カスタマージャーニー調査で収集すべきデータ完全ガイド｜顧客体験を可視化する方法

カスタマージャーニーは、顧客が商品やサービスを知り、情報を集め、比較し、購入し、利用し、再購入や推奨に至るまでの一連の体験を表します。EC事業では、広告、商品ページ、決済、配送、問い合わせ、メールなど、複数の接点を横断して顧客体験を理解するために使われます。

しかし、社内の想像だけでカスタマージャーニーを作成すると、実際の顧客行動とは異なる理想的な流れになりやすくなります。企業が想定する順序どおりに顧客が行動するとは限らず、SNSを見た後に実店舗で確認し、数週間後に検索広告からECへ戻って購入することもあります。

正確なカスタマージャーニーを作るには、アクセス解析、購入履歴、広告接触、問い合わせ、口コミ、インタビュー、操作観察などを組み合わせる必要があります。本記事では、各段階で収集すべきデータと、そのデータから何を判断できるかを詳しく解説します。

1. カスタマージャーニーとは

カスタマージャーニーとは、顧客が課題や欲求を認識してから、商品との関係を終了するまでに経験する行動、思考、感情、接点を時系列で表したものです。企業側の販売手順ではなく、顧客側の経験を中心に記述します。

1.1 顧客の行動経路

顧客の行動経路には、検索、広告閲覧、商品比較、口コミ確認、カート追加、問い合わせ、購入、利用などが含まれます。どの順序で行われたかを確認することで、顧客が判断を進める過程を理解できます。

同じ商品を購入した顧客でも、行動経路は一つではありません。短時間で購入する顧客、何度も訪問する顧客、家族や上司へ相談する顧客など、代表的な経路を複数抽出する必要があります。

1.2 顧客の思考

各段階で顧客が何を知りたくて、どのような判断をしているかを収集します。「自分に必要か」「他の商品より優れているか」「信頼できるか」といった疑問が該当します。

行動データだけでは、同じページを何度も見た理由を説明できません。関心が高い場合もあれば、情報が理解できず迷っている場合もあるため、インタビューやアンケートで思考を確認します。

1.3 顧客の感情

期待、安心、不安、混乱、満足、失望など、体験中の感情を収集します。感情は購買判断や継続意向に影響しますが、ページ閲覧数のような行動データだけでは把握できません。

感情を「良い・悪い」だけで表さず、何によって発生したかを記録します。たとえば、価格表示による不安、配送通知による安心、複雑な返品手続きによる不満というように、原因と結び付けます。

1.4 顧客接点

顧客接点には、広告、検索エンジン、ECサイト、SNS、メール、配送会社、問い合わせ窓口などが含まれます。企業が直接管理できない口コミサイトや家族との会話も、購入判断に影響する接点です。

各接点を一覧化するだけでなく、顧客がその接点で何を期待し、実際に何を得たかを確認します。接点数が多いほど体験が良いとは限らず、不要な移動が負担になる場合もあります。

1.5 カスタマージャーニー調査の目的

調査の目的は、顧客行動を美しい図へまとめることではありません。離脱、購入障壁、不満、部門間の分断を発見し、改善施策を決めることです。

「購入率を上げる」「問い合わせを減らす」「二回目購入を増やす」など、変えたい行動を最初に定義します。目的によって、重視する段階と収集すべきデータが変わります。

2. 調査範囲を定義するためのデータ

カスタマージャーニー全体を一度に調査すると、対象が広がりすぎて分析が曖昧になります。対象顧客、商品、開始点、終了点、期間を具体的に設定します。

2.1 対象顧客

新規顧客、継続顧客、高価値顧客、休眠顧客など、調査対象となる顧客群を定義します。すべての顧客を一つにまとめると、異なる行動経路が平均化されます。

対象条件には、購入商品、流入経路、利用端末、購入回数などを使えます。調査後に対象が変わらないよう、抽出条件を記録します。

2.2 対象商品・サービス

同じ企業の商品でも、価格、購入頻度、検討期間によってジャーニーが異なります。日用品と高額商品を同じ経路として扱うべきではありません。

商品カテゴリー、価格帯、契約形式を明示します。複数商品を扱う場合は、代表商品を選ぶか、商品群ごとに別のジャーニーを作成します。

2.3 ジャーニーの開始点

商品を初めて知った時点、問題を認識した時点、サイトへ訪問した時点など、開始点を決めます。開始点によって収集する情報量が変わります。

広告改善が目的なら商品認知から、購入画面改善が目的なら商品ページ閲覧から始める方法があります。目的に必要な範囲だけを深く調査します。

2.4 ジャーニーの終了点

購入完了、商品到着、初回利用、再購入、解約など、終了点を決めます。購入完了を終了点にすると、配送や利用後の問題を見落とします。

継続型商品では、初回購入より二回目購入や契約更新が重要です。事業価値が確定する段階まで含めることを検討します。

2.5 観察期間

顧客が検討を始めてから購入・利用するまでの期間を設定します。高額商品では数か月、日用品では数日で完了する場合があります。

観察期間が短すぎると、最初の広告接触や再訪を見落とします。長すぎると、別の購買目的が同じジャーニーに混ざる可能性があります。

3. 顧客を識別・分類するためのデータ

複数の接点を一つのジャーニーとして結び付けるには、同じ顧客の行動を識別する必要があります。同時に、個人情報を必要以上に扱わない設計も重要です。

3.1 一意の顧客識別子

顧客番号、会員番号、匿名化した内部識別子などを利用します。メールアドレスや氏名を直接分析キーにすると、変更や表記差によって重複が発生します。

注文、閲覧、問い合わせ、メール反応を同じ識別子で関連付けます。分析担当者が個人情報を見なくても処理できる構造が望まれます。

3.2 匿名訪問者の識別

会員登録前の閲覧行動を把握するには、匿名の訪問識別子を使用します。顧客の同意や適用される規則を確認し、必要な保存期間だけ保持します。

匿名訪問者と購入者を関連付けられない場合は、推測で同一人物と決めないようにします。匿名段階と会員段階を別の分析単位として扱えます。

3.3 新規・既存顧客区分

初回購入者と既存顧客では、必要な情報と信頼の作り方が異なります。新規顧客は会社情報や口コミを確認し、既存顧客は在庫や再注文の容易さを重視する場合があります。

会員登録日だけでなく、過去購入回数や最終購入日を使って区分します。登録だけ行い、購入していない顧客を既存購入者へ含めないようにします。

3.4 顧客価値区分

購入額、利益、継続率、紹介などから顧客価値を分類します。高価値顧客と低価値顧客では、同じジャーニーでも重要な接点が異なる場合があります。

売上だけで分類せず、返品、値引き、対応コストを含めた利益も確認します。高価値顧客のジャーニーを再現できれば、顧客育成施策へ活用できます。

3.5 購買者像・目的区分

購入目的、判断基準、障壁によって顧客を分類します。自分用と贈答用、緊急購入と計画購入では、経路が大きく異なります。

年齢や性別だけで区分せず、実際の購買行動と状況を中心にします。一人の顧客が商品や時期によって異なる目的を持つ点にも注意します。

4. 認知段階で収集すべきデータ

認知段階では、顧客が商品や課題をどのように知ったかを確認します。企業からの情報だけでなく、外部の出来事や他者からの影響も対象にします。

4.1 認知のきっかけ

広告、検索、SNS、友人、店舗など、商品を知った直接的なきっかけを収集します。広告管理画面に記録された流入元と、顧客が記憶する最初の接触は異なる場合があります。

「どこから来たか」だけでなく、「なぜその時に注意を向けたか」を確認します。問題の発生や生活変化が、認知を行動へ変えた可能性があります。

4.2 問題認識の出来事

既存商品の故障、引っ越し、健康上の変化、仕事上の課題など、商品を探し始める前に発生した出来事を記録します。

このデータは、広告配信の時期やメッセージ設計に役立ちます。単なる興味と、解決が必要な状態を区別できます。

4.3 最初に見た情報

広告画像、投稿、検索結果、動画など、顧客が最初に認識した内容を確認します。企業が伝えたい価値と、顧客が受け取った内容が一致しているかを見ます。

広告の押下率が高くても、誤った期待を生み出している場合は、その後の離脱が増えます。最初の印象と商品ページ理解の差を分析します。

4.4 初回接触日時

最初の接触日時を記録すると、購入までの検討期間を計算できます。季節、曜日、時間帯による違いも確認できます。

初回接触を最終広告押下だけで判断すると、以前のSNS投稿や口コミ接触を見落とします。可能な範囲で複数接触を保存します。

4.5 認知時の理解度

顧客が最初に商品をどのように理解したかを質問します。商品カテゴリー、対象者、利用目的が正しく伝わっているかを確認します。

理解がずれている場合、認知施策で利用している言葉や画像に問題があります。商品ページだけを改善しても、適切な顧客を呼び込めません。

5. 情報探索段階で収集すべきデータ

顧客は商品を知った後、必要性、選び方、価格、信頼性を確認します。どの情報をどの順序で探したかを分析します。

5.1 使用された検索語

商品名、課題、用途、比較、口コミなど、顧客が使用した検索語を収集します。検索語は、顧客が問題をどのように言語化しているかを示します。

企業が使う専門用語と顧客の言葉が異なる場合があります。商品ページ、広告、記事では、顧客が実際に使用する表現を取り入れます。

5.2 閲覧された情報源

検索エンジン、動画、SNS、比較サイト、公式ページなど、利用した情報源を記録します。情報源ごとに、顧客が求める内容が異なります。

SNSは認知、動画は使用方法、口コミは信頼確認というように、各接点の役割を分析します。すべての媒体へ同じ情報を掲載する必要はありません。

5.3 サイト内検索

ECサイト内で入力された検索語、検索結果数、検索後の行動を収集します。検索結果がゼロになった語句は、商品や情報の発見性に問題がある可能性を示します。

検索後に購入へ進んだ語句と離脱した語句を比較します。表記ゆれ、同義語、商品分類の改善に活用できます。

5.4 情報探索の所要時間

最初の検索から比較、購入までにかかった時間を測定します。時間が長いことは慎重な検討を示す場合もあれば、情報が分かりにくい可能性もあります。

購入者と非購入者の所要時間を比較します。適切な検討時間を超えている場合、必要情報が不足している可能性があります。

5.5 繰り返し閲覧された情報

価格、口コミ、仕様、返品条件など、何度も閲覧された項目を記録します。繰り返しは重要性または理解不足を示します。

購入者も繰り返し確認している場合は、必要な確認行動かもしれません。非購入者だけが何度も見ている場合は、未解消の不安である可能性が高まります。

6. 比較・検討段階で収集すべきデータ

比較段階では、顧客がどの選択肢を検討し、どの基準で候補を絞ったかを確認します。競合企業だけでなく、購入しない選択も含めます。

6.1 比較された商品・サービス

顧客が実際に見た競合商品、実店舗、代替手段を収集します。企業が認識していない競合が選択肢になっている場合があります。

比較対象は商品名だけでなく、なぜ候補になったかを確認します。価格帯、知名度、配送、機能など、顧客の比較範囲を理解できます。

6.2 比較軸

価格、品質、保証、配送、口コミ、操作性など、顧客が使用した比較基準を収集します。

「重要だと思った項目」と「最終決定に影響した項目」を分けます。重要と回答したすべての項目が、購入を左右したとは限りません。

6.3 候補数

顧客が最終的に何商品まで候補を絞ったかを確認します。候補数が多すぎる場合、カテゴリーや商品差が理解しにくい可能性があります。

候補数と購入までの時間、離脱率を比較します。商品選択支援や診断機能が必要かを判断できます。

6.4 関係者の影響

家族、友人、上司、利用者など、意思決定へ関与した人を確認します。購入者と利用者、支払者、承認者が異なる場合があります。

誰が何を重視したかを分けて記録します。法人向けでは、利用者が機能、管理者が費用、情報部門が安全性を評価することがあります。

6.5 検討を中断した理由

予算、時期、情報不足、承認待ちなど、比較途中で行動を止めた理由を収集します。

中断と完全な離脱を区別します。購入予定時期が先である顧客へ、繰り返し値引き広告を出す必要はない場合があります。

7. 購入判断で収集すべきデータ

購入判断では、顧客が最終的に選択を決めた理由と、購入直前まで残った不安を確認します。購入者と非購入者の差を比較します。

7.1 最終決定要因

購入を決めた最も重要な条件を一つ選んでもらいます。複数回答だけでは、決定的な理由が分かりません。

配送速度、保証、口コミなど、企業が想定していなかった要素が最終要因になる場合があります。商品ページで強調すべき内容の判断に使えます。

7.2 購入直前の不安

決済前に残っていた疑問や不安を収集します。購入者であっても、不安を完全に解消していたとは限りません。

不安を抱えたまま購入した顧客は、到着後のわずかな問題で不満を持ちやすくなります。購入前の説明改善に活用します。

7.3 購入を後押しした情報

口コミ、保証、問い合わせ回答、割引、在庫表示など、最後の一歩を促した情報を確認します。

購入を後押しした情報は、顧客区分によって異なります。新規顧客には保証、既存顧客には再注文の容易さが重要かもしれません。

7.4 購入時の期待

商品到着、使用効果、品質、配送について、購入時点で顧客が期待していた内容を収集します。

購入後満足度を正しく解釈するには、事前期待を把握する必要があります。商品が同じでも、広告によって期待が高すぎると不満が発生します。

7.5 購入しなかった理由

非購入者には、最終的に競合を選んだのか、購入を延期したのか、中止したのかを確認します。

「価格が高い」という回答だけで終わらず、何と比較して高いと感じたか、どの条件なら購入できたかを聞きます。

8. カート・決済段階で収集すべきデータ

カートへ進んだ顧客は一定の購入意欲を持っています。この段階では、商品価値より、費用表示、入力、決済、信頼が離脱原因になりやすくなります。

8.1 カート追加率

商品閲覧者のうち、カートへ追加した割合を商品、端末、流入元別に計算します。

カート追加率が低い場合は、価格、商品理解、在庫、ボタン発見性などを調査します。購入完了率だけでは問題の場所を特定できません。

8.2 決済開始率

カートへ追加した顧客のうち、決済手続きを始めた割合を確認します。

カート画面で送料や会員登録条件を知り、離脱する場合があります。カート追加後の減少を画面単位で測定します。

8.3 入力項目別エラー

住所、電話、カード情報など、各入力欄のエラー率と修正時間を収集します。

入力形式が厳しい、エラー文が分かりにくい、自動入力に対応していないといった問題を特定できます。端末別の差も確認します。

8.4 決済方法別の完了率

クレジットカード、電子決済、後払いなど、決済方法ごとの選択率、失敗率、完了率を収集します。

希望する決済方法がないことも離脱原因になります。決済追加の費用と回収できる売上を比較します。

8.5 最終支払額への反応

商品価格、送料、手数料、税を含む最終金額を表示した後の離脱率を確認します。

商品ページで予想した金額と決済画面の金額差が大きい場合、顧客は不信感を持ちます。追加費用を早い段階で表示します。

購入経路の移行率を集計する例

import pandas as pd events = pd.DataFrame([    {"user_id": "U001", "event": "product_view"},    {"user_id": "U001", "event": "add_to_cart"},    {"user_id": "U001", "event": "checkout_start"},    {"user_id": "U001", "event": "purchase"},    {"user_id": "U002", "event": "product_view"},    {"user_id": "U002", "event": "add_to_cart"},    {"user_id": "U002", "event": "checkout_start"},    {"user_id": "U003", "event": "product_view"},    {"user_id": "U003", "event": "add_to_cart"},    {"user_id": "U004", "event": "product_view"} ]) steps = [    "product_view",    "add_to_cart",    "checkout_start",    "purchase" ] step_counts = {    step: events.loc[        events["event"] == step,        "user_id"    ].nunique()    for step in steps } for index, step in enumerate(steps):    current_count = step_counts[step]    if index == 0:        print(f"{step}: {current_count}人")        continue    previous_count = step_counts[steps[index - 1]]    transition_rate = (        current_count / previous_count        if previous_count else 0    )    print(        f"{step}: {current_count}人、"        f"前段階からの移行率 {transition_rate:.1%}"    )

この集計を流入元、端末、商品、顧客区分別に行うと、特定の経路で発生している問題を把握できます。

9. 配送・受取段階で収集すべきデータ

購入後、商品を受け取るまでの体験は、満足度と再購入に影響します。ECサイト外の配送会社との接点も、顧客から見れば一つのブランド体験です。

9.1 注文から出荷までの時間

注文日時、出荷日時、予定との差を記録します。平均だけでなく、遅延した注文の割合を確認します。

顧客へ案内した予定と実績の差が重要です。時間が長くても、正確な予定が示されていれば不満が小さい場合があります。

9.2 配送予定の理解度

顧客が購入時に到着予定日を理解していたかを確認します。予定表示が曖昧だと、実際には予定どおりでも遅いと感じられます。

商品ページ、カート、注文完了メールで、予定が一貫しているかも確認します。表示内容が異なると信頼を損ないます。

9.3 配送追跡の利用

追跡ページの閲覧数、通知開封率、配送状況の確認回数を収集します。

確認回数が多い場合、商品到着への期待が高いか、配送状況に不安がある可能性があります。問い合わせとの関係も確認します。

9.4 受取失敗・再配送

不在、住所誤り、受取拒否などの発生件数を記録します。

顧客都合だけでなく、指定時間の選択肢や住所入力設計に問題がないかを確認します。再配送は顧客体験と物流費の両方に影響します。

9.5 梱包・開封体験

箱の状態、包装、説明書、商品の配置などに対する評価を収集します。

特に贈答品や高価格商品では、開封体験がブランド評価へ影響します。過剰包装による不満や廃棄負担も確認します。

10. 利用・体験段階で収集すべきデータ

商品が届いた後、顧客が期待した価値を得られたかを確認します。利用開始の難しさ、使用頻度、効果実感が継続購入を左右します。

10.1 初回利用までの時間

商品到着から初めて使用するまでの日数を記録します。到着しても利用されない場合、設定、説明、必要条件に障壁がある可能性があります。

利用開始が遅い顧客は、満足度や継続率が低くなることがあります。初回利用支援の必要性を判断します。

10.2 初期設定・組み立ての難易度

設定時間、失敗回数、説明書閲覧、問い合わせを収集します。

購入前には魅力的でも、利用開始が難しい商品は返品や低評価につながります。説明動画や案内の改善に活用します。

10.3 使用頻度

毎日、週一回、特定の場面だけなど、利用頻度を確認します。

購入回数だけでは、商品が実際に使われているか分かりません。利用頻度は、継続、消耗品購入、満足度を予測する指標になります。

10.4 価値を実感した瞬間

顧客が「買ってよかった」と感じた具体的な場面を収集します。

企業が訴求している機能と、顧客が実際に評価する価値が異なる場合があります。広告、商品説明、口コミ依頼へ反映できます。

10.5 期待との差

購入前の期待と利用後の実感を比較します。期待を上回った点、下回った点を分けて質問します。

不満の原因が商品品質ではなく、広告による過大な期待である場合もあります。商品改善と訴求改善を区別できます。

11. 問い合わせ・問題解決段階で収集すべきデータ

問い合わせは、顧客体験の問題が表面化する重要な接点です。件数だけでなく、発生理由、解決時間、解決後の行動を確認します。

11.1 問い合わせ理由

購入前相談、配送、使用方法、不具合、返品などに分類します。

自由記述も保持し、分類だけでは分からない具体的な問題を確認します。同じ質問が繰り返される場合は、自己解決できる情報が不足しています。

11.2 問い合わせ経路

メール、電話、チャット、SNSなど、利用された経路を記録します。

顧客が希望する経路と、企業が提供している経路が一致しているかを確認します。緊急性によって適切な接点も異なります。

11.3 初回回答までの時間

問い合わせ送信から最初の回答までの時間を計測します。

平均時間だけでなく、営業時間外、繁忙期、問い合わせ種類別に確認します。待ち時間の案内が正確かも重要です。

11.4 解決までの時間と往復回数

問題が完全に解決するまでの時間、担当者数、やり取り回数を収集します。

初回回答が速くても、解決まで何度も説明が必要なら体験は良くありません。初回解決率も確認します。

11.5 解決後の満足・行動

問い合わせ後の満足度、購入、再購入、解約を追跡します。

問題が発生しても、適切に解決されれば信頼が高まる場合があります。問い合わせ件数を減らすことだけを目的にせず、解決品質を評価します。

12. 再購入・継続・推奨段階で収集すべきデータ

購入後のジャーニーでは、顧客が関係を継続する理由と、離脱する兆候を確認します。初回購入時とは異なる判断条件が存在します。

12.1 二回目購入率

初回購入者のうち、一定期間内に二回目の購入を行った割合を計算します。

二回目購入は、初回満足と継続意向を示す重要な指標です。商品、流入元、配送体験別に比較します。

12.2 再購入までの日数

初回購入から二回目購入までの時間を収集します。

一般的な消費周期と比較し、遅れを検知します。適切な案内時期や在庫補充通知を設計できます。

12.3 継続・解約理由

継続した理由と、解約・休眠した理由を収集します。

価格だけでなく、利用頻度低下、効果実感不足、競合への移行などを分類します。解約時アンケートと行動履歴を組み合わせます。

12.4 紹介・口コミ行動

紹介コード利用、口コミ投稿、SNS共有などを記録します。

投稿数だけでなく、紹介先の購入や口コミ閲覧数を確認します。推奨意向と実際の紹介行動を区別します。

12.5 関係の終了

退会、配信停止、アプリ削除、長期非購入など、関係終了の兆候を収集します。

終了後も広告を繰り返すと、ブランドへの印象を悪化させる場合があります。顧客の意思とデータ保持方針を尊重します。

13. 感情・期待・負担として収集すべきデータ

ジャーニーマップでは、行動だけでなく、各段階の感情と負担を可視化します。感情は必ず、具体的な出来事と結び付けて収集します。

13.1 段階別の感情

認知、比較、購入、利用などの各段階で、安心、不安、期待、混乱などを確認します。

全体満足度だけでは、どの接点で感情が変化したか分かりません。出来事単位で質問します。

13.2 期待値

各接点で、顧客が何を期待していたかを収集します。広告では価値理解、配送では正確な到着、問い合わせでは早い解決などが該当します。

同じ実績でも、期待が異なれば評価が変わります。顧客の期待を適切に設定することも体験改善です。

13.3 認知的負担

情報量、比較項目、入力内容など、考える負担を確認します。

ページ滞在時間が長いことを関心の高さと決めつけてはいけません。理解や選択に苦労している可能性があります。

13.4 時間的負担

検索、比較、入力、問い合わせにかかった時間を測定します。

顧客が価値を感じる時間と、無駄に感じる時間を区別します。商品の比較時間は必要でも、同じ住所を何度も入力する時間は不要です。

13.5 金銭的・心理的危険

購入失敗、返品、個人情報、品質への不安を収集します。

高価格商品だけでなく、健康や贈答に関わる商品でも心理的危険が大きくなります。保証、試用、説明の必要性を判断します。

自由回答を簡易分類する例

responses = [    "送料が最後まで分からず不安だった",    "口コミが多く安心できた",    "入力項目が多くて面倒だった",    "翌日に届いたので助かった" ] rules = {    "価格・費用": ["送料", "価格", "高い", "手数料"],    "信頼・安心": ["安心", "口コミ", "信頼", "保証"],    "操作負担": ["入力", "面倒", "分かりにくい"],    "配送": ["届いた", "配送", "翌日", "遅い"] } for response in responses:    categories = [        category        for category, keywords in rules.items()        if any(keyword in response for keyword in keywords)    ]    print(response, categories or ["その他"])

自動分類だけに任せず、一定件数を人が確認し、分類規則の精度を検証します。

14. 接点・経路別に収集すべきデータ

カスタマージャーニーでは、個々の接点の成果だけでなく、接点間の移動を分析します。部門ごとの指標だけでは、顧客体験全体を把握できません。

14.1 広告接点

表示、押下、動画視聴、保存、広告後の購入を収集します。

広告単体の反応率だけでなく、商品ページでの離脱、購入後の返品も確認します。誤った顧客を引き付けていないかを評価します。

14.2 Web・アプリ接点

ページ閲覧、押下、検索、入力、エラー、読み込み時間を収集します。

ページ別の成果だけでなく、前後の経路を確認します。高い離脱率でも、必要情報を得て実店舗へ移動した可能性があります。

14.3 メール・通知接点

配信、開封、押下、配信停止、購入を記録します。

開封率だけでなく、通知内容と顧客段階が一致しているかを確認します。購入直後に同じ商品の広告を送ると体験を損ないます。

14.4 実店舗・人的接点

来店、接客、試用、見積もり、購入を記録します。

ECと実店舗を別々に評価せず、実店舗で確認してECで購入する経路も含めます。接点をまたぐ識別方法が必要です。

14.5 外部接点

口コミサイト、配送会社、決済事業者、SNSなど、企業が直接管理できない接点を確認します。

管理できなくても、顧客体験への影響は大きいため、監視や提携改善の対象になります。

15. 収集データをジャーニーマップと改善施策へ変換する方法

データ収集後は、顧客の代表的な経路を抽出し、各段階の行動、思考、感情、問題、改善機会をまとめます。すべての顧客を一つの図へ押し込まないことが重要です。

15.1 行動を時系列へ並べる

顧客ごとの接点と行動を時刻順に並べます。広告、閲覧、問い合わせ、購入を一つの経路として確認します。

データが欠けている部分を推測で埋めず、不明として記録します。インタビューで補足できる部分を特定します。

15.2 代表的な経路を分類する

即時購入、慎重比較、問い合わせ経由、店舗併用など、繰り返し発生する経路を分類します。

人数だけでなく、売上、利益、継続率も比較します。少数でも高価値な経路を見落とさないようにします。

行動経路を作成するコード例

import pandas as pd events = pd.DataFrame([    {"customer_id": "C001", "time": "2026-06-01", "event": "SNS接触"},    {"customer_id": "C001", "time": "2026-06-03", "event": "商品閲覧"},    {"customer_id": "C001", "time": "2026-06-05", "event": "購入"},    {"customer_id": "C002", "time": "2026-06-01", "event": "検索"},    {"customer_id": "C002", "time": "2026-06-02", "event": "口コミ閲覧"},    {"customer_id": "C002", "time": "2026-06-08", "event": "問い合わせ"},    {"customer_id": "C002", "time": "2026-06-10", "event": "購入"} ]) events["time"] = pd.to_datetime(events["time"]) events = events.sort_values(["customer_id", "time"]) journeys = (    events.groupby("customer_id")["event"]    .apply(lambda values: " → ".join(values))    .reset_index(name="journey") ) journey_counts = (    journeys.groupby("journey")    .size()    .reset_index(name="customers")    .sort_values("customers", ascending=False) ) print(journey_counts)

実務では、類似するイベントを「情報探索」「比較」「購入」のような段階へまとめ、経路数が増えすぎないようにします。

15.3 問題を頻度と影響で評価する

各問題について、発生人数、購入への影響、顧客価値、改善難易度を評価します。

多くの顧客が経験する軽微な問題と、少数の高価値顧客が経験する重大な問題を区別します。

15.4 改善仮説を記述する

「商品ページを改善する」のような広い表現ではなく、対象顧客、問題、変更、期待する行動を明記します。

記入例

初回訪問の慎重比較型顧客は、返品条件が見つからず購入を延期している。商品ページ上部に返品条件を表示すると、決済開始率が上がる。

仮説には根拠となる行動データと顧客発言を付けます。施策実施後は、対象指標と副作用を確認します。

15.5 定期的に更新する

カスタマージャーニーは、商品、価格、競合、販売経路によって変化します。一度作成した図を長期間固定してはいけません。

四半期、半年、新商品発売、サイト改修など、更新の時期を決めます。過去版を残し、顧客行動の変化を確認できるようにします。

おわりに

カスタマージャーニー調査では、ページ閲覧や購入履歴だけでなく、顧客が何を考え、何に不安を感じ、どの接点で判断を進めたかを収集する必要があります。行動データは何が起きたかを示し、インタビューや自由回答はなぜ起きたかを説明します。

また、顧客の行動は企業が想定する直線的な流れとは限りません。広告、検索、SNS、実店舗、口コミ、問い合わせを行き来するため、接点単位の成果だけでなく、接点間の移動を確認することが重要です。

カスタマージャーニーの目的は、顧客の行動を美しい図へまとめることではありません。どの顧客が、どの段階で、何によって行動を止め、どの改善によって次の段階へ進めるかを明らかにすることです。定量データと定性データを組み合わせ、継続的に検証・更新することで、実際の顧客体験に基づく改善が可能になります。