顧客離れとは

このメトリクスは、サブスクリプションからの月次経常収益に依存している企業が多いSoftware-as-a-Service（SaaS）事業者にとっては特に重要です。こうした企業は、顧客が解約しそうかどうか、あるいは将来解約する可能性があるかどうかを知る必要があります。こうした動向は直ちに収益に影響するからです。

顧客離れは顧客減少とも呼ばれ、顧客維持の反対です。顧客維持は、企業がカスタマー・リレーションシップを保持することに関連しています。顧客離れを最小限に抑えることは、あらゆる顧客エンゲージメント戦略において重要な構成要素の1つです。顧客エンゲージメント戦略は、オンラインか実店舗かを問わず、顧客が企業やブランドと行うすべてのやり取りに関連しています。

顧客エンゲージメントを優先し、特に堅牢な顧客維持戦略を策定することは、顧客離れを防ぐ上で重要です。

企業は顧客解約率を頻繁に測定して、自社が収益損失のリスクにさらされているかどうかを把握する必要があります。

顧客獲得には多大なコストがかかる場合があるため、顧客離れをなくすことは重要な任務です。McKinsey¹によると、失われた1人の顧客の価値を取り戻すには、3人の新規顧客を獲得する必要があるということです。したがって、企業は顧客離れを減らして既存顧客を維持するために、できる限りの策を講じる必要があります。

顧客離れの影響はB2B企業とB2C企業とで多少異なります。B2C企業の方がB2Bよりも顧客解約率が高い傾向があります。それにはいくつか理由があります。

第1に、B2Cの場合は顧客がサブスクリプションの開始や終了にあたって上司の承認を得る必要がないため、衝動的に契約や解約を行う可能性が高くなります。第2に、サブスクリプションが比較的低料金であることが多いため、別のサービスへの乗り換えが容易です。

これに対し、B2B企業は解約の影響をより大きく受けることがよくあります。

現代のB2B企業は、製品を販売するか、サービスを販売するかのいずれかです。前者は多くの場合、個々の製品に対して一度だけ代金を受け取ります。Software-as-a-Serviceのソリューションを販売する企業、すなわちSaaS企業は、サービスへのアクセスの対価にあたる料金を、年間を通して顧客から複数回受け取ることができます。こうした企業は、顧客（契約企業）からの月次経常収益が基盤となっています。

B2B企業は往々にして、潜在顧客が比較的少ないか、あるいはセールス・パイプラインが限られています。なぜなら、B2B企業は明確に定められた顧客群を対象としているのに対し、B2C企業が提供する特定の製品（食料品、家庭用品、銀行サービスなど）は、ほとんどの消費者が定期的に必要とするものだからです。

このため、B2B企業の中でも、特に対象を絞った顧客群に対して比較的高額な製品やサービスを提供している企業の場合は、顧客離れの影響が大きくなります。

顧客離れが増えると、経営幹部や従業員の士気が低下し、自分たちの仕事や会社の持続性に懸念を抱き始める可能性があります。新規顧客獲得には一般に時間とコストがかかるため、企業が既存顧客への対応に力を入れられなくなる恐れがあり、悪循環が生じます。

上で示した話は、顧客を失うことが加速度的または循環的な顧客離れにつながる可能性があることを示した1つの例です。別の例としては口コミがあります。ある会社の製品にどれだけ不満を抱いたか、ある顧客が別の顧客に話すことで、解約が増え、さらなる顧客離れを生むという状況です。

顧客離れには大きく分けて「自発的」と「非自発的」の2種類があります。

こちらは顧客の嗜好の変化に伴うものです。自発的解約の例には、そのカテゴリーの製品の使用をやめるという顧客の選択や、競合他社の製品への乗り換え、値上げへの反応、質の低い顧客体験などがあります。

こちらは、一般に顧客が制御できない問題に伴うものです。例えば、企業が製品やサービスの提供を中止した場合や、技術面または決済上の問題、自然災害などの場合があります。そのほか、予期せぬ理由で顧客がサービスを利用できなくなる場合もあります。例えば、従業員が利用するサービスに関して企業が料金の支払いをやめる場合や、職務の変化に伴って製品やサービスが不要になる場合などがあります。

• 顧客解約率
• 月次経常収益
• 収益解約率

企業の顧客解約率を算出するには、特定の期間内にその企業から流出した顧客の合計数を、その企業が獲得していた顧客の総数で割ります。そして、その数値を100倍することで、特定の期間における値を求めます。

企業は、顧客体験に関する他のメトリクスと同様に、顧客解約率の値を評価して、潜在的な問題を特定できるようにする必要があります。顧客解約率の算出にあたっては、週間、月間、年間など、特定の期間を選択して解約率を計算できます。月間の顧客解約率は、例えば月次経常収益（MRR）を獲得しているSaaS企業が月々の解約率を把握する必要がある場合に有益かもしれません。

顧客解約率 = (顧客の流出数/期初の顧客の総数) x 100

例：月間の顧客解約率を測定している企業が、75,000人の顧客のうち300人を失ったとします。この場合、顧客解約率は0.4％です。

クレジット・カード決済の拒否やサービスの解約などに関して、リアルタイムのアラートを設定している企業は、より適切に顧客離れに対処できます。

顧客解約率はビジネスの種類によって異なります。Recurlyによると、平均解約率は4％で、3％は自発的な解約によるもので、1％は非自発的な解約によるものです。デジタル・エンターテイメント・プロバイダーでは、平均の顧客解約率がさらに高いことがよくあります。ソフトウェア、ビジネス・サービス、プロフェッショナル・サービスは、比較的低い傾向にあります。

企業は収益解約率を計算することも可能であり、算出が必要です。収益解約率は、既存顧客からの月次経常収益（MRR）が一定期間にどれだけ失われたかを示します。

MRR = 加入者数 x 加入者あたりの平均収益（ARPU）

例：同じ企業が75,000人の加入者からサービス料金として月15.00米ドルを得ている場合、MRRは1,125,000米ドルです。

これは、企業が特定の期間内に収益をどの程度失ったかを示します。

収益解約率 = (解約によって失われた収益/期間内の合計MRR) x 100

例：同じ企業が解約によって月に約4,500米ドルを失ったとします。総収益に対する割合を求めると、収益解約率も0.4％となります。

• 顧客満足度スコア
• ネット・プロモーター・スコア
• カスタマー・エフォート・スコア
• 製品使用率

CSATは顧客に対する調査によって顧客満足度を割り出します。その際には、「満足」または「非常に満足」の回答数を計算します。満足している顧客が多い企業ほど、解約の問題が生じる可能性は低くなります。

NPSでは、企業やその製品について、つながりがある人に薦める可能性がどの程度あるかを顧客に尋ねます。低スコアの数（6以下）が「推奨者」の数（9と10）から差し引かれ、最終得点はパーセンテージに変換されます。NPSスコアが高い企業は、顧客離れについてあまり心配する必要がないだけでなく、肯定的な口コミによって顧客獲得コストを多少抑えられる可能性があります。

このカスタマー・サービスのメトリクスは、顧客がどの程度難しいと感じたかを1（簡単）から7（困難）で表します。CESが高い企業は、顧客がその企業とのやり取りを難しいと感じていることから、顧客離れのリスクに直面している可能性があります。

顧客が企業の製品を利用しているかどうかは、その企業に顧客離れのリスクがあるかどうかの判断材料になります。例えば、製品にログインして利用することがなくなった顧客は、既に別の製品を利用していて、サブスクリプションが切れるのを待っているだけの可能性があります。

顧客解約率の計算はすべての企業で同じ式を使用しますが、将来の顧客離れを把握および予測するために企業が使用できる顧客解約モデルにはいくつかの種類があります。企業はモデルを正しく構築するために、顧客が流出したりとどまったりする理由、解約につながる要因、それらの要因がどの程度存在あるいは遍在しているかなど、いくつかの問題を分析する必要があります。

• 予測解約モデル
• 予防解約モデル
• 生存分析
• 例外検知

データに基づくこのモデルは、対象となるデータ・ポイントを取り入れ、将来の顧客解約率を介入なしで予測します。

これは予測解約モデルと同じアプローチですが、価格変更、新機能、新しいアプローチによるカスタマー・サポートなど、顧客離れを最小限に抑えるための手法を打ち出します。

このモデルは生存時間解析モデルとも呼ばれ、顧客の購入データ、履歴データ、現在の状況に基づいて、その顧客がいつ解約するかを予測できます。高額な製品を提供しているB2B企業が、すべての顧客を維持するためのリソースを構築できる場合には特に役立ちます。また、大規模な解約が発生するリスクを企業が理解するのにも役立つことから、総合的な把握という面でも価値があります。

これらのモデルでは、顧客離れの増加につながる可能性があるイベントを特定できるため、企業は是正を試みたり、戦略を変更して影響を最小限に抑えたりする機会が得られます。企業が追跡すべき異常の例には、顧客からの否定的なフィードバックの突然の増加、利用の落ち込み、返品や返金要求の増加などがあります。

企業には、カスタマー・ジャーニーに沿って顧客離れを減らすための事前対応型のツールや手法がいくつかあります。これは特に、リスクがある顧客が対象となります。

• リスクがある顧客の特定
• カスタマー・サクセスへの投資
• 優れたカスタマー・サービス
  
• 公正な料金体系
• メトリクスに基づく意思決定
  
• 卓越したオンボーディング・プロセス
• 強力なロイヤルティー・プログラム

企業は、顧客の活動を追跡するために、高度な顧客関係管理（CRM）ツールに投資する必要があります。また、機械学習などの人工知能テクノロジーを利用して、個々の顧客データに対する分析を強化することもできます。それにより、カスタマー・サクセス・チームが自力で見つけるより先に、解約の可能性が高い顧客を特定できる可能性があります。

これは、発生した問題への事後対応という面が大きいカスタマー・サービスとは異なります。カスタマー・サクセスは、製品やサービスを使用する顧客と関わり合い、有用性を最大限に引き出せるようにします。これは、解約のリスクがある顧客を企業が特定するうえで役立ちます。SaaS企業は、顧客が常に満足した状態で製品を十分に活用し続け、月額料金の支払いに納得してくれるよう、クライアント・サクセスやカスタマー・サクセスに投資してきました。

企業が提供するカスタマー・サービスの価値を向上させるだけで、解約を容易に減らせる場合もあります。言い換えれば、カスタマー・サービスの質が低いと、満足していた顧客がすぐに解約予備軍になってしまう可能性があります。顧客フィードバックを返してくれる顧客に最大限の敬意を払い、そうした顧客のニーズに即座に対応しましょう。

企業には、カスタマー・リレーションシップを改善するために使用できる先進的なテクノロジーがいくつかあります。自然言語処理（NLP）は、顧客データをより適切に処理して顧客満足度を把握するうえで役立ちます。企業はそれをモデルに投入することで、平均解約率を特定できます。

人工知能ベースのチャットボットは、顧客からの基本的な質問への回答に利用できます。これによりカスタマー・サービス担当者は、より複雑な問題への対応に時間を投じることができます。

顧客は、企業の製品やサービスを気に入ったとしても、得られる価値に比べて価格や料金が高すぎると思った場合には購入を取りやめます。企業は価格調査を実施して、競合他社の水準や顧客の期待に沿った価格を維持する必要があります。

特定のメトリクスを把握して追跡することは、潜在的な解約率のモニタリングに役立ちます。顧客満足度スコア(CSAT)とネットプロモータースコア(NPS)の両方が、顧客が企業の製品やサービスにどれだけ満足しているかを理解するのに役立ちます。CSATは顧客に満足度を1から10のスケールでランク付けするよう求めます。NPSは顧客に対し、同僚に対してどの程度商品やサービスを推薦する可能性が高いかを尋ねます。

これらのメトリクスが低下し始めたら、企業の顧客ベースに解約のリスクが出てきた兆候と考えられます。リーダーは、顧客体験を向上させて顧客離れを減らすために行動する必要があることを知っています。

ブランド・ロイヤルティーの構築は顧客離れを減らす優れた方法です。例えば、企業は既存顧客へのインセンティブとして、誕生日を迎える顧客や一定金額を使った顧客を対象とした割引や商品の無料進呈などの策を実施できます。これは、企業の製品に対する優良顧客の満足度を維持するための優れた方法です。ロイヤルティーを促進することは、アップセルの機会の増加など、他のメリットにつながる可能性があります。

顧客の流出を防ぐには、関係が始まる時点で新規顧客に優れたサービスを提供するよう力を注いでおくことが最善の策の1つです。企業は、顧客が成果を上げられるように準備を整え、自社製品の活用に向けた支援を強化するために、チュートリアル、FAQ、自己対応用のヘルプ・ガイドを提供できます。

企業は人工知能に投資することによって、いくつかの方法で顧客離れの問題に取り組むことができます。

• データの収集と分析の強化
• より迅速で包括的なカスタマー・サポート
• モデルとシミュレーション
• より満足度の高いオムニチャネルの顧客体験
• より正確な予測分析

企業は生成AIマーケティングを使用し、同じEメールを基にパーソナライズを加えた複数のバージョンを作成することで、社内マーケティングを改善できます。これにより、顧客が使用するチャネルを問わず、個々の顧客の共感を高めることができます。

顧客が解約するかどうかの判断は、対話型AIを利用したポジティブなカスタマー・サービス体験によって変わることがあります。企業は、顧客対応のためのチャットボットを利用するにせよ、AIバーチャル・アシスタントを顧客向けに提供するにせよ、対話型AIを取り入れる必要があります。

AIではサード・パーティーの一連の公開データとファースト・パーティーの内部データの迅速な収集が可能で、機械学習は特に共通の主題を特定できます。こうして特定した内容は、企業が顧客ニーズへの対応における自社の強みと弱みを理解するうえで役立ちます。

AIは顧客の行動データを解析して、解約のリスクがある顧客を、従業員がCRM情報やスプレッドシートを見て判断するよりも正確に予測できます。

企業は、AI搭載のカスタマー・デジタルツイン（CDT）を利用して顧客体験をシミュレートできます。これによって、購買習慣や、解約につながる要因を把握し、将来の購入をより正確に予測する方法を理解できます。CDTは、何日または何週間にもわたるカスタマージャーニーマップを作成し、顧客体験の全体像を把握できます。