Webサイトの分析を始める前に｜データの見方と分析方法

Webサイトを改善するために、Google Analyticsやヒートマップ、MAツールなどでデータを取得される企業やショップが増えました。ですがデータは存在するだけでも眺めるだけでも改善につながりません。データの意味に気づき、改善につながるヒントをどのように読み取ればいいのかについて学びましょう。

データから気づきを得る

データ【1-1】をご覧ください。この内容からは現時点では気づきを得るのが少し難しいかもしれません。事実が中心に並んでいるため改善のためのヒントを見つけるにはもう少し整理や分析が加わるとより分かりやすくなりそうです。

【1-1】指標	今月の数値
ページビュー数	20,000PV
コンバージョン率	1.3%
売上	50万円

サイトや期間が同じデータ【1-2】【1-3】はどうですか？
この場合はサイト改善のヒントが見つかりそうです。

キャンペーンページを閲覧した人の情報
【1-2】指標	今月の数値
ページビュー数	3,200PV
コンバージョン率	6.2%
売上	62万円

通常商品ページを閲覧した人の情報
【1-3】指標	今月の数値
ページビュー数	7,800PV
コンバージョン率	2.1%
売上	82万円

・キャンペーンページは訪問者は少ないがコンバージョン率が高く、少ないアクセスでも売上のインパクトが大きい。
・通常商品ページはアクセスは多いがセールページに比べて購入率が低め。

こうした比較を行うと、「アクセスが多い＝売上が多い」とは限らないことがわかり、ページやコンテンツごとの改善策を具体的に考えやすくなります。

データの切り口を変える

データ【2-1】はどのような気づきが得られますか？

【2-1】指標	先月の数値	前年同月の数値	今月の数値
ページビュー数	38,000PV	52,000PV	45,000PV
コンバージョン率	1.3%	2.0%	1.6%
売上	75万円	130万円	90万円

過去のデータを追加して比較することで新しい発見が生まれます。

データ【2-1】を見ると今月の数値は先月より改善しています。ページビュー数は38,000PVから45,000PVに増加しコンバージョン率も1.3%から1.6%に上昇しました。しかし、前年同月（例：昨年5月）と比べるとページビュー数は52,000PV、コンバージョン率は2.0%、売上は130万円と、今月の数値はまだ下回っています。

前年同月と比べて数値が悪くなっている場合、考えられる要因は大きく2つです。

1. 昨年この時期に行った施策（キャンペーンや広告）が成功して売上が高かった。
2. 今月、何らかの施策がうまくいかなかった。あるいは競合や外部要因で影響を受けた。

この比較をすることで、「どの施策が効果的だったのか」「改善すべきポイントはどこか」を特定するきっかけになります。データは単体で見るだけではわからない傾向も、過去データと比較することで、サイト改善につながる重要な情報を見つけることができます。

このようにデータは単体で見るのではなく、他のデータと比較することでサイトの改善につながる情報を発見することができます。

「他のデータ」には2つの考え方があります。

 1つは「トレンド」 そしてもう1つは「セグメント」という考え方です。

 データから「仮説」を立てる

分析を始める前に大事なこと

「トレンド分析」や「セグメント分析」の話に入る前に、共通して大事なことがあります。それは 「必ず仮説を立ててから分析する」 ということです。データを見て何かを発見したいとき、やってはいけないのは 「ツールを開いて上からなんとなく眺める」 という方法です。

• ただ眺めるだけでは時間がかかるだけで、意味のある発見はほとんどありません。
• ツールの価値も十分に活かせません。

仮説を立てるための準備

サイト分析をするときにまずやることはサイトやサービスを使い込み、実際にユーザーとしてアクセスしてみて操作感や問題点を体感します。
そして、作成者や担当者にヒアリングをし、ビジネスモデルやサイトのゴール、課題などをお伺いします。この2つを行う目的は 「仮説を立てる」 ためです。

仮説の例

• 「トップページで情報が同じボリュームで配信されているから、訪問者が迷ってすぐ離脱しているのでは？」
  → この場合の仮説は 「トップページの離脱率や直帰率が平均より高いはず」
• 「このキャンペーンは多くの流入と売上につながっているはず」
  → この場合の仮説は 「キャンペーンページの訪問者数や売上が高くなっているはず」

仮説を立てたら、次に「実際のデータで確認する」 という流れになります。
分析の基本的なフローは以下のようになっています。

データ分析の基本フロー

1.仮説を立てる

「ここが問題かもしれない」「こうなっているはず」と予想します。
例：トップページがごちゃごちゃしていてすぐ離脱しているかも。
↓

2.どの数値で仮説を立証できるかを考える

どのデータを見れば、仮説が正しいか判断できるかを決めます。
例：直帰率や離脱率を見れば、トップページで迷っているかがわかる。
↓

3.該当箇所のデータを見る

実際にツールを使って必要な数値をチェックします。
例：直帰率が平均より高ければ仮説が正しい可能性がある。
↓

4.更なる原因特定のために「トレンド」や「セグメント」を使う

トレンド：時間の変化で問題の傾向を確認する
セグメント：ユーザー属性ごとに違いがあるかを確認する
例：新規ユーザーだけ離脱が多いのか、既存ユーザーも同じかを調べる
↓

5.結果から改善案や活用案を考える

データからわかったことをもとに何を変えれば良いかを考えます。
例：トップページをシンプルにして、離脱を減らす

仮説を立てる方法は主に3つ

1. サイトを実際に使ってみる

自社サイトや同業他社のサイトを、いくつかのシナリオを想定しながら使ってみます。
例：「商品を購入した後にキャンセルしたい」「資料請求したい」

自分が使いにくいと感じた部分をメモしておきます。
後で実際のデータ（離脱率や直帰率など）を見て仮説が正しいか確認できます。

2. 利用者や運営者の声を集める

ユーザーやサイト運営者の声は、データだけでは気づけないポイントを教えてくれます。

• カスタマーサポートに届く問い合わせ内容
• アプリやサイトのレビューコメント
• 運営者へのヒアリング

これらの情報をもとに「ここが問題かも」「この部分は改善の余地があるかも」といった仮説を立てられます。

3. 過去の施策や目標を確認する

過去に行った施策や目標設計、作成済みのレポートを確認することも有効です。

• 以前の目標や施策の意図を理解する
• 過去の成果や課題を振り返る

データをどう見るべきかどこに注目すれば良いかのヒントを得ることができます。

これで仮説が用意できたら、次は 「トレンド分析」と「セグメント分析」 を行います。