マーケティングファネルの離脱原因を分析する方法｜数字だけでは分からない顧客心理の見つけ方

「記事は読まれているのに資料ダウンロードされない」「リードは増えたのに商談へ進まない」「商談件数は足りているのに受注につながらない」。

マーケティングファネルを分析すると、顧客がどこで次の段階へ進まなくなったかは数字で確認できます。しかし、離脱率が分かっても、それだけでは離脱原因までは分かりません。

マーケティングファネルの離脱分析で重要なのは、まず定量データで「どこで・誰が・どの程度止まっているか」を特定し、その後、顧客インタビュー、問い合わせ内容、営業との会話、失注理由などの定性情報から「なぜ止まったのか」を仮説化することです。

さらに注意したいのは、「次のステップへ進まなかった＝顧客を失った」とは限らない点です。検討時期がまだ先だった、社内検討へ移った、別のチャネルで情報収集している、計測上追えていない、といったケースもあります。

インティメート・マージャーがこれまで参加してきたセミナーでも、「商談は増えているのになぜ受注につながらないのか」「提案後の顧客側の動きが見えにくい」といった現場課題が取り上げられてきました。

この記事では、マーケティングファネルの離脱地点を見つけ、数字だけでは見えない顧客心理や購買プロセス上の課題まで掘り下げる方法を整理します。

マーケティングファネルの「離脱」とは何か

マーケティングファネルにおける離脱とは、ある段階まで到達した顧客が、設定した次のステップへ進まなかった状態を指します。

例えば、次のような状態です。

• 記事を読んだが資料ダウンロードしなかった
• 資料をダウンロードしたが問い合わせしなかった
• ウェビナーに参加したが商談へ進まなかった
• 商談したが見積依頼へ進まなかった
• 見積を出したが受注しなかった

ただし、ここで最初に理解しておきたいことがあります。

「計測上の離脱」と「顧客の検討終了」は同じではありません。

例えば、ウェビナー参加後に商談しなかった顧客が、3か月後に再度検討することもあります。Web上では動きが止まっていても、社内で情報共有や予算調整を行っている場合もあります。

そのため、離脱を分析するときは「離脱した顧客は興味を失った」と決めつけないことが重要です。

まず区別したい3種類の「離脱」

種類	状態	分析で確認したいこと
計測上の離脱	設定した次のイベントへ進んでいない	計測漏れ、別経路、期間設定の問題がないか
検討上の離脱	情報収集・比較検討が止まっている	時期、情報不足、優先順位、適合性など
購買上の離脱	商談・見積後に購入・契約へ進まない	価格、社内決裁、競合、条件、リスクなど

この3つを混同すると、「サイトを改善すれば解決する問題」なのか、「営業プロセスを改善すべき問題」なのか、「そもそも顧客の検討時期が違うだけなのか」が分からなくなります。

マーケティングファネルの離脱分析は5つの順番で行う

ファネルの離脱原因を分析するときは、次の順番で整理すると原因を絞り込みやすくなります。

1. どこで離脱しているかを確認する
2. 誰が離脱しているかを分解する
3. 離脱前に何をしていたかを見る
4. なぜ止まったかを定性情報から仮説化する
5. 施策を変え、同じ指標で再検証する

「どこで離脱しているか」を定量データで特定する

最初に、ファネルの各段階の人数・件数・遷移率を確認します。

BtoBであれば、例えば次のような流れです。

ファネル	主な行動	確認する数値
認知	記事閲覧、広告接触、検索流入	ユーザー数、流入数、記事閲覧など
情報収集	資料DL、ウェビナー参加、再訪	DL数、参加数、次ページ遷移など
比較検討	事例、比較情報、料金情報を確認	対象コンテンツ閲覧、問い合わせ率
商談	問い合わせ、面談、提案	商談化率、案件化率
具体検討	見積、社内検討、稟議	見積化率、案件進捗、検討期間
購入・契約	契約、失注	受注率、失注率

重要なのは、最終的な受注率だけを見るのではなく、どの段階で変化が大きくなっているかを探すことです。

例えば商談数は増えているのに受注数が変わらない場合、集客よりも商談後の比較・社内検討に課題がある可能性があります。

一方、記事流入は増えているのに資料ダウンロードが増えないなら、検索意図と提供コンテンツのズレや、次に取るべき行動が分かりにくい可能性があります。

「誰が離脱しているか」を分解する

全体の離脱率だけでは原因を特定しにくいため、次に顧客を分解します。

分解しやすい軸

• 業種
• 企業規模
• 役職・職種
• 流入チャネル
• 最初に閲覧したテーマ
• 獲得した資料・ウェビナー
• 新規・再訪
• 検討時期
• 商品・プラン

例えば全体の商談化率が下がっていても、特定の流入元や特定テーマから獲得したリードだけが低下しているのであれば、ファネル全体の問題ではありません。

「誰が止まっているのか」を分けることで、問題の範囲を小さくできます。

離脱直前の顧客行動を見る

次に、離脱した顧客が直前まで何をしていたかを確認します。

例えば問い合わせへ進まなかった顧客について、

• 料金ページまで見ていたのか
• 事例だけを読んでいたのか
• 複数回来訪していたのか
• 一度しか訪問していないのか
• 比較・導入系の記事まで進んでいたのか

を確認します。

同じ「問い合わせしなかった顧客」でも、行動は大きく異なります。

料金・事例・導入ページまで何度も閲覧していた顧客なら、比較・具体検討段階まで進んでいた可能性があります。一方、用語解説記事を1ページ読んだだけなら、まだ認知・情報収集段階だった可能性があります。

ファネル段階別に見るべきデータについては、「マーケティングファネルで見るべき顧客データとは？」の記事で詳しく整理すると、記事群の役割を分けやすくなります。

数字だけで離脱原因を決めない｜顧客心理を定性情報から探る

ここからが離脱分析で最も重要な部分です。

定量データから分かるのは「何が起きたか」です。

しかし、例えば料金ページを閲覧したあとに離脱したからといって、「価格が高かったから離脱した」とは断定できません。

実際には、

• 料金体系が理解できなかった
• 自社に必要なプランが分からなかった
• 費用対効果を社内へ説明できなかった
• まだ具体検討する時期ではなかった
• 別の選択肢についても調べていた

といった複数の可能性があります。

そこで、定性情報を確認します。

離脱原因の分析に使える定性情報

• 顧客インタビュー
• アンケート自由回答
• 問い合わせ内容
• ウェビナーアンケート
• 営業メモ・商談議事録
• 失注理由
• 顧客から出た質問
• VOC

顧客の声を分析するときは、「価格」「機能」といった表面的な分類だけではなく、その背景まで確認します。

例えば「価格」を理由として挙げた顧客でも、本質的には「価値を理解できなかった」「費用対効果を説明できなかった」ことが原因かもしれません。

マーケティングファネルで起きやすい離脱原因を段階別に整理

段階	表面上の離脱	確認したい顧客心理・背景	主な改善候補
認知→情報収集	記事を読んで終わる	自分の課題と認識していない、次に何を知るべきか分からない	課題整理、関連記事、次の情報導線
情報収集→比較	資料DL後に動かない	検討時期が先、情報収集目的、選択肢が整理できていない	比較軸、チェックリスト、ナーチャリング
比較→問い合わせ	比較・料金ページで停止	違いが分からない、自社に合うか不安	事例、比較情報、対象企業の明示、FAQ
問い合わせ→商談	商談設定されない	タイミングが合わない、課題の優先度が低い	対応タイミング、顧客状態の把握
商談→具体検討	提案後に止まる	決裁者を説得できない、運用イメージが持てない	社内共有資料、事例、導入計画
具体検討→受注	失注・保留	価格、競合、優先順位、リスク、社内事情	失注分析、商品・訴求・営業プロセス改善

BtoBでは「タイミング」が離脱原因になる

BtoBのファネル分析で特に見落としやすいのが、検討タイミングです。

過去のセミナーでも、展示会などでリードを獲得しても、その時点では必ずしも検討タイミングではなく、営業から連絡する頃には熱量が下がっているという課題が議論されていました。

つまり、リードを獲得できたことと、今すぐ営業すべきことは同じではありません。

離脱したように見える顧客も、

• 来年度の予算で検討する
• 別プロジェクト終了後に検討する
• 社内体制が整ってから再開する
• 決裁者の合意待ち

という状態かもしれません。

そのため、「離脱＝失敗」と捉えるよりも、現在の検討状態と次に接触すべきタイミングを理解することが重要です。

商談後の離脱では「顧客社内の購買プロセス」を見る

商談までは進むのに受注率が低い場合、営業担当者の提案力だけを原因と考えるのは早計です。

BtoBでは、商談後に顧客企業の内部で、

• 上司への説明
• 他部署との調整
• 予算承認
• 法務・購買確認
• 競合比較
• 導入体制の確認

などのプロセスが進みます。

過去のセミナーでも、提案後の顧客側の動きがブラックボックスになりやすいことや、商談数は増えていても受注につながらない背景として、入口のタイミングと出口の社内検討の両面を見直す必要性が整理されています。

そのため、商談後の離脱分析では、単に「失注理由＝価格」と記録するだけでは不十分です。

誰が反対したのか、何を説明できなかったのか、どの時点で検討が止まったのかまで確認すると、改善策を具体化しやすくなります。

商談後の原因分析については、失注理由を分析する方法｜営業担当者の感覚だけに頼らない振り返り方も参考になります。

離脱原因は5つに分類すると改善策を考えやすい

タイミングの問題

必要性はあるものの、購入・導入時期ではないケースです。

この場合、商品や営業トークを大きく変更するより、再接触のタイミングやナーチャリングを見直す方が適している可能性があります。

情報不足の問題

顧客が意思決定するために必要な情報が不足している状態です。

比較軸、料金、事例、運用方法、導入条件などを確認します。

適合性の問題

顧客が「自社向けではない」と判断している状態です。

この場合は、無理にCV率を上げるのではなく、ターゲット設定や訴求対象そのものを見直す必要があります。

意思決定上の問題

担当者本人は前向きでも、決裁者、予算、社内ルールなどで止まっている状態です。

BtoBでは特に重要な離脱原因です。

体験・プロセスの問題

フォームが長い、問い合わせ後の対応が遅い、次の行動が分からないなど、企業側のプロセスが障壁になっている状態です。

顧客心理だけでなく、企業側が作っている摩擦も確認します。

Google Analyticsでファネルの離脱地点を確認する

Webサイト上の離脱分析では、Google Analyticsのファネルデータ探索を利用できます。

例えば、

1. 記事閲覧
2. 資料ページ閲覧
3. フォーム表示
4. フォーム開始
5. フォーム送信

といったステップを定義し、どこで次のステップへ進むユーザーが減っているかを確認します。

また、すべてのユーザーが最初のステップから始まる「クローズドファネル」だけでなく、途中のステップから入るユーザーも確認する「オープンファネル」という考え方があります。

BtoBでは検索、広告、メール、ウェビナーなど複数の入口があるため、分析目的によって使い分けることが重要です。

ただし、Web上のファネルだけで顧客の購買プロセス全体を表現しようとしないことも重要です。

商談、稟議、失注などのオフライン情報は、営業・CRM側のデータと接続して確認します。

離脱分析は「定量→定性→定量」で進める

離脱原因を改善へつなげる際には、次の循環が使いやすくなります。

工程	行うこと	例
定量	問題の場所を特定	資料DL→商談の遷移が低い
分解	対象顧客を絞る	特定テーマの資料DL層で低い
定性	理由を仮説化	具体的な比較方法が分からない
施策	意思決定支援を追加	比較表・導入チェックリストを追加
再定量	変化を確認	次ステップへの遷移を再確認

定性・定量データの接続方法そのものについては、関連記事「マーケティングファネルで定性・定量データをどう使い分ける？」で深掘りすると、本記事との検索意図を分離できます。

「買わない理由」は商品・マーケティング改善にも使える

離脱分析は、WebサイトのCV改善だけのために行うものではありません。

例えば複数の顧客から、

• 必要な機能が足りない
• 利用する部署が限定される
• 現在の業務では優先順位が低い
• 価格に対して価値を説明できない

といった声が繰り返し出る場合、商品そのものやターゲット、訴求設計を見直す材料になります。

商品開発に関する一次情報でも、「売れる理由」だけではなく「買わない理由」を整理し、定性データと定量データを組み合わせて市場検証することが重要だと整理されています。

顧客の「買う理由」を詳しく分析したい場合は、顧客の「買う理由」を分析するには？購買動機をデータから見つける方法も参考になります。

AIは離脱原因の分析にどう使える？

AIは、離脱率そのものを見て正しい原因を自動的に判断するものではありません。

一方で、大量の定性情報を整理し、原因仮説を作る補助には活用できます。

活用しやすい作業

• 自由回答の分類
• VOCの整理
• 問い合わせ内容のテーマ分け
• 営業メモの要約
• 失注理由の分類
• 離脱顧客と受注顧客の違いの整理
• 原因仮説の抜け漏れ確認

例えば100件の失注理由をAIで分類し、「価格」「時期」「競合」「社内承認」「機能」などの傾向を整理することはできます。

ただし、AIの分類結果をそのまま事実として扱わず、元データと照合する必要があります。

特に「価格」と記録された失注の背景に、「価値を社内へ説明できなかった」という別の理由が隠れている場合があります。

AIは答えを決めるのではなく、人が確認すべき仮説を整理する役割として使うのが適しています。

マーケティングファネルの離脱分析を実務に落とす7ステップ

1. 自社のファネルを定義する
   一般的な認知・比較・購入だけでなく、商談・稟議・失注まで自社の購買プロセスに合わせます。
2. 各段階の遷移率を確認する
   どこで人数・案件数が大きく減っているかを見ます。
3. 前期間や顧客群と比較する
   離脱率そのものではなく、いつ・どの層で変化したかを確認します。
4. 離脱顧客の行動を確認する
   直前に閲覧した情報や接触履歴を整理します。
5. 定性情報から原因を3〜5個仮説化する
   最初から原因を1つに決めないことが重要です。
6. 改善施策を1つずつ実行する
   比較表、FAQ、営業資料、フォロー方法など、仮説に対応する変更を行います。
7. 同じファネル指標で再確認する
   改善前後で遷移がどう変わったかを検証します。

実務チェックリスト｜離脱原因を正しく分析できているか

• □ 「離脱」の定義を決めているか
  どのステップからどのステップへ進まなかった状態を離脱とするか明確にします。
• □ 離脱率だけで問題と判断していないか
  前期間、顧客属性、チャネルなどと比較します。
• □ 計測漏れの可能性を確認したか
  イベント未計測や別経路への移動を顧客離脱と誤認していないか確認します。
• □ 「誰が離脱しているか」を分解したか
  全体平均だけでなく、業種、規模、チャネル、テーマなどで分けます。
• □ 行動データだけで心理を断定していないか
  顧客の声、問い合わせ、営業情報などを合わせます。
• □ 検討タイミングを確認しているか
  「今買わない」と「必要ない」を分けます。
• □ 商談後の社内検討まで見ているか
  BtoBでは決裁・稟議・他部署調整を含めて確認します。
• □ 失注理由を表面的な分類だけで終わらせていないか
  価格・競合の背景にある理由まで確認します。
• □ 改善施策と原因仮説が対応しているか
  原因が不明なままページを全面リニューアルしないようにします。
• □ 施策後に同じ指標で再検証しているか
  変更して終わりではなく、仮説が正しかったか確認します。

まとめ｜離脱率ではなく「なぜ次へ進まなかったか」を見る

マーケティングファネルの離脱分析では、まず数字から「どこで顧客が止まったのか」を特定します。

しかし、それだけでは改善策は決まりません。

次に必要なのは、

• 誰が止まったのか
• その前に何をしていたのか
• どのような情報を求めていたのか
• なぜ次へ進まなかったのか

を掘り下げることです。

特にBtoBでは、「検討タイミングが違う」「担当者は納得したが決裁者へ説明できない」「提案後の社内検討で止まっている」など、Web上の数値だけでは見えない原因があります。

離脱分析の目的は、すべての顧客を次のステップへ進ませることではありません。顧客が意思決定するうえで何が障壁になっているかを理解し、必要な情報・商品・営業体験を見直すことです。

定量データで異常を見つけ、定性情報から理由を仮説化し、施策を実行して再び数字で確認する。この循環を作ることで、マーケティングファネルを単なるレポートから顧客理解と改善のための仕組みへ変えていけます。

FAQ