ロカラボは日本のモノづくりを全力で応援する会社です

メイドインジャパンを盛り上げる

・AI/IoT/RPAの導入支援
・地に足のついたムダのない適切な技術活用
・大手にはできない柔軟性と親身な対応

御社の価値を最大限に引き出し一緒に成果を出していく一歩を踏み出しませんか?

詳細はこちら

A/Bテストを成功させるには仮説づくりが8割

ウェブマーケティング

A/Bテストはマーケティングの施策として以前からよく使われている手法ですが、
アメリカのオバマ大統領がウェブの選挙キャンペーンで活用したあたりからウェブ業界でも認知度が増してきたようです。
obama

A/Bテストのステップは大きく分けて以下の4つになります。

・仮説づくり
・事前準備
・テストの実行
・テスト結果取得・検証・分析

仮説づくりが8割

効果的なA/Bテストができるかどうかは、仮説づくりが8割占めると言っても過言ではありません。仮説の立て方ひとつで、そのテストが実りあるものになるかかが決まってしまいます。

テストを実施するページを決める

まずは、仮説を立てる前にテストを実施するページを選ぶことから始めます。

効果や影響力が最も大きなページを探します。
以下の3つのポイントを押さえておきましょう。

・コンバージョンに近いページ
・目標がはっきりしているページ
・アクセス数が多いページ

コンバージョンに近いページ

特にコンバージョンに近いページは成果に直結しやすいため、重要なページになります。
まずは、サイトのコンバージョン率をアクセス解析で確認してみましょう。

一般的にはコンバージョン率は1%前後が目安と言われています。
コンバージョン率が2%を超えると「結構良いコンバージョン率だね」と言われます。
もちろん業種や目的で大きく変わるので、あくまで目安です。

もし、コンバージョン率が1%を下回っているのであれば、まずはコンバージョンに近いページから着手してみると良いです。

目標がはっきりしているページ

同じ理由で、目標がはっきりしているページも重要なページです。
わざわざ目標を立てているということは、つまりそのサイトのKPIである可能性が高いです。
このページを改善することは、成果を上げることにつながります。

アクセス数が多いページ

また、アクセス数が多いページは、影響力が大きいという点で重要です。
トップページや商品一覧ページなどがアクセス数が多くなりやすいです。

トップページや商品一覧ページは、コンバージョンへの橋渡しとしての役割もあるので、うまく機能していないと大きな機会損失になってしまうことがあります。
せっかく上質なコンテンツがあったとしても、そもそもユーザに見つけてもらえないリスクが高まるからです。これらがうまく機能しているかどうかを確認するには、アクセス解析で対象ページの直帰率や離脱率を確認してみましょう。

PIEメソッドを使って優先順位を決める

テストを実施するページを決める際に使える手法を紹介します。
PIEメソッドと言われる手法です。

PIEは「Potential」「Importance」「Ease」の頭文字を取っています。
この3つの要素について、数値(1〜10)で評価し、すべての数を加算した和によって、優先順位を決めていきます。
一見するとどれも大切で、優先度が見極めづらいものを、手軽に順位付けできるのがこのPIEメソッドの魅力です。

PIEメソッドについて詳しくは「PIEメソッドを使ってテスト箇所の優先順位をつける」をご参照ください。

仮説を立てる

テストを行うページが決まったら、いよいよ次は仮説を立てていきます。

仮説とは具体的にどういうものでしょうか。

例えば、あなたのウェブサイトにオレンジ色の「メルマガ購読」ボタンがあったとします。メルマガ登録率を上げたいと思ったとき、仮説を立ててみます。

「以前読んだ記事で、黄色のボタンのクリック率が高いと書いてあったから、このサイトにも効果があるんじゃないか」
こういったように、何かしらの考えを元に仮の説を立てる、というのが仮説です。

フレームワークを活用して仮説を立てる

LIFTモデルという仮説づくりに活用できるフレームワークを紹介します。
LIFTモデルとは、「Landing Page Influence Function for Tests Model」のそれぞれの単語の頭文字を取ったものです。

コンバージョン率アップに効果的な仮説構築のためのフレームワークとして米国企業のWiderFunnel社が作りました。

LIFTモデルは以下の画像にあるような6つの要素によって構成されています。
それぞれの要素をもとに、コンバージョン率をアップさせていくための良質な仮説を立てることができます。

LIFTモデル

LIFTモデル

詳しいLIFTモデルについての解説は「良質な仮説づくりのためのフレームワーク「LIFTモデル」」の記事にまとめています。是非ご参照ください。