CVRを上げる為に、ABテスト✖️ヒートマップが不可欠となる理由

皆さんはヒートマップを使っていますか？
ぜひ「ABテスト×ヒートマップ」の有用性について、
この記事を通して考えてみていただきたいと思います。

コンバージョンさせられる余白を確認

今のサイト、ページでコンバージョンしない場合とはどんなことが考えられますか？
プロダクトが持つ性能自体が訪問者にとって不必要となるケース、訪問者が関係者や同業他社であった場合などはそもそもコンバージョンの見込みが限りなく低いですが、この訪問が一定量か含んでいることを想定します。
最大化すべきは、この条件を除いた「プロダクト(サービス)はターゲットの範囲内だがコンバージョンしなかった」層であり、この層のCVRを最大化させなければならない、というのがスタート地点です。
その上で、CVRに影響する三つの変数があります。
それは、「集客の質」、「訴求・クリエイティブの質」、「ユーザビリティの質」です。

コンバージョンしないユーザーの要因分解と対策

「集客の質」×「訴求・クリエイティブの質」×「ユーザビリティの質」

• 集客の質…いかにCVに近いターゲットを集客できるか

• 訴求・クリエイティブの質…いかに集客した人の気持ちを高められるか

• ユーザービリティの質…いかにCVまでの気持ちを保てるか

これらはどのように起因し、どのように改善するかをまとめました。

集客の質は、CVまでの心理ハードル、物理ハードルが低いユーザーがどの程度訪問者に含まれているかということであり、ひいてはサービスの便益に共感できるユーザーの割合です。

物理ハードルは、世帯年収、店舗なら居住地域、家族構成、性別といったデモグラ、そして心理ハードルはサービスに対しての緊急度などです。リスティング広告がCVRが高い傾向にあるのは、テキスト連動型ターゲティングによって悩みに当てたられるからですよね。

そもそも広告の場合はそのハードルありきですが、配信面やターゲティングによって属性が大きく異なるので、どの程度CVRに影響するかは認識しておきたい部分です。

訴求・クリエイティブの質は集客したサービスの便益に共感できるユーザーのうち、いかにサービスに興味を持たせられるか、欲しいという気持ちを高められるかです。

機能を欲しているユーザーもいれば、機能によって得られる生活を欲しているユーザーもおり、さらにコピーや画像から受ける印象もさまざまです。真っ直ぐに多くの人に便益が伝わるためにはさまざまな選択肢があり、調整による影響度も大きいです。

ユーザービリティの質は、「欲しい！」と思った気持ちをいかに削ることなくコンバージョンに導けるかです。相場的に高い商品はそれだけで削られますし、途中でキャンペーンにあらぬ条件が加われば裏切られた気持ちになります。そういったネガティブな情報もあれば、フォームのわかりにくさ、操作性の悪さなどストレスフルな要素もここに含まれます。不安を払拭する要素の追加や操作性向上、情報のレイアウト変更で解決できます。

ヒートマップがあればABテスト検証できる

ヒートマップ(Ptengine)で検証するデータ

影響しうる要因と改善方法がわかれば、改善することができます。
PtengineのABテストであれば、特別に事前に仕込まなくてもこれらを検証していくことが可能です。

集客の質はFV離脱率を見れば明らかです。
さらにUTMパラメータを活用すれば、流入元ごとや広告グループごとにセグメントして調査ができ、比較してどの程度マッチしているかが明瞭になります。

訴求やクリエイティブの質はアテンションやスクロール離脱率を見ることで、どの程度改善がユーザーの興味を態度変容させられたかを知ることができます。
さらに、クリックで展開されるようなコンテンツがあれば、このクリック度で関心を測ることも可能です。情報の探索は興味の深さの表れですね。

訴求で変わるユーザーの興味関心

最後にユーザービリティの質の調査ですが、CTAのクリック率やフォーム離脱率を見ることで測ることができます。

ヒートマップがなければABテストが何に影響したのかがわからない

ヒートマップがないとその変更が訪問者の何に影響したのか測るハードルがかなり高くなります。

意識してデータを集めようとすると、事前設定にかなり労力を使うことになりますよね。

ABテストを上手く使えていない場合の特徴は、こういった目的と何に影響させるのかという具体的なイメージがないこと、あったとしてもそれを設計することができないことです。

この方法であれば、「今何を検証していたのか」を意識することができ、データではっきりさせることができます。そしてABテストを実施するにあたりヒートマップがより有用に働くはずです。

付録

ディメンション分析

ABテスト結果はディメンション分析できるので、テストを実施した後にそのこれらのデータが誰にとって効果的だったのか、効果的でなかったのか、というところまで調べることができます。

ABテスト結果画面

後出しでも媒体ごとのABテスト結果がわかる。

ABバージョン別や流入元別でヒートマップを比較。
アテンションやスクロール離脱でユーザーの態度変容への影響をチェック。

複数ゴール検証

ABテストのゴールは複数設定できるので、コンバージョン以外にも、CTAクリック率、フォーム到達率なども追加できます。

複数のゴールで優位差を検証

仮にファーストビュー内要素やCTA周りをテストして、どこに影響するのかをあらかじめ予見することは難しいので、こういった指標を複数登録してABテストをすることをお勧めします。

Ptengineは本当に便利

タグ一つ入れれば、ページをノーコードで編集してすぐにABテスト、そして多面的に分析できるので、やればやるほどいい仮説と出会えますし、上記のようなフォーマットがあればちゃんとコンバージョンを上げていけますよ
これはPtengineのデータを使った高速改善サイクルの1つのやり方にすぎません。
皆さんもぜひPtengineを駆使して活用方法を編み出してくださいね🙌