AIを使用して英語から翻訳されました
この記事は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、一部の詳細は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。
インパクト評価により、セグメントが他のすべてのユーザーと比較してどれだけ効果的にコンバージョンしているかを監視できます。また、潜在的な収益の推定と、変更が収益に与える影響を提供します。
これは、セグメントのパフォーマンスに関する最初の洞察です！
結果が統計的に有意でない場合でも、収益の差は表示されますが、ツールチップには次のように説明されます："コンバージョン率の差が、いずれかのセグメントが小さすぎるか、コンバージョン率が近すぎることによるものでないことに99％未満の確信があります"。
注意
コンバージョン率と収益の差は、統計的に有意な場合にのみ表示されます。
統計的有意性とは何ですか？
相関関係は因果関係を意味しません。偽陽性を避けるために、Contentsquareは計算された影響の信頼性を評価します。これを「統計的有意性」と呼びます。
「統計的有意」とは、観察された差が偶然によるものでないことに99％の自信があることを意味します。そうでない場合、計算は「有意でない」となります。
機会の結果が統計的に有意かどうかを判断するために、母集団のサイズを確認します：比較される母集団のいずれかが小さすぎる場合（つまり、30セッション未満）、計算は「有意でない」となります。
インパクトを計算する方法
1. 分析コンテキストを設定する
分析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。
2. 目標を定義する
あなたの分析目標は何ですか？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。
分析コンテキストと目標が定義されると、次のような初期の洞察を得ることができます：
- インパクトの範囲。
- 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割合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化し、インパクト計算を調整することで改善シナリオを洗練することができます（ステップ3を参照）
3. インパクト計算を編集する
収益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、コンバージョンごとの価値を視覚化し、調整することができます：
(eコマース目標の場合) コンバージョンごとの価値を定義する方法
中央値のカート（デフォルト）と平均カートのいずれかを選択
選択した目標に対して、次のいずれかを選択できます：
- セッションごとの中央値のカート（推奨、統計的外れ値を除外します）。
- セッションごとの平均カート。
どちらの値も、より良いパフォーマンスを発揮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、適用をクリックするだけで、定義された価値に基づいて、見逃した収益または追加の収益が計算されます。
(非eコマース目標の場合) コンバージョンごと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、適用をクリックするだけで、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します。
異なる改善シナリオを使用して、検出された機会を調整できます。
- 改善シナリオ
比較モードでOpportunityを使用する際には、改善シナリオを定義する能力があります。これにより、最もパフォーマンスが悪いセグメントであった場合に、どれだけの収益を得られたかを予測できます。
変換率は、あなたの最もパフォーマンスの良いセグメント（比較対象のもの）と同じです。
例えば、もしX%のセグメントBのセッションがセグメントAのセッションと同じように変換された場合、あなたはXの追加収益を得ることになります。
改善シナリオを選択することで、異なる影響レベルを考慮に入れることができます。
例えば、エラーを完全に修正することは可能ですが、すべてのバウンスユーザーを完全に排除することは現実的ではありません。
これにより、ROIの機会をより正確に見積もることができます。
改善シナリオのパーセンテージクイックガイド
- 100% (Default)
計算: もし SEGMENT A が SEGMENT B を上回る場合、トラフィックの100% SEGMENT B X (CR of SEGMENT B - CR of SEGMENT A) X SEGMENT A の中央値カート
ユースケース: ユーザージャーニーを解放する可能性のある非常に影響力のある変更に推奨
例: 支払いページのAPIエラーの修正、誤ったリダイレクトの修正（例: 404ページ）、フォーム内のJSエラーの修正
- 50% (High)
計算: もし SEGMENT A が SEGMENT B を上回る場合、トラフィックの50% SEGMENT B X (CR of SEGMENT B - CR of SEGMENT A) X SEGMENT A の中央値カート
ユースケース: 構造的な変更のような高影響の変更に推奨
例: 住所フィールドへの自動提案の追加、「ゲストとしてログイン」オプションの追加やGoogleでの簡単なログインの追加、製品カテゴリ間を簡単にナビゲートするためのパンくずリストの追加
- 25% (Medium)
計算: もし SEGMENT A が SEGMENT B を上回る場合、トラフィックの25% SEGMENT B X (CR of SEGMENT B - CR of SEGMENT A) X SEGMENT A の中央値カート
ユースケース: CTAの文言変更のような中程度の影響を与える変更に推奨
例: ファネルの各ステップでカートの概要を追加すること、フォーム送信時にエラーメッセージを追加すること、チェックアウトファネルでの簡単なナビゲーションのためにパンくずリストを追加すること、主要なCTA（カートに追加、バスケットに追加、色、価格、サイズセレクター）を折り返し線の上に移動すること、検索バーをより目立たせること
- 10% (低)
計算: もし SEGMENT A が SEGMENT B を上回る場合、トラフィックの10% SEGMENT B X (CR of SEGMENT B - CR of SEGMENT A) X SEGMENT A の中央値カート
ユースケース: CTAの色/デザイン変更のような低影響の変更に推奨
例: ユーザーが「カートに追加」CTAを識別できるように色を変更すること、ユーザーがすべてのフィルターオプションを同時に適用できるようにすること。
ユースケース
- アプリに変更を加えた後の突然の低下を監視し、パフォーマンスを一目で把握するためにダッシュボードにウィジェットを追加します。