Brazeの離脱予測は、何があれば動くのか

結論：Brazeの離脱予測は、要件を満たすイベントがあって動く

Brazeの離脱予測（Predictive Churn）を開いて予測を作ろうとしたら「Not enough data to train」と出た。作れたと思ったら、予測品質の値が低い。私たちが入る案件でも、この2つは起きます。

Brazeの離脱予測は、Brazeが公開している要件（ユーザー数・イベントの種類・期間）を満たすと動きます。要件は設定画面ではなく公式ドキュメントの側にまとまっているので、機能から入る判断は自然です。Braze公式ドキュメント「Troubleshoot Predictive Churn」（2026年9月16日取得）は、離脱予測の良し悪しは、モデルが利用できるデータと、ワークスペースに十分なユーザー数があるかで決まる、と書いています。ワークスペースとは、Brazeの中でアプリやブランドごとにユーザーとデータを分ける区画のことです（この説明は私たちのものです）。使えないときに先に見るのは、Brazeに送っているイベントの側です。

Predictive Churn（離脱予測）とは、Brazeの予測機能群「Predictive Suite」の1つで、自社にとっての「離脱」を定義し、引き留めたいユーザーを見つける機能です。予測を作ると、Brazeは過去の行動のパターンを機械学習モデルに学習させ、対象のユーザーに0〜100の離脱リスクスコアを付けます（出典：Braze公式ドキュメント「Predictive Churn」／2026年9月16日取得）。イベントとは「いつ・誰が・何をしたか」を1件ずつ記録するデータのことで、「カートに入れた」「商品を閲覧した」がその例です。

Brazeは、動かない条件と直し方を症状ごとに公開しています。動かない条件を先に出しているのは、使う側に心強い書き方です。この記事はそれを1枚にまとめ、管理画面でどこを見れば分かるかまでを書きます。

具体：ECアプリで、何があれば離脱予測が動くのか

ECアプリを例にします（私たちの作例です）。会員数は多い。ただ、Brazeに送っているのは会員ランクのような「カスタム属性」（その人がいまどうか、を1つ持つデータ）だけで、「カートに入れた」というカスタムイベントは送っていない。この状態で離脱予測を作るとどこで止まるかを、Brazeが示す確認の順番で並べました。

「Predictive Churn」と「Troubleshoot Predictive Churn」の2ページに数字として出てくるのはユーザー数のほうで、イベントに求められているのは件数ではなく「離脱リスクを表す行動が、カスタムイベントとして送られていること」という種類の条件です。作例のECアプリは、30万MAU（月間アクティブユーザー）を超えていても「カートに入れた」がイベントとして届いていなければ、離脱を「60日以内にカート追加が起きないこと」と定義できません。止まるのは4段目です。

打ち手1　離脱の定義を「60日以内に起きる1つのイベント」で書く

最初にやるのは設定ではなく文章です。「60日以内にカート追加のイベントが1回も起きないこと」のように、離脱を1文で書きます。この1文が書けると、Brazeに届いていなければならないイベントが1つに決まります。Brazeもデータ面の考慮事項として、どの高価値な行動が定着につながるか、その行動に対応するカスタムイベントを設定しているか、という問いを挙げています（出典：Braze公式ドキュメント「Troubleshoot Predictive Churn」／2026年9月16日取得）。会員ランクのような属性では、この1文は書けません。Braze公式ドキュメント「Troubleshoot Predictive Churn」の「Data considerations」（2026年9月16日取得）は「Predictive Churn works with custom events as opposed to custom attributes.（Predictive Churnは、カスタム属性ではなくカスタムイベントで動く）」と書いています（原文は原文［6］）。基幹システムからの連携が属性中心になるのは自然な設計で、属性はセグメント（条件で絞った配信対象）を作るのに使えます。属性とイベントの器の違いはBrazeを使いこなせないのは、機能の問題ではないで扱いました。

打ち手2　管理画面のプレビューで1つ作り、止まった場所のメッセージを読む

要件を満たしているかは、自分の管理画面で確かめられます。手順は4つです（画面の位置とプレビューの仕様は、Braze公式ドキュメント「Predictive Churn」／2026年9月16日取得。原文は原文［4］に置きました）。

1. 管理画面の「Analytics」にある「Predictions」を開く。フルアクセスにはアカウントマネージャーへの連絡が案内されていますが、購入前でもプレビューモードで使えます
2. プレビューで、自社のユーザーデータから離脱予測モデルを1つ作る（同時に1つまで。合成データによるデモも見られます。離脱リスクに応じた配信と、作成後の定期更新はできません）
3. 出たメッセージを読む。「Not enough data to train」なら離脱の定義が狭すぎる。「Not enough past non-churners」なら予測対象の定義が狭すぎるか、そもそもユーザー数が足りない。予測品質が39%以下なら、定義を具体的にするか期間を変える編集が必要になることがある（症状と直し方の対応は、Braze公式ドキュメント「Troubleshoot Predictive Churn」／2026年9月16日取得）
4. 定義を編集して作り直すか、退避して別の定義で作り、期待される予測品質を比べる

メッセージが出ず、予測品質も40%以上なら、Brazeの言う「良い状態」です。ここで初めて、離脱リスクの高い人にどう届けるかという配信の設計に進めます。

打ち手3　足りないイベントは、1つから足す。ただしデータポイントで数えられる

4段目で止まっていたら、イベントを足します。ここで「全部イベントにする」に行かないのが要点です。足すのは、打ち手1で書いた1文に出てくる行動に対応するイベントからです。カスタムイベントは、記録1件ごとにデータポイント（Brazeの契約上の課金単位）として数えられます（出典：Braze公式ドキュメント「Data points」／2026年8月19日取得）。送るイベントを増やすほど費用の側が動くので、離脱の定義に使う行動から順に足します。しきい値を満たすことと、費用を抑えることは、イベントを選ぶことで両立させます。しきい値とは、使えるかどうかの境目の数字です。この記事では30万MAU・60日・1億・40%の4つで、30万MAUと40%は下限、60日と1億は上限です。4つのうち、イベントの選び方が効くのは60日と40%です。

根拠：Brazeの公式ドキュメントは、離脱予測の要件をどう書いているか

要点を1行書いてから、訳を引用します。原文は末尾の「引用した原文」に置きました。

予測の良し悪しは、データと十分なユーザー数があるかで決まると書かれている

要点は「予測の良し悪しはデータと、十分なユーザー数があるかで決まる」です。トラブルシューティングのページの冒頭です。

Predictive Churn（そして、あらゆる機械学習モデル）は、モデルが利用できるデータ以上には良くなりません。また、ワークスペースに十分なユーザー数があることにも左右されます。

── Braze公式ドキュメント「Troubleshoot Predictive Churn」。原文は原文［1］（2026年9月16日取得）に置きました。

ワークスペースとは、Brazeの中でアプリやブランドごとにユーザーとデータを分けて管理する区画のことです（この説明は私たちのものです）。MAU（月間アクティブユーザー）は、Brazeの価格ページの説明では、デジタル上の体験を通じてブランドと能動的に接点を持つ顧客のことです（出典：Braze価格ページ／2026年8月19日取得）。

確認の順番が、5段で書かれている

要点は「機能ON＋ユーザー数、離脱の定義、予測対象、イベント、それでも直らなければサポートの順に見る」です。Brazeが標準の調査手順として示している順番です。

予測の作成に失敗するか、データや予測対象の要件で止まっているときは、この手順を使います。1から始めてください。①Predictive Churnが自社で有効になっていて、ワークスペースに十分なMAU（通常、1つのワークスペースに30万MAU）があることを確認する。②離脱の定義を見直す。フィルタが厳しすぎると、学習に使える離脱ユーザーが減る。③予測対象の定義を見直す。過去の非離脱者が少なすぎると、モデルの学習が止まる。④離脱リスクを示す高価値な行動を、カスタムイベント（カスタム属性のみではなく）が捉えていることを確認する。⑤定義を広げてもエラーが続くなら、Brazeサポートに連絡する。

── Braze公式ドキュメント「Troubleshoot Predictive Churn」の「Standard investigation path」。原文は原文［2］（2026年9月16日取得）に置きました。

④の括弧は原文にあるもので、属性を送ること自体を否定してはいません。属性のみでは足りない、という書き方です。図1の4段は、この①〜④をそのまま並べています。

品質のしきい値と、満たせないときに考えられる3つの原因が書かれている

要点は「40%以上なら良い状態。両方を満たせないなら、原因はデータ・ユーザー数・製品の周期のどれか」です。

モデルの予測品質が40%以上なら、良い状態です。ただし予測品質が39%以下に下がった場合は、離脱と予測対象の定義をより具体的にするか、異なる期間にする編集が必要になることがあります。予測の定義を組む際に予測対象の人数の要件を満たすことと、40%を超える予測品質を達成することの両方ができない場合、それはおそらく、Brazeに送られているデータがこのユースケースにとって理想的ではないか、モデルを作るのに十分なユーザーがいないか、あるいは自社の製品ライフサイクルが現在の60日の遡り期間で扱える範囲より長い、ということを意味します。

── Braze公式ドキュメント「Troubleshoot Predictive Churn」の「Prediction has poor quality」。原文は原文［3］（2026年9月16日取得）に置きました。

予測品質（prediction quality）は、Brazeの画面に出る値で、Brazeは40%以上を良い状態としています。何を表す値かの定義は、この記事では確認していません。モデルの品質については別ページ「Predictive Churn analytics」を参照するよう案内されています（未取得のため、40%が何を分母にした値かは扱いません）。3つの原因のうち、製品ライフサイクル（購買や利用の周期。この読み替えは私たちのものです）は配信の運用では動かせません。

Brazeの離脱予測について、よくある質問

Brazeの離脱予測（Predictive Churn）が使えないのは、なぜですか？

要件のどれかを満たしていないことが原因である場合が少なくありません。私たちが入る案件でも、最初は設定画面を見直します。ただ、開けてみると原因は送っているイベントの側にあった、ということが少なくありません。Braze公式ドキュメント「Troubleshoot Predictive Churn」（2026年9月16日取得）は、確認の順番を5段で示しています。①機能が有効で、ワークスペースに十分なMAU（通常30万）があるか ②離脱の定義が狭すぎないか ③予測対象の定義が狭すぎないか ④離脱リスクを表す高価値な行動を、カスタム属性のみでなくカスタムイベントで捉えているか ⑤それでも直らなければBrazeサポートへ。送っているイベントの側とは、この④のことです。基幹システムからの連携は属性中心になりやすく、それ自体は自然な設計です。イベントは、離脱の定義に使う行動から足せます。

「Not enough data to train」と出たら、何を直せばいいですか？

離脱の定義が狭すぎて、学習に使える離脱ユーザーが少ないときに出るエラーです。Braze公式ドキュメント「Troubleshoot Predictive Churn」は、離脱を定義する日数か行動、またはその両方を変えて対象を広げること、AND／ORのフィルタを正しく使って定義を厳しくしすぎないことを挙げています。あわせて、機能が会社単位で有効でも、ワークスペースによってはユーザー数が足りないことがあるとし、通常は1つのワークスペースに30万のMAUが必要としています。

予測品質が39%以下と出たら、何を見直せばいいですか？

Braze公式ドキュメント「Troubleshoot Predictive Churn」は、予測品質が40%以上なら良い状態、39%以下なら離脱の定義と予測対象の定義をより具体的にするか、期間を変える編集が必要になることがある、と書いています。予測対象の人数の要件と、40%を超える予測品質の両方を満たせない場合、原因は3つのどれかである可能性が高い、としています。①Brazeに送っているデータがこの用途に向いていない ②モデルを作るのに十分なユーザーがいない ③製品ライフサイクルが60日の遡り期間より長い、の3つです。

予測対象の人数に、上限や下限はありますか？

上限はあります。Braze公式ドキュメント「Troubleshoot Predictive Churn」は、予測対象の定義は1億ユーザーを超えられないとし、超えた場合は対象に条件を足すか、期間を変えることを挙げています。下限は人数ではなく症状で示されていて、対象が狭すぎると「Not enough past non-churners」（過去の非離脱者が足りない）という警告が出ます。その場合は日数や属性の種類、離脱を定義する行動を変え、それでも直らなければ余分な条件を外して作ることが案内されています。

Brazeの離脱予測は、購入前に試せますか？

試せます。Braze公式ドキュメント「Predictive Churn」（2026年9月16日取得）は、購入前にプレビューモードで使えるとしています。プレビューでは、自社のユーザーデータから離脱予測モデルを同時に1つ作れます。離脱リスクに応じた配信と、作成後の定期更新はできません。作った予測は編集して作り直すか、退避して別の定義で作り、期待される予測品質を比べられます。Brazeの価格ページ（2026年8月19日取得。プランの構成は改定されます）は、Braze Pro以上の項目に「Predictive AI capabilities」を挙げています。Predictive Churnがこの項目にあたるかは、契約時に確認する項目です（この対応づけは私たちの読みです）。

出典と、書けなかったこと

引用した原文