なぜ売上予測（Forecast）は
外れ続けるのか

国内大手ライフスタイル企業（従業員約1,500名）の新規事業部門が、サブスクリプション型EC事業を立ち上げていました。リリース直前の段階でも、「どのチャネルが良い顧客を連れてくるか」「どのユーザーが継続するか」「翌月の売上がどう推移するか」が分からない状態でした。予測の根拠となるデータが存在しなかったからです。

9ヶ月のプロジェクトを経て、LTVベースの投資判断が可能になり、継続率の高いチャネルを特定し、リアルタイムで事業状況を把握できる環境を構築しました。予測精度を改善したのはツールではなく、「予測できるデータの設計」でした。

あなたの組織は大丈夫か——5つの確認項目

1. 月末に数字の着地がいつも読めない

   月中に「今月は大丈夫そう」と思っていた数字が月末に崩れる、あるいは逆に予想外に積み上がる——この繰り返しが続いているなら、予測の根拠が存在しません。

2. Forecast会議が「今月いけますか」の確認で終わる

   各担当者の感覚や経験則に依存した口頭確認が予測の実態になっている場合、データによる予測基盤がありません。

3. どの施策が来月の売上につながるか分からない

   今週実行した施策が3週間後の売上にどう影響するかを数字で追えない場合、施策と売上の因果関係が見えていません。

4. 獲得コストは分かるがLTVは分からない

   初回獲得コストは把握しているが、そのチャネルで獲得した顧客の継続率や将来収益が不明な場合、表面的な指標しか見えていません。

5. 解約・失注が起きてから初めて理由を分析する

   解約・失注の兆候をデータで事前に捉えられず、起きてから振り返る運用になっている場合、予測ではなく事後確認になっています。

3つ以上当てはまる場合、問題は入力不足でも担当者のコミットメントの問題でもありません。予測できるデータ設計がないことが本質です。

売上予測が外れ続ける3つのパターン

1. 予測の基準が「獲得コスト」で、「継続収益」が見えていない

   サブスクビジネスやリピート購買を前提とするビジネスでは、初回獲得コストだけで最適化すると、LTVの低い顧客を大量獲得するリスクがあります。前述のサブスクEC事業では、サブスク特有の指標（LTV・継続率・解約率）を軸とした予測設計が存在しませんでした。「今月いくら売れたか」は分かっても、「来月いくら継続収益が入るか」を予測できる構造がなかったのです。

   判断基準：来月の売上予測を立てるとき、その根拠が「担当者の感覚」でなく「データの傾向」から出せるかどうかで確認できます。

2. 売上と行動データが分断されており、因果関係が追えない

   購買データとユーザー行動データが別システムにあり、「この行動パターンの顧客は継続率が高い」という分析ができない場合、予測の精度は上がりません。前述の事業では、Amplitudeによるプロダクト分析導入で継続ユーザーの行動パターンを特定し、解約に影響する行動の「兆候」が見えるようになりました。売上と行動をつないだ設計が予測精度の基盤です。

   判断基準：解約率が高い顧客と低い顧客で、使い方や行動にどんな違いがあるかを即答できるかどうかで確認できます。

3. 予測に使う指標が「計測しやすいもの」になっている

   セッション数・CTR・開封率は計測しやすいですが、「来月の売上予測に使えるか」は別の問いです。予測に使える指標は、「今のこの数字が来月の売上とどう相関するか」が設計されていなければなりません。表面指標の集積だけでは、どれだけデータがあっても予測精度は上がりません。

   判断基準：週次のレポートを見て「来月はこうなる」という予測が即座に出るかどうかで確認できます。

設計を変えた後に何が起きたか

前述のサブスクEC事業では、「計測を増やす」のではなく「売上と行動を一貫して捉えるデータ構造」を設計しました。その結果、以下の変化が起きました。

1. LTVベースの投資判断が可能に

   獲得コストではなく将来収益を前提とした広告配分に転換しました。「このチャネルは獲得コストは高いが、継続率も高い」という判断を数字で持てるようになりました。

2. 継続率の高いチャネルを特定

   チャネル別の収益性を可視化し、施策の優先順位を最適化しました。同じ予算をかけても継続収益の大きいチャネルを選べるようになりました。

3. プロダクト改善の優先順位が変わった

   継続・解約に影響するユーザー行動を特定したことで、UI改善の優先順位を根拠を持って決められるようになりました。感覚ではなくデータで「何を先に直すか」が決まります。

予測精度を高めたのは、入力ルールの強化ではありません。予測できるデータ設計でした。

今週から始められる3つのアクション

1. 来月の売上予測を立て、その根拠を書き出す

   来月の売上着地の予測を立てるとき、「なぜその数字になるか」の根拠を書き出します。根拠が「担当者の感覚」しか出てこない場合、予測できるデータ設計がないことが確認できます。

2. 直近6ヶ月の解約・失注を振り返り、共通点を探す

   解約・失注した顧客の行動・属性・接触施策に共通パターンがあるか確認します。パターンが見えれば、予測のための先行指標が設計できます。

3. 「獲得コスト」と「3ヶ月後継続率」を並べて見る

   チャネル別に獲得コストと3ヶ月後の継続率を並べます。この2つを同時に見るだけで、「本当に良いチャネル」と「コストが安いだけのチャネル」の違いが見えてきます。

まとめ：売上予測は「設計の問題」

売上予測が外れ続ける原因は、入力不足でも担当者のコミットメントの問題でもありません。「予測の基準が継続収益を見ていないこと」「売上と行動データが分断していること」「予測に使える指標が設計されていないこと」が構造的な原因です。

サブスクEC事業の事例が示すように、LTV起点の予測を可能にしたのはツールではなく「予測できるデータの設計」でした。まず「来月の売上予測の根拠はどこから来るか」を問い直すことが、予測精度改善の第一歩です。