ファネル分析とは？意味・計算方法と、チームで継続的に改善する効果測定の進め方

「広告で集客はできているのに、なぜか最終的な購入や申し込みにつながらない」「サイトのどこでユーザーが離れているのか、感覚でしか分からない」——こうした悩みを数字で解き明かすのがファネル分析です。ファネル分析とは、ユーザーが認知から購入（コンバージョン）へ至るまでの過程を複数の段階に分け、各段階の通過率や離脱率を可視化して、どこに改善の余地があるかを特定する分析手法です。

本記事では、ファネル分析の意味とファネルという考え方の基本から、Excelでもできる具体的な計算方法、代表的なファネルのモデル、活用できる場面と注意点までを体系的に解説します。さらに、多くの解説記事では触れられない「一度分析して終わり」にしないための、チームで継続的に改善する効果測定の進め方まで踏み込みます。読み終えるころには、自社のデータで明日からファネル分析を回せる状態になっているはずです。

ファネル分析とは？意味と目的をわかりやすく整理する

ファネル分析とは、ユーザーが商品やサービスを認知してから購入・契約に至るまでの一連のプロセスを段階ごとに分解し、各段階に何人が到達し、次の段階へ何人が進んだか（または離脱したか）を数値で把握する分析手法です。「ファネル（funnel）」は英語で「漏斗（じょうご）」を意味します。入口では多くのユーザーがいても、段階を進むごとに人数が絞り込まれ、最終的に購入に至るのは一部だけ——この形が漏斗に似ていることから、こう呼ばれています。

ファネル分析の目的は、購入までの各段階のうち「どこで、どれだけのユーザーが離脱しているか」を特定し、改善すべきボトルネックを見極めることにあります。全体のコンバージョン率（CVR）だけを見ていても、なぜ低いのかは分かりません。プロセスを段階に分けて初めて、「広告のクリックは多いのに商品ページで離脱が大きい」「カート投入までは進むのに決済直前で半数が離れる」といった具体的な課題が見えてきます。改善の打ち手を、感覚ではなくデータで指し示せる点がファネル分析の価値です。

ファネル分析でわかること

ファネル分析を行うと、主に次のことが見えるようになります。

• 購入までのどの段階で最も多くのユーザーが離脱しているか（ボトルネックの所在）
• 各段階から次の段階へ進む割合（遷移率）と、各段階の離脱率
• 施策を打った段階の遷移率が、前後でどれだけ変化したか（効果の検証）
• 広告・流入経路・デバイスなどセグメント別に見たときの、離脱パターンの違い

ファネル分析が向いている場面・向いていない場面

ファネル分析は「ユーザーが複数の段階を順に通過してゴールへ向かう」プロセスで力を発揮します。ECサイトの購入導線、BtoBの問い合わせ・商談プロセス、アプリの登録・定着フロー、サブスクの無料登録から有料転換までなどが代表例です。一方で、段階の区切りが曖昧なプロセスや、ユーザーが順序どおりに進まず行き来するような複雑な行動が中心の場合は、単純な一直線のファネルでは実態を捉えきれないことがあります。その場合は、後述するセグメント分析や、複数の経路を考慮した見方を併用する必要があります。

ファネルの基本モデル｜AIDMA・AISAS・パーチェスファネル

ファネル分析を理解するには、土台となる「ファネル（購買プロセス）」の代表的なモデルを押さえておくと役立ちます。どの段階に区切るかは目的によって変わりますが、よく使われる考え方を紹介します。

パーチェスファネル（購入に向かう基本形）

最もシンプルで広く使われるのが、購入に向かって絞り込まれていくパーチェスファネルです。一般的には「認知 → 興味・関心 → 比較・検討 → 購入」といった段階で表されます。上に行くほど人数が多く、下に行くほど少なくなる、漏斗の形そのものをイメージしたモデルです。

AIDMA・AISAS（消費者行動モデル）

消費者の心理プロセスを表す古典的なモデルがAIDMA（注意・関心・欲求・記憶・行動）です。インターネットの普及後は、検索（Search）と共有（Share）を組み込んだAISAS（注意・関心・検索・行動・共有）が提唱されました。これらは厳密にはファネルそのものではありませんが、ファネルの段階をどう設計するかを考えるうえでの土台になります。

ダブルファネル（購入後の拡散まで含む形）

購入して終わりではなく、その後の「継続・推奨・拡散」までを含めて捉える考え方がダブルファネルです。購入までの絞り込みの漏斗（パーチェスファネル）に、購入後にファンが口コミやシェアで新たな認知を生み出していく逆向きの漏斗（インフルエンスファネル）をつなげた、砂時計のような形をしています。LTVやリピートを重視する現代のマーケティングでは、購入後まで視野に入れた設計が重要になっています。

どのモデルを使うにせよ、大切なのは「自社のユーザーが実際にたどる道筋」に合わせて段階を設計することです。教科書どおりの段階をそのまま当てはめるのではなく、自社で計測できる行動（広告クリック、ページ閲覧、カート投入、決済完了など）に対応させて区切るのが実践的です。

ファネル分析の計算方法とやり方【5ステップ】

ファネル分析は、各段階の人数さえ取得できれば、Excelやスプレッドシートで実施できます。ここではECサイトの購入導線を例に、基本的な手順を5ステップで解説します。

ステップ1：分析対象のプロセスと段階を定義する

まず「どのプロセスを」「どの段階に区切って」分析するかを決めます。たとえばECサイトなら「サイト訪問 → 商品ページ閲覧 → カート投入 → 購入手続き開始 → 購入完了」のように、ユーザーが実際にたどる行動を順に並べます。段階を細かくしすぎると分析が煩雑になり、粗すぎるとボトルネックが特定できません。改善の打ち手を分けて考えられる粒度で区切るのがコツです。

ステップ2：各段階の人数（数値）を集計する

定義した各段階に、何人（何セッション）が到達したかを集計します。Google Analytics（GA4）などのアクセス解析ツールや、自社のデータベースから数値を取得します。たとえば「サイト訪問10,000人 → 商品ページ閲覧4,000人 → カート投入800人 → 購入手続き開始400人 → 購入完了200人」といった形で、段階ごとの人数を並べます。

ステップ3：遷移率と離脱率を計算する

次に、各段階から次の段階へどれだけ進んだか（遷移率）と、どれだけ離れたか（離脱率）を計算します。計算式はシンプルです。

• 遷移率（%）＝ 次の段階の人数 ÷ その段階の人数 × 100
• 離脱率（%）＝ 100 − 遷移率（その段階で離脱した割合）
• 全体CVR（%）＝ 最終段階の人数 ÷ 最初の段階の人数 × 100

たとえば商品ページ閲覧4,000人からカート投入800人へ進んだなら、遷移率は20%、離脱率は80%です。各段階の遷移率を順に計算していくことで、どこで大きく人数が落ちているかが数字で見えてきます。

ステップ4：ファネルを可視化してボトルネックを特定する

計算した人数と遷移率を、ファネル図（段階ごとに横幅が狭まっていく図）や棒グラフで可視化します。可視化すると、どの段階で人数が急激に減っているか——つまりボトルネックが一目で分かります。Excelの横棒グラフでも十分に表現でき、遷移率の数値を併記しておくと、チーム内で「ここが最大の課題」という共通認識を持ちやすくなります。

ステップ5：セグメント別に分解して原因を掘り下げる

全体のファネルでボトルネックが見えたら、さらにセグメント（流入経路・デバイス・新規/リピートなど）別に分解します。たとえば「カート投入から購入の離脱はスマホで特に大きい」と分かれば、スマホの決済画面に問題がある可能性が見えてきます。全体の数字だけでは「何となく離脱が多い」で終わりますが、セグメントで切ることで、改善すべき具体的な対象が明確になります。

ファネル分析の計算例｜ECサイトの購入導線で見る

理解を深めるため、ECサイトの購入導線を例に計算の流れをたどります。ある月の各段階の人数が次のようになっていたとします。

• サイト訪問：10,000人（起点）
• 商品ページ閲覧：4,000人 → 訪問からの遷移率40%（離脱60%）
• カート投入：800人 → 閲覧からの遷移率20%（離脱80%）
• 購入手続き開始：400人 → カートからの遷移率50%（離脱50%）
• 購入完了：200人 → 手続きからの遷移率50%（離脱50%）

この例では、全体CVRは200 ÷ 10,000 ＝ 2%です。各段階の遷移率を見ると、最も落ち込みが大きいのは「商品ページ閲覧 → カート投入」の20%（離脱80%）だと分かります。つまり、商品ページを見たユーザーの8割がカートに入れずに離脱しており、ここが最大のボトルネックです。

この場合、改善のインパクトが大きいのは商品ページの段階です。商品情報の見せ方、価格やレビューの提示、カートボタンの分かりやすさなどを見直せば、ここの遷移率を改善できる余地があります。仮に遷移率を20%から25%に引き上げられれば、後続の段階の人数も連動して増え、全体CVRの底上げにつながります。どの段階に手を入れれば全体への効果が大きいかを、数字で判断できるのがファネル分析の強みです。

ファネル分析の活用例｜EC・BtoB・アプリでの使い方

ファネル分析は、段階の設計を変えることでさまざまな事業に応用できます。代表的な活用シーンを紹介します。

EC・Webサイト：購入導線の離脱改善

訪問から購入完了までを段階に分け、離脱の大きい段階を改善します。商品ページでの離脱が大きければコンテンツやUIを、カート以降の離脱が大きければ送料表示・決済手段・入力フォームの煩雑さなどを見直します。フォームの改善（EFO）は、購入直前の離脱を減らす代表的な打ち手です。

BtoB・リード獲得：商談プロセスの可視化

BtoBでは「リード獲得 → 商談化 → 提案 → 受注」といった営業プロセスをファネルとして捉えます。どの段階で案件が止まっているかを可視化すれば、マーケティングと営業のどちらに課題があるかを切り分けられます。リードは多いのに商談化率が低いならリードの質や初期対応に、商談化はするのに受注率が低いなら提案内容やクロージングに課題がある、といった判断ができます。

アプリ・サブスク：登録から定着・有料転換まで

アプリやサブスクでは「インストール → 会員登録 → 初回利用 → 継続利用 → 有料転換」などをファネルにします。登録直後の離脱（オンボーディングの課題）や、無料から有料への転換率など、事業の成長に直結する段階を重点的に見ます。継続率やLTVと組み合わせることで、どの段階の改善が収益に効くかを判断しやすくなります。

ファネル分析を行う際の注意点と限界

ファネル分析はシンプルで強力ですが、使い方を誤ると判断を誤らせます。実務で気をつけたいポイントを押さえておきましょう。

• 段階設計が実態と合っていない：自社のユーザー行動に合わない段階で区切ると、ボトルネックを正しく特定できない。計測できる実際の行動に沿って設計する。
• ユーザーは一直線に進むとは限らない：比較検討で何度も行き来したり、別の経路から購入したりする。単純なファネルが捉えきれない行動があることを前提にする。
• 全体の数字だけで判断しない：全体CVRが同じでも、原因の段階は事業によって違う。必ず段階別・セグメント別に分解して見る。
• 離脱＝悪とは限らない：情報収集だけが目的のユーザーの離脱など、自然な離脱もある。改善対象とすべき離脱かどうかを見極める。
• 分析して終わりにしない：ボトルネックの特定は出発点であり、施策に落とし込み、効果を測って見直すまでが本来のファネル分析。

特に最後の「分析して終わりにしない」という点は、多くの現場でファネル分析が形骸化する最大の原因です。次の章で、継続的に成果へつなげる進め方を解説します。

チームで継続的に改善する効果測定の進め方

ファネル分析の真価は、一度の可視化ではなく「分析→施策→効果測定→再分析」のサイクルを回し続けることで発揮されます。ここでは、チームで運用を定着させ、継続的に成果を改善するための実践手順を解説します。

ステップ1：ボトルネックに対する施策と担当を決める

分析で特定したボトルネックに対し、「何をするか」と「誰がやるか」をセットで決めます。最も離脱の大きい段階から優先的に着手するのが原則です。商品ページが課題ならコンテンツ改善を制作担当に、決済直前の離脱ならフォーム改善を開発担当に、というように、段階ごとの課題と打ち手・担当者を対応づけ、チームの共通認識にすることがポイントです。

ステップ2：効果測定のKPIを事前に設定する

施策を打つ前に、何をもって成功とするかのKPIを決めておきます。指標を後付けすると都合のよい解釈になりがちだからです。代表的なKPI例は次のとおりです。

• 対象段階の遷移率：改善対象とした段階の遷移率が、施策前後でどれだけ向上したか
• 全体CVR：起点から最終段階までの全体の転換率の変化
• 離脱率の変化：ボトルネック段階の離脱率がどれだけ下がったか
• 下流への波及：上流の改善が、後続段階の人数・CVRにどれだけ波及したか

ステップ3：分析サイクルの頻度を決めて定例化する

ファネル分析は一定のリズムで更新してこそ意味があります。流入や施策の変化が速いECなら週次〜月次、商談サイクルの長いBtoBなら月次〜四半期など、自社の変化スピードに合わせて更新頻度を決め、定例会議に組み込みます。前回からどの段階の遷移率が変動したかを毎回チェックすることで、改善の効果や新たな課題の兆候を早期にとらえられます。

ステップ4：A/Bテストで施策の効果を検証する

施策の効果を正しく測るには、可能な範囲でA/Bテストを取り入れるのが有効です。改善案を当てたグループと従来のグループで対象段階の遷移率を比較すれば、「本当にその施策が効いたのか」を客観的に判断できます。季節要因や流入の変化など外部要因の影響を受けにくくなり、効果測定の精度が上がります。テストが難しい場合でも、施策の実施日を記録し、前後の遷移率を比較するだけでも判断材料になります。

ステップ5：ナレッジを蓄積し、次の改善に反映する

各サイクルで得た「どの段階に、どんな施策を打ち、結果どうだったか」という知見をチームで記録・共有します。効いた施策・効かなかった施策の蓄積は、次のボトルネックへの打ち手の精度を高め、段階設計の見直しにも活かせます。属人化を防ぎ、誰が運用しても一定の精度で回せる状態をつくることが、継続的改善の到達点です。

このように、効果測定を前提に運用設計しておくと、ファネル分析は「現状を説明する分析」から「成果を改善し続ける仕組み」へと進化します。一度で完璧なファネルをつくることよりも、サイクルを止めずに回し続けることのほうが、長期的な成果に直結します。

まとめ：ファネル分析を「回り続ける改善の仕組み」にする

ファネル分析は、認知から購入までのプロセスを段階に分け、各段階の遷移率・離脱率を可視化して、改善すべきボトルネックを特定する手法です。計算はExcelででき、各段階の人数から遷移率・離脱率・全体CVRを求め、ファネル図で可視化し、セグメント別に掘り下げるという5ステップで実施できます。EC・BtoB・アプリなど応用範囲は広く、段階設計を実態に合わせること、一直線の行動を前提にしすぎないことなどの注意点を押さえれば、強力な意思決定の武器になります。

そして最も重要なのは、分析して終わりにしないことです。ボトルネックに対する施策と担当を決め、KPIで効果を測り、定例サイクルで遷移率の変動を振り返り、A/Bテストで検証し、ナレッジを次に活かす——このループをチームで回し続けることで、ファネル分析は継続的な成果改善の仕組みになります。まずは自社の主要な導線を一度ファネルにして可視化し、最大のボトルネックを見つけるところから始めてみてください。