AEOで解約防止を進める実践法|AI活用と顧客維持の要点

独自のデータとアプローチ、AIを高度に活用し、
伴走型のプロジェクト支援を得意とするコンサルティングファーム

サブスクリプション事業において、新規顧客の獲得に比べ既存顧客の維持はしばしば後回しにされがちです。しかし、新規獲得コストは既存顧客の維持コストの約5倍に達するとされ、解約率の改善は利益率やLTVに大きく影響します。解約防止は単なる顧客対応の問題ではなく、事業成長の持続性を左右する経営課題です。本記事では、解約理由と予兆の構造を読み解き、カスタマーサクセスやAI予測を組み合わせた実践的なアプローチを整理します。さらに、施策を組織として推進するための体制づくりや効果測定の考え方まで取り上げます。自社の収益構造を見直し、顧客維持を競争優位につなげるための視点としてご活用ください。

解約防止がサブスクリプション事業の成長を左右する理由

新規獲得コストと既存顧客維持の経済性

サブスクリプション事業において、新規顧客の獲得には多額のマーケティング費用と営業工数が必要です。一般に新規顧客獲得コストは既存顧客維持コストの約5倍とされ、獲得後に解約される顧客が増えるほど、投下した広告費や営業費用は回収できないまま失われていきます。特に売上高100億円を超える規模では、解約による機会損失が経営指標に直接影響します。既存顧客の維持はコスト構造の改善に直結する経営課題として捉える必要があります。

解約率の改善が利益率とLTVに与える影響

解約率の改善は、利益率と顧客生涯価値(LTV)の双方に大きな影響を与えます。顧客の離反率を5%抑えるだけで利益率が約25%改善するとされ、解約率を1%改善するとLTVが約2倍になる試算もあります。サブスクリプションモデルでは、売上の積み上げが契約継続期間に依存するため、解約率の低下はそのまま収益の複利効果につながります。経営層は解約率を単なるサービス指標ではなく、事業価値を左右する主要な財務指標として扱うべきです。

リテンションマーケティングの位置づけと経営課題としての重要性

解約防止は、既存顧客の維持と関係深化を目的とするリテンションマーケティングの中核に位置づけられます。AI検索が普及する現在、顧客は検索や生成AIの回答を通じて比較検討を行い、既存サービスの評価も外部情報によって左右されやすくなっています。そのため、解約防止はカスタマーサクセス、マーケティング、営業が連携して取り組む全社的な仕組みとして設計することが求められます。

解約の実態を把握する:解約理由と予兆の構造

解約理由の典型パターンと価格・効果・乗り換えの関係

解約理由には一定の典型パターンがあります。代表的なものは「価格に対する不満」「期待した効果が得られなかった」「他社サービスへの乗り換え」の3つです。価格不満は、価値を十分に実感できていない顧客が費用対効果を疑う際に生じやすく、効果不足は導入後の活用支援が不十分な場合に表面化します。乗り換えは、競合サービスの訴求が顧客の課題認識と合致したときに発生します。これらは独立した要因ではなく相互に関連するため、解約理由を単一の項目で分類せず、成果の可視化や活用状況と組み合わせて分析することが重要です。

サポート体制と利用定着の欠如がもたらす離反

サポート体制の不備や、商品を使いこなせない状態が続くことも、解約の大きな要因です。顧客が導入後に機能の意味や業務への組み込み方を理解できなければ、利用頻度は低下し、契約更新の判断時に解約が選ばれやすくなります。特に担当者の交代が起きた場合、利用定着の度合いによって離反リスクは大きく変わります。顧客との接触頻度を高め、活用状況を継続的に確認する体制を整えることが、解約の予防において有効です。

解約予兆を捉えるヘルススコアの設計

解約を未然に防ぐためには、予兆を早期に捉えるヘルススコアの設計が欠かせません。ヘルススコアは、ログイン頻度、機能利用の範囲、サポート問い合わせの推移、契約規模の変化などを組み合わせて顧客の健全性を数値化する指標です。BtoB SaaSでは、申し出後の引き止めではなく、予兆の段階で介入することが成果を左右します。スコアの設計では、解約者の過去データを基に重み付けを行い、定期的に予測精度を検証することが求められます。

3. 解約防止を実現する実践アプローチ

カスタマーサクセスを軸にした顧客成果の可視化

解約防止の実効性は、顧客が自社サービスから得ている成果をどれだけ明確に把握し、示せているかに大きく左右されます。カスタマーサクセスは、契約後の顧客が目標を達成できるよう伴走する機能であり、解約防止の中核を担います。重要なのは、導入後の利用状況を顧客ごとの成果指標に翻訳して可視化する仕組みを持つことです。利用頻度やログイン数といった活動指標だけでなく、顧客の業務課題がどの程度解消されたかを示す成果指標を設計し、定期的にレポートとして提示することが求められます。

また、顧客成果の可視化は、担当者の交代や社内での予算見直しの場面において、契約継続の根拠を社内に示す材料にもなります。経営層に対しても、サービスの価値を金額換算して説明できる状態をつくることが、解約率の抑制につながります。

5:25の法則と1:5の法則に基づく顧客セグメント別の施策配分

施策の効率を高めるには、顧客のセグメントごとに投じる経営資源を最適化する必要があります。一般に、既存顧客の上位5%が利益の25%を生み出すとされる5:25の法則や、新規顧客への投資と既存顧客への投資の関係を示す1:5の法則は、限られたリソースの配分を考える際の目安になります。すべての顧客に同じ密度で対応するのではなく、収益貢献度や解約リスクの高さに応じて、手厚い伴走を行う層と自動化されたコミュニケーションで対応する層を分けて設計することが重要です。

特に売上高100億円以上の企業では、顧客数が多く、セグメントごとの特性も複雑になりがちです。経営判断としては、どの層に対してどの水準の施策を配分するかを明文化し、定期的に見直す体制を整えることが求められます。

アップセルとリテンションを両立させるサブスクリプション設計

アップセルは既存顧客からの売上拡大につながる一方、無理な提案は顧客の不満を高め、解約の引き金になりかねません。リテンションとアップセルを両立させるためには、顧客が現在のプランで十分な成果を得た段階で、次の利用段階に進める提案を行う設計が必要です。プランの階層や機能の追加を、顧客の成長段階に沿って設計することで、解約防止と収益拡大を同時に実現できます。

サブスクリプション設計の段階で、価格体系と提供価値のバランスを検証しておくことも欠かせません。価格に対する不満は解約理由の代表的な要因であるため、価格の妥当性を成果との関係で説明できる設計が求められます。

4. AIを活用した解約予測と施策の高度化

AI予測モデルによる解約リスクの早期検知

解約防止の成否は、解約の兆候をどれだけ早く検知できるかに依存します。AI予測モデルは、ログイン頻度の低下、サポート問い合わせの増加、特定機能の利用停止といった複数の行動データを組み合わせ、解約リスクの高い顧客を事前に特定することができます。従来の担当者の経験や勘に頼った判断と比べ、大量のデータを横断的に分析できる点が大きな強みです。

一方で、AI予測モデルは学習データの質に依存するため、解約理由の記録が正確に蓄積されていなければ精度は上がりません。解約理由を構造化して記録し、予測結果と実際の解約実績を照合する運用を続けることが、モデルの信頼性を高める前提となります。

ECサイトやSaaSにおけるデータ活用の要点

ECサイトとSaaSでは、顧客の行動データの性質が異なるため、データ活用の設計も変える必要があります。ECサイトでは購買頻度や購買単価の変化が、SaaSでは機能利用の定着度やユーザー数の推移が、解約リスクを示す重要なシグナルになります。自社のビジネスモデルに合わせて、どの指標を予兆として扱うかを定義することが第一歩です。

また、データ活用を単なる分析で終わらせず、CRMやカスタマーサクセスの業務フローに組み込むことが重要です。検知されたリスクに対して、誰がどの時点で、どのような施策を実行するかが明確でなければ、データは成果につながりません。

予測分析の精度向上と現場運用への組み込み

予測分析の精度は、一度構築すれば完了するものではありません。市場環境や顧客の行動は変化するため、定期的にモデルを再学習させ、予測精度を検証し続ける運用体制が欠かせません。予測結果を現場の担当者が納得して使える形で提示することも重要で、解約リスクの根拠を説明できる仕組みがあると、現場での活用が進みます。

AI検索時代においては、データを基にした意思決定の速さと精度が、企業の競争力を左右します。予測分析を営業、マーケティング、カスタマーサクセスの各部門が共有する指標として位置づけることが、組織全体での解約防止体制の確立につながります。

解約防止施策の推進体制と成果測定

部門横断の推進体制とKPI設計

解約防止は、マーケティング、営業、カスタマーサクセス、プロダクト開発、経営企画などが個別に取り組むだけでは成果が限定されます。解約の要因が価格、機能、サポート、利用定着に分散しているため、部門の壁を越えて顧客データを共有し、共通のKPIで評価する体制が必要です。経営層が解約率を経営指標として位置づけ、責任部門を明確にすることが推進力の源泉となります。

KPIは解約率だけでなく、ヘルススコア分布、利用定着率、アップセル転換率、LTVを組み合わせて設計します。解約率は結果指標であり、施策の先行指標として定着度や予兆の件数を並べて管理することで、改善の方向性を早期に把握できます。

施策効果の検証とPDCAサイクルの運用

施策の効果は、対象顧客と非対象顧客を比較するホールドアウトなどの手法で検証します。解約防止施策は効果が出るまでの期間が長いため、月次で解約理由や予兆の変化を追い、四半期単位で施策の優先順位を見直す運用が現実的です。AI検索時代においては、自社の情報が顧客の検討段階でどのように参照されているかも指標に加え、マーケティングや営業の仕組みを一体で改善することが求められます。

解約防止の失敗パターンと回避策

典型的な失敗は、解約申し出後の引き止めに依存し、予兆の段階で介入できていないことです。また、データを保有していても部門間で共有されず、現場の行動に結びつかないケースも多く見られます。回避策として、解約理由の分類を全社で統一し、顧客接点の記録を一元管理することが有効です。さらに、施策の成否を属人的な判断に委ねず、定義された指標で評価する仕組みを整えることが重要です。

AIO領域における解約防止施策の検討について

成果報酬型AIOサービスという選択肢

AI検索の普及により、顧客が製品やサービスを比較検討する際の情報源は大きく変化しています。自社の提供価値がAIの回答に正しく反映されていなければ、解約前の段階で競合に比較され、既存顧客の期待値とも乖離が生じやすくなります。こうした環境変化に対応するため、AI推薦を対象とした施策を解約防止の一部として検討する企業が増えています。

コネクタブルーの成果報酬型AIOサービスは、ビジネスとWebマーケティングの両面から最適な対策を実施し、成果に応じて費用が発生する仕組みです。AIOに関する費用相場は年間1000万円から5000万円であり、成果報酬型を選択することで投資リスクを抑えながら取り組みを開始できます。

導入判断に必要な評価基準と留意点

導入判断では、AI推薦獲得率、対象となる事業領域との適合性、社内体制との整合性を確認することが重要です。コネクタブルーの成果報酬型AIOサービスは、特長として以下の3点を備えています。

  • ビジネスとWebマーケティングの両方の視点で最適な対策を実施
  • 成果報酬型により投資リスクを最小化
  • AI推薦獲得率70%以上

一方で、AIOは単独の施策で完結するものではなく、解約防止のKPIや顧客データ活用と連動させてこそ効果を発揮します。自社の推進体制と照らし合わせながら、段階的に導入を検討することが望ましいといえます。

AI検索で、選ばれる企業へ。

  • AIO

    AI Optimization

  • GEO

    Generative Engine Optimization

  • LLMO

    Large Language Model Optimization

AIO

AI Optimization

GEO

Generative Engine Optimization

LLMO

Large Language Model Optimization

成果報酬型

AI検索最適化サービス

ChatGPT・Gemini・Copilot・Claude・Perplexityなどの生成AIで
貴社が紹介・推薦される状態を実現します。

Get In Touch

私たちは少数精鋭を是とし、お客様の課題に合わせた進め方を設計し、伴走支援を行うことを特徴としています。その上で、独自のAIツールを用いてコンサルティング×AI活用により唯一無二の価値提供を行います。

もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。
私たちは少数精鋭を是とし、お客様の課題に合わせた進め方を設計し、伴走支援を行うことを特徴としています。その上で、独自のAIツールを用いてコンサルティング×AI活用により唯一無二の価値提供を行います。

もし、新たなテーマへの挑戦や、現状からの抜本的な改革などで悩まれている場合には、是非お気軽にお問合せ下さい。
ご面談においてサービス内容や費用感はもちろんのこと、課題解決に向けた初期仮説なども含めて、丁寧に、誠実にご説明させて頂きますので、それだけでも価値を感じて頂けると思います。

Contact

よくある質問(FAQ)

解約防止とは何か、どのような意味を持つのですか?

解約防止とは、既存のユーザーや顧客がサービスを継続利用するように働きかける取り組みを指します。マーケティングの分野では、リテンションマーケティングと呼ばれ、ユーザーの維持を目的とする施策として位置づけられています。解約防止策はリテンションマーケティングの一環であり、既存ユーザーとの関係を維持・強化することで、安定した売上を目指すために重要な役割を果たします。

解約防止の重要性は、新規顧客獲得コストと既存顧客維持コストを比較すると明確になります。新規ユーザー獲得は既存ユーザー維持の5倍のコストがかかるとされており、既存顧客を維持することは事業運営において極めて効率的な手段です。また、解約率を5%改善すると利益率が25%向上するというデータもあり、解約防止は新規ユーザー獲得と同じくらい重要な経営課題であるといえます。

特にサブスクリプションビジネスやBtoB SaaSにおいては、解約率が事業の成長を左右する重要指標です。売上高100億円以上の企業においては、解約防止を経営戦略の中核に位置づけ、全社的に取り組むことが求められます。解約防止の取り組みを適切に進めることで、LTVの向上や安定した収益基盤の構築につながります。

解約防止の具体的な施策にはどのようなものがありますか?

解約防止の具体的な施策は、顧客の解約理由や利用状況に応じて複数の手法を組み合わせて実施することが効果的です。まず、既存顧客との接触頻度を増やすことが解約防止につながります。定期的なコミュニケーションを通じて、顧客がサービスの価値を実感できる機会を設けることが重要です。また、解約を防ぐためには顧客への成果の可視化が欠かせません。サービスの利用によってどのような成果が得られたかを数値やレポートで示すことで、顧客の継続利用の判断を支援できます。

さらに、解約防止施策は解約理由の把握を起点として設計することが求められます。解約理由を把握することが解約防止に重要であり、解約理由の分析結果をもとに、サービス改善や施策の優先順位を決定します。たとえば、解約理由として「期待した効果が得られなかった」や「価格に対する不満」が多い場合には、導入支援の強化や料金プランの見直しといった対策が考えられます。

カスタマーサクセスの体制を整備し、顧客の活用状況を継続的に把握することも有効な施策です。既存顧客の利用頻度や機能の利用状況を分析し、課題が見られる顧客に対して個別に支援を行うことで、解約のリスクを低減できます。これらの施策を組み合わせ、PDCAサイクルを回しながら改善を続けることが、解約防止の実効性を高めるポイントです。

サブスクリプションビジネスで解約率を下げる方法はどのようなものですか?

サブスクリプションビジネスで解約率を下げるためには、顧客の利用実態を正確に把握し、適切なタイミングで働きかけることが重要です。サブスクリプションモデルは継続課金によって収益を得る仕組みのため、解約率の低下がそのまま事業の安定性に直結します。解約率を1%改善するとLTVが2倍になるというデータもあり、解約率の改善は収益性を大きく左右する要素です。

具体的な方法としては、まず解約理由を体系的に収集し分析することが挙げられます。解約理由は「価格に対する不満」が多い傾向にあり、他社サービスへの乗り換えが解約理由の一つとして挙がることもあります。また、サポート体制の不備や、商品を使いこなせないことが解約理由の一因となるケースも見られます。これらの解約理由を分類し、それぞれに適した対策を講じることが求められます。

さらに、アップセルやクロスセルといった施策を通じて、顧客により高い価値を提供することも解約率の低下に寄与します。自社の機能や商品を顧客の課題に合わせて提案することで、サービスへの満足度を高め、継続利用につなげることができます。サブスクリプションビジネスの解約率を改善するには、単発の施策ではなく、顧客ライフサイクル全体を通じた継続的な取り組みが必要です。

AIを使った解約予測の仕組みはどのようなものですか?

AIを使った解約予測は、顧客の行動データを分析し、解約の可能性が高い顧客を事前に特定する仕組みです。AIによる予測分析ツールは、顧客データから解約の傾向を抽出し、対策が必要な顧客を可視化します。AIが顧客の行動データを分析し、解約リスクの高い顧客を事前に特定することが可能になり、近年では解約予測を活用した解約防止策が急速に普及しています。

解約予測の具体的な仕組みとしては、ログイン頻度の低下、サポート問い合わせの増加、特定機能の利用停止など、複数の指標を組み合わせて解約リスクを算出します。これらの指標は単独では解約の判断材料になりにくいものの、AIが複数の要素を統合して分析することで、解約の予兆をより精度高く検知できます。予測モデルは過去の解約データをもとに学習し、継続的に精度を高めていくことができます。

AIによる解約予測を導入することで、担当者は解約リスクの高い顧客に優先的に対応できるようになります。データ分析の結果をもとに、顧客ごとに適切なアプローチを選択できる点が大きなメリットです。ただし、予測結果を有効に活用するためには、AIの出力を鵜呑みにせず、現場の知見と組み合わせて判断することが重要です。

解約の予兆を早期に見つけるにはどうすればよいですか?

解約の予兆を早期に見つけるためには、顧客の利用状況を継続的にモニタリングし、変化の兆候を見逃さない体制を整えることが重要です。解約は突然起こるものではなく、多くの場合は利用頻度の低下や問い合わせ内容の変化といった予兆を伴います。BtoB SaaSの解約防止は、申し出後の引き止めではなく、予兆の早期発見とフェーズに応じた介入で成果が決まるといえます。

具体的な方法としては、ヘルススコアを活用した顧客の健康度の可視化が有効です。ヘルススコアとは、顧客の利用頻度や機能の利用状況、サポートとの接触状況などを点数化し、顧客の状態を数値で把握する指標です。ヘルススコアの設計から始めることで、解約の予兆を客観的に検知しやすくなります。

また、AIが顧客の行動データを分析し、解約リスクの高い顧客を事前に特定する仕組みを導入することも効果的です。ログイン頻度の低下やサポート問い合わせの増加、特定機能の利用停止などを複数組み合わせて監視することで、早期の段階でアプローチを開始できます。予兆を捉えた後は、担当者が顧客の状況に応じて個別に対応することで、解約を未然に防ぐことが可能になります。

解約理由を分析して改善につなげる方法はどのようなものですか?

解約理由を分析して改善につなげるためには、解約理由を正確に収集し、その傾向を体系的に整理することが出発点となります。解約防止には解約理由の把握が重要であり、解約理由の分析結果をサービス改善に役立てる必要があります。解約理由を把握することが解約防止の基盤であり、ここで得られた知見が今後の施策の方向性を決定します。

解約理由の代表例としては、「期待した効果が得られなかった」「価格に対する不満」「他社サービスへの乗り換え」「サポート体制の不備」「商品を使いこなせないこと」などが挙げられます。これらを分類し、どの理由が多いのかを定量的に把握することで、改善の優先順位を明確にできます。たとえば、サポート体制の不備が多い場合には問い合わせ対応の強化を、使いこなせないことが多い場合には導入支援やオンボーディングの充実を検討します。

アンケート結果や解約時の聞き取り内容を継続的に蓄積し、分析結果を開発部門や営業部門と共有することも重要です。解約理由の分析を一過性の作業で終わらせず、サービス改善のサイクルに組み込むことで、解約率の継続的な低下が期待できます。経営層に対しても、解約理由の分析結果とその対応状況を定期的に報告し、全社的な改善活動として推進することが求められます。

カスタマーサクセスが解約防止に果たす役割は何ですか?

カスタマーサクセスは、顧客が製品やサービスから最大限の成果を得られるよう支援する職種であり、解約防止において中核的な役割を担います。カスタマーサクセスの担当者は、顧客の利用状況を把握し、課題の解決や活用の促進を通じて、顧客の満足度と継続利用を高める役割を果たします。BtoB SaaSにおいては、カスタマーサクセスの体制が解約率に大きく影響するため、重要性が一層高まっています。

カスタマーサクセスが解約防止に寄与する具体的な役割は、顧客の成果の可視化と活用支援にあります。サービスの利用によってどのような成果が得られたかを定期的に示し、顧客が価値を実感できるようサポートします。また、既存顧客の利用状況を分析し、課題が見られる顧客に対して個別にアプローチすることで、解約リスクを低減できます。

さらに、カスタマーサクセスは顧客の声を社内にフィードバックする橋渡し役としても機能します。顧客から寄せられる要望や不満を開発部門や経営層に伝えることで、サービス改善につなげることができます。カスタマーサクセスの担当者と営業、開発、マーケティングの各部門が連携することで、解約防止の取り組みがより実効性の高いものになります。

5 25の法則とは何ですか?

5 25の法則とは、顧客の離反率をわずか5%改善すると、企業の利益が25%以上向上するという考え方です。この法則は、既存顧客の維持がいかに収益性に直結するかを示す指標として、解約防止の重要性を説明する際によく用いられます。解約防止策によって解約率が下がってきている現状を踏まえると、この法則は多くの企業にとって実践的な示唆を与えるものです。

5 25の法則が注目される背景には、新規顧客獲得コストが既存顧客維持コストの5倍かかるという構造があります。新規顧客の獲得には広告費や営業コストが必要ですが、既存顧客の維持は相対的に低いコストで実現できます。そのため、わずかな離反率の改善であっても、利益に大きなインパクトをもたらすことになります。

解約防止の取り組みを検討する際には、5 25の法則を念頭に置き、自社の離反率と利益率の関係を試算することが有効です。売上高100億円以上の企業においては、わずかな解約率の改善が大きな経営効果を生むため、全社的な解約防止の仕組みづくりに積極的に投資する価値があるといえます。

リテンションマーケティングとアップセルの違いは何ですか?

リテンションマーケティングとアップセルは、いずれも既存顧客との関係を深める施策ですが、目的と手法が異なります。リテンションマーケティングはユーザーの維持を目的とし、顧客が離脱せずに継続利用するよう働きかける取り組みを指します。解約防止策はリテンションマーケティングの一環であり、解約の予兆を捉えて顧客との関係を維持することに主眼を置いています。

これに対してアップセルは、既存顧客により上位のプランや高単価の商品、追加機能などを提案し、顧客単価を高めることを目的とした施策です。アップセルは顧客の利用状況や課題に合わせて提案を行うことで、顧客満足度の向上と売上拡大を同時に狙うことができます。ただし、顧客のニーズとかけ離れた提案を行うと、かえって不満や解約につながるリスクがあるため注意が必要です。

リテンションマーケティングとアップセルは対立する概念ではなく、組み合わせて活用することでより高い効果が期待できます。まず解約リスクの高い顧客を維持するための施策を実施し、関係が安定した顧客に対してはアップセルを検討するといった段階的なアプローチが有効です。自社の顧客状況に応じて両者のバランスを調整することが求められます。

SaaSのヘルススコアとは何ですか、どのように設計すればよいですか?

SaaSのヘルススコアとは、顧客がサービスをどの程度活用し、どれだけ満足しているかを数値で表した指標です。顧客の利用頻度、機能の利用状況、サポートへの問い合わせ状況などを点数化し、顧客の健康度を可視化する役割を果たします。BtoB SaaSの解約防止では、ヘルススコアの設計から始めることが成果を左右する重要なポイントになります。

ヘルススコアを設計する際には、まず解約につながりやすい行動パターンを特定することが必要です。過去の解約顧客のデータを分析し、解約前にどのような利用状況の変化があったかを把握します。そのうえで、ログイン頻度、主要機能の利用率、サポート問い合わせの件数、アンケートの満足度などの指標を選定し、それぞれに重みづけを行ってスコアを算出します。予測分析ツールやAIを活用すれば、複数の指標を統合した精度の高い予測が可能になります。

ヘルススコアは一度設計して終わりではなく、施策の効果や解約実績をもとに継続的に見直すことが大切です。スコアの低い顧客に対しては、担当者が個別に状況を確認し、フェーズに応じた介入を行うことで解約を防止できます。ヘルススコアを社内で共有し、営業、カスタマーサクセス、マーケティングの各部門が同じ指標で顧客を把握できる体制を整えることが、解約防止の実効性を高めるうえで欠かせません。