英語からAIを使用して翻訳されました
この文章はAI技術を使用して翻訳されたことにご注意ください。正確性を維持するよう努めていますが、一部の詳細が元のテキストを完全に反映していない場合があります。情報に不明な点がある場合は、英語版を参照してください。
影響評価を使用して：
- コンバージョンと収益への影響を測定し、努力の成功を測定します
- 問題を修正する価値があるかどうかを迅速に評価します
- セグメントを比較してパフォーマンスの重要な違いを特定します
- 将来のUX/UIの機会を予測し、ROIに基づいて投資の優先順位を付けます
影響を計算する方法
1. 分析のコンテキストを設定する
分析のコンテキストを開き、最初のセグメントを選択し、次に比較をクリックして2番目のセグメントを選択します。例：[トラフィックソース] Eメールを[トラフィックソース] 有料検索と比較します。
2. 目標を定義する
あなたの分析の目標は何ですか？成功を測定し、コンバージョンへの影響を評価するために明確に定義してください。
分析のコンテキストと目標が定義されると、次のような初期のインサイトを明らかにし始めます：
- 影響の程度。
- コンバージョンへの影響の大きさ（失われたコンバージョンで測定）。
- あるセグメントの一定のパーセントが他のセグメントと同様にコンバージョンした場合のコンバージョンの潜在的な増加。
さらに深く掘り下げるために、収益への影響を定量的に測定し、影響計算を調整して改善シナリオを絞り込むことができます（ステップ3を参照）
3. 影響計算を編集する
収益への影響を推定するために各コンバージョンの値を決定します。
目標に関連する各コンバージョンに値を割り当てることで、この値に基づいて失われたまたは追加の収益を計算できます。
eコマースタグが有効かどうかにかかわらず、収益への影響を正確に測定するために、各コンバージョンの値を視覚化し、調整できます：
(eコマース目標の場合) 各コンバージョンの値を定義する方法
|
中央値カート（デフォルト）と平均カートのいずれかを選択します 選択した目標に対して、次のいずれかを選択できます：
両方の値は、より良いパフォーマンスを示したセグメントに基づいて自動的に計算されます。 選択が完了したら、単に適用をクリックすると、定義された値に基づいて失われたまたは追加の収益が計算されます。
|
(eコマース以外の目標の場合) コンバージョンあたりの価値を定義する方法
|
カスタム値を選択 選択した目標に関連する各コンバージョンのためにカスタム値を定義するオプションがあります。この値は目標と共に保存され、すべてのユーザーに対して更新されます。 選択が完了したら、単に適用をクリックすると、定義した値に基づいて見逃した収益または追加の収益が計算されます。
|
改善シナリオを調整する。
異なる改善シナリオを使用して影響の計算を調整できます。
分析の例: マーケティングキャンペーンパフォーマンスを分析する
1. 分析のコンテキストを開き、セグメントを設定します: [キャンペーン] ニュースレターに一致するユーザー。
2. '比較'をオンにします。
3. セグメントを設定します: [キャンペーン] ニュースレターに一致しないユーザー。
4. セグメントの条件をカスタマイズします
-
- セグメントAには、マーケティングキャンペーンにエンゲージしたユーザーを含めます（例: ニュースレターのCTAをクリックしたユーザー）。
- セグメントBには、代替チャネルを通じてキャンペーンページに到達した訪問者を含めます（例: ニュースレターを介さずに一般的なブラウジングを通じて）。
4. 目標値を定義します（例: キャンペーンページの主要CTAをクリックした）。
5. 選択した目標の各コンバージョンのための値を定義します。収益を定量的にするをクリックし、カスタム値を入力します。この値は、あなたが選択したもので、マーケティング活動の成功を金銭的に最もよく表します。
6. 結果を読みます。
分析の解釈の例: あなたのEメールマーケティングキャンペーンから到着したユーザーは、'フォームを提出する' CTAをクリックする可能性が57%低いです。Eメールからのユーザーを誘導するのをやめ、キャンペーンページへの代替ルートを利用すれば、$230の事前定義されたコンバージョンあたりの値に基づいて、追加の推定収益$31,740を生成する可能性があります。
よくある質問
比較可能なセグメントはどれですか？
デフォルトでは、選択されたセグメントはすべてのデバイス上の他のセッションと比較されます。ただし、この情報は、ナビゲーションの旅のどこにでもいる可能性のあるユーザーを含むため、必ずしも最も関連性が高いわけではありません。
ベストプラクティス: 特定のゾーンをクリックしたユーザーセグメントを分析している場合は、デフォルトのすべての他のセッションと比較するのではなく、同じページを訪れたがそのゾーンをクリックしなかったユーザーと比較してください。
影響評価は低いコンバージョン率の原因を示しますか？
始まりです！しかし、たとえば、遅い読み込み時間と低いコンバージョン率の間に強い相関関係が見られたとしても、それが常に根本原因であるとは限らないことを覚えておいてください。
ベストプラクティス: コンバージョン率を説明する他の要因を確認してください（例：壊れているCTA）。
外部要因は直感に反するインサイトをもたらすことがありますか？
はい、たとえば、レイジクリックをしているユーザーは、そうでないユーザーよりもコンバージョン率が高いかもしれません。なぜでしょうか？レイジクリックは購入の意欲を示しているため、複数回の試みが行われます。しかしもちろん、レイジクリックをユーザーのジャーニーに追加しても、実際にはコンバージョン率や収益が向上するわけではありません。
セグメントAがセグメントBよりもパフォーマンスが劣る場合、セグメントBのキャンペーンをAに適用してコンバージョンを増加させるべきですか？
パフォーマンスが向上するかもしれませんが、すべてのセグメントAユーザーをセグメントBのキャンペーンに移行することでパフォーマンスが均一になるとは限りません。なぜでしょうか？以前はコンバージョンしなかったセグメントAのユーザーが、セグメントBのキャンペーンを通じて獲得された場合、100%がコンバージョンするわけではありません。（この非現実的な結果に基づいてインサイトを生成しないようにするために、影響評価はセッションごとの収益の損失/獲得を表示し、総収益の獲得/損失は表示しません。）
収益機会（追加収益）はどのように計算されますか？
私たちは、失敗したセグメントのユーザーが勝利したセグメントのコンバージョン率でコンバージョンした場合に生成される可能性のある推定収益を表示します。そのため、2つのセグメントのコンバージョン率の差と、パフォーマンスが優れているセグメントのコンバージョンあたりの価値に基づいて予測収益を示します。
これを説明するために、次のシナリオを想像してください：
1. 選択したセグメントをデフォルトの「すべての他のセッション」と比較します。
- 選択したセグメント は デフォルトの「すべての他のセッション」セグメントを上回ります。
収益機会は、選択したセグメントのトラフィック、デフォルトセグメント（「すべての他のセッション」）のセッションと選択したセグメントのセッションの間のコンバージョン率の差、そしてパフォーマンスが優れている選択したセグメントで生成された中央値のカート（または平均カート/カスタム値）の収益に基づいて計算されます。
追加収益（eコマース目標）
追加収益（非eコマース目標）
- 選択したセグメント は デフォルトの「すべての他のセッション」セグメントを下回ります。
収益機会は、選択したセグメントのトラフィック、デフォルトセグメント（「すべての他のセッション」）のセッションと選択したセグメントのセッションの間のコンバージョン率の差、そしてパフォーマンスが優れているデフォルトセグメント（「すべての他のセッション」）で生成された中央値のカート（または平均カート/カスタム値）の収益に基づいて計算されます。
追加収益（eコマース目標）
追加収益（非eコマース目標）
2. 選択したセグメント Aを別の選択したセグメント Bと比較します。
- セグメント A が セグメント Bを上回ります。
収益の機会は、低パフォーマンスのセグメント（セグメント B）のトラフィック、低パフォーマンスのセグメント（セグメント B）と高パフォーマンスのセグメント（セグメント A）のセッション間のコンバージョン率の差、および高パフォーマンスの選択されたセグメント（セグメント A）で生成された中央値のカート（または平均カート/カスタム値）の収益に基づいて計算されます。
追加収益（eコマース目標）
追加収益（非eコマース目標）
- セグメント A が セグメント Bを下回ります。
収益の機会は、低パフォーマンスのセグメント（セグメント A）のトラフィック、低パフォーマンスのセグメント（セグメント A）と高パフォーマンスのセグメント（セグメント B）のセッション間のコンバージョン率の差、および高パフォーマンスの選択されたセグメント（セグメント B）で生成された中央値のカート（または平均カート/カスタム値）の収益に基づいて計算されます。
追加収益（eコマース目標）
追加収益（非eコマース目標）
見逃したコンバージョン、見逃した収益、追加コンバージョンはどのように定義され、計算されますか？
- 見逃したコンバージョン
セグメント Aとセグメント Bの間、または選択したセグメントと同じデバイス上のすべての他のセッションの間のコンバージョン率の差の結果として失われたコンバージョンの数。
見逃したコンバージョン = トラフィック セグメント N X (セグメント Mのコンバージョン率 - セグメント Nのコンバージョン率)
セグメント M: より良くコンバージョンしたセグメント
セグメント N: より少なくコンバージョンしたセグメント
- 見逃した収益
見逃したコンバージョンの数（選択した目標）の非問題セグメントのコンバージョンあたりの価値との積の結果。
見逃した収益 (eコマース目標) = トラフィック セグメント N X (セグメント Mのコンバージョン率 - セグメント Nのコンバージョン率) X セグメント Mの中央値のカート（または平均カート）
見逃した収益 (非eコマース目標) = トラフィック セグメント N X (CRのセグメント M - CRのセグメント N) X 目標のカスタム値
セグメント M: より良くコンバージョンしたセグメント
セグメント N: より少なくコンバージョンしたセグメント
- 追加コンバージョン
セグメント Aとセグメント Bの間、または選択したセグメントと同じデバイス上のすべての他のセッションの間のコンバージョン率の差の結果として得られたコンバージョンの数。追加コンバージョンを推定するために改善シナリオを調整できます。
追加コンバージョン = 改善シナリオ（10%または25%または50%または100%またはカスタムパーセンテージ） x トラフィック セグメント N X (セグメント Mのコンバージョン率 - セグメント Nのコンバージョン率)
セグメント M: より良くコンバージョンしたセグメント
セグメント N: より少なくコンバージョンしたセグメント
統計的有意性はどのように計算されますか？
統計的有意性は、セグメント条件がユーザーコンバージョン率の低下に関連しているかどうかを判断するために使用する信頼の指標として機能します。
エラー/セグメントとコンバージョンの低下との相関を測定できることに注意することが重要です。エラー/セグメント条件を経験すること以外にも、ユーザーがコンバージョンに失敗する要因がある可能性があるため、因果関係を測定しているとは言えません。
私たちの統計的有意性の計算は、頻度主義統計モデルに基づいており、特にzテストを使用しています。このモデルは、確率を使用して意味のある推論を行うことを可能にします。このモデルを利用する際の私たちの目標は、「観察された差が単なる偶然の結果でないことをx%の確信を持って主張すること」です。
私たちは信頼レベルを99%に設定しています。これは、分布表で定められた2.33を超える値のときのみ、テスト結果を統計的に有意と見なすことを意味します。これは一般にzテーブルと呼ばれます。
Contentsquareでは、私たちの分析は99%の信頼レベルで運営されています。これは次のことを意味します：
- 帰無仮説が実際に偽であるときに、それを正しく識別する可能性が99%であり、真の差または変動が存在することを示しています。
- 帰無仮説が偽でないときに、それが偽であると誤って結論づける1%の可能性があり、偽陽性を引き起こします。
例えば、信頼レベルを95%に設定した場合、これは20のエラーまたは機会ごとに少なくとも1つの偽陽性をもたらします（20 x 0.05 = 1）。しかし、99%の信頼レベルでは、100のエラーまたは機会ごとに1つの偽陽性のみを予想します（100 x 0.01 = 1）。
このアプローチにより、真の差を自信を持って検出し、誤った結論のリスクを最小限に抑えるバランスを取ることができます。