Ptengineで解像度を上げる LPO実践の3つのステップ

ランディングページ（LP）のパフォーマンス改善に悩んでいませんか？最近では、LPO (Landing Page Optimization, ランディングページ最適化)とも呼ばれ、取り組まれている方も多いことと思います。

例えば、LPをヒートマップを利用して分析してみても、そこからどう改善をすべきか、具体策が体策が見えないことがあります。

Ptengineではヒートマップ以上のデータ分析が可能です。さらに、A/Bテストを活用すれば、課題に対する具体的な施策の効果を検証し、確実な成果を得ることができます。

この記事では、Ptengineを活用してLPOを行っていくための3つのステップをご紹介し、実践的なA/Bテスト手法や事例を交えて解説していきます。

Ptengineでヒートマップを超えた価値を見出す

ヒートマップは、ユーザー行動を色で可視化する便利な手法ですが、ユーザー行動の全貌を捉えるには限界があります。

Ptengineでは、ヒートマップ以外にも次のようなデータを提供しており、これらを活用することで、改善に必要なインサイトを深められます。

具体的に収集できるデータ

• クリック率: 各要素（CTAボタン、リンクなど）のクリック数やクリック率をトラッキング。
• スクロール到達率: ページのどのエリアまでユーザーが到達したかを分析。
• フォーム入力率: フォーム全体、あるいは各入力項目ごとの入力状況を追跡。
• 離脱ポイントの特定: ユーザーがどの段階で離脱したのかを明確化。

これらのデータを分析することで、改善すべき課題を明確にできます。

【ステップ1】ユーザー行動を細分化し離脱ポイントを特定する

ここからはステップを3つに分けてLPO実践のためのポイントを解説していきます。

大前提、LPOを開始するにあたって、十分なデータ計測環境がなければ継続的な改善はできません。

そこで、ステップ1では、アクションベースでユーザーの到達率を定量分析しましょう。具体的な観測したいポイントは下記の通りです。

• LPの訪問数はどの程度か
• ファーストビューでどの程度離脱しているか
• ページはどこまでスクロールダウンされているか
• CTAはどの程度クリックされているか
• フォームへはどの程度アクセスされているか
• フォームの各入力項目はどの程度クリックされているか
• 確認画面へはどの程度遷移しているか
• サンクスページへの遷移はどの程度か

アクセスベースからアクションベースのデータへ

LPOの実践で鍵になるのは、サイト訪問者のアクセスではなく、アクションをもとにデータを捉え、分析を進めることです。

仮に、パフォーマンスを上げたいLPのCTAのボタンを改善したとしましょう。これで、どの程度CVRに影響が見込めるでしょうか？

率直にいうと、それだけでCVRを大きく改善するメソッドになり得ません。

そのCTAボタンを改善し、何の数字にどのような変化が起きたのか、さまざまな変化を追い、ユーザーの行動の背景を知ることで、はじめて大きくCVRを向上する打ち手、メソッドにつながります。

言い換えると、サイトにも運営者が意図するフローがあるように、そこを訪れる訪問者の行動もフローです。点ではなく線でユーザー行動を捉えることが重要なのです。

上記は、LPのアクションベースで考えた時の図です。LPを一直線の経路となるよう、アクションベースで分解しています。

クリックやスクロールを一つ一つをアクションとしてトラッキングすると、今のLPのパフォーマンスの解像度を上げることができます。

これらが分かれば、どこでどの程度離脱しているかを定量的に把握することができます。

【ステップ2】離脱ポイントに仮説を立て、意味を見出す

【ステップ1】にて、どの部分で離脱が多いかを確認できましたか？

次に行うべきは、「なぜその場所でユーザーが離脱しているのか」を仮説として立てることです。

あるフードデリバリーサービスの事例をご紹介します。

ここでは、LPからサンクスページに至るまでの各ステップの到達率を測りました。

そして、より大きな離脱の傾向あったのは、サンクスページ一歩手前の金額確認画面だとわかりました。

この理由を探るために、改めてLPから金額確認画面までのコミュニケーションを確認したところ、初期費用がはっきりわかるのはここだけだったのです。つまり、想定していた金額感とのギャップを感じたユーザーが多かっという仮説を立てることができました。

それがきっかけとなり、初回の割引額をLTVと顧客獲得単価から計算し直すことで、最大効率となる割引価格を見つけ、最終的に顧客数を増やすことに成功したのです。

ポイントは、データを根拠とし、データを意味のあるインサイトとして変換したことです。離脱が多い場所には何らかの理由が必ずあります。

こちらは実際にLPの到達率を可視化した表です。注目すべきは、次のステップとの落差。

その落差、すなわち離脱率の下落幅 (表では「維持率」)に対しては、仮であっても要因を設けましょう。

これが「データに意味を見出す」という段階です。

上記のフードデリバリーサービスの例では、明らかに大きな離脱が起きていた箇所で、「なぜか」と向き合うこととなりました。この過程が非常に重要だと考えています。

離脱率の下落幅に意味を見出すチェックリストがありますので、ぜひヒントとしてご利用ください。

• 広告クリエイティブとファーストビューの訴求にギャップがある
• 広告クリエイティブで惹かれた内容がLPに表記されていない
• 期待していたサービス価値を感じない
• 得られるサービス価値に対して価格が高い
• 実際に手に入るまでの時間が長い(注文から到着までに2週間かかるなど)
• 知らないブランドで商品が届かなかったり、情報悪用される危惧がある
• フォーム入力が不便で面倒くさい
• 何をするとどうなるかが理解しづらく簡潔ではない
• パッと見て何が得られるかがわからない
• 条件や制約が多く、お申し込みすることが怖い
• 手続きの中で本当に欲しいのか迷いが生じる

これらの要素は顧客の感情に関連しており、数値を解釈するのに役立ちます。

時にはセグメントを用いて、流入元や広告媒体別、アドグループ別、クリエイティブ別での分析で仮説が深めることができるので、慣れてきたらチャレンジしてみてください。

このように数字のギャップ把握、その意味づけ(仮説立て)ができたら、次に検証に進みましょう。

【ステップ3】実際に変更して検証する

【ステップ2】まで進んだら、あとはそれを検証するだけです。PtengineでA/BテストBテストすれば数分でできるのでぜひ試してみてください。

PtengineでA/Bテストを行うメリットは以下の通りです。

• 自動でヒートマップに連動しているため、A/Bテストの管理画面からすぐにヒートマップを閲覧できること
• 並べて分析できるため、テストパターンの比較が簡単にできること
• セグメント分析も簡単にでき、より深い分析を行えること
• ゴール設定はCVだけでなく無数に設定できるため、さまざまな指標でA/Bテストの結果を評価できること
• ビジュアルイベント機能を使って中間指標も設定できること
• GA4へもデータ送信して分析できること

総じて、短時間で多くのデータが集めることができ、テストを高頻度で回すことができます。また、上記した内容はいずれもノーコードで実施できる、エンジニアを頼らずともご自身で進められることもメリットです。

チェックポイント

• アクションベースで数値分析し、離脱率の下落幅を確認する
• 離脱率の下落幅に理由を設け、施策を通して検証する
• 施策がどこになぜ影響したのかを言語化し、真にインパクトのあるインサイトを得る
• 施策による影響はCVRだけでなく、中間指標も確認する
• その抽出したインサイトをさらにテストで検証し、確度を上げる

最後に

いかがでしたでしょうか。

今までの経験から、【ステップ1】【ステップ2】【ステップ3】の過程を踏まずして、成果を出し、LPOのナレッジを集め、再現性の高いLPOフローを作ることは現実的ではないと思っています。

難易度が高いと感じられた方も、ぜひこの記事を復習いただき、また我々にお問い合わせいただき、実践していただくことで、Ptengineの価値をより強く感じていただけるのではないかなと思っております！

本記事と関連する内容として、こちらの記事もぜひご参考ください。
👉 30分で成果が出るLPO施策3選

終わりに

いかがでしたか？今回ご紹介したPtengineの機能は、いずれも無料プランからご利用いただけます。また、14日間全ての機能を制限なくお使いいただける無料トライアルも随時ご利用いただけます。

Ptengineに少しでもご興味をお持ちでしたら、まずは無料登録から始めてみてください！