リピート率が伸びない店舗の構造｜業態別の再来店設計と、AIによる離脱予兆検知

「新規のお客様は来てくれるんですけどね、2回目に来てくれないんですよ」──店舗オーナーさんから本当によくいただく相談です。続けて、「広告は打っているし、店も悪くないと思うんですけど、なぜか続かなくて」と。

気持ちはわかります。リピート率が伸びないと、新規獲得コストばかりが嵩んで、利益が積み上がりません。広告を増やしても、新しいお客様がザルから漏れるようにいなくなっていく。

ただ、ここで認識を切り替えてほしいんです。リピート率が伸びないのは、商品やお店の魅力が足りないからではありません。多くの場合、「再来店の仕組み」が設計されていないだけです。そして、AI活用で見えにくかった顧客の動きが、ようやく見えるようになってきました。

既存記事「客単価UP」では売上の柱となる客単価を扱い、POS×AI記事ではPOSデータをAIで分析する型を扱いました。今回はその続編、リピート率を構造で上げる打ち手とAI活用を業態横断で整理します。

この記事では、ベンチャー・リンク出身のコンサルタント・山田文彦の監修のもと、年商1〜10億規模の店舗オーナー、店長、顧客対応担当者に向けて、明日から使えるリピート率改善の型を解説します。飲食・美容・整体・小売・学習塾、いずれの業態にも応用できる構造です。

なぜ「リピート率」が店舗経営の最重要KPIなのか#

最初に、リピート率の経営インパクトを数字で押さえておきます。

1:5の法則 — 新規獲得は既存維持よりコストがかかる#

マーケティング業界でよく引用される「1:5の法則」があります。新規顧客を獲得するコストは、既存顧客を維持するコストの約5倍かかる、というものです。同じ売上を作るなら、新規を1人取るより、リピートで5回来てもらう方が圧倒的に効率が良いことを意味します。

あわせて「5:25の法則」として、顧客離れを5%改善すると利益が25%改善する、という経験則もよく引用されます。ただし、これらはいずれも厳密な統計法則というより、既存顧客維持の重要性を示すマーケティング上の考え方として捉えるのが現実的です。実際の効果は、業態・客単価・粗利率・新規獲得単価などによって大きく変わります。

逆に言えば、リピートが続かない店は、広告費を毎月垂れ流して新規を取り続けるしかなく、利益体質が悪化していきます。

パレートの法則 — 売上の大きな割合は、一部の常連が支えている#

パレートの法則（80:20の法則）として知られる「売上の8割は上位2割の顧客が支えている」という構造は、店舗経営でもしばしば引用されます。実際の比率は業態によって幅があり、観光立地の飲食や単発利用が多い小売、継続前提の学習塾などでは構造が変わりますが、売上の大きな割合を、一部の常連客・高頻度顧客が支えている店舗は少なくありません。

特に既存顧客のリピートで売上が積み上がる業態では、上位の常連客を維持できているかが、店舗の売上の安定性を大きく左右します。新規ばかり追いかけて常連客を取りこぼすと、土台が崩れていきます。

業界別のリピート率の目安#

業態ごとに差はありますが、たとえば美容業界では一般的な目安として、新規顧客の90日リピート率は30%、既存顧客のリピート率は70%程度とされ、理想は新規リピート率50%、既存リピート率90%とも言われます。飲食店も、業界によっては新規の30日リピート率は10〜20%という店舗も珍しくなく、ここを改善できるかが利益体質の分かれ目になります。

リピート率1ポイント改善の利益インパクト#

リピート率1ポイントの改善は、地味に見えて経営インパクトが大きい打ち手です。たとえば既存リピート率70%→71%への改善でも、追加で生まれる再来店が積み重なれば、年間で見ると再来店数・LTV・新規広告依存度に大きく効きます。

ただし、実際の利益インパクトは、客単価・粗利率・新規獲得単価（CPA）・年間来店回数などによって変わります。「リピート率1ポイントで広告費◯%削減」と一律に語れるものではないので、自店の数字で試算することが重要です。経営判断に使うときは、業態と自社の前提に合わせた試算を必ず行ってください。

リピート率は地味なKPIですが、設計を後回しにしない価値は十分にあります。ここを整えずに新規広告ばかり打つのは、ザルに水を注ぎ続けるようなものです。

リピート率が伸びない店舗の3つの構造#

リピート率が伸びない店には、共通する3つの構造的問題があります。

パターン①「初回体験」で次回への期待を作れない#

初めて来店したお客様が、「もう一度来たい」と思う体験になっていないケース。料理や施術自体は悪くないのに、何かが足りない。

典型例:

• スタッフが事務的、お客様の名前を覚えようとしない
• 期待値とのズレ（広告では「個性的」、実際は「普通」）
• 提供までの待ち時間が長い、しかし説明がない
• 接客の温度感がチェーン店的、記憶に残らない

初回体験で「ここはちょっと違うな」と思わせる一瞬を作れないと、お客様は他の選択肢に流れます。

パターン②「次回への動線」が設計されていない#

体験は悪くないのに、次に来る動機や手段が示されていないケース。お客様が「また来てもいいかな」と思っても、その気持ちが薄れる前に再来店を後押しする仕掛けがない。

典型例:

• 会計時に「またお願いします」だけで終わる、次回予約の提案なし
• LINE公式や次回案内のチラシがない、誘導もしていない
• 来店3週間後にフォロー連絡なし
• 季節メニュー・新メニューの案内が届かない

「次回への橋」がかかっていないと、お客様の気持ちは時間と共に冷えていきます。

パターン③「離れたお客様」を察知できない#

過去のお得意様が静かに来なくなっているのに、店側が気づいていないケース。常連客の離脱は、たいていシグナルが先に出ていますが、それを拾える仕組みがない。

典型例:

• 来店間隔が伸びてきたお客様への声がけがない
• 「最近見ないな」を感覚で把握、データで管理していない
• 90日来店していない過去常連客のリストが出ない
• LINE登録顧客の最終接触日が分からない

ここで後述のAIによる離脱予兆検知が効きます。データを持っているのに見ていない、が日本の店舗で本当に多いんです。

3パターンの共通点#

この3パターンの共通点は、「リピート率が上がる仕組みになっていない」ということです。スタッフが頑張る、新規広告で穴埋めする、という属人・短期の打ち手ではなく、構造で自然にリピートが積み上がる仕組みを作る。ここが本質です。

リピート率の見方 — 業態別の計算と指標#

「リピート率を上げる」前に、自店のリピート率を正しく測ることが必要です。業態によって計算式が違うので、自店の主要指標を確認してください。

業態別の代表的な指標#

業態	主要なリピート指標
飲食	来店期間別リピート率（30日/90日/180日）、来店頻度、月次新規/リピート構成比
美容・サロン	次回来店率（90日）、年間来店回数、失客率
整体・治療院	継続率、回数券消化率、再来院間隔
小売・物販	リピート購入率、購買頻度、累計購入回数
学習塾・スクール	退会率、平均継続月数、進級時の継続率

月次と年次の2軸で見る#

リピート率は、月次と年次の2軸で見ると変化が捉えやすくなります。

• 月次リピート率: 直近1ヶ月の動向、施策の即時効果を見る
• 年次リピート率: 長期トレンド、構造的な改善を見る

月次だけ見ていると、季節要因や一時的な変動に振り回されます。年次の動きと両方並べることが大事です。

業態別の計算の注意点#

業態によっては、リピート率の計算に注意が必要です。

• 美容室: 「新規」「既存」の定義（最終来店から何日以上空けば新規扱いか）を統一する
• 整体: 回数券利用と単発来院を分けて見る
• 学習塾: 退会率は「年度内退会率」と「年度更新率」を別管理
• 小売: 顧客IDが取れないと正確な計算が難しい、レシート分析やID-POSが必要

POSや予約システムによっては、これらの指標が標準機能で出ます。出ない場合はPOS×AI記事で扱った通り、CSVをAIに渡して計算してもらうのが現実的です。

再来店を作る3つの仕組み#

リピート率を構造で上げるための仕組みは、大きく3つに整理できます。

仕組み①「次回提案」を初回会計時に組み込む#

お客様の気持ちが最も温かい瞬間は、初回の会計直前です。ここで次回の動線を作れるかが勝負。

具体例:

• 飲食: 「次回はこの季節限定メニューがおすすめです」のチラシ手渡し
• 美容: 会計時に「次回ご予約、◯月◯日頃にいかがでしょうか」の即時予約打診
• 整体: 「お身体の状態的に、2週間後にもう一度見せていただきたい」の継続提案
• 小売: 「次回のセール情報を送らせていただきます、LINE登録を」
• 学習塾: 「次回は◯◯の単元に進みます、楽しみにしていてください」の継続動線

初回会計時の30秒で、次回来店確率が2倍3倍変わることもあります。

仕組み②「LINE・メール」での自動配信動線#

仕組み①で取得したLINE登録・メール登録を起点に、自動配信で再来店を促します。

• 来店翌日: お礼メッセージ＋次回提案
• 30日後: 「お元気ですか？」のリマインド、季節メニュー紹介
• 60〜90日後: 「久しぶりに」の特別オファー
• 誕生日月: バースデーオファー
• 季節・新メニュー時: 案内配信

すべて手作業でやると続きませんが、LINE公式アカウントやメール配信ツールのシナリオ機能を使えば、自動化できます。

仕組み③「体験差別化」で記憶に残す#

3番目は、お客様の記憶に残る一瞬の差別化です。これは小さなことで構いません。

具体例:

• お客様の名前を覚えて、2回目以降に呼ぶ
• 前回の会話を覚えていて、自然に触れる（「先日言ってた◯◯、どうでしたか？」）
• ちょっとしたサプライズ（誕生日のメッセージカード、季節のおすそ分け）
• 退店時のひと言（「お気をつけて」だけでも温度感が伝わる）

技術的な差別化が難しい時代だからこそ、人としての関係性が差別化になります。これは業態を問わず、最も強い武器です。

AIで一段深める — 離脱予兆・顧客セグメント・個別配信#

ここまでの仕組みは人間が設計するものですが、AIで運用を一段深めることができます。特に有効な4つの活用を紹介します。

①離脱予兆の検知#

POSや予約システムの顧客データをAIに渡し、離脱予兆を自動検知します。

• 来店間隔の伸び: 過去の来店パターンより明らかに長くなっている顧客を抽出
• 購買頻度の低下: 月平均購入回数が直近で落ちている顧客
• 90日以上未来店: 過去のお得意様で、最近来ていない顧客

POS×AI記事でも触れた通り、AIなら「過去6ヶ月の顧客データから、購買頻度が落ちてきている上位50人をリストアップして」という質問で即時に抽出できます。

②RFM分析でセグメント自動分類#

RFM分析は、顧客を以下の3軸で分類する手法です。

• Recency: 最終購入からの経過日数
• Frequency: 購入頻度
• Monetary: 累計購入金額

これを手作業でやるとかなり骨が折れますが、AIに「直近12ヶ月の顧客データを、RFMで5段階に分類して、各セグメントの人数と特徴を出して」と聞けば、数分で結果が返ってきます。

セグメント例:

• 優良顧客（R高/F高/M高）: 全力で維持
• 離脱予兆（R低/F高/M高）: 緊急アプローチ
• 新規優良（R高/F低/M中）: リピート化施策
• 休眠（R低/F低/M低）: 復活施策（または見送り）

各セグメントに対する打ち手が明確になります。

③個別配信メッセージのAI生成#

セグメントが見えたら、それぞれに合わせたメッセージをAIに作らせます。

• 「離脱予兆セグメントに送る、押し付けがましくない再来店促進メッセージを3パターン作って」
• 「誕生日月のお客様に送る、お祝い感のあるオファーメッセージを業態別に作って」
• 「90日来店していない常連客に送る、関係性を大事にしたメッセージを作って」

LINE配信のクリエイティブ作成が、これまでマーケ担当者の重い仕事だったのが、AIに初稿を任せて人間が手を入れる運用に変わります。

④AIへの質問テンプレ集#

業態横断で使える質問テンプレを並べておきます。

知りたいこと	AIへの質問例
リピート率の計算	「直近6ヶ月の顧客データから、月次リピート率（90日基準）を計算して」
離脱予兆抽出	「過去6ヶ月の顧客データから、購買頻度が落ちてきている上位50人をリストアップして」
RFM分析	「直近12ヶ月の顧客データを、RFMで5段階に分類して、各セグメントの人数と特徴を出して」
セグメント別打ち手	「上記のRFMセグメントごとに、おすすめの打ち手を3つずつ提案して」
個別メッセージ生成	「離脱予兆セグメントの顧客に送る再来店促進メッセージを、業態◯◯向けに3パターン作って」
効果検証	「先月実施した◯◯施策の前後で、対象セグメントのリピート率がどう変化したか分析して」

顧客データをAIに渡す前の重要注意

顧客名・電話番号・メールアドレス・LINE IDなど、個人を直接特定できる情報は、AIに渡す前に削除または匿名化してください。AIに渡すのは、匿名化した顧客ID、来店日、購入金額、購入カテゴリなど、分析に必要な最小限の項目に絞るのが原則です。

また、利用するAIサービスの学習利用設定・データ保持ポリシー・契約条件を必ず事前に確認してください。一部のビジネス向けプラン（ChatGPT Business/Enterprise/API Platform 等）では、入力データがデフォルトで学習に使われない設定ですが、プランや設定によって異なります。個人情報保護委員会も、生成AIに個人情報を含むプロンプトを入力する場合は、利用目的の範囲内で必要な範囲に限ることを注意喚起しています。

業態別の打ち手 — 飲食 / 美容 / 整体 / 小売 / 学習塾#

最後に、業態別のリピート設計とAI活用のポイントを整理しておきます。

飲食#

• 次回提案: 会計時の季節メニュー紹介、特別クーポンの手渡し
• 配信動線: 来店翌日のお礼、30日後のリマインド、季節メニュー配信
• AI活用: 来店パターン分析、離脱予兆検知、メニュー嗜好の自動分類

美容・サロン#

• 次回提案: 会計時の即時次回予約、施術プランの継続提案
• 配信動線: 来店翌日のフォロー、施術後ケアアドバイス、次回時期の自動リマインド
• AI活用: 指名スタッフ別リピート分析、メニュー別リピート率、失客予兆検知

整体・治療院#

• 次回提案: 施術後の継続提案、回数券のタイミング案内
• 配信動線: 来院翌日の体調確認、定期的なケアアドバイス
• AI活用: 来院間隔分析、回数券消化率、症状別の継続率分析

小売・物販#

• 次回提案: 会計時の関連商品案内、再購入タイミングの予告
• 配信動線: 購入後のお礼、季節商品案内、再購入リマインド
• AI活用: 購買周期分析、購買履歴ベースのレコメンド、セグメント別配信最適化

学習塾・スクール#

• 次回提案: 次回授業の楽しみを残す、保護者面談の定期実施
• 配信動線: 保護者LINE、学習進捗の自動通知、季節講習案内
• AI活用: 退会予兆検知（出席率・成績推移）、生徒別カリキュラム提案、保護者コミュニケーション最適化

業態が違っても、「会計時の次回提案」「自動配信動線」「離脱予兆検知」の3点セットは共通です。自店業態でこの3つをどう設計するか、を組み立ててください。

まとめ#

リピート率は、店舗経営の最重要KPIのひとつです。新規獲得は既存維持の数倍のコストがかかり、売上の大きな割合は一部の常連客が支えている──これらのマーケティング上の考え方は、店舗ビジネスにもよく当てはまります（実際の比率は業態と自店の数字で確認してください）。

リピート率が伸びない構造は3つ。初回体験で次回への期待を作れない、次回への動線が設計されていない、離れたお客様を察知できない。これらを「気合と接客」で補おうとせず、仕組みで解決するのが現代の経営です。

再来店を作る3つの仕組みは「次回提案」「自動配信」「体験差別化」。そしてAIで離脱予兆検知・RFM分析・個別メッセージ生成を組み合わせれば、これまで人間では時間が足りなかった顧客対応が、現場のオーナー・店長自身が回せる規模に変わります。

「新規を取って終わり」から「リピートで積み上げる」へ。これが、2026年の店舗経営の標準的な作法です。

店舗経営の総合サポートAI「VentureGrow」は、こうした顧客分析・リピート設計・AI活用を、日常の経営判断と一気通貫でサポートするために設計されています。リピート率を起点にした店舗運営の見直しや、業態別の打ち手の優先順位づけに、ぜひ判断材料の一つとしてお使いください（無料登録・クレジットカード不要です）。

---

※ 顧客データの取り扱いは、個人情報保護法・プライバシー保護・各種ガイドラインに沿って慎重に運用してください。AIへのデータ入力時は、利用するAIサービスの契約条件・学習利用設定を必ず確認してください。

参考：

• 美容室のリピート率と平均値（クリエイティブブレーン）
• リピート率の計算と業界別平均（ECのミカタ）
• 美容サロンのリピート率と経営インパクト（B-Merit）