正しいKPI設計のやり方｜売上分解・感度分析・コホート分析でKGI寄与度を“数字で説明”する

KPIは「追いやすさ」ではなく「KGIへの効き」で選ぶ

現場でよくあるKPIの決め方はこんな感じです。

• 「とりあえずCVRをKPIにしておこう」

• 「クリック率が上がれば、たぶん売上も上がるはず」

この結果、

• KPIは改善しているのに、売上（KGI）はほとんど変わらない

• 「いろいろやってます」感は出ているけれど、経営層にロジカルな説明ができない

という状態に陥りがちです。

本来KPIは、

「このKPIをどれだけ動かしたら、KGIがどれくらい変わりそうかを数字で説明できる指標」

であるべきです。

• 売上分解（売上の構造を数式で整理）

• 感度分析（KPIを動かしたときのKGIインパクト試算）

• A/Bテスト（施策が本当にKPIを動かしたか検証）

• LTV・コホート分析（中長期のKGI寄与を見る）

さらに、最後には記事と連動したExcelテンプレート（感度分析＋LTV/コホート付き）をご用意しています。

1. まずは「KGI→KPI→施策」の構造をつくる

1-1. KGIは1つに絞る

はじめに、プロジェクトのKGIを1つに決めます。

• 例1：月間売上1,000万円

• 例2：月間新規受注数150件

• 例3：月間MRR（サブスク売上）300万円

KGIが「売上も粗利も会員数も…」と増えすぎると、
KPI設計や施策の優先順位がブレやすくなります。

「このプロジェクトでは、〇月までに〇〇を△△まで伸ばす」

と、1本のゴールをまず明確に言語化しましょう。

1-2. KGIを“数式レベル”で分解する

ECサイトの例で考えます。
売上はシンプルにこう分解できます。

売上 = セッション数 × CVR（購入率） × 平均購入単価（AOV）

さらに、それぞれを少し分解すると：

• セッション数
  = 広告流入 + オーガニック流入 + SNS + メルマガ + …

• CVR
  = 商品詳細ページ到達率 × カート到達率 × 注文完了率

• 平均購入単価（AOV）
  = 1回あたり購入点数 × 商品単価

ここまで分解しておくと、

「この施策は、どの変数（KPI候補）を通じてKGIに効くのか？」

がハッキリします。

1-3. KPI候補と施策をマッピングする

分解した指標ごとに、施策をひも付けます。

• セッション数向上
  → 広告出稿、SEO、SNS運用、メルマガ、アフィリエイト など

• CVR向上
  → LP改善、導線最適化、在庫表示、レビュー表示、送料無料ラインの見直し など

• 平均単価向上
  → アップセル、クロスセル、セット販売、価格改定 など

このときのポイントは、

施策 → 動かすKPI → 最終的に効くKGI

の矢印を、論理的に説明できる状態を作ることです。

2. 売上分解×感度分析で「KPI→KGIインパクト」を試算する

ここからが、「どうやって検証するか」の具体的なHowです。

今回は重回帰分析ではなく、
分解モデル＋感度分析でシンプルに考えます。

2-1. 売上分解の式を前提にする

ECの場合、売上はこうでした。

売上 = セッション数 × CVR × 平均購入単価

ここから、ざっくり以下が言えます：

• セッションを1増やすと
  → Δ売上 ≒ 平均CVR × 平均単価

• CVRを0.01（=1pt）上げると
  → Δ売上 ≒ 平均セッション数 × 0.01 × 平均単価

• 平均単価を100円上げると
  → Δ売上 ≒ 平均セッション数 × 平均CVR × 100

つまり、平均値さえ分かれば、KPIをどれだけ動かしたときのKGIインパクトを試算できるわけです。

2-2. 実際の数字で感度を見てみる（サンプル）

架空ECの12週分データから平均値を取ると、例えば：

• 平均セッション数：約49,255

• 平均CVR：約2.1％（0.021前後）

• 平均AOV：約8,027円

とします（※値はサンプルです）。

このときの感度分析はこうなります。

ケース1：セッションを+1,000増やしたら？

$$\Delta 売上\fallingdotseq 平均CVR\times 1,000\times 平均AOV$$

= 0.021 × 1,000 × 8,027 ≒ 約169,000円

「セッション1,000増やすと、平均的な週なら売上+約17万円くらい効きそう」

ケース2：CVRを+0.01（=1pt）上げたら？

$$\Delta 売上\fallingdotseq 平均セッション数\times 0.01\times 平均AOV$$

= 49,255 × 0.01 × 8,027 ≒ 約3,953,788円

「CVRを1ポイント上げると、平均的な週なら売上+約395万円効きそう」

ケース3：平均単価（AOV）を+100円上げたら？

$$\Delta 売上\fallingdotseq 平均セッション数\times 平均CVR\times 100$$

= 49,255 × 0.021 × 100 ≒ 約103,000円

「平均単価を100円上げると、平均的な週なら売上+10万円ちょっと効きそう」

※あくまで「平均的な週」でのざっくり試算ですが、
KPIごとの“効き方の違い”が直感的に見えてきます。

2-3. KPIの優先順位を決めるときの軸

この感度をベースに、KPIの優先順位を決めるときは、

1. 動かしたときの売上インパクトの大きさ（効きの強さ）

2. それを動かす難易度（コスト・工数・リスク）

の2軸で考えると整理しやすくなります。

例：

• CVR +0.5pt 改善
  → 週あたり売上+約200万円のポテンシャル
  ただし、LP全面改修で工数大

• セッション +5,000
  → 週あたり売上+約85万円のポテンシャル
  広告運用で短期的に調整しやすい

• 単価 +100円
  → 週あたり売上+約10万円のポテンシャル
  値上げによる離脱リスクは慎重に考慮が必要

このように、

「効きの強さ × 動かしやすさ」

でマトリクスを作ると、
どのKPIから手を付けるかの議論が一気にしやすくなります。

3. A/Bテストで「施策→KPI→KGI」の因果を確認する

感度分析はあくまで「構造」からの期待値です。
実際に施策が効いているかは、A/Bテストで確かめるのが王道です。

3-1. テスト前に「KGI換算」まで決める

LP改善の例で考えます。

• 現状CVR：2.0%

• 改善後目標CVR：2.35%（+0.35pt）

• 月間セッション数：50,000

• 平均単価：8,000円

このとき、
A/Bテスト実施前の段階で、こう試算できます。

• Aパターン（現状）：
  売上 = 50,000 × 2.0% × 8,000 = 8,000,000円

• Bパターン（改善案）：
  売上 = 50,000 × 2.35% × 8,000 = 9,400,000円

→ 差分：+1,400,000円 / 月

つまり、

「このLP改善は、うまくハマれば月140万円ぶんの売上押し上げポテンシャルがある」

と事前に説明できます。

3-2. テスト結果をKGIまでつなげて説明する

2週間テストした結果、次のようになったとします。

この結果を、月間セッション50,000の世界に当てはめると：

• 現状相当：8,000,000円

• 改善後適用：9,400,000円

• 差分：+1,400,000円 / 月

なので、レポートではこう書けます。

「LP改善によりCVRが2.0％ → 2.35％（+0.35pt）改善。
現在のトラフィック水準に当てはめると、月あたり約140万円の売上インパクト。」

ここまで言い切れると、

• なぜCVRをKPIにしたのか

• なぜこのLP改善に投資する価値があるのか

を、KGIベースで説明できます。

4. LTV＆コホート分析で“中長期のKGI寄与”を見る

短期の売上・CVだけを追っていると、どうしても短期志向になりがちです。
特にサブスクやリピート商材では、LTV（顧客生涯価値）がKGIの本質になります。

4-1. LTV分析：チャネルや施策ごとの「顧客の質」を見る

まずは、顧客単位のLTVをざっくり出しておきます。

• customer_id

• 初回購入日

• 流入チャネル（広告A / 広告B / オーガニック …）

• 現在までの累計購入金額（= LTV）

これをチャネル別に集計すると、例えば：

のように、

「CPAは高いけど、LTVベースでは広告Aが一番おいしい」

といった“顧客の質”が見えてきます。

ここでのポイントは、

• 短期KPI（CPA・当月売上）だけで評価すると、LTVの高いチャネルを削ってしまうリスクがある

• LTVという中長期KGI視点でKPIや予算配分を見直す必要がある

ということです。

4-2. コホート分析：施策後の顧客がちゃんと“育っているか”を見る

LTVの平均だけでは、

• どのタイミングで獲得した顧客が“当たり”なのか

• 新しい施策が「その後の売上」に効いているのか

が見えにくいです。

そこで登場するのがコホート分析です。

コホート分析のイメージ

この記事では、以下のように定義します。

• コホート軸：初回購入月（2025年1月 / 2月 / 3月 …）

• 経過軸：獲得からの経過月（0ヶ月 / 1ヶ月後 / 2ヶ月後 / 3ヶ月後 …）

• 指標：1人あたり累計LTV（円）

例として、こんな表を考えます。

（※各セルは「そのコホートの顧客1人あたり累計LTV」のサンプル）

コホート表の読み方

• 行方向（同じコホート内）
  → 「同じ月に獲得した顧客が、時間とともにどれくらい売上を積み上げているか」

• 列方向（同じ経過月同士）
  → 「新しいコホートほど、同じ経過月でLTVが高くなっているか」

例えば、3ヶ月後LTVを見ると：

• 1月コホート：8,600円

• 2月コホート：9,300円

• 3月コホート：10,200円

となっていれば、

「2月以降に獲得した顧客ほど、3ヶ月以内に積み上がるLTVが高い」
→ 2月に入れたオンボーディング施策は、中長期売上（KGI）にも効いている可能性が高い

という示唆が得られます。

（技術補足）Excelピボットで「1人あたり累計LTVコホート」を作るコツ

本文ではシンプルに

行：初回購入月（コホート）
列：経過月
値：顧客1人あたり累計LTV

と書きましたが、Excelのピボットテーブルだけで「顧客1人あたり累計LTV」を一発で自動計算するには少し工夫が必要です。

実務では、次のように2つのピボットテーブルを作り、割り算で組み合わせるやり方が現実的です。

Step 0：前提となる生データ

トランザクションデータとして、行ごとに1注文、以下の列を準備します。

• customer_id（顧客ID）

• acquisition_month（初回購入月：2025-01, 2025-02…）

• elapsed_month（経過月：0,1,2,3… ※初回購入月からの月数）

• amount（購入金額）

elapsed_month は、初回購入月との差分を関数やPower Queryで計算しておきます。

Step 1：ピボット1で「コホート×経過月ごとの累計売上」を出す

1. 上記データを元にピボットテーブルを作成

2. フィールド配置

   • 行：acquisition_month（初回購入月）

   • 列：elapsed_month（経過月）

   • 値：amount（購入金額の合計）

3. 値フィールド（amount）の設定で、

   • 「値の表示形式」→「累計（Running Total In...）」を選択

   • 基準フィールド：elapsed_month

→ 各コホート × 経過月ごとの**累計売上（合計金額）**のピボットができます。

Step 2：ピボット2で「コホートごとの顧客数（分母）」を出す

1. 同じデータから、別のピボットテーブルを作成

2. フィールド配置

   • 行：acquisition_month（初回購入月）

   • 値：customer_id（顧客IDのユニーク数）

Excelのバージョンによっては、

• 「値フィールドの設定」で集計方法に Distinct Count（データの個数（異なる値）） を選ぶ必要があります（「データモデルに追加」が必要な場合あり）。

ここで出る数値が、各コホートの顧客数（分母）になります。

Step 3：ピボット1 ÷ ピボット2 で「1人あたり累計LTV」を計算

別シートや別セルで、次のような式を書きます。

=GETPIVOTDATA("amount",$A$3,"acquisition_month","2025-02","elapsed_month","3")
/
GETPIVOTDATA("顧客数",$G$3,"acquisition_month","2025-02")

イメージとしては、

「2025年2月コホート × 経過3ヶ月」の累計売上 ÷ 2025年2月コホートの顧客数

=「2025年2月コホートの3ヶ月後時点における1人あたり累計LTV」

となります。

こうやって「1人あたり累計LTV」のコホート表を作り、

• 行方向：同一コホートの“育ち方”

• 列方向：施策前後のコホート比較

を見ることで、施策の中長期KGI寄与を把握できます。

5. KPI設計〜検証の実務フローまとめ

ここまでの内容を、日々の業務で使えるフローとして整理します。

Step1. KGIを1つに絞る

• 例：「2025年12月までに月間売上1,000万円」

Step2. KGIを数式で分解し、KPI候補を洗い出す

• 売上 = セッション数 × CVR × 平均購入単価

• 各要素（セッションの内訳・CVRの構造・単価の構造）を整理

Step3. 感度分析で「KPI→KGIインパクト」の感覚をつかむ

• 平均セッション / 平均CVR / 平均AOVを計算

• セッション+X、CVR+Y、単価+Zで売上がどれくらい変わりそうか試算

Step4. KPIの優先順位・ターゲット値を決める

• 感度（効きの強さ）× 実行難易度 で優先順位づけ

• KPIとして採用する指標と目標値（例：CVR+0.5ptなど）を設定

Step5. 施策ごとに「ターゲットKPI」と「KGI換算」をセットで設計

• LP改善 → ターゲットKPI：CVR

  • 事前に「CVR+0.5ptで売上+〇万円」とKGI試算しておく

• 実施後は、KPI変化 → KGI換算までレポート

Step6. LTV・コホートで中長期のKGI寄与をチェック

• チャネル別LTVで「質の良い顧客」を把握

• コホート分析で「施策以降に獲得した顧客が、過去コホートよりも“育ちが良いか”」を見る

6. まとめ

• KPIは「なんとなく管理しやすい数字」ではなく、KGIへの効き具合で選ぶべき。

• 今回のように構造がはっきりしている場合は、

  • 売上分解（セッション×CVR×単価）

  • 感度分析（KPI→KGIインパクト試算）

  • A/Bテスト（施策が本当にKPIを動かしたか検証）

  • LTV / コホート分析（中長期で見たKGI寄与）
    だけで、十分「数字で語れるマーケティング」が実現できる。

• 難しい重回帰分析を無理にやるより、
  分解・感度・コホートをきちんと回す方が、現場では役に立つケースが多い。

この記事とテンプレを起点に、

「このKPIをこう改善した結果、KGIがこう変わった」

と定量的に説明できるKPI設計・レポートの型を、ぜひチーム内に定着させてみてください。

試算シートをご用意しましたので、ご活用ください。