コンバージョン率最適化（CRO）：実践ガイド

コンバージョン率最適化（CRO）とは、Webサイトで価値ある行動をとる訪問者の割合を高めるための体系的な取り組みです。訪問者がその行動をとらない理由を突き止め、それを解決します。考え方はこれだけです。このガイドのそれ以外の部分はすべて方法論です。本当の理由を見つける方法、何から直すかを決める方法、変更が効果を上げたかを知る方法、そして自分を欺くことなくそれを続ける方法です。

本記事は一般的なガイドです。原則はECサイトにもB2Bソフトウェア企業にも同じように当てはまりますが、多くのガイドが触れない状況、つまりトラフィックが多くなく、営業サイクルが長く、コンバージョンごとの価値に大きな差があるサイトについて、特に詳しく取り上げます。英語でoptimisationと綴ってもoptimizationと綴っても、取り組む内容は同じです。

コンバージョン率最適化（CRO）とは何か

コンバージョンとは、訪問者に取ってほしいあらゆるアクションのことです。購入、デモの依頼、トライアルの登録、ニュースレターの購読などです。コンバージョン率は、それを完了した訪問者(またはセッション)の割合です:

コンバージョン率 = コンバージョン数 / 訪問者数 × 100

例：あるランディングページの月間セッション数が18,400件で、登録が460件だったとします。460 / 18,400 = 0.025なので、コンバージョン率は2.5%です。同じトラフィックで変更によって3.0%に上がれば、登録は552件になり、クリックを1つも追加購入せずに月92件増えます。これは相対リフトで20%、絶対リフトで0.5ポイントです。どちらの意味なのかを必ず明記してください。両者の混同は、CROで最もよくあるレポートの誤りです。コンバージョン率計算ツールでご自身の数値を計算できます。

この計算式には2つの判断が隠れています。1つ目は分母です。セッションを使うとリピーターの多いサイトでは母数が膨らみ、ユーザーを使うとデバイス間で重複排除できない場合に母数が過小になります。どちらかを選び、それを使い続けましょう。2つ目は分子、つまりどのコンバージョンを数えるかです。

マクロコンバージョンとマイクロコンバージョン

• マクロコンバージョンとは、事業の目的そのものである行動です。注文、デモ依頼、有料プランの契約などです。
• マイクロコンバージョンとは、そこに至るまでのステップです。カートへの追加、フォームの入力開始、料金ページの閲覧、製品動画の視聴、CTAのクリックなどが該当します。

マイクロコンバージョンが重要な理由は2つあります。どこで取りこぼしているかを特定できること（訪問者は料金を見るが「はじめる」をクリックしない）、そしてマクロコンバージョンよりはるかに頻繁に発生するため、マクロコンバージョンが少なすぎて測定できないサイトでもテストが可能になることです。詳しくは低トラフィックのセクションで解説します。

CROではないもの

• ボタンの色のテストではありません。見た目だけのテストは、人がためらう理由に対処しないため、ほとんど何も変えません。優れたCROは、訪問者が理解すること、信じること、しなければならないことを変えます。
• A/Bテストだけではありません。テストは検証のステップです。価値の大半は、何を変えるべきかを教えてくれるリサーチから生まれます。多くの改善（Safariで壊れているフォーム、記載のない価格など）は、テストせずにそのまま修正すべきです。
• ベストプラクティスの寄せ集めではない。「緊急性を加える」「フォームを短くする」は、オーディエンスによって効果がある場合も逆効果の場合もあります。自社のデータで裏付けられるまでは、施策は仮説にすぎません。
• トラフィック獲得ではない。CROは訪問が始まった後に起こることに取り組みます。あらゆる獲得チャネルの効率を高めますが、チャネルの代わりにはなりません。

CROのプロセスをステップごとに解説

信頼できるCROプログラムはどれも、同じループを何らかの形で回しています。呼び方は違っても、順序は同じです。

1. リサーチ：訪問者がどこで、なぜコンバージョンに至らないのかを突き止めます。
2. 仮説：各発見事項を検証可能な形の文に落とし込みます。
3. 優先順位付け：限られたトラフィックと開発時間が最も有望な施策に回るよう、仮説に順位をつけます。
4. テスト：対照実験を実施します（不可能な場合は、次善の方法で）。
5. 分析:セグメントやガードレールも含め、結果を正直に読み取ります。
6. 展開と学習：勝ちパターンをリリースし、すべての結果を記録して、得られた学びをリサーチに還元します。

1. リサーチ：どこで、なぜ

リサーチは2つに分かれます。定量データは問題がどこにあるかを示し、定性データはなぜ起きているかを示します。両方が必要です。ファネルレポートを見れば料金ページで訪問者の70%が離脱していることはわかりますが、エンタープライズプランが価格帯を示さず「お問い合わせください」となっているのが原因だとはわかりません。

まずアナリティクスで最も重要な2〜3ページ（トラフィックが多い、売上に近い、離脱が大きい）を選び、定性調査の労力はそこだけに注ぎましょう。2〜3週間のリサーチスプリントで、通常は6か月で実施しきれないほどのテストアイデアが得られます。

数字を信頼する前に、計測の仕組みを確認しましょう。コンバージョンイベントが1回のコンバージョンにつき1回だけ発火すること、ファネルの各ステップがすべてのデバイスで計測されていること、社内トラフィックが除外されていることを確認します。「コンバージョンの問題」の意外に多くが、実は計測の問題だったりします。

2. 仮説：各アイデアを反証可能にする

仮説は、観察を変更と測定可能な成果に結び付けるものです。次のテンプレートを使いましょう。

データが示したことを「観察したので」、ある「オーディエンスに対して」1つの要素を「変更すれば」、期待する結果が「得られると考える」。それを1つの主要指標で「測定する」。

例：「セッション録画と離脱時アンケートから、料金ページのモバイル訪問者がどのプランにSSOが含まれるかを判断できていないことがわかったため、モバイル訪問者向けにプランカードの上に機能比較の切り替えボタンを追加すれば、プランの選択が増えると考えます。料金ページの訪問者あたりの『プランを選択』ボタンのクリック数で測定します。」

このテンプレートは3つの役割を果たします。根拠の提示を必須にします(「CEOが気に入っているから」は不可)。オーディエンスを明記するため、問題が起きている場所でテストできます。そしてテスト開始前に主要指標を確定するため、後から都合の良い指標を選ぶことを防げます。コピーして使えるバージョンはA/Bテスト計画テンプレートにあります。

3. 優先順位付け：PIE、ICE、PXL

アイデアは常にキャパシティを上回ります。主流のスコアリングフレームワークは3つです。

• PIE（Potential：可能性、Importance：重要性、Ease：容易さ）はWiderFunnelが広めた手法で、それぞれを1〜10で採点して平均を取ります。「重要性」は、そのページのトラフィックにどれだけの価値があるかを示します。
• グロースマーケティング由来のICE（Impact、Confidence、Ease）：それぞれを1〜10で採点して平均します。「確信度（Confidence）」は証拠の強さです。
• CXLのPXL：固定配点の、主にはい／いいえで答える質問のチェックリストです。たとえば、変更がファーストビュー内にあるか、5秒以内に気づけるか、要素を追加または削除するか、トラフィックの多いページで実施するか、ユーザーテスト・定性的フィードバック・アナリティクスで見つかった問題に対処するか、といった質問です。容易さは見積もり工数で採点します。CXLは、PIEやICEが「インパクト」に残す推測の余地をなくすためにこれを設計しました。

例（あるバックログの説明用スコア。PXLを7つの質問に簡略化）：

3つのフレームワークはいずれも、Aが最初でDが最後という点で一致しています。意見が分かれるのはCです。PIEは「潜在力」の評価が甘いためCをBに近い評価にしますが、ICEとPXLは根拠の欠如を減点します。この意見の相違こそ、フレームワークを意図的に選ぶべき理由です。

私たちの見解：半日で20のアイデアに順位を付ける必要がある小規模チームにはICEを使いましょう。複数人がアイデアを採点するようになったらPXLに切り替えます。はい／いいえの質問なら人によらず一貫したスコアになり、声の大きい人が「インパクト」を水増しするのを防げるからです。PIEはどのページに取り組むかを決めるときに役立ちますが、個々のアイデアにはあまり向きません。どれを選ぶにしても、根拠を重視してください。勝てるテストを予測する主な要因は、リサーチに基づいた仮説です。

4. テスト

パターンを構築し、主要なすべてのブラウザとデバイスで QA を行い、トラフィックが許すなら対照実験を実施します（後述の統計のセクションを参照）。公開前に、主要指標、ガードレール指標、サンプルサイズ、予定期間、停止ルールを書き出しましょう。この5つを埋められないなら、まだ公開の準備ができていません。

5. 分析

計画したサンプルに達したら、まずデータ品質（サンプル比率、計測）を確認し、次に主要指標、続いてガードレール指標、最後にデバイスや新規・再訪など事前に登録したセグメントを確認します。計画していなかったセグメントの発見は、結論ではなく新しい仮説として扱いましょう。どんなテストも十分に細かく切り分ければ、偶然有意に見えるものが出てきます。

6. 展開と学び

勝ちパターンは正しく反映しましょう(テストツール内で何か月も100%配信のまま放置するのではなく、コードベースに組み込む)。すべてのテストを、仮説、スクリーンショット、数値、判断、そして訪問者について分かったことと合わせてログに記録します。広く信じられている思い込みを覆す負けテストは、小さな勝ちよりも価値があることが多いのですが、それも誰かが書き留めてこそです。

テストの統計を正しく行う

有効なテストを行うのに統計の専門家である必要はありませんが、5つの考え方は押さえておく必要があります。最適な参考書はKohavi, Tang and Xu, Trustworthy Online Controlled Experiments (2020)です。

サンプルサイズ：開始前に決める

必要な訪問者数は、ベースラインのコンバージョン率、検出したい最小の効果（最小検出効果、MDE）、有意水準（アルファ）、検出力によって決まります。2つの比率を比較する両側検定の場合：

バリエーションごとのn = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

計算例：ベースラインp₁ = 3%、MDE = 相対20%なので、p₂ = 3.6%。アルファ = 0.05（両側）なので、z = 1.96。検出力 = 0.8なので、z ≈ 0.8416。プールした比率p̄ = 3.3%。

1. 第1項：1.96 × √(2 × 0.033 × 0.967) = 1.96 × √0.06382 = 1.96 × 0.2526 = 0.4951
2. 第2項：0.8416 × √(0.03 × 0.97 + 0.036 × 0.964) = 0.8416 × √(0.02910 + 0.03470) = 0.8416 × 0.2526 = 0.2126
3. 分子：(0.4951 + 0.2126)² = 0.7077² = 0.5009
4. 分母：(0.036 - 0.03)² = 0.006² = 0.000036
5. n = 0.5009 / 0.000036 ≈ バリアントあたり13,900人の訪問者、合計で約27,800人です。

これは同じ入力値でEvan Millerのサンプルサイズ計算ツールが返す値と一致します。自社のシナリオはA/Bテスト計算ツールで確認できます。計算の厳しさに注目してください。MDEを半分の10%にすると、約4倍のトラフィックが必要になります。一般的なベースラインの早見表は、A/Bテストのサンプルサイズの記事に掲載しています。

期間：サンプルサイズをトラフィックで割ったもの（週単位で切り上げ）

テスト期間 ＝ 必要な総サンプル数 ÷ 週あたりの対象訪問者数。週単位で切り上げます。

例：上のページは週7,000人の対象訪問者を獲得しています。27,800 ÷ 7,000 = 3.97なので、丸4週間実施します。平日と週末の訪問者は行動が異なるため、丸1週間単位であることが重要です。水曜日で止めると、週の一部が過大に反映されます。目安として、少なくとも1回分のビジネスサイクルを実施し、6〜8週間を超えるテストは避けましょう。それ以上になると、Cookieの削除や季節的な変化がサンプルを汚し始めます。

途中で結果を覗かない（または、それを前提とした手法を使う）

Evan MillerがHow Not To Run an A/B Testで示しているとおり、標準的な固定期間型のテストを毎日確認し、p < 0.05に達した瞬間に停止すると、偽陽性が大幅に増えます。計画したサンプルサイズを守って最後にだけ結果を読むか、継続的なモニタリングを前提とした統計手法（逐次検定）を備えたツールを使いましょう。ダッシュボードを見ること自体は問題ありません。問題は、途中の結果で早まって判断することです。

サンプル比率の不一致を確認する

トラフィックを50/50に分けたのに、対照群が10,000人、バリアントが9,400人になったなら、何かが壊れています。ユーザーを失うリダイレクト、片方のパターンだけに作用するボットフィルター、一部のブラウザでクラッシュするバリアントなどです。訪問者数にカイ二乗検定を行えば、これを検出できます。Kohaviらはサンプル比率の不一致（SRM）を最も重要な信頼性チェックの1つとしています。これに引っかかった場合は、結果を解釈せず、バグを探してください。

新奇性効果、単一の主要指標、ガードレール

• 新奇性効果と初頭効果:リピーターは新しい要素が目新しいという理由でクリックしたり、古いレイアウトに慣れているという理由で無視したりすることがあります。1週目とそれ以降の週を比較し、効果が薄れていくなら疑ってかかりましょう。
• 主要指標は1つ：事前に宣言し、理想的には十分な件数で測定できる中で最も売上に近い指標にします。「主要」指標が10個もあれば、どこかで偽の勝者が出るのは確実です。
• ガードレール指標：訪問者あたりの売上、リードの質、返金率、ページの読み込み時間など、悪化してはならない指標。登録数を10%増やしても平均注文額を15%下げるバリアントは、勝者ではありません。

また、トラフィックが十分にある場合を除き、1つのバリエーションでは一貫した1つの変更だけをテストしましょう。A/Bテストと多変量テストの比較の記事では、多変量テストがトラフィックのコストに見合うのはどのような場合か（月間訪問者数が10万人未満ではほとんどありません）を解説しています。

トラフィックの少ないサイトとB2B WebサイトのためのCRO

CROのアドバイスの多くは、大量のトラフィックがある消費者向けサイトを最適化してきた人々によって書かれています。B2Bサイトや小規模な消費者向けサイトは、3つの構造的な問題を抱えています。

1. トラフィックが少ない。上の計算例では、1回のテストに約27,800人の訪問者が必要です。月5,000人の訪問者のページでは5〜6か月かかり、その頃には市場も広告もページ自体も変わっています。
2. 長いセールスサイクル。テストはフォーム送信を数週間で数えられますが、そのリードがパイプラインになったかどうかがわかるには数か月かかります。2月にデモリクエストで勝ったパターンが、適合度の低い企業を集めていたなら、6月には売上で負けることもあります。
3. コンバージョンの価値が均等でない。あるデモ依頼は最大の顧客になり得る企業からのもので、別の依頼は学生からのものかもしれません。コンバージョン率はそれらを同等に扱い、売上で重み付けした指標はノイズがはるかに大きいため、さらに多くのデータが必要になります。

これは「CROをやるな」という意味ではありません。方法を変えるべきだということです。

最初にテストすべきこと

年に数回しかテストできないなら、売上に近いページで大きな効果が期待できるものを実施しましょう。妥当な順序は次のとおりです。

1. 最もトラフィックの多い商用ページの見出しと価値提案：成果重視か機能重視か、特定のオーディエンス向けか汎用か、課題起点か解決策起点か。
2. オファーと CTA：ボタンの文言だけでなく、何を提案するか（デモ、製品ツアー、診断、料金相談）とそれがどこに表示されるか。
3. フォーム：項目、選別用の質問、1ステップか複数ステップか。完了率だけでなく、リードの質を測定します。
4. レイアウトとページ構造は最後に：構築コストが最も高く、平均すると効果は最も小さく、測定にも最も時間がかかります。

より大胆な変更を行う

必要なサンプルサイズは、効果の2乗に反比例します。40%の改善を検出するのに必要なトラフィックは、20%の改善のおよそ4分の1です。少ないトラフィックでは小さな調整はテストできませんが、リサーチに裏付けられた大胆な変更（まったく異なる見出しの主張、異なるオファー）ならテストできます。大胆な変更は買い手についてより多くを教えてくれますが、小さな調整はページについてしか教えてくれません。

上流のマイクロコンバージョンをテストする

デモ依頼が少なすぎる場合は、デモ依頼と関連性が高いと考えられる、ファネルの上流にある指標を主要指標にしましょう。デモページへのクリック、フォームの入力開始、ホームページからの料金ページ訪問などです。10倍の頻度で発生する指標を使えば、必要な検出力を得るまでの期間はおよそ10分の1になります。ただし、マイクロコンバージョンが上がっても実際のコンバージョンが横ばいということもあるため、マクロコンバージョンもガードレールとして引き続き監視する必要があります。

判断に見合った信頼度を受け入れる

すべての判断に95%の信頼度が必要なわけではありません。簡単に元に戻せるコピーの変更なら、低めのしきい値（またはベイズ型の「最良である確率」の読み方）は、スピードと確実性の妥当なトレードオフです。料金ページのリニューアルなど、元に戻すのにコストがかかる構造的な変更では、強い根拠が得られるまで待ちましょう。しきい値は、数値を見た後ではなく、テストの前に決めておきます。

逐次テストと事前事後テスト（注意点あり）

スプリットテストが不可能な場合（訪問数が数十件しかないターゲットアカウント向けの体験、サイト全体のナビゲーション変更など）、前後比較は何もしないよりはましですが、その弱点は正直に認めましょう。季節性、キャンペーン、営業活動、市場のニュースはすべて、ページの変更と同時に変化します。同じ長さの期間を比較する、変更の影響を受けないはずのコントロール指標を確認する（それも動いていれば、変化はおそらく外部要因）、可能であれば切り替え（オン、オフ、オン）を繰り返す、といった方法でリスクを減らします。

定性調査を活用する

トラフィックが少ない場合、5件の顧客インタビューと20件の営業通話の録音の方が、検出力の不足したテストより価値があります。定性的な調査はかなり確信のある変更に使い、テストは本当に不確かで重要度の高い判断のためにとっておきましょう。

フォーム入力ではなくパイプラインを測定する

例：バリアントAはリード20件を生み、その25%が商談機会になりました（商談機会5件）。バリアントBはリード30件を生み、その10%が商談機会になりました（3件）。Bはコンバージョン率では「勝ち」ましたが、重要な指標では負けたのです。テストツールやアナリティクスをCRMと連携して各リードにバリアントの情報を持たせ、商談機会のデータが揃ったら結果を見直しましょう。セグメント別の結果も確認します。全体では横ばいに見えても、エンタープライズの訪問者では勝ち、小規模企業では負けて、互いに打ち消し合っていることがあります。見込み度を判定するフォーム、エンタープライズ向けのソーシャルプルーフ、購買委員会向けのコンテンツなど、B2B特有のCRO施策については、B2Bコンバージョン率最適化の詳しいガイドをご覧ください。

CRO監査の進め方

CRO監査は、調査のステップを1回限りのレビューに凝縮したものです。サイトを引き継いだときや、優先順位付けされた計画をすぐに必要とするときに役立ちます。要点は次のとおりです。

1. 計測の確認：コンバージョンイベント、ファネルの各ステップ、クロスドメイントラッキング、社内トラフィックの除外。
2. ファネルを可視化する。デバイス別、チャネル別にファネルを描き、絶対数での損失が最も大きい2つのステップを見つけます。
3. それらのページをヒューリスティックに評価します：5秒でオファーが伝わるか、流入元との関連性、摩擦（項目、ステップ、読み込み時間）、不安（信頼、価格、プライバシー）、注意をそらす要素。
4. 同じページについて定性的な根拠を集めます。録画、短いアンケート、数回のユーザーテストです。
5. 発見事項を記録する。「すぐ直す」（バグ、壊れた導線）、「調査する」、「テストする」のいずれかに分類し、それぞれに仮説と優先度スコアを付けます。

CRO監査チェックリストではすべてのチェック項目を、CRO監査の手順解説では調査結果をロードマップに落とし込む方法を紹介しています。

ページの種類別に注力すべきポイント

知っておくべき外部のベンチマークが2つあります。Baymard Instituteは50の調査を平均し、記録されたオンラインのカゴ落ち率を約70%としています。「見ていただけ」以外の理由で離脱した買い物客の間では、追加費用（40%）とアカウント作成の強制（18%）が上位に挙がっており、Baymardは理想的なチェックアウトに必要なフォーム項目はわずか7〜8個で、米国の平均は約15個だと推定しています。フォーム全般については、Nielsen Norman Groupのフォームのユーザビリティに関する推奨事項（フォームを短く、1カラムにし、要件を事前に説明し、具体的なエラーメッセージを表示する）が信頼できるチェックリストです。B2Bのフォームは「短いほど常に良い」の部分的な例外です。見極めのための項目が営業の時間を守るからです。インテントに応じたフォームの長さの調整方法はリード獲得フォームのデザインのガイドで、キャンペーンページについてはB2Bランディングページ最適化でより詳しく解説しています。

CROの手段としてのパーソナライゼーション

従来のA/Bテストは「全員にとって最適なのはどちらか？」を問います。正直な答えが「どちらでもない」ことも少なくありません。エンタープライズの購買担当者と5人のスタートアップとでは、求める実績も、響く言葉も、次のステップも異なり、平均値の結果ではその違いが隠れてしまいます。パーソナライゼーションとは、定義したセグメントごとに異なる体験を提供し、それぞれをそのセグメントのコントロールと比較して測定することです。

画一的なテストより効果を発揮するのは、3つの条件がそろうときです。オーディエンスが本当にニーズの異なるセグメント（業界、企業規模、ファネル段階、流入元など）に分かれていること、訪問時点でそのセグメントを確実に識別できること、そしてセグメントごとに実際に異なるコンテンツがあることです。どれか一つでも欠けると、パーソナライゼーションは成果の向上なしに複雑さだけを増やします。また、トラフィックを分割するため、サンプルサイズの計算を回避する近道にはなりません。まずは1〜2の大きなセグメントと1ページから始めましょう。先にセグメントを整理したい場合はセグメンテーション戦略ガイドで手順を解説しています。また、セグメンテーション機能では、Markettailorがホールドアウト（対照群）を設けつつセグメント別のバリエーションを配信する仕組みを紹介しています。

CROのよくある間違い（と対処法）

1. リサーチなしのテスト。ブレインストーミングから生まれたアイデアは、根拠に基づくアイデアよりも勝率が低くなります。対策：すべてのテストに、その根拠となった観察結果を明記します。
2. テストを途中で止める。初期のリードはほとんどがノイズで、途中で結果を確認すると偽陽性が増えます。対策：サンプルサイズと期間を事前に決めておきます。
3. 検出力不足のテスト。50%の改善しか検出できないテストでは、本当の改善の多くが「差なし」と判定されます。対策：公開前に検出できる MDE を計算し、それに届く可能性のあるテストだけを実施しましょう。
4. 誤った指標を最適化する。リードは増えたが、パイプラインは悪化。対策：量が許す限り売上に近い主要指標を設定し、品質のガードレールを加えます。
5. 負けを失敗と呼ぶ。チームは負けたテストを黙って捨て、学びを失います。対策：すべての結果と、それが何を反証したかを記録します。
6. セグメントを無視する、あるいは深読みしすぎる。どちらも起こります。対策：2〜3のセグメント（デバイス、新規か再訪か、企業規模）を事前に登録し、それ以外は仮説として扱います。
7. 競合や「ベストプラクティス」のリストを真似る。見えているのは彼らのページであって、成果ではありません。対策：仮説の材料として使い、答えとしては使わないこと。
8. QAを省く。あるブラウザで動かないバリアントは、偽の敗者とサンプル比率の不一致を生みます。対策：公開前に、主要なブラウザとデバイスですべてのバリアントをテストします。
9. CROをプロジェクトとして扱う。監査を1回行い、5つ修正して終わり、というものです。解決策:担当者、バックログ、ログを備えた定常的なサイクルを回すこと。
10. 「テストすべきだから」と明らかなバグを放置する。解決策:壊れているものは直し、不確かなものはテストします。

役割別のCROツール

ツールは担う役割で選び、テストツールは最後に購入しましょう。ほとんどのチームに必要なのは、テストのキャパシティよりも先に、より良いリサーチです。

• アナリティクス：ファネル、セグメント、イベント。Google Analytics 4、Adobe Analytics、またはMixpanelやAmplitudeなどのプロダクトアナリティクス。
• 行動分析:ヒートマップとセッション録画。Microsoft Clarity、Hotjar、Contentsquare。
• テストとパーソナライゼーション：クライアントサイドまたはサーバーサイドの実験。Optimizely、VWO、AB Tasty、またはサーバーサイドテスト用のフィーチャーフラグプラットフォーム。
• アンケートとユーザーリサーチ：ページ上のアンケートと、モデレーター付きまたはなしのユーザーテスト。Hotjar のアンケート、Typeform、UserTesting、Maze。

トラフィック規模と予算別のより詳しい比較は、コンバージョン率最適化ツールのまとめ記事をご覧ください。

CROプログラムの構築

CRO の効果が積み上がるのは、単発の修正の連続ではなく、継続的なプログラムとして運用した場合だけです。最低限必要な体制は次のとおりです。

• 専任の時間を確保した担当者と、デザイン・開発のリソースへのアクセス。開発の時間がなければ、バックログはただの希望リストになります。
• リズム：四半期ごとの調査スプリント、隔週の優先順位レビュー、関係者への月次の結果報告。
• 誰でも検索できるテストログ：仮説、オーディエンス、スクリーンショット、サンプル、結果、判断、学び。1年後には、自社が持つ最も価値あるCRO資産になります。
• 現実的なテスト実施数の目標。トラフィックの多い消費者向けサイトなら、異なるページで月に複数のテストを並行して実施できます。月間訪問者10,000人のB2Bサイトなら、リサーチに基づく改善と組み合わせて月に1〜2本が限度かもしれません。

勝率への期待値は最初に調整しておきましょう。Online Experimentation at Microsoft (Kohavi et al., 2009)で著者らは、狙った指標を改善できたアイデアは約3分の1にすぎず、約3分の1は変化なし、3分の1はマイナスだったと報告しています。Microsoftのアイデアが悪かったわけではありません。良いアイデアを予測するのはそもそも難しいのです。もしあなたのプログラムがテストの80%で「勝って」いるなら、アイデアが優れているというより、統計がずさんな可能性のほうが高いでしょう。CROプログラムは勝率ではなく、検証済みの累積効果と、そこから得た学びの質で評価してください。

よくある質問

良いコンバージョン率とはどのくらいですか？

普遍的な良い数値はありません。コンバージョン率は、何をカウントするか、トラフィックの構成、価格帯、購買サイクルによって変わるからです。無料のニュースレター登録と、6桁規模の契約につながるエンタープライズ向けデモ依頼が同じベンチマークを共有することはできません。有用なのは、同じページ、流入元、デバイスにおける自社のベースラインとの比較です。それを着実に改善することを目指し、率だけでなく訪問者あたりの売上やパイプラインで成果を判断しましょう。

A/B テストはどのくらいの期間実施すべきですか？

開始前に算出したサンプルサイズに達するまで実施します。すべての曜日が均等に含まれるよう、週単位に切り上げましょう。必要な訪問者の総数を、週あたりの対象トラフィックで割ります。ほとんどのサイトでは2〜6週間になります。計算上数か月かかる場合は、終わりの見えないテストを続けるのではなく、より大きな変更か、発生頻度の高い指標をテストしましょう。

CROとSEOの違いは何ですか？

SEOは、オーガニック検索からサイトに来る有望な訪問者の数を増やします。CROは、あらゆるチャネルからの訪問者のうち、価値ある行動を取る人の割合を高めます。両者は互いに支え合います。検索者の意図に明確に答えるページは、順位もコンバージョンも高くなる傾向があります。衝突することはまれですが、検索エンジンや訪問者が必要とするコンテンツを隠したり削除したりするCROの変更は避けてください。

トラフィックの少ないサイトでもCROに取り組む価値はありますか?

はい。ただし手法が変わります。トラフィックが限られている場合は、顧客インタビュー、セッション録画、ユーザーテストなどの定性調査を中心にし、明らかな問題はそのまま修正します。A/Bテストは、上流の頻度の高い指標で測定する大胆で影響の大きい変更に絞りましょう。テストをまったく行わなくても、最も重要な2〜3ページをリサーチに基づいて監査すれば、修正すべき摩擦点がたいてい見つかります。

CROスペシャリストの仕事とは？

CRO担当者は最適化のサイクルを回します。ファネルを分析し、ユーザーリサーチを行い、仮説を立て、実験の優先順位を付けて設計し、統計的な妥当性を確認し、結果を提言にまとめます。この仕事には、アナリティクス、UXリサーチ、コピーライティングの判断力、そして誤った勝ちパターンを避けるのに十分な統計知識が求められます。この職種を検討している方は、コンバージョン率最適化の仕事に関する概要で、職種、スキル、始め方を解説しています。