ネットショップの担当者が、お客さんの名簿を優しく見渡しながら、そろそろ離れそうな一人に早めに気づいて声をかけようとしている情景
AI活用約13分編集：（AI活用担当）

AIで顧客をグループ分け・離反予測｜離れそうな人を早く見つける

「そういえば、あのお客さん、最近ぜんぜん買ってくれないな」。ふと思い出したときには、もう半年も音沙汰なし——ネットショップを続けていると、こんな場面に何度も出会います。何度もリピートしてくれた大切なお客さんが、いつの間にか静かに離れていく。しかも、離れてから気づくので、打つ手がありません。

でも、お客さんは離れる前に、たいてい小さなサインを出しています。「買う間隔がだんだん空いてきた」「前は毎月だったのに、今は3か月に一度」。このサインを一人ひとり手作業で追うのは、数百・数千人の名簿では現実的ではありません。そこで頼りになるのが、手元にある購入データをAIに読ませて、お客さんをグループ分けし、離れそうな人を早めに教えてもらうというやり方です。今日は、専門の分析ツールがなくても始められる方法を、コピペで使えるプロンプトつきで、いっしょに整理していきましょう。

結論：やることは3ステップです。①お客さんをグループ分けする（セグメント＝購入の傾向が似た人たちの束に分けること）。②その中から、離反しそうな人（離反＝そのお店で買うのをやめてしまうこと。チャーンとも呼びます）を、AIに見立ててもらう。③離れそうな人に、早めに合った一声をかける。数値の根拠づくり（グループ分けの基準）と最終判断は人が握り、AIは「膨大な名簿から、気にかけるべき人を先に拾い上げる」係として使う——これが安全で効果的な形です。まずは、手元の購入履歴（誰が・いつ・いくら買ったか）を書き出すところから始めましょう。

いま何が起きているか｜「勘のフォロー」から「早く気づくフォロー」へ

これまで、リピートのフォローは「なんとなく」で回しがちでした。全員に同じメルマガを送り、反応があった人だけ相手にする。けれど、それではいちばん気にかけるべき「離れかけの優良なお客さん」を取りこぼしてしまうのです。

背景には、2つの変化があります。ひとつは、新規のお客さんを集めるコストが上がり続けていること。広告費が高くなるなか、すでに買ってくれた人にもう一度買ってもらう「リピート（再購入）」の価値が、相対的にどんどん高まっています。もうひとつは、手元のデータをAIが扱えるようになったこと。以前は専門の分析担当がいないと難しかった「顧客のグループ分け」や「離れそうな人の予測」が、購入履歴を表にしてAIに渡すだけで、たたき台を作れるようになりました。

ここで大事なのは、AIを「魔法の予言者」だと思わないことです。AIは、過去のデータに現れた傾向から「この人は、これまで離れていった人たちと似た動きをしていますよ」と教えてくれるだけ。当たる・当たらないの精度を競うより、「気にかけるべき人に、早く気づく」ことに価値があると考えるのがコツです。離れてから慌てて値引きするより、離れそうな段階でそっと一声かけるほうが、ずっと自然で、コストもかかりません。

なお、顧客データは大切な個人情報です。AIに扱わせるときの基本的な考え方は、個人情報保護委員会の公式情報も確認しておくと安心です（後半の「明日からやること」でも触れます）。

具体例｜「グループ分け」と「離れそうサイン」を、こう作る

顧客を優良・育てたい・離れかけの3グループに分け、離れかけの人に早く気づく様子を示した図
まずは3つの箱に分けるだけでいい。左から「優良（よく買う人）」「育てたい（これから）」「離れかけ（間隔が空いてきた人）」。AIは離れかけの箱にそっと印をつけ、早めの一声を後押しする。

いきなり難しい分析に挑む必要はありません。まずは手元にある3つの情報だけを、お客さんごとに書き出します。

この3つは、マーケティングでRFM（アールエフエム＝直近購入・購入頻度・購入金額の3つでお客さんを見る、昔ながらの考え方）と呼ばれてきたものです。難しく感じなくて大丈夫。「いつ・何回・いくら買ってくれたか」の3つ、と覚えておけば十分です。

ステップ1：3つのグループに分ける（セグメント）

まずはお客さんを、ざっくり3つの束に分けます。セグメントとは、買い方の傾向が似た人たちをグループにまとめることです。細かく10個に分けるより、最初は3つで十分です。

この3つに分けるだけで、「誰に、どんな一声をかけるべきか」がぐっと見えやすくなります。そして今回いちばん大切なのが、3つ目の「離れかけ」を早く見つけることです。

ステップ2：AIに「離れそうな順」に並べてもらう

ここでAIの出番です。お客さんごとの「いつ・何回・いくら」の一覧を渡し、「これまで離れていった人と似た動きをしている順に並べてほしい」とお願いします。AIは、たとえば「毎月買っていた人が2か月あいた」といった、その人らしくない間隔の空き方に注目して、気にかけるべき人を上位に挙げてくれます。

ポイントは、「離反しそうな理由（サイン）も一言そえてもらう」こと。理由が分かれば、かける言葉も変わります。「購入間隔が普段の2倍に伸びている」「一度きりで2回目がない」——こうしたサインごとに、フォローの中身を変えられます。

ステップ3：グループとサインに合った一声をかける

離れかけの人に送るのは、値引きばかりではありません。むしろ、いきなりの割引は「安いときだけ買えばいい人」を育ててしまいます。まずは思い出してもらう一声から。

やりがちなNGと、その直し方
・離れてから慌てて追いかける：反応が鈍く、値引き頼みになりがち。→ 「間隔が空いてきた」段階で、値引きなしの一声から始める。
・AIの予測をうのみにして自動で値引きを送る：外れたときの損失や、値引き乱発の癖がつく。→ AIは「気にかける人リスト」まで。送る言葉と可否は人が決める。
・顧客の名前や連絡先ごとAIに丸投げする：個人情報の扱いに不安が残る。→ 氏名やメールは伏せ、「顧客A」など記号に置き換えて渡す（後述）。
・最初から10グループに細かく分ける：運用が回らず続かない。→ まず3グループ。慣れてから増やす。

コピペで使えるプロンプト

下のプロンプトを、お使いの生成AIに貼り付けて使ってください。顧客データを渡すときは、氏名・メールアドレス・住所などの個人情報は必ず伏せ、「顧客A・顧客B…」のような記号に置き換えてから貼り付けます（AIには「いつ・何回・いくら」と記号だけを渡せば十分です）。

# 役割
あなたは、EC（ネットショップ）のリピート施策を支援する顧客分析アシスタントです。
以下の顧客データをもとに、(1)グループ分け と (2)離れそうな順の並べ替え を行ってください。

# 入力素材（ここを穴埋め）
- 事業の内容：（例）自然派スキンケアの単品リピート通販
- 通常の購入サイクルの目安：（例）約1か月に1回
- 今日の日付：（例）2026-08-22
- 顧客データ（氏名やメールは伏せ、記号に置換して貼る。1行1顧客）：
  顧客ID, 最終購入日, 累計購入回数, 累計購入金額(円)
  顧客A, 2026-08-10, 8, 42000
  顧客B, 2026-05-02, 3, 9800
  顧客C, 2026-02-15, 12, 68000
  （…以下、続けて貼り付け）

# やってほしいこと
1. 各顧客を「優良／育てたい／離れかけ」の3グループに分類する。
   - 判断基準（最終購入からの経過・回数・金額のどこを見たか）も明記する。
2. 「離れかけ」に該当する顧客を、離反の可能性が高い順に並べる。
   - 各顧客に、そう判断した理由（サイン）を1行で添える。
     例：「通常サイクルの約3倍、購入間隔が空いている」
3. 各顧客に、値引きに頼りすぎない“次の一声”の方向性を1つ提案する。

# 出力条件
- 表形式で、列は［顧客ID／グループ／離反サイン／次の一声の方向性］。
- 専門用語はできるだけ避け、担当者がそのまま読んで動ける言葉で。
- 断定を避け、あくまで「傾向にもとづく候補」であることを明記する。

# 禁止
- 入力データにない事実を推測で創作しない（実在しない購入や属性を足さない）。
- 「必ず離反する」「絶対に戻る」などの断定表現を使わない。
- 医薬品的な効果効能の断定や、「最安」「No.1」など根拠のない最上級表現を出力しない。
- 氏名・住所などの個人情報の入力を求めない。

出てきた表は、あくまでたたき台です。実際に送る言葉や、送る・送らないの最終判断は、必ず人（あなた）が確認してから動きましょう。慣れてきたら、「入力素材」に商品ジャンルや季節性を足すと、精度と使い勝手が上がります。

あなたへの影響｜「早く気づける」だけで、守れる売上がある

お客さんのグループ分けと離反の早期発見ができるようになると、お店の運営は静かに、でも確実に変わります。

まず、失う前に手を打てるようになります。新規のお客さんを一人集めるコストと、いま離れかけている常連さんに一声かけるコストを比べると、後者のほうがずっと小さい。離反を数パーセント減らすだけでも、積み重なる購入（LTV＝一人のお客さんが生涯にお店へ払ってくれる金額の合計）は大きく変わります。LTVは難しく考えず、「一人のお客さんと長く続く関係の価値」と捉えれば十分です。

次に、フォローの空回りが減ります。全員に同じ案内を送るのをやめ、「離れかけの人にはこの一声、育てたい人にはこの案内」と、相手に合わせられる。送る側の手間は増えず、むしろ「誰に何を送るか」で迷う時間が減ります。

そして、お店とお客さんの関係が、あたたかくなります。「最近お見かけしないですね、お元気ですか」という一声は、機械的なセールとは違う温度を持っています。それは、一人ひとりを大切にしているお店だからこそ送れるメッセージです。AIは、その「気づき」を助けてくれる相棒であって、心を込めるのはいつも人の役目です。

一方で、気をつけたいこともあります。予測はあくまで確率なので、外れることもあります。「離れそう」と出た人が、実は満足して静かに使い続けているだけ、ということもある。だからこそ、送る言葉は押しつけず、相手を気づかう温度で。そして個人情報の扱いには十分に注意し、AIには記号化したデータだけを渡す——この2つを守れば、安心して続けられます。深掘りしたい方は、RFM分析で顧客を分けて施策を変えるや生成AIをEC業務に安全に使う社内ルール作りもあわせてどうぞ。

明日からやること

  1. 手元の購入データから、お客さんごとに「最終購入日・購入回数・合計金額」の一覧を作る（まずは上位の常連さん数十人からでOK）。
  2. 氏名・メール・住所などの個人情報を伏せ、「顧客A・B・C…」の記号に置き換える。
  3. 上のコピペプロンプトに貼り付けて、AIに「3グループ分け」と「離れそうな順の並べ替え」を出してもらう。
  4. 出てきた「離れかけ」リストを人の目で確認し、明らかに違う人を外す（AIの結果はたたき台と割り切る）。
  5. 離れかけの上位数人に、値引きなしの“思い出してもらう一声”から送ってみる（反応を記録する）。
  6. AIに顧客データを扱わせる前に、個人情報保護委員会の公式情報で、個人情報の取り扱いの基本を確認する（判断に迷う点は専門家に相談）。

AI顧客セグメント・離反予測 チェックリスト

離れていくお客さんの背中を、ただ見送るのは、もう終わりにしませんか。あなたのお店の名簿には、「最近ちょっと足が遠のいた、でも本当は好きでいてくれている人」が、きっと何人もいます。その一人に、離れきる前に「お元気ですか」と声をかけられたら——それだけで、守れる関係があります。むずかしい分析は要りません。まずは常連さん数十人の「いつ・何回・いくら」を書き出して、AIに並べ替えてもらう。今日のその一歩が、あなたのお店の一年後を、静かに支えてくれます。

早めに声をかけたことで、離れかけていたお客さんがまた笑顔で戻ってきて、担当者と穏やかにつながり直している明るい情景

関連記事・無料ツール

あなたのお店では、いま「離れかけているお客さん」に気づける仕組みはありますか。扱っている商材と、だいたいの購入サイクル（月1回など）を教えていただければ、無料診断で「まずどのグループから声をかけると効果的か」の順番を一緒に整理してお返しします。

参考（公式・一次情報）

※本記事は考え方を分かりやすく整理したものです。AIの予測は傾向にもとづく候補であり、当たり外れがあります。数値の基準づくりと最終判断は人が行い、個人情報の具体的な取り扱いは公式情報や専門家にご確認ください。