---
title: "ウェブ解析実務"
chapter: "13"
part: 2-knowledge-areas
status: revised
visibility: public
authors:
  - claude
reviewers: []
revision: 0.1
updated: 2026-05-19
related-skills: []
related-chapters: []
related-knowledge: []
---
# ウェブ解析実務

## データ民主主義

Optimizely創業者ダン・シロカーの言葉。完全な計画は逆効果であり、必要なのはデータであり、データ分析。
自分たちの直感に反する結果を受け入れ、とにかくテストするという文化を作ることが重要。

### A/Bテストの事例
- **オバマ大統領選挙**: ボタンテキストのA/Bテスト結果、「LEARN MORE」が最も高いCVR。画像との組み合わせで11.6%のサインアップ率向上、元の8.6%と比べて40.6%も上昇
- **Amazon「衝動買い」機能**: 社内で相手にされなかったエンジニアがA/Bテストを実施 → 明らかにAmazonの収益を向上させるものだった。**たった1人の開発者が行った結果が、あらゆる上司のマネジメントを不要にしてしまう可能性がある**

### 勘はあてにならない
ダニエル・カーネマン『ファスト＆スロー』: 私たちは一見重要そうな物事に飛びつき、それが本質的に重要であるかについては思いをめぐらさないことが多い。マーケティングの世界でも、私たちは驚くほど顧客のことを知らない（そして顧客自身も自分のことを理解しているわけではない）。

## 正しいデータを選択する

**「選手を買うのではなく勝利を買う」**（映画『マネー・ボール』）。
分析において最も重要なのは「どのような結果が出るか」ではなく「何を分析すべきなのか？」ということ。直感的に正しいことが統計的に正しいとは限らない。

### KPIの設定
**どのポイントにKPIを置くか**が分析においてもっとも重要なポイント。最終的に購入するかどうかをKPIに置いた場合、それ以外の数値はあくまで目標達成のための1つの要素に過ぎない。単純なアクセス数で広告の成果を測ってしまえば大失敗する。

### LTVで計測する
広告の効果は一度だけで終わるものではない。一度来た顧客が再度来店したり、ファンになる可能性がある。
例: 飲食店が30万円で広告出稿 → 50人来店 × 顧客単価5,000円 = 25万円（赤字に見える） → しかし生涯平均1.5回来店 → LTV = 5,000円 × 1.5 = 7,500円 → 獲得価値 = 37.5万円、ROI = 125%

### フリークエンシー（購入頻度）分析
購入回数ごとの転換率を確認してボトルネックを特定する。
特に重要なのはF2（購入2回目の）転換率。一般的に、2回目に購入した顧客はそれ以降も購入する可能性が高い。1人あたりの購入回数が増えていけば、顧客のLTVは劇的に増加する。

### どの指標にポテンシャルがあるかを考える
獲得顧客数・1人あたりの顧客単価・来店回数のうち、どれがもっとも上げやすいか？ **競合と比較したとき、あるいはビジネスモデルを検討したとき、どの指標にポテンシャルがあるか？（競合と比べて低く、まだ上げられるのか？）を考えることが重要。**

### 数値を細かくする（チャンクダウン）
コンバージョン単価が悪化した場合、指標を分解して原因を特定する:
```
コンバージョン単価 → 費用 → コンバージョン数 → クリック数 → クリック単価 → コンバージョン率
```
問題を細かく分解していくことで、原因を特定することが可能になる。

## 分析の本質

分析とは、大きなくくりのデータを詳細に見て知見を発見すること。

- 全ユーザーを個別に見ても分からない
- 全部を平均化しても何も見えない
- **どのように分けるのが適切かを判断するのがWeb分析**

## セグメント分析の軸

### 時間帯別分析
- 午前と午後でどう変わるか
- 朝は何時から、夜は何時まで一定のユーザーがいるか
- 通勤通学のユーザーはいるか
- スマートフォンとPCで時間帯の差はあるか

### 曜日別分析
- BtoBは月曜日のCVが多く、土日にがくんと落ちることが多い
- 週明け月曜・金曜などにCVが増えているか
- 土日のユーザー減少幅はどの程度か

### 月初・月末比較
- BtoBは月初月末で変化がある
- 月ごとに精算するサービスは顕著に変化が出る
- CVRの変化も合わせて確認する

### 性別分析
- BtoCでは顕著な差が出ることが多い
- 男女でボリュームの差、行動の差を確認
- 年齢と掛け合わせるとさらに解像度が上がる

### 年齢別分析
- 実際にCVしている年代はどこか
- 決裁権者の年齢が高いケースもある
- 若年層はスマートフォン率が高い傾向

### 地域別分析
- 三大都市圏（東京・大阪・名古屋）の比率
- CVが多い特定の地域はあるか
- 都市部のみ売上が上がるサービスもある

## 集客チャネル分析

### チェックポイント
- 検索からの流入（安定した流入）はどの程度か
- ノーリファラー（直接流入）はどの程度か
- 有料の流入と無料の流入の割合は
- 突然トラフィックが増えたとき、どの流入が多いか

### 参照元/メディア分析
- 検索エンジン別（Google/Organic、Yahoo/Organic等）
- どのようなサイトから来ているか
- 検索キーワードはGoogle Search Consoleで確認

## ページ別分析

### チェックポイント
- 特定のページで離脱率が上がっていないか
- トップページと下部ページで差はあるか
- **直帰率と離脱率の違い**を理解する
  - 直帰率: 最初のページだけ見て離脱した割合
  - 離脱率: そのページを最後に離脱した割合

### サイト速度
- 2.5秒以上は「遅い」
- 1.5秒以内を目標にする
- 特定の時間帯に負荷がかかっていないか確認
- PageSpeed Insightsも合わせてチェック

## セグメント比較

### 直帰 vs 非直帰セッション
- 集客チャネルの割合に差はあるか
- 新規/リピーターの差はあるか
- 遷移パスの違いを確認
- ※滞在時間は仕様上、直帰セッションでは測れない

### 新規ユーザー vs リピーター
- リピーターが離脱するページ = そこで満足している可能性
- それぞれのランディングページに違いはあるか
- よく見るページのトップ3に違いはあるか