ABテストとは、デザインが異なる2つのパターンのLPへとユーザーを振り分けることで、どのデザインがどれだけのパフォーマンスを発揮するか並行して比較するサイト改善の方法です。

サイトの改善における、最もメジャーなサイト改善の方法の一つです。広告の運用やサイトの運営をおこなっている方であれば一度は聞いたことがあるのではないでしょうか。

ABテストにおける最大のメリットはLPのデザインによるサイト訪問者の反応の差を定量的に評価することができることです。

しかし、ABテストとはただ単に複数のデザインを作成して検証すれば良いというものではありません。

仮説を持ってABテストを実施することが取り組み方として最も重要です。なぜなら、どのデザインがボトルネックとなっていて、どのような変更を加えることが最適なのか？と仮説の正誤を確かめるための取り組みであると考えましょう。

この記事では、効果的なABテストを実現をするために必要な情報として、具体的なやり方や仕組み、効果的なユーザーの振り分け方などについて紹介します。

そもそも、A/Bテストとは何か？

この項目は、ABテストというワードは耳にしたことがあるが、まだ詳しくはわからないという方に向けた解説です。ABテストがどのようなもので、どのような目的でおこなわれるのかを解説します。

ABテストでは、あるLPの中で特定の箇所のデザインなどに改善を加えた、別パターンのLPを事前に用意して比較分析をおこないます。

AとBの2つのLPへと、ユーザーを振り分けることで各デザインの成果を同時に評価するサイト改善の方法です。

一般的には、元々のデザインのパターンをA、改善を加えたパターンをBと呼びます。ちなみに、場合によっては、2つ以上のパターンを用意することもあります。

このようなLPを設置した目的の行動が実行される割合（CVR）を改善する取り組みのことをLPO（ランディングページの最適化）と呼びます。

ABテストは、先述の通り最も知名度の高いLPO施策の一つと言えるでしょう。

ABテストがこれだけ一般的なLPO施策となっているのには、低コストで定量的な分析ができるということだけでなく、施策をLPの本番環境に反映する際にABテストを実施しないリスクが大きいからということも言えるでしょう。

次の項目では、その詳細について解説をおこないます。

A/Bテストの必要性と活用しないリスク

ABテストは施策を本番に反映する前に確実に実施すべきステップです。

なぜなら、施策をそのまま本番に反映すると予期せぬリスクが伴います。最悪、ユーザー体験を損ない、サイトの評価が下がる可能性もあります。また、施策の評価を過去の数値との比較でおこなうと、内外の要因で結果の純粋な比較がしにくいです。

ABテストは低コストでリニューアルのリスクを減らす強力なツールです。これらの視点から見ても、ABテストの活用はサイト改善の前段階における必須条件です。本項目では、ABテストを実施すべき理由と実施しないリスクについて詳しく解説しています。

Web改善において本来マストなプロセス

現在のWeb改善プロセスの多くは以下のようにおこなうことが理想的です。

 

①データ等からの課題抽出

②課題解決への仮説構築

③仮説を元に施策設計

④施策の本番サイト反映

⑤過去数値との比較で施策評価

 

このプロセスには2つの大きな問題点があります。

 

1つ目の問題点は「仮説を元に施策設計」です。
この施策設計は最大仮説に留まっており、本番反映という行為は場合によって大きなリスク要因になります。
元々の状態の方が高いパフォーマンスを発揮する場合は、単に変更しなければよかったというだけでなく、修正コストが高くなります。また、場合によってはユーザーの利便性が低下したということでプラットフォームからの評価が下がります。具体的には表示順位が低下するなどということです。

 

2つ目の問題点は「過去数値との比較での施策評価」です。
CVR（コンバージョン率）は施策のみならず多くの内的要因・外的要因の影響を受けます。

 

内的要因としては、広告費の投下量によりユーザーの質自体が大きく変わることです。
予算拡大に伴い広告の面を増加すれば、ユーザー属性は大きく変わります。

 

外的要因としては、季節指数における変化やトレンドによる需要の波、競合の動向などによる変化があります。
この変化が多くある中で、過去比較による施策評価はビジネス的なリスクを生んでしまう可能性があるのです。

 

ABテストを活用したサイト改善では、サイトの現状を正確に把握しましょう。
ABテストでは、どこを直せば商品やサービスの価値をユーザに正しく伝えられるかが重要なのです。

少ない費用で効率的にCVを獲得

ABテストは広告と違い、お金をかけずにCV数（コンバージョン数）を継続的に増やしやすい手法です。

CV数（コンバージョン数）とは、広告をクリックしてサイトを訪れたユーザーが、商品購入や資料請求、お問い合わせといった広告主にとって成果とみなされる行動をとった数のことをいいます。

 広告の場合は出稿量を増やさなければ流入するユーザーやCV数（コンバージョン数）が増加しません。

大きく出稿量を増やそうと思えばその分費用がかかるのです。

 ABテストの場合はページ内に変更を加え、CVR（コンバージョン率）を上昇させるため、広告の出稿量増加に比べ費用をかけずに効率よくCV数（コンバージョン数）を増加できます。

また、さらに少ない費用で効率的にCV数（コンバージョン数）を獲得したい場合は、Googleオプティマイズを活用してABテスト自体の費用を抑える方法もあります。

リニューアルのリスクを回避する

新しいUI設計やコンテンツをテストせずにリニューアルしてしまう影響は計り知れません。

 CVR（コンバージョン率）が上昇する内容であればいいのですが、CVR（コンバージョン率）が低下する内容だった場合、大きな損害を生むリスクがあります。

 ABテストでマイナーチェンジを繰り返し、勝ちパターンだけを本番に反映することで、リニューアルのリスクは半分以下に減らせます。

成果を残すA/Bテストの進め方

冒頭で説明したように、ABテストとはただ単に施策を実施して比較をしてみれば良いというものではありません。

しっかりとした仮説にもとづいて施策を策定し、それを本番反映する前段階としてABテストを実施することで最大効果を得ることができます。

本項目では、ABテストの最大効果を発揮して成果を残すための進め方を解説します。

目的を整理する

ABテストを進めるにあたって、まず何を改善するためのテストなのか、目的を整理することが大切です。

最終的な目的はCVR（コンバージョン率）を上げることです。

たとえば通販サイトの場合、購入数を増やしたり、1回あたりの購入金額を高めることは重要です。

しかし、小さな改善が直接CVR（コンバージョン率）の改善に結びつくことはあまり期待できません。

そこでアクセス解析などを使い、「サイトに訪れたユーザーがどのような行動をとっているのか」を把握することが必要になります。

ユーザーのCV（コンバージョン）までの導線や行動の傾向を整理し、CV（コンバージョン）の手前のポイントを改善するための目的を設定してみましょう。

ポイントは「改善インパクトが多い箇所」から見ること。

たとえば最初に見られているページのPVが「トップページ1万PV」「サービス詳細ページ100PV」だとすると、改善インパクトが大きいのはもちろんトップページです。

あたりをつけると「トップページの直帰率を下げる」「フォームへの遷移数を増やす」など、ABテストの指標がみえてきます。

仮説を立てる

目的を整理したら、目的を達成するために改善するポイントを洗い出します。

手当たり次第にテストするのでなくユーザー目線で改善したほうがいいポイントを探しましょう。

この時、微細な箇所を選ぶのではなく、CV（コンバージョン）に近い要素やユーザーの目に触れやすい要素、ユーザーのアクションを促しやすい要素などを選ぶことが大切です。

 

次に、どう改善すれば効果が期待できるのか、仮説を立てます。

感覚だけに頼るのではなく「ヒートマップ」や「アクセス解析」のデータも見ながら有効な仮説を立てましょう。

目的の達成のためにどうすればいいのかを考えることが大切です。

サービス提供者としての感覚は捨てて、あくまでユーザー目線でデータを基に有効な仮説を立てるのがポイントです。

ABテスト実行前に、影響範囲を予測する

テストでは仮説通りに効果を出すことが目的です。

しかし、場合によってはまったく影響が出なかったり、逆に成果が悪くなってしまうケースもあります。

普段は気にかけていない要素が影響することも少なくありません。

また、想定していなかった影響が出ることも考えられます。

実際にテストをはじめてから悪い影響が出て慌てないように、あらかじめ影響範囲を予測しましょう。

テストするポイントを決めたら、ABテストを実行します。

多くの指標を確認できますが、目的や仮説を見失わず、シンプルに重要指標を追いかけるのが大切です。

ネット広告やWebサイトに関わる数値はたくさんあり、どの数値を見るべきか迷うことも多いと思います。

しかし、仮説をしっかり立てていれば問題なく影響範囲の予測ができます。

結果に対する要因を分析し次の打ち手を考える

テストの結果が出たら、結果に対する検証を行いましょう。

そこから要因分析と次の方法を考えるのです。

テストパターンの結果を見るだけでなく、テスト実施前の仮説をあらためて振り返りましょう。

仮説が正しかったのか、間違っていたのならどこが間違っていたのかを考察します。

その考察から、次のテストにつながる仮説が生まれるのです。

ABテストの結果が良かった場合、更に他のパターンとテストしてみましょう。

悪かった場合も、結果を踏まえて練り直したテストにより、さらなる改善につなげられます。

たとえ一度のテストで効果がなかったとしても、その要素の改善を諦める必要はありません。

ABテストを繰り返し、小さな改善を積み重ねることによって、全体の成果に大きなインパクトを与えるようになっていくのです。

中には「ABテストを実施すること」自体に満足して、結果が出ても何もしないケースも見受けられます。

ABテストの結果は広告やランディングページにしっかり反映しましょう。

ここまで解説してきたように、効果的なABテストのステップというものが存在します。

ABテストを具体的に実行するには、2つの種類のABテストがあるということを理解し、目的に応じてどちらの種類を採用するかを把握しておくことも重要です。次の項目では、ABテストにおける2つの基本型を紹介し、そのメリットやデメリットを解説します。

A/Bテストは変更の規模によって3種類を使い分ける

ここまでの項目では、ABテストとはどのようなもので、どういった目的で実行するのか、それを実行するためのステップは何かということを解説しました。

本項目では、ABテストについてより解像度を高めて理解ができるように、ABテストの基本的な種類についてどのようなものがあるのかを解説します。

「ABテスト」と言われるものには、広義な意味でのABテストと狭義な意味でのABテストがあるため混乱しやすいかもしれませんが、整理して理解すると良いでしょう。

狭義には以下の2つの手法のうち、前者をABテストと呼びます。

• 同一URL内で完結するABテスト
• 同一URL内で完結する多変量テスト
• 複数URLにまたがるリダイレクトテスト

広義な意味でのABテストとは上記をひっくるめてABテストとしてまとめられることがあるため注意が必要です。

同一URL内で完結するABテスト

このABテストは狭義の意味でのABテストに当たり、特定のWebページの要素を一部だけ変えて、それらのパフォーマンスを比較するものです。

要素を一部だけ変えるというのは、具体的にはボタンの色を赤から青に変更したり、ヘッダー画像のテキストを変更したりするようなことを意味します。これらの変更はすべて同一URL内でおこなわれます。

この手法のメリットはテストの結果の解釈が明確であることと、スピーディーにテストを実行できることです。

具体的な要素の変更とユーザーの行動の変化の因果関係をダイレクトに比較できるため、どの要素がCVRの変化にどのような影響を与えたのかを明確に把握することが可能です。そのため、LPOのノウハウ化にも繋がるでしょう。

また、大規模な改修などをおこなう必要がないため、テストの実装も比較的早く着手できます。

一方で、この手法では一度のテストで変更する要素は一つということが原則です。そのため、大規模な改修や複数の要素を同時に変更してテストする目的には向きません。したがって、それぞれの要素が他の要素とどのように相互作用しているかを理解することも難しくなります。

ちなみに、同じLPに複数回にわたって訪問したユーザーに対しても自動的に同じバージョンを表示させることが一般的です。これは、一貫したユーザーエクスペリエンスを保つことで、ユーザーが同じページを訪問しているにも関わらずコロコロとデザインが変わってしまって不審感を抱かせてしまうのを防ぐ役割を果たすでしょう。

多変量テスト

多変量テストは、一つのページ内で複数の要素の変更について、異なる全ての組み合わせの中から最もパフォーマンスの高い施策を検討するためのABテストから派生したサイト改善の手法です。

ABテストにおいては、一つの要素について2つのパターンのパフォーマンスの比較をおこないますが、多変量テストでは複数の要素を同時に変更することが大きな特徴です。

例えば、ヘッダーの色、ボタンのテキスト、画像の配置などといった複数の要素の組み合わせごとに全てのパターンを比較するので、要素間の相互作用などといった複合要因による因果関係を比較して評価することが可能であることが多変量テストの大きな特徴と言えます。

ただし、そのためには各要素についてすべての組み合わせを検証する必要があり、何通りものテストを行うことを意味します。

たとえば、3つの要素がそれぞれ2通りのバリエーションを持っていた場合について考えると、2通りパターンが3つの要素にそれぞれあるため、検証すべきパターンの数は以下の通りです。

2×2×2=8

合計8通りの組み合わせを検証しないとテストの結果が出ません。

振り分け自体はツールが自動的におこなってくれるため負担は特にありませんが、これらを全てテストするためには大量のトラフィックが必要となります。

そのため、小規模なサイトやトラフィックの少ないページにはあまり適していないというデメリットも存在します。

しかし、十分なPV数という課題をクリアしているLPにおいては、多変量テストは複数の要素を一度に評価でき、それらがどのように相互作用するかを理解することで、全体的なユーザーエクスペリエンスを向上させる可能性があります。

複数URLにまたがるリダイレクトテスト

リダイレクトテストとは、ユーザーをバージョンが異なるページ（URL）へとリダイレクトするABテストの一種です。この手法では、一般的には全く異なる2つ、または2つ以上のWebページを用意し、訪問者をこれらのページへランダムに振り分けます。

リダイレクトテストの最大のメリットは、設定する比較対象の自由度の高さと、複合的な要素の変更とパフォーマンスの変化についての因果関係を一度に検証できることが挙げられます。

ページごと変えてしまうため、全体的なデザインやレイアウトから、新しい機能などに至るまで、デザインなどの一要素にとどまらず「なんでもあり」の比較検証が可能です。

これは、Webサイトの全面的なサイト改修を検討している場合や、ページ内の要素の配置やレイアウトを変更したい場合、複数要素を同時に変更したときのパフォーマンスを比較したい場合において特に有用です。

一方で、デメリットとしては、新しいページを作成するため、ソースコード自体の変更が必要となる点です。技術的に難易度が高くなり、より多くの時間がかかるようになるでしょう。

加えて、複数の要素を同時にテストするため、具体的にどの要素の変更がどう結果に影響を及ぼしたのか、直接的な因果関係は不明確だと言えるでしょう。したがって、施策を実施した結果をノウハウ化することなどにも向きません。

A/Bテストの派生型や細かいテクニック

前の項目では、ABテストの代表的な種類について解説しました。

ABテストの効果を最大限発揮する上では、派生型やテクニックを把握しておくことも有効です。例えば、一度に複数のバリエーションをテストするためのA/B/nテスト、リアルタイムで効果的な解答へと最適化していくマルチアームバンディットテストなどが存在します。

これらのテクニックを適切に選択・適用することで、より効果的なLPOをおこなうことが可能になります。

A/B/nテスト

A/B/nテストは、一般的なA/Bテストから進化したもので、2つではなく3つ以上の異なるバリエーションを同時に比較することが可能です。

このテスト方法では、一度のテストで一つの要素について多くのパターンを検証し、ユーザーの反応を複数の選択肢に対して評価することができます。

例えば、Webサイトのヘッダーデザインを3種類用意し、それぞれのデザインがユーザーの行動にどのような影響を及ぼすかをテストするといったことが可能です。

A/B/nテストの最大の利点は、多数のバリエーションを同時に比較し、異なるデザインやコンテンツの変更の効果を一度に明確な因果関係のもとに検証できることです。これにより、さまざまな選択肢のパフォーマンスを比較的早く評価することが可能となります。

ただし、パターンの数が増えると、各パターンの統計的有意性を確保するために必要なサンプルサイズが大きくなり、それだけ多くのトラフィックを必要とするというデメリットもあります。そのため、大規模なウェブサイトや、大量のユーザートラフィックを持つLPに最も適しています。

実際にABテストを実施して検証するパーツ

ここまで、ABテストの種類や、実施する際の考え方、進め方について解説をおこなってきました。

しかしながら、「仮説を立てて早速着手してみよう」と言われても何から改善をすれば良いか分からずに困ってしまうかもしれません。

幸いなことに、ABテストにおいてまず着手すべき点はある程度絞られています。

• ファーストビュー領域
• メインビジュアル
• CTAボタン、ボタン周り
• 見出し、ページタイトル
• 離脱導線

ファーストビュー領域

ファーストビュー領域はすべてのユーザーが見るため、一般的に最もインパクトが大きい箇所です。

なぜなら、ファーストビュー領域とはユーザーがサイトを訪れた際、最初に目に入る領域だからです。

ユーザーはここで見えている箇所だけで離脱するか、読み進めていくかを判断します。

つまり、CVRを直接的に上げる施策というよりは、離脱率を下げて間接的にCVRを上げることが可能です。

とくにスマホユーザーは、パソコンユーザーに比べてその判断が早い傾向にあるようです。

ABテストを行う際はまず、ファーストビュー領域からテストしましょう。

ファーストビュー領域で与える印象は、その後のユーザーの行動に大きな影響を与えます。

ページに訪れるユーザー像を予測し、そのユーザーが求める情報を考え、どこまでをファーストビュー領域に収めるべきかを考えましょう。

より具体的なABテストのポイントとしては、

• メインビジュアル
• キャッチコピー
•  補足情報
• CTA（行動喚起）
• 全体のデザイン
• タイトルや見出しの文言

などが挙げられます。

メインビジュアル

メインビジュアルは、ファーストビュー領域における大きな画像のことです。

ユーザーのファーストインプレッションの大半を構成し、商品やブランドのイメージに直結する重要な役割を担うのがメインビジュアルです。

メインビジュアルはユーザーに何のサイトであるかを直感的に印象付ける役割があります。

文字情報よりも目に入りやすいメインビジュアルによって、サイトの印象は大きく変わります。

ABテストのポイントとしては

• 画像だけにするのか
• キャッチコピーを載せるのか
• イメージカラーの設定はどうするのか

などさまざまな角度から行いましょう。

できるだけポジティブな印象になるように調節してみてください。

ABテストによってメインビジュアルを印象的なものにすることで、反応率の高いコンテンツになります。

CTAボタン、ボタン周り

CTAボタンは商品の購入や会員登録など、Webサイトを訪れたユーザーに行動を起こしてもらうためのボタンです。

CTAボタンはCV（コンバージョン）をするうえで必ず押す必要があるため、基本的にはユーザーが発見しやすいように設定します。

ABテストのポイントとしては

• 色
• 形
• サイズ
• 位置

はもちろん、CV（コンバージョン）を促すコピーやカーソルを合わせたときの強調度合いも確認しましょう。

押しやすいボタン感があることもポイントです。

ボタン内のテキストは先のページを示唆する内容であったり、ユーザー目線での動詞であったりと、記載するテキスト情報も非常に多く考えられます。

見出し・ページタイトル

多くのユーザーはページタイトルや見出しを見て、その情報が自分にとって必要かどうかを判断します。

ページタイトルは、ユーザーがそのページを訪問するかどうかを判断する際の大きな材料になります。

また、ユーザーは目次の見出しをチェックして、必要とする情報だけを読むことも珍しくありません。

ユーザーがサイトに訪問した後、興味を示すタイトルはどのようなものか、見出しにはどこまでの情報を載せるかといったことをチェックするためにABテストが有効です。

見出しやページタイトルは、わかりやすく簡潔であることが大切です。

できるだけユーザーの興味関心が掻き立てられる文言がよいでしょう。

実際に、ユーザーがサイト訪問している際のレコーディングデータを見ると、驚くほど速いスピードでスクロールしているケースがあります。

タイトルを見て最下部までスクロールし、自分が見たいコンテンツ領域に戻ってきてから読みはじめるような動きがあるのです。

離脱導線

サイトを閲覧していると、同じサイトの別ページや関連ページへのリンクなど、必要以上に多く感じることがあります。

これは行動喚起からユーザーを遠ざける要因です。

ABテストで不必要なリンクがないかチェックすることは、リンクの必要性の有無や離脱率の検証にも役立ちます。

外部リンクなどの離脱導線は、本来ユーザーを向かわせたい方向から逸らしてしまう原因となります。

ページ内に存在するリンクは本当にそのページ上で必要なのかを考えましょう。

そのうえで余分なものは非表示にする、表示すべきものであるならページ遷移しない表示方法にするなど、改善につながる可能性があります。

実際にECサイトの商品ページやカートページにおいて、レコメンドエリアを非表示にしたことで、CVR（コンバージョン率）や単価が上昇した事例もあるようです。

ABテストまとめ

いかがでしょうか。ABテストについてご理解いただけましたか？

ABテストはコストや手間をかけずに収益アップにつなげられる手法です。Webの効果を最大限に生かすためには、ABテストを積極的に取り入れることが重要です。

これからは、データから課題を捉え、施策の効果を正しく検証・評価・分析し、改善することをおすすめします。

感覚だけに基づいた変更は、サイトに大きな損失をもたらします。

ABテストをうまく使って、効率よくCV（コンバージョン）を獲得していきましょう。