成約率が期待通りにいかない場合、デフォルトの提案はリデザインになる。決断力があるように見えるが、ほぼ常に最もコストが高く、得られる学びも最小限だ。一度に四十もの要素を変更しても、どれが効果的だったのかは一切わからないからである。
現実的な代替策は地味ですが費用対効果が高いです。実際の離脱地点を計測し、原因の仮説を一つ立て、単一の変数を変更することです。
計測環境の整備は、一切の変更の前に実施する
測定していない指標は改善できません。変更を行う前には、各ステップとその間の離脱を把握できる十分な計測環境が必要です。
- 重視すべきコンバージョンを定義します。通常はページビューではなく、お問い合わせや予約です。
- フォームの開始と放棄を含む、到着からそのアクションまでのすべてのステップを記録します。
- デバイス別にセグメント化します。モバイルとPCでは、失敗するステップが異なるためです。
- 変更を加える前に、少なくとも1つの完全なビジネスサイクル分のベースラインを記録します。
見栄えの改善より、流失箇所の特定を優先
離脱が最も大きいステップこそが収益の鍵であり、デザイン上の意見が集まる場所とは限りません。よくある発見は、誰もが嫌うページが適切にコンバージョンし、誰も見ないフォームが開始者の3分の2を失っているという点です。
フォーム動作を重点的に確認します。入力項目数、エラーハンドリング、送信失敗時の挙動は問い合わせ損失の原因となり得ますが、これらはスクリーンショットからは把握できません。
一度に一つの仮説を検証
検証には明確な仮定が必要です。「Xを変更すればYが改善するのは、Zの理由によるものだ」と記述できない場合、それは仮説ではなく単なる好みの違いに過ぎません
- トラフィックが許容する範囲で、テストごとに1つの変数を変更します。
- リリース前に成功指標と運用期間を決定してください。
- 初期の数値が好調に見えても、プロセスを完走させます。
- 失敗したテストも成功したテストと同様に慎重に記録してください。それこそが、次四半期に同アイデアが再浮上しないための根拠となります。
アクセス数が少なくてもテストは可能である。
A/Bテストに十分なデータ量がない場合、適切な期間を設けた順次テストでも推測より優れており、定性的な証拠が重視されます。セッション録画、確認ページの単一質問、またはほぼ問い合わせに至らなかった顧客との5分間の電話ヒアリングなどが該当します。
意思決定記録を保持する
1年間のテストで最も価値があるのはコンバージョン率ではありません。試したこと、起きたこと、決定したことのログです。これにより組織は同じアイデアを無限に争うことをやめられます。
次のステップ
AIによるA/Bテストとコンバージョン最適化 以下の順序で厳密に実行します：計測、リーク箇所の特定、単一変数のテスト、記録.トラフィックは健全だが問い合わせが減少している場合, 改善すべき箇所をお知らせください — we will start with the funnel data rather than a design opinion. You can also see これらのシステムの連携方法.