リピート率・再来店率の正しい計算方法と改善のしかた｜混同しやすい5つの指標を整理する

「うちのリピート率、だいたい30%くらいです」

店舗の現場でよく聞く言葉です。ただ、その30%がどんな計算式で出た数字なのかを説明できる方は多くありません。分母を何にしたのか、期間はいつからいつまでか、新規客だけを見ているのか全顧客なのか。ここが曖昧なまま数字だけが独り歩きしています。

問題は、分母と分子の取り方を変えるだけで、まったく同じ店舗データから「30%」にも「15%」にも「58%」にもなることです。数字が変われば打つべき施策も変わります。3ヶ月前と比べて改善したのか悪化したのかすら、定義が揺れていれば判断できません。

この記事では、混同されがちなリピート率／再来店率（F2転換率）／顧客維持率／離脱率／再来店までの平均日数という5つの指標を、定義・計算式・使いどころまで整理します。そのうえで、架空のモデル店舗のデータを使って5つすべてを実際に計算し、店舗がまず最初に見るべき指標はどれか、そしてそれをどう改善するかまで解説します。

この記事でわかること

• リピート率・再来店率・顧客維持率・離脱率の正確な定義と計算式の違い
• 同じデータでも分母の取り方で数字が2倍変わる仕組みと、その具体的な計算例
• 店舗改善で最優先に見るべき「F2転換率（2回目来店率）」の考え方
• 初回→2回目、2回目→3回目、常連維持のフェーズ別に効く施策の違い

1. 「リピート率」という言葉が危険な理由｜同じデータで数字が2倍変わる

リピート率という言葉には、業界共通の統一定義がありません。同じ店舗の同じデータを見ていても、担当者によって計算式が違うということが普通に起こります。

代表的な解釈だけでも、次の3つが混在しています。

Aは「顧客全体の複数回来店率」、Bは「新規客の定着率」、Cは「売上を支えている来店回数の構成比」を見ています。測っているものが根本的に違うのに、どれも社内では「リピート率」と呼ばれてしまいます。

後述するモデルケースで実際に計算すると、Aは30%、Bは15%、Cは58.6%になります。同じ店舗の同じ半年間のデータからです。

「先月よりリピート率が上がったのに、売上は下がっている」

こうした矛盾が起きるとき、たいていは指標の定義がズレています。たとえば新規集客を絞れば、分母から「1回しか来ていない新規客」が減るので、Aのリピート率は自動的に上がります。新規が減っただけなのに、指標上は改善したように見えるわけです。

だからこそ、まずやるべきは「リピート率を上げること」ではなく、自店が何を測っているのかを言語化して固定することです。

ポイント： 指標を語るときは必ず「期間・分母・分子」の3点セットで書き残す。例：「2026年1〜6月に来店した実人数のうち、同期間に2回以上来店した実人数の割合」。この一文があるだけで、社内の議論が噛み合うようになります。

2. 混同しやすい5つの指標を整理する（定義・計算式・使いどころ）

店舗運営で使う指標を5つに整理します。まずは全体像を表で押さえてください。

5つは「どこを測っているか」が違う

• リピート率は、顧客全体という広い面を見る指標です。母集団に既存客も新規客も混ざるため、新規集客の増減に強く影響されます。健康診断のような「全体像の把握」向きです。
• F2転換率は、新規客だけに絞った指標です。新規集客の量に左右されず、初回接客・初回体験・初回後のフォローの質だけが反映されるので、改善アクションと数字が直結します。
• 顧客維持率と離脱率は、表と裏の関係です（合計すると100%）。維持率は「残った人」、離脱率は「消えた人」を見ています。同じ事実を語っていますが、離脱率で見るほうが「320人が消えた」と人数のインパクトが伝わりやすく、現場は動きやすくなります。
• 再来店までの平均日数だけは、割合ではなく時間の指標です。他の4つが「何%か」を測るのに対し、これは「いつ動くべきか」を教えてくれます。

ポイント： 割合の指標（率）は結果を測り、時間の指標（日数）は打ち手のタイミングを決めます。両方そろって初めて「何を、いつやるか」が決まります。

3. 【計算例】同じ店舗データを5つの指標で計算してみる

ここからは、架空のモデル店舗「サロンA」のデータを使って、5つの指標を実際に計算します。以下の数字はすべて解説用に筆者が作成した架空のモデルケースであり、実在の店舗データや業界統計ではありません。

モデルケースの前提データ

対象期間は2026年1月1日〜6月30日の6ヶ月間とします。

（内訳の検算：新規60人＋既存240人＝300人で、2回以上来店者数と一致します。新規400人＋既存600人＝1,000人で来店実人数と一致します。）

① リピート率＝30%

300人 ÷ 1,000人 × 100 = 30.0%

当期に来店した人の3割が、期間内に2回以上足を運んでいる計算です。

② 再来店率／F2転換率＝15%

60人 ÷ 400人 × 100 = 15.0%

新規客400人のうち、2回目に来たのは60人だけ。残り340人は初回で途切れています。

ここが今回いちばん重要な部分です。リピート率30%とF2転換率15%は、まったく同じ半年間の同じデータから出た数字です。分母を「全来店客1,000人」にするか「新規客400人」にするかだけで、数字はちょうど2倍違います。

なぜこうなるかというと、既存客はそもそも過去に複数回来ている「残った人たち」なので、期間内に2回以上来る確率が高いからです。実際、既存客600人のうち240人（40%）が2回以上来店している一方、新規客は15%しかありません。この40%が全体平均を押し上げ、30%という見かけ上マイルドな数字を作っています。

ポイント： 全体のリピート率が高く見える店舗ほど、既存客のリピートに支えられているだけで、新規の定着に穴が空いているケースがあります。全体だけを見ていると、この穴に気づけません。

③ 顧客維持率＝60%

480人 ÷ 800人 × 100 = 60.0%

前期に来店した800人のうち、当期も来てくれたのは480人でした。

④ 離脱率＝40%

100% − 60% = 40%（人数にすると 800人 − 480人 = 320人）

半年で320人が来なくなっています。同じ事実でも「維持率60%」より「320人が消えた」と表現したほうが、掘り起こしの緊急度が伝わります。

⑤ 再来店までの平均日数＝45日

F2転換した60人について、初回来店から2回目来店までの間隔を次のように置きます。

(9×10 + 15×22 + 21×45 + 9×75 + 6×110) ÷ 60= (90 + 330 + 945 + 675 + 660) ÷ 60= 2,700 ÷ 60 = 45.0日

平均45日、中央値も31〜60日の帯に入ります。つまり初回から2ヶ月を過ぎると、そのお客様はほぼ戻ってこないということです。フォローの勝負どころは最初の30〜60日にあります。

おまけ：延べ来店回数ベースだと58.6%

先ほど触れた「解釈C」も計算しておきます。2回以上来店した300人の来店回数を合計すると990回で、総来店回数は1,690回です。

990回 ÷ 1,690回 × 100 = 58.6%

30% / 15% / 58.6%。 すべて同じ店舗の同じ半年間から出た「リピート率」です。定義を固定しないまま数字を追いかけることが、いかに危ないかが分かると思います。

4. 店舗が最初に見るべきはF2転換率（2回目来店率）である理由

5つの指標を並べたうえで、店舗がまず改善すべき指標を1つ選ぶならF2転換率です。 理由は3つあります。

理由1：いちばん多くの人が抜けている

モデルケースでは、新規400人のうち340人が初回で離脱しました。一方、2回目まで来た60人のうち3回目以降に進む人の脱落は、人数としてはるかに小さくなります。漏斗のいちばん上が、いちばん広く漏れているのです。改善の余地が最も大きい場所から手を付けるのが定石です。

理由2：新規集客の増減に左右されない

リピート率（全体）は、新規客をたくさん集めた月ほど下がります。集客を頑張った結果、指標が悪化して見えるという逆転が起きます。F2転換率は分母が新規客だけなので、新規の量が変わっても「初回の質」だけを純粋に評価できます。

理由3：改善アクションが具体的に決まる

F2転換率が低いとき、原因は初回来店の前後30〜60日に集中しています。初回接客、次回の提案、初回後のお礼と再来店の後押し。打ち手の対象範囲が狭く、検証しやすいのが大きな利点です。

ポイント： F2転換率が15%から20%に上がると、モデルケースでは2回目来店者が60人から80人に増えます。新規を増やさずに、既存の集客量のまま20人分の来店が積み上がる計算です。

5. 指標を改善する打ち手｜フェーズ別に効く施策が違う

顧客の状態によって、効く施策はまったく違います。「リピート施策」とひとくくりにせず、フェーズごとに分けて考えます。

初回→2回目：スピードと「次に来る理由」

再来店までの平均日数が45日だったモデルケースでは、初回から2ヶ月を超えると戻ってこないという事実が分かりました。ならば、フォローは初回当日から1ヶ月以内に厚く配置するのが合理的です。

ただし、これを手作業でやり切るのは現実的ではありません。初回来店の翌日にお礼、2週間後にリマインド、といった配信は自動化が前提になります。どのタイミングで何を送るかの具体例は、“あと一通”で再来店を生む｜LINE自動メッセージ11トリガー完全ガイドで詳しく整理しています。

2回目→3回目：習慣化を「見える化」で後押しする

2回目まで来たお客様は、店を悪く思っていません。あとは来店が習慣になるかどうかです。ここで効くのが、進捗が目に見える仕組みです。

スタンプがあと2個で特典に届く、という状態は「もう一度行く理由」になります。付与設計やマイルストーン報酬の考え方はスタンプカードは”設定”で伸びる｜ブーストデー・マイルストーン報酬で来店を最大化する上級活用ガイドにまとめてあります。

常連の維持：ランクで「離れにくさ」を作る

顧客維持率を支えるのは、日々の接客に加えて積み上げてきたものを手放したくないという感覚です。会員ランクはこれを設計で作る仕組みで、来店回数や利用金額に応じて自動でランクアップさせ、特典やリッチメニューを切り替えます。

運用の全体像は会員ランクを「自動」で回す完全ガイドをご覧ください。

休眠の復帰：離脱した320人を放置しない

モデルケースでは、半年で320人が来店しなくなりました。この層は「新規獲得より安く戻せる可能性がある資産」です。最終来店日で絞り込み、期限のあるオファーを届けるだけでも一定数は戻ります。

最終来店日での絞り込みとオファーの作り方は、最近来店がないお客様（休眠顧客）に刺さるクーポンを発行する方法で手順を解説しています。

ポイント： フェーズを混ぜて一斉配信すると、常連には「知っている情報」、新規には「わからない情報」が届き、どちらにも刺さりません。セグメントを分けることが、施策の質より先に効きます。

6. 計測を継続するための仕組みづくり

指標の話でいちばん多い失敗は、最初の1回だけ計算して終わることです。リピート率は水準そのものより、同じ定義で並べたときの推移に意味があります。

継続できる計測の3条件

紙のスタンプカードやExcel管理でこの3条件をそろえるのは、かなり難しいのが実情です。誰が何回来たかが個人単位で追えないと、そもそもF2転換率も顧客維持率も計算できません。

デジタル会員証にすると「計測」が副産物になる

LINE上のデジタル会員証を使うと、お客様が会員証を提示した瞬間に「誰が・いつ来たか」が自動で記録されます。 QRチェックインを使えば、来店1回のスキャンでポイント付与・スタンプ・カルテ・ランク判定までまとめて動きます。

つまり、計測のために特別な作業を増やすのではなく、日々のオペレーションの副産物としてデータが貯まる状態を作るのが現実的です。

Lメンバーズカードの分析ダッシュボードでは、顧客数の推移や来店の状況をそのまま画面で確認できます。どの数字をどう読むかは数字で次の一手を決める｜Lメンバーズカードの分析ダッシュボード読み解きガイドで解説しています。

月次で見るときの最小セット

毎月すべてを追う必要はありません。最初は次の3つだけで十分です。

ポイント： 指標は「増やす」より「同じ定義で続ける」ほうが価値があります。定義を書いたメモをスプレッドシートの1行目に固定しておくだけで、担当者が変わってもブレません。

7. よくある質問

Q. リピート率の目安は何%くらいですか？

A. 一般に語られる目安はありますが、業態や商圏、来店サイクルによって大きく異なるため、外部の平均値を自店の合格ラインにするのはおすすめしません。来店頻度が高い業態（飲食・コンビニなど）は数字が高く出やすく、来店間隔が長い業態（美容室の一部メニュー、クリニック、車検など）は同じ期間で測ると低く出ます。集計期間の長さでも変わります。比較すべきは他店の平均ではなく、自店の前年同期と前月です。

Q. 顧客維持率とリピート率は何が違うのですか？

A. 見ている母集団が違います。リピート率は「今期来た人の中で複数回来た人の割合」で、当期の中だけで完結します。顧客維持率は「前期に来た人が今期も来たか」を見るので、2つの期間をまたいで比較する指標です。前者は当期の顧客の厚み、後者は顧客基盤の流出を測ります。

Q. サブスクや月額会員の場合、計算方法は変わりますか？

A. 考え方は同じですが、サブスクでは在籍者数ベースの次の式がよく使われます。架空の例で計算してみます。期首の会員が500人、期中の新規入会が60人、期末の会員が530人だったとします。

顧客維持率 =(期末会員数 530人 − 新規入会 60人)÷ 期首会員数 500人 × 100 = 94.0%月次チャーンレート = 100% − 94.0% = 6.0%（解約 30人）検算：500人 − 30人 + 60人 = 530人

チャーンレートが月6%なら、平均継続期間は 1 ÷ 0.06 ≒ 約16.7ヶ月と概算できます。同じ「顧客維持率」という言葉でも来店ベースと在籍ベースで式が違うので、どちらの流儀かを明記してください。

Q. 会員登録していないお客様がいると、正しく計算できませんか？

A. 会員化されていない来店は個人が特定できないため、リピートかどうかを判定できません。この場合、分母（来店実人数）が正確に取れず、リピート率は実態より高めに出ます（同じ人の複数回来店が別人としてカウントされにくくなるため）。まずは会員登録率を上げることが、指標を正確にする前提条件になります。会計時に会員証提示を必ず案内する、初回登録に小さな特典を付ける、といった運用から始めるのが現実的です。

8. まとめ

• リピート率には統一定義がない。 同じモデルデータでも、分母の取り方次第で30%・15%・58.6%と変わる。まず「期間・分母・分子」を書き出して固定することから始める。
• 店舗がまず改善すべきはF2転換率（新規客の2回目来店率）。 抜けている人数が最も多く、新規集客の増減に左右されず、打ち手が初回前後30〜60日に集中するため検証しやすい。
• フェーズごとに効く施策は違う。 初回→2回目はスピードと再来店理由、2回目→3回目は進捗の可視化、常連維持はランクと特典、休眠は最終来店日ベースの掘り起こし。そして何より、同じ定義で計測を続けることが価値を生む。

これらの指標を正しく出すには、「誰がいつ来たか」が個人単位で自動的に記録される仕組みが欠かせません。Lメンバーズカードは、LINE上のデジタル会員証とQRチェックインで来店履歴を自動的に蓄積し、ポイント・スタンプカード・会員ランク・自動メッセージ・分析ダッシュボードまでを一つにまとめたサービスです。

計測と施策を別々のツールで回すのが負担になっている場合は、選択肢の一つとしてご検討ください。まずは自店のF2転換率を一度計算してみるところから始めてみてください。