよいですか？

A. まずはGoogleビジネスプロフィールのインサイトデータと、現在お使いの予約システムやPOSレジに蓄積されている来店日・利用金額のデータを確認することから始めてください。特別なツールを新規契約する前に、すでに手元にあるデータを月次でスプレッドシートに転記し、来店前行動(表示回数・クリック数)と来店後行動(来店頻度・利用金額)を分けて記録する習慣をつけるだけで、分析の土台が整います。

Q. CTB分析・デシル分析・RFM分析は、どれか1つだけ実施すればよいのでしょうか？

A. できれば3つを組み合わせて実施することをおすすめします。デシル分析で「誰が高額利用者か」を把握し、RFM分析で「最近来ているか・頻度は高いか」という時間軸の視点を加え、CTB分析で「なぜその顧客がその行動を取るのか」という嗜好性の背景を理解する、という順番で組み合わせると、単独の分析よりもはるかに精度の高い顧客理解につながります。

Q. 小規模な個人店でも、これらのフレームワークは実践可能ですか？

A. 十分に実践可能です。顧客数が数十人〜数百人規模であれば、専用の分析ツールがなくてもExcelやGoogleスプレッドシートで手作業での分析が可能です。むしろ顧客数が少ない個人店だからこそ、一人ひとりの行動を丁寧に追いやすく、優良顧客や離反予備軍への個別対応がしやすいという利点もあります。

Q. 顧客の行動データはどのくらいの期間蓄積すれば分析に使えますか？

A. 業種にもよりますが、来店サイクルが短い飲食店・居酒屋であれば3ヶ月程度、来店サイクルが長い学習塾やパーソナルジム、エステサロンであれば半年〜1年程度のデータが望ましいです。特に季節変動の大きい業種では、最低でも1年分のデータを見ないと繁忙期・閑散期の影響と本質的な傾向を混同してしまう恐れがあります。

Q. 顧客の行動分析と口コミ分析は、どちらを優先すべきですか？

A. どちらも重要ですが、優先順位としては、まず来店前の行動データ(Googleビジネスプロフィールのインサイトなど)と来店後の行動データ(来店頻度・利用金額)を数値として整理し、そのうえで口コミの内容を定性的な補足情報として重ね合わせる進め方をおすすめします。口コミは「なぜその行動が起きたか」を説明する材料として非常に有効ですが、単体では母数や偏りが分かりにくいため、行動データという定量情報とセットで見ることが重要です。

Q. RFM分析で「離反顧客」に分類された顧客には、どう対応すればよいですか？

A. 離反顧客全員に一律の対応をするのではなく、その中でも過去の利用金額(Monetary)が高かった層、つまり「優良離反予備軍」を優先的にフォローすることが費用対効果の観点で重要です。休眠期間が長くなるほど復帰率は下がる傾向があるため、最終来店から3ヶ月〜半年程度のタイミングで、個別性の高いメッセージ(担当スタッフ名を入れる、過去の利用内容に触れるなど)を送ることが効果的です。

Q. SNSのフォロワー数が多いのに来店・予約につながりません。何が原因と考えられますか？

A. フォロワー数という「認知」の指標と、来店・予約という「行動」の指標の間には、保存数・プロフィールアクセス数・DM問い合わせ数といった中間段階の行動データが存在します。これらの中間指標を確認せずにフォロワー数だけを見ていると、実際にどこで顧客が離脱しているのかが分からないままになってしまいます。まずは保存数やプロフィールアクセス数を確認し、そこから予約ページへの導線(プロフィール欄のリンク、ハイライトの活用など)が分かりやすくなっているかを見直すことをおすすめします。

Q. 顧客の行動分析を外部の専門家に相談するメリットは何ですか？

A. 自店舗のデータだけを見ていると、その数値が業界平均と比べて良いのか悪いのかの判断基準を持ちにくいという課題があります。専門家に相談することで、同業種・同規模の他店舗の傾向と比較した客観的な評価を得られるほか、MEO対策やLINE公式アカウントの運用設計など、行動データの改善につながる具体的な施策の実行支援まで一括して依頼できるというメリットがあります。

まとめ：顧客の行動分析を、明日からの集客施策に生かそう

顧客の行動分析は、決して大企業だけの専売特許ではありません。行動分析学の「レスポンデント行動」と「オペラント行動」という基本的な視点を持ち、来店前の検討行動と来店後の利用行動という2つのデータを分けて記録し、CTB分析・デシル分析・RFM分析という3つのフレームワークを組み合わせるだけで、飲食店・居酒屋、パーソナルジム、学習塾、エステサロンといったローカルビジネスでも、勘や経験則に頼らない再現性の高い集客・リピート施策を組み立てられるようになります。

本記事で紹介した数値シミュレーションはあくまで一例ですが、実際に多くの店舗で、たった一通のLINEメッセージ、たった一本の休眠顧客への電話連絡が、数十万円単位の売上インパクトを生み出しています。重要なのは、最初から完璧な分析基盤を作ろうとしないことです。まずは今お使いの予約システムやPOSレジ、Googleビジネスプロフィールの管理画面を開き、直近3ヶ月分の来店日・利用金額・流入経路をスプレッドシートに書き出してみてください。それだけで、デシル分析とRFM分析の土台が半日もあれば完成します。

そのうえで、上位顧客(デシル1〜3)が全体売上の何%を占めているか、直近来店がない優良顧客(離反予備軍)が何人存在するかを確認し、その顧客たちに向けた1本のメッセージを今日中に送ってみることが、顧客の行動分析を成果につなげる最初の一歩です。データは分析するために存在するのではなく、行動を変えるために存在します。小さな一歩からで構いません。今日から、顧客の行動を「見える化」する取り組みを始めてみてください。