無料トライアルの有料転換を上げる｜行動データで手をかけるべき人を見極める

無料トライアルの申込みボタンを押してもらうところまでは、実はそれほど難しくありません。難しいのは、その先で製品を触ってもらい、お金を払う判断にたどり着いてもらうことです。

オンボーディング改善の記事で見てきたように、登録直後の体験は解約や離脱に直結します。トライアルも例外ではありません。

厄介なのは、トライアル中のユーザーがいま何を考えているかは、こちらから直接尋ねない限り分からないという点です。だからこそ、行動データから間接的に読み取る工夫が必要になります。

アンケートで直接尋ねるという手も確かにあります。ですが回答してくれるのはもともと熱量の高い一部の人に偏りがちで、静かに離れていく大多数の温度感までは拾いきれません。

この記事では、トライアルユーザーの行動データを使って「今、手をかけるべき相手」を見極める考え方を整理します。業界平均の転換率を並べるための記事ではなく、自分のプロダクトで何を測ればよいかという設計の話が中心です。

「トライアル数」と「有料化」の間にあるもの

トライアルの申込み数だけを追いかけていると、実は危険な錯覚に陥ります。数だけを見ていると、質の低い申込みが増えても指標の上では順調に見えてしまうからです。

申込みフォームを簡単にすればするほど、間口は広がります。ですが間口を広げるほど、プロダクトを本当に必要としない人まで入ってきやすくなります。

間口が広がった分だけ、サポートへの問い合わせが増えたり、営業がリストを追いきれなくなったりと、数字には出にくいコストも積み上がっていきます。

ファネル分析の基本で扱ったように、入口の数と出口の数の間には必ず落差があります。トライアルの場合、その落差の大きさは申込みのハードルをどこに置いたかにかなり左右されます。

トライアル数は増えているのに有料化した人数が横ばい、というのはよくある失速のサインです。これは母数の質が落ちているのに、指標としては見えにくいまま進んでしまう典型例だといえます。

だからこそ、トライアル数という入口の指標と、有料化という出口の指標の間に、もう一段別のものさしを置く必要があります。それが次に説明するPQLという考え方です。

PQL（プロダクト適格リード）という考え方

PQL（Product Qualified Lead）は、資料請求やウェビナー参加のような営業都合の行動ではなく、製品を実際に使った事実をもとに有料化の見込みが高い利用者を指す言葉です。

似た言葉にMQL（Marketing Qualified Lead）がありますが、MQLは資料のダウンロードやメール開封など、関心の強さを間接的に推測する行動に基づきます。PQLはそれとは異なり、プロダクトの中で実際に価値を感じた形跡があるかどうかを見ます。

行動データで精度を上げるリードスコアリングでも触れたとおり、行動に基づくスコアリングは属性に基づくスコアリングより実際の意欲に近いという性質があります。PQLは、その考え方をトライアルという文脈に当てはめたものだと捉えると分かりやすいでしょう。

PQLとMQLを混同すると起きること

営業側の指標としてMQLとPQLを一緒くたに扱ってしまうチームは少なくありません。その結果、資料をダウンロードしただけの人と、実際に製品を使い込んだ人が同じ優先度で営業リストに並んでしまいます。

これは営業の時間を薄く広く使ってしまう典型的なパターンです。製品を触っていない相手への提案は響きにくく、逆に製品を使い込んだ相手への連絡が後回しになりやすいという、本末転倒な状態を招きます。

重要なのは、PQLが万能の公式ではないという点です。プロダクトごとに「価値を感じた形跡」が指すものはまったく違うので、自社のプロダクトに合わせて一から定義し直す必要があります。

PQLの運用がうまくいっているチームほど、営業とプロダクトの担当者が同じ行動データを見ながら会話しているという共通点があるとよく言われます。どちらか一方だけが数字を握っている状態では、定義の見直しも遅れがちになります。

「アハ体験」を行動データでどう定義するか

PQLの土台になるのが、アハ体験と呼ばれる瞬間です。これは利用者が製品の価値を初めて実感した瞬間を指す言葉で、この瞬間を境に継続利用の可能性が大きく変わることが多いとされています。

アハ体験そのものは主観的な感覚ですが、それに対応する行動は客観的に定義できます。たとえばチーム向けツールなら招待した相手が実際にログインしたこと、分析ツールなら保存したレポートを2回目以降も開いたことなどが候補になります。

ここで手を抜くと、後の分析すべてが空回りします。よくある失敗は、興味本位で覗いただけの人まで混ざってしまうような、緩すぎる基準を選んでしまうことです。

目安としては、その行動を取った人だけを抽出したとき、取らなかった人より有料化率が明らかに高くなっているかで検証します。以下は考え方を説明するための仮の数値であり、実際の比率ではありません。

アハ体験の候補行動A → 経由した人の有料化率が明らかに高い → 候補として有望
アハ体験の候補行動B → 経由してもしなくても有料化率にほぼ差がない → 候補から外す

仮に、過去90日のトライアルユーザーが100人いたとして、候補行動Aを経由した62人のうち34人が有料化し、経由しなかった38人のうちは5人しか有料化しなかったとします。あくまで説明用の仮定の数字ですが、この差がはっきり出ているなら、その行動は有力な候補だと判断できます。

一方で候補行動Bのように、経由した人としなかった人の有料化率がほとんど変わらないなら、その行動はアハ体験の指標としては使えません。差が出ない指標を追いかけ続けるほど無駄な労力はないので、早めに候補から外す判断も大切です。

候補になりそうな行動を3〜5個ほど洗い出し、それぞれ経由した人としなかった人の有料化率を突き合わせる。地道な作業ですが、この検証を飛ばして基準を決め打ちすると、あとになって見込みの低い人まで拾ってしまっていたと気づくことになりがちです。

計測イベントの粒度をどう設計するか

行動を定義するときに迷いやすいのが、どこまで細かく計測するかという粒度の問題です。細かすぎるイベントは分析が煩雑になり、粗すぎるイベントは何が効いているのか見えなくなります。

目安としては、ファネルのステップとして意味のある単位で区切ることです。ボタンを押した回数のような細部ではなく、その先で何を達成したかという単位で見ると、後々の分析がぶれにくくなります。

候補になりそうな行動を探すときは、機能に触れた瞬間だけでなく、チームメンバーを招待した、外部サービスと連携設定を済ませたといった、あとから引き返しにくい行動にも注目すると当たりを引きやすくなります。こうした行動は、一度実行すると製品が生活や業務に組み込まれた状態に近づくからです。

トライアルの設計そのものが転換の分かれ目になる

行動データの話に入る前に、そもそものトライアル設計も転換率を左右します。代表的な分かれ目が、登録時にクレジットカード情報を求めるかどうかです。

カード情報を必須にすると申込みのハードルが上がる分、途中で離脱する人が増えやすくなります。一方で最後まで進んだ人は最初から購入意思が高い傾向にあり、有料化率は相対的に高くなりやすいとよく言われます。

逆にカード情報を求めない設計は間口が広がり試用のハードルは下がりますが、冷やかしに近い申込みも混ざりやすくなります。どちらが優れているという話ではなく、プロダクトの単価や意思決定の重さに応じて選ぶトレードオフだと捉えるのが実務的です。

表はあくまで一般的な傾向を整理したものです。実際にどちらが合うかは、自社のプロダクトで比較しながら確かめるのが安全です。

トライアルの長さも同じ発想で考えられます。短すぎれば価値を実感する前に期限が来てしまい、長すぎれば緊張感が薄れて後回しにされがちなので、プロダクトが価値を実感させるまでにかかる時間に長さを合わせるのが基本の考え方です。

フリーミアムという第三の選択肢

期限付きのトライアルとは別に、機能を絞った無料プランを恒久的に提供するフリーミアムという型もあります。トライアルのように期限で急かされない分、じっくり試してもらえる反面、無料のまま居座る人が増えやすいという裏返しの課題も抱えます。

フリーミアムを選ぶ場合は、無料プランの範囲内でもアハ体験に届けられる設計になっているかが鍵になります。無料の範囲が狭すぎると、価値を感じる前に離脱されてしまうからです。

誰に人が動き、誰にプロダクトが動くか

PQLの考え方が実務で活きるのは、誰に何を投じるかを分ける場面です。トライアル中の全員に同じ熱量で連絡していては、営業やカスタマーサクセスの時間はいくらあっても足りません。

行動データからPQLに近いと判定できた人には、人が直接連絡を取る価値があります。使い方の質問に答えたり、次のステップを一緒に決めたりすることが、後押しになりやすいからです。

一方、まだアハ体験に届いていない人に営業から連絡しても、多くの場合は響きません。むしろプロダクト内の案内やメールで次の一歩を促すほうが、押し付けがましくなく自然です。

オンボーディング改善で扱った初期体験の設計は、まさにこの「プロダクトが動く」側の土台になります。人が動くべき相手を絞り込むほど、オンボーディングの改善に使える時間も相対的に増えるという関係にあります。

利用状況に応じて、大きく次のように打ち手を分けて考えると整理しやすくなります。

• アハ体験に到達しPQLに相当すると判定できる人には、担当者が個別に連絡する
• 利用はしているがアハ体験にまだ届いていない人には、プロダクト内の案内で後押しする
• 登録直後でほとんど利用していない人には、メールなどで再訪のきっかけをつくる
• 一定期間まったく動きがない人は優先度を下げ、自動化されたリマインドのみにする

連絡の頻度にも注意が必要です。後押しのつもりの連絡が多すぎると、かえって煙たがられて離脱を早めることもあるので、段階ごとに連絡の間隔を空けるくらいがちょうどよいバランスになりがちです。

チーム構成に余裕がある場合は、個別連絡の役割を営業だけに任せず、カスタマーサクセスと分担するという選択肢もあります。使い方の相談に強いカスタマーサクセスが初期の連絡を担い、契約条件の話が出た段階で営業に引き継ぐという分業も、よく見られる型のひとつです。

トライアル終了後にも見ておきたい指標

有料化した瞬間で分析を終えてしまうチームは少なくありませんが、トライアル終了後の数字にこそ、次のトライアル設計を良くするヒントが眠っています。

特に見ておきたいのが、PQLに相当すると判定されたのに有料化しなかった人です。ここが多いなら、判定基準は合っているのに後押しの部分でつまずいている可能性が高いと考えられます。

逆にPQLに届かないまま有料化した人が一定数いるなら、アハ体験の定義そのものを見直したほうがよいというサインです。当初決めた行動基準が、実際の価値実感とずれている可能性があります。

こうした指標は一度決めて終わりではなく、プロダクトが変わるたびに定義し直す前提で運用するものだと考えておくと、あとで見直すハードルが下がります。有料化した後も、そのユーザーがPQL相当の状態を維持できているかを追いかけておくと、解約の予兆にも早めに気づきやすくなります。

明日から始められる3つのステップ

ここまでの話を、明日から動かせる粒度に落とし込んでみます。大がかりな基盤を最初から作る必要はありません。

1. 過去のトライアルユーザーを有料化した人としなかった人に分け、行動ログの違いを探す
2. 差が大きく出た行動を2〜3個に絞り込み、仮のアハ体験の定義として置く
3. その定義に当てはまった人だけに、担当者が個別に連絡してみる
4. 連絡した人としなかった人で有料化率に違いが出るか、数週間かけて確かめる

N1分析とはで扱ったように、こうした仮説は一人ひとりの行動履歴を実際に見ながら立てると精度が上がります。統計的な集計だけでは見えない、行動の順番や迷いの跡が見えてくるからです。

MonaLensのようなツールであれば、ファネルの各ステップの通過率と個々のユーザーの行動履歴を行き来しながら確認できるので、こうした仮説づくりと検証のサイクルを回しやすくなります。

一度仕組みを作って終わりにせず、四半期に一度くらいの頻度で候補行動を洗い出し直すと、プロダクトの変化にも追随しやすくなります。トライアル前提の機能を追加したり、価格帯を変えたりすれば、アハ体験の中身も少しずつ変わっていくはずだからです。

トライアルからの有料転換は、営業チームの頑張りだけでもプロダクトの磨き込みだけでも、片方に寄せすぎるとどこかで頭打ちになります。

行動データという共通のものさしを間に置くことで、営業とプロダクトの両方が同じ利用者像を見ながら、今どこに手をかけるべきかを話し合えるようになります。

自社のトライアルユーザーのうち、有料化した人としなかった人の行動ログを並べて見るところから、まずは始めてみてはいかがでしょうか。