記録していないデータに、離脱の原因が隠れている

死因究明に取り組む法医学者は「亡くなった原因」を探す。でも遺体を見てわかることには限界がある。亡くなる直前の行動、会話の内容、体調の変化——こうした「記録されていなかった情報」が、死因解明のカギになることが多い。

何が「なかった」かは、記録がなければ永遠にわからない。

アミューズメントカジノで参加者が減っていくとき、オーナーが手元に持っているのは「来た人のデータ」だけだ。来なくなった人が「なぜ来なくなったか」は、記録されていない。

「来た人のデータ」では離脱は見えない

参加者の名前と参加回数、エントリー費、大会の順位——これらは多くの店で記録している。

でも「先月まで来ていたが今月来なかった人」のデータは、普通の記録では見えない。その人が来なかった事実は「欠席」であり、記録には空白として存在する。

空白は、見ようとしなければ見えない。

月次の参加者数が100→90→80と減っていったとき、「誰が来なくなったか」を追える仕組みがあれば、「3ヶ月前から来なくなったのは、30代常連グループが多い」「特定のディーラーがいる日の翌月に来なくなったケースが目立つ」という仮説を立てられる。

仮説がないまま「参加者が減っています」と眺めるのと、仮説を立てて検証できる状態では、次の行動が全く変わる。

記録されていない「見えない離脱シグナル」

来なくなる前に、プレイヤーは何らかのシグナルを出していることが多い。でもそのシグナルは、気にしていなければ見えない。

参加頻度の低下

月3回来ていた人が月2回になり、月1回になり、来なくなる——このパターンは多い。でも「月3回→月2回」の変化を記録していなければ、「来なくなった」ときに初めて気づく。気づいたときにはすでに離れている。

頻度の低下は、完全な離脱の前兆であることが多い。早い段階で検知できれば、声をかけたりイベントを案内したりといった介入ができる。

大会の選択パターンの変化

これまでトーナメントAに必ず参加していた人が、トーナメントBだけに来るようになった。時間帯が変わった。こうした変化も、何かのシグナルかもしれない。「仕事の都合」の場合もあるが、「Aの大会の雰囲気が変わって来なくなった」場合もある。

大会終了後の滞在時間

大会が終わった後、しばらく残って話しているか、すぐ帰るようになったか。滞在時間は、その店への愛着の反映でもある。

これらは「数字」で記録するのが難しい。でも「前回まで残っていた人が今日はすぐ帰った」という観察を積み重ねることで、変化が見える。

離脱後に何もできない状態を作らない

プレイヤーが来なくなった後で「なぜ来なくなったか」を知る方法は、ほぼない。

アンケートを送っても、関係が切れた後は反応率が低い。SNSで確認しても、何も書いていないことの方が多い。フィードバックは行動で読むで書いた通り、離脱した後の言葉はほとんど得られない。

だから「離脱前に気づく」設計が重要だ。

3ヶ月以内に再来していない人リスト

毎月、3ヶ月以内に来ていない人を抽出する。これを毎月の習慣にするだけで、「最近来ていない人」の存在が可視化される。特に「常連だったのに来なくなった人」は、何らかのアプローチの余地がある可能性がある。

最後の来店から1〜2ヶ月後のタイミングで接触

「久しぶりに大会を開催します」「〇〇さんが参加するとにぎやかになります」——こうしたメッセージを、離脱の予兆がある人に送ることができれば、いくらか引き戻せる可能性がある。

自動化するのが難しい店も多いが、月1回「最近来ていない常連リスト」を手動でも確認するだけで、全く気にしない状態とは大きく違う。

「なぜいなくなるか」を記録に変える

退店した常連に話を聞ける機会があれば、それはデータとして残す価値がある。

「仕事が忙しくなった」「別の趣味ができた」という外部要因の場合もある。でも「あのディーラーの対応が気になった」「大会の雰囲気が変わった」という内部要因の場合、改善の手がかりになる。

一件の声でも、複数の「実は同じ理由で来なくなった人」がいる可能性を持っている。

データで経営する——3つの指標で十分な理由で書いた通り、データは「見るため」ではなく「変えるため」にある。来なくなった人の記録は、変えるための最も直接的な材料だ。記録されなかった情報が、離脱の原因を隠し続ける。記録できるものは記録し、観察できるものは観察する習慣が、「なぜ来なくなるのか」に少しずつ近づくための手段だ。

---

Casinohubでは、参加者の来店履歴・リピート率・離脱予兆の検知を含む機能を開発中だ。ウェイティングリストへの登録はこちらから。