集客の第一原理

たった1つの不等式から、すべてを組み立てる

5つの原理と、そこから導かれる構造的な判断基準

集客に"無料"は存在しない

"無料集客"の実態

毎日2時間 × 30日 = 60時間

× 時給3,000円

= 月180,000円

月18万円の広告を、
ROI未計測で回している

LTV / CAC > 3

LTV = 顧客生涯価値

1人の顧客が生涯で払う総額

CAC = 顧客獲得コスト

1人を獲得するのにかかった総コスト

> 3 なら構造的に健全。< 3 なら構造的に赤字。

"無料"の正体を数値化する

CAC = (時間コスト + 金銭コスト) ÷ 獲得顧客数

時間コスト = 月間投下時間 × 機会費用時給

機会費用時給の3つの基準

現在の本業時給
目標月収 ÷ 稼働可能時間
最低賃金

計算例

投下時間: 40時間/月

時間コスト: 40h × 3,000円 = 120,000円

ツール代: 6,500円/月

獲得顧客: 2人

CAC = (120,000 + 6,500) ÷ 2 = 63,250円

LTV = 60,000円の場合

LTV / CAC = 60,000 ÷ 63,250 = 0.95

この場合、集客すればするほど赤字になる構造

この不等式を改善する方法は
5つしかない

不等式を改善する5つの原理

LTV / CAC > 3

CAC ↓

LTV ↑

計測基盤

1. 注意獲得効率

2. 信頼転換率

3. 拡散CAC→0

4. 想起リピート・紹介

5. 初期獲得不等式を計算可能に

原理 1: 注意

なぜ、同じことを言っている投稿は
スクロールで飛ばされるのか?

原理 1

注意は有限の物理量である

不等式への作用: CAC ↓（注意獲得効率の向上）

Shannon 情報理論（1948）

情報量 = 予測不可能性。
予測できる内容は情報量ゼロ。

Herbert Simon 希少資源論（1971）

「情報の豊富さは注意の貧困を生む」

原理 1 → 応用

戦略

注意の獲得効率を最大化する

戦術

1. 情報的驚きの設計
2. 注意の集中投下（べき乗則）

施策

競合が言わないことをリスト化 / 1投稿あたりの情報量を最大化

原理 1: 施策例

「情報的驚き」の設計

情報量 = 0

「継続が大事です」
「行動しましょう」
「まずはやってみよう」

予測可能 = スクロールされる

情報量 > 0

「Instagramの滞在時間は平均33分。その中で表示される投稿は約300件。1件あたり6.6秒」

予測不可能 = 手が止まる

Shannonの定義: 情報量は「受け手の予測を裏切る度合い」で決まる

原理 2: 信頼

なぜ、"月収100万"と書いても
誰も信じないのか?

原理 2

信頼は"偽造コスト"で決まる

不等式への作用: CAC ↓（転換率の向上）

Akerlof レモン市場理論（1970 / ノーベル賞）

品質不明の市場では良品が駆逐される。

Spence シグナリング理論（1973 / ノーベル賞）

信頼はコストのかかる行動でしか証明できない。

原理 2

副業系・稼ぐ系はレモン市場

良品（実力ある発信者）

実績はあるが、外からは見分けがつかない

粗悪品（誇張する発信者）

同じ言葉、同じ見た目、同じ数字を使う

↓ 区別不能

買い手は「全員怪しい」と判断 → 市場全体の信頼が崩壊

だからこそ「偽造コストの高いシグナル」が必要になる

原理 2 → 応用

戦略

偽造コストの高いシグナルを意図的に設計・蓄積

戦術

1. Build in Public
2. 不利情報の自己開示
3. 第三者検証可能な実績

施策

作業ログ定点観測 / 確定申告書の一部・クライアント推薦文

原理 2: 施策例

Build in Publicの設計

偽造コスト: 低い

「月収100万達成!」
「クライアント多数!」
「自由な生活を実現!」

誰でも書ける = シグナルにならない

偽造コスト: 高い

「先月の売上347,200円。内訳は...」
「今月の解約率が8.2%に上昇。原因は...」
「施策Aを2週間試して効果なし。次は...」

継続的な開示 = 偽造困難

ここまでがCACを下げる話。

ここからCACをゼロに近づける話。

原理 3: 拡散

"バズ"は運なのか?

原理 3

K > 1 を設計すれば、CACはゼロに向かう

不等式への作用: CAC → 0（自己増殖による獲得コスト消滅）

SIRモデル（感染症疫学）

拡散は感染症と同じ数式で記述される。

Bass 拡散モデル（1969）

イノベーター効果 → 模倣効果へ遷移する。

K = 招待数 × 転換率

K > 1 → 指数関数的に拡大 / K < 1 → 必ず減衰

原理 3

5つのバイラル型

Calendly型

使うだけで広がる

Loom型

成果物が広告

Dropbox型

紹介インセンティブ

Hotmail型

署名埋め込み

Figma型

共同作業

原理 3 → 応用

戦略

K > 1 のバイラルループを埋め込む

戦術

1. コンテンツ自体に拡散構造を持たせる
2. 共有のハードルを下げる
3. 共有インセンティブの設計

施策

引用RTのCTA設計 / コンテンツ署名の埋め込み / テンプレート配布

ここからLTV、
つまり不等式の分子を大きくする話。

原理 4: 想起

"知っている"のに、
なぜ思い出してもらえないのか?

原理 4

"知られている" ≠ "思い出される"

不等式への作用: LTV ↑（リピート・紹介の増加）

Byron Sharp メンタルアベイラビリティ（2010）

購買は想起できたブランドから選ばれる。

CEP（カテゴリーエントリーポイント）

想起のきっかけとなる場面・感情・状況。

BJ Fogg 行動モデル

B = M × A × P

動機 × 能力 × きっかけ

原理 4 → 応用

戦略

特定CEPで「最初に想起される存在」になる

戦術

1. CEPの特定と独占
2. 一貫したメッセージ反復
3. 摩擦の除去

施策

全投稿を1つのCEPに紐づけ / CTAの摩擦を段階的に削減

原理 4: 施策例

CEP（カテゴリーエントリーポイント）の設計

「どんな場面で思い出されたいか」を定義する

SNS投稿に悩んだとき

→ あの人の投稿設計の話

売上が伸び悩んだとき

→ あの人のLTV/CACの話

競合が増えたと感じたとき

→ あの人の差別化の話

集客方法を変えたいとき

→ あの人の原理の話

CEPが多いほど想起の確率が上がる。ただし一貫性がないと記憶に残らない。

原理 5: 初期獲得

最初の100人は、
どこから来るのか?

原理 5

ゼロ → 1は、別の物理法則が支配している

不等式への作用: 計測基盤（LTV/CACを計算可能にする）

Paul Graham "Do Things That Don't Scale"（2013）

初期は手作業が最も効率的。

Peter Thiel Power Law

1つの勝ちチャネルが全体の80%を生む。

手作業で獲得

→

データ蓄積

→

LTV/CAC計測

→

拡大判断

原理 5 → 応用

戦略

最初の100人は手作業で獲得し、同時にLTV/CAC計測基盤を構築

戦術

1. Collison Installation
2. 競合不満ユーザーへの直接アプローチ
3. 1on1通話

施策

競合投稿のネガティブリプ者にDM / 最初の30人全員と通話

原理 5: 施策例

Collison Installation

Stripe創業者が実践した「強引なオンボーディング」

相手が「興味ある」と言う

「後で登録してください」とは言わない

その場でPCを借りて、一緒にセットアップする

離脱ポイントをゼロにする

「興味がある」と「使い始める」の間にある摩擦を、手動で消す

5つの原理と不等式の関係

原理	科学的根拠	不等式への作用
1. 注意	Shannon / Simon	CAC ↓ 獲得効率
2. 信頼	Akerlof / Spence	CAC ↓ 転換率
3. 拡散	SIR / Bass / K係数	CAC → 0 自己増殖
4. 想起	Sharp / Fogg	LTV ↑ リピート・紹介
5. 初期獲得	Graham / Thiel	計測基盤

LTVを上げるのか? CACを下げるのか?
どちらでもなければ、やらなくていい。

月1回、この数字だけ見る

1

計測

新規顧客数 / 投下時間+費用 (CAC) / 顧客あたり累計売上 (LTV推定)

2

判断

LTV/CAC > 3 → 追加投資 / < 3 → 原理診断へ

3

診断

注意が足りないのか? 信頼が足りないのか? 拡散構造がないのか? 想起されていないのか? 母数が足りないのか?

月1回この計算をするだけで、判断の精度が上がる

原理は変わらない

Shannon（1948）
Bass（1969）
Akerlof（1970）
Simon（1971）
Spence（1973）
Sharp（2010）

プラットフォームが変わっても、時代が変わっても、
この不等式は同じように機能する。

明日やること: LTV/CACを計算する

Thank You

[連絡先をここに記載]
[次のステップ・導線をここに記載]