データに語らせる方法 - ウェブサイトの事例分析

編集者: S++ チーム

多くのウェブサイトでは、データは製品やデザインの品質を測定するための基本的な指標の 1 つと見なされています。データ指標はかつて私に長い間息苦しさを感じさせました。しかし、考えてみると、データから多くのことがわかることもあります。これは製品の品​​質を測る唯一の基準ではないかもしれませんが、確かに多くのことを教えてくれます。

では、データから何がわかるのでしょうか?

– トラフィックは効果的ですか?

– 漏れを検出するにはどうすればいいですか?

– 訪問者を本当に理解していますか?

– ページ構造は適切ですか?

– 掲載した広告は役に立ちましたか?

– 改訂によって何がもたらされましたか?

まずデータの略語を見てみましょう

以下の例では、これらの略語についていくつかの分析が行われます。

– PV（ページビュー、総合ページビュー）

例えば、バナーをクリックした場合、クリック後に表示されるページから始まり、クリック後に表示されるすべてのページの閲覧数がPVになります。

– クリック（ページクリック）

– DISPLAY（単一ページビュー数）

– UV（ユニークビジター）

ウェブサイトにアクセスするコンピュータ クライアントは訪問者です。 24 時間以内に同じ IP から複数回アクセスした場合は、1 回としてカウントされます。

– 購入者

ウェブサイトにアクセスするコンピュータ クライアントは訪問者です。 24 時間以内に同じ IP で複数回購入した場合、その購入は 1 回としてカウントされます。

– CTR（クリックスルーコンバージョン率、クリック/ディスプレイとも呼ばれる）

– 広告コンバージョン率（PV/クリック）

例を挙げてみましょう

l バナー

– ケース1

広告コンバージョン率: 1.9

B広告コンバージョン率：10.8★

このデータから、ページ上の目立たない位置にある広告スペースがテキスト形式だと、他の多くの情報に邪魔されて見えなくなってしまうことがわかります。このとき、目を引く画像を配置すると、効果は非常に高くなると考えられます。

– ケース2

テストの目的は、このバナー サイズで商品の数量とサイズの最高のパフォーマンスを達成することです。

データによると、バナー ブロック内の製品が多ければ多いほど良いことがわかります。サイズと数量には最適な比率があります。図に示すように、4 つの製品の写真は大きいですが、選択範囲が比較的狭いため、データのパフォーマンスは確かに悪いです。ただし、8 つの製品の写真は、同じサイズのバナーと比較して比較的小さく、ユーザーへの魅力もある程度影響を受けます。したがって、製品の数量とサイズの点で 6 つの製品が最適化されています。もちろん、このテストにも欠点はあります。6 つまたは 8 つの製品画像のうち 1 つがユーザーに特に人気がある場合、データのパフォーマンスにも影響します。したがって、このテストでは、最適な組み合わせを見つけるために複数回の試行のみが可能です。

– ケース3

テストの目的は、バナーの改訂プロセス中に各カテゴリのパフォーマンスを比較することです。

このテストは、同じページを 3 回改訂したときのセンター バナー データのパフォーマンスに基づいています。そのため、同じ時間条件、同じ製品条件でのテストは行いません。異なる製品によるバナーデータの誤差を可能な限り回避するために、比較のために多くのデータを取得しました。

改訂の過程で、まずバージョンAをリリースしました。バージョンAをバージョンBに改訂すると、バナーサイズが比較的大きくなり、商品画像のコンテンツも増加しました。そのため、リリース後のパフォーマンスはバージョンAよりも良くなると判断しました。結果、全くそうではなかったことがわかりました。それどころか、バージョンBのコンバージョン率はバージョンAよりも大幅に低くなりました。当初は、新しいバージョンがリリースされたため、古いユーザーが新しいデザインに慣れておらず、運用上の問題が発生していると考えていました。しかし、1か月経ってもデータはあまり改善されていないことがわかりました。そこでバージョン C をリリースし、バナー 1 つのサイズを大きくしてデータのパフォーマンスを確認しました。案の定、今度はデータは B だけでなく A よりも優れていました。

理由を詳しく分析したところ、バージョン B ではユーザーに選択肢が多くなり、バナー全体を選択することが難しくなっているのではないかと考えています。広告バナーの場合は、大きな単一の広告の方が良いかもしれません。

l ナビゲーション

– ケース4

テストの目的は、改訂プロセス中に各カテゴリーのパフォーマンスを比較することです。

このテストは、同じページ ナビゲーションの 3 つのリビジョンに基づいています。ナビゲーション全体のコンバージョン率を比較するだけでなく、ページ データの比較の公平性を確保するために、ナビゲーションとページ全体のクリック率も比較しました。

バージョン A は古いバージョンで、ホームページの CLICK: 9%、CTR: 4.6% というデータです。バージョン B がリリースされた後、データのパフォーマンスは突然、ホームページの CLICK が 2%、CTR が 0.5% に低下しました。バージョンCのリリース後、データはわずかに回復し、ホームページのCLICKが9％、CTRが2.7％を占めました。コンバージョン率は理想的ではありませんが、クリックシェアはAと同等のレベルまで上昇しました。バージョン D がリリースされた後、データは最終的にホームページのクリックの 12% と CTR の 5.2% に上昇しました。

ナビゲーション全体のクリック分布率を分析したところ、最も重要な理由はチャンネルナビゲーションのクリックであることがわかりました。A のチャンネル入口は非常に明白でした。B はチャンネルナビゲーション入口を削除しました。C はナビゲーション入口を追加しましたが、あまり明白ではありませんでした。D は入口を追加し、他の干渉情報を削除して、より明白にしました。

ナビゲーションの面ではバージョン D のパフォーマンスは良好ですが、チャンネルホームページの入り口を追加することは本当に効果的でしょうか?そこで、チャンネルページのBUYER転換率を調べたところ、チャンネルホームページのBUYER転換率はプロセスページのそれより良くはないものの、比較的良好であることがわかりました。コミュニティや一部の広告位置など、ホームページ上の他のいくつかの位置と比較すると、チャンネルナビゲーション転換率は依然として比較的高いものでした。そのため、最終的に、ナビゲーションについては、チャンネルホームページへの入り口を追加するだけでなく、明確にする必要があると判断しました。したがって、バージョン D の方が適切な選択です。

l ページ

– ケース5

テストの目的は、ホームページを改訂した後のマーケティングプロモーションポジションのパフォーマンスを比較することです。

上記のデータ表から、改訂後に CTR が増加したモジュールは 2、3、6 であることがわかります。そこで、2、3、6 の購入者コンバージョン率を確認しました。比較的パフォーマンスが良かったモジュール 3 を除き、他の 2 つのモジュールは購入者コンバージョン率の点で非常に低いランクであることがわかりました。ただし、購入者コンバージョン率が比較的高い多くのモジュールでは、CTR が非常に明らかに低下しました。したがって、この改訂はマーケティング モジュールの観点からは失敗でした。

これは、次の要約表からより明確にわかります。

HPのページ表示は増えましたが、その他のデータは減っています。しかし、さまざまな理由から、最終的には以前のバージョンにロールバックしませんでした。その1つは、新しいバージョンに自動メンテナンスモジュールを追加したことで、BUYERが大幅に増加したことです。さらに、新しいバージョンでのキーワード部分の調整により、ページ全体のパフォーマンスも大幅に向上しました。そのため、最終的にはページ全体をロールバックせずに、いくつかの重要な場所の再設計と位置調整のみを行いました。

– ケース6

テストの目的は次のとおりです。これは、同じ製品と同じリンク ページを使用して、同時に 4 つのバージョンのパフォーマンスを比較するマルチバージョン テストです。

このテストは、マーケティングプロモーション用の LANDING PAGE で実施されました。CTR の面では、バージョン A のコンバージョン率が他のバージョンよりも優れています。その理由は、製品領域が強調表示されており、その他の LP BTU 情報が比較的弱く、あまり干渉していないためです。バージョン D は、2 列構造を使用するだけでなく、LP BTU の視覚効果も強調し、バージョン D の LP BTU のクリック数がバージョン A よりも多くなります。次の図に示すように:

（LP BTUはLANDING PAGEと他のLANDING PAGE間の相互接続入口を指します）

デザインのCTRパフォーマンスから見ると、Aは確かにDよりも優れています。しかし、このページはマーケティングプロモーション用に作成されたものであり、マーケティング部門は単一ページの品質だけでなく、全体的なプロモーション効果を重視しています。そのため、単一ページでのバージョンDのパフォーマンスは平均的ですが、強化されたLP BTU部分は相互リンクの影響を高め、それによってページ全体がもたらすさまざまなプロモーションページ間のコンバージョン率を高め、24時間以内のPV効果が並外れたものになっています。最終的にDバージョンが採用されました。

データを正しく表示する方法

– ケース1

上司がとんでもないデータ目標を設定すると、各部署は目標を達成するためにさまざまな対処法を考え出します。しかし、これらの対策は、最終的には企業の業績に何の役にも立たない誤った指標を生み出すことになります。

これは、データが非現実的な指標を設定するためのものではないという点を説明しています。

データ指標を策定する際には、自分の直感に基づいて判断するのではなく、合理的な成長分析を行う必要があります。

– ケース2

比較的クリエイティブな大規模プロジェクトを立ち上げたが、最初の3か月間のデータのパフォーマンスがあまり良くない場合、すぐに置き換える必要がありますか？データの品質を考慮する必要がありますが、絶対値を見る必要はありません。成長傾向も非常に重要なリンクです。大規模なプロジェクトは、オンラインになる前に十分な準備をする必要がありますが、オンラインになった後、パフォーマンスが十分でない場合は、ユーザー調査を通じて修正することができます。すぐに交換することが必ずしも最善のアプローチであるとは限りません。

これは、多くのプロジェクトが長期的なデータ傾向を調べる必要があり、それを改善するプロセスで他の UER 調査を実行できることを示しています。

– ケース3

各部門にはその部門用に設定された異なる指標があり、そこで矛盾が生じます。たとえば、マーケティング部門はバージョン A について独自のデータ分析を行っているため、バージョン A は良いと考えますが、デザイン部門も独自のデータ分析を行っているため、結論がまったく異なる可能性があります。ビジネスでも同じことが言えます。これは多くの議論につながるので、これらの議論をどうやって回避するか。最大の目標値が必要です。例えば、BUYER が最終的な指標値となり、これに基づいて他のデータが最適化されます。

これは、データを包括的に考慮する必要があり、さまざまな角度から異なる結論が導き出されることを示しています。

– ケース4

これは、私たちの元リーダーの一人がよく言っていたことです。彼はいつも、データがあれば UER はまったく必要なくなると独善的に言っていました。しかしある日、私たちのとても優秀な UER の 1 人が彼の発言に反論し、彼は二度とこの議論を持ち出す勇気がなくなりました。データは問題がどこにあるのかを教えてくれますし、ユーザー調査も問題がどこにあるのかを教えてくれます。ここにある 2 つの場所は、私にとって非常に古典的な場所のように思えます。

エピローグ: データは諸刃の剣です。データ分析は非常に重要であり、すべての会社の上司が非常に重視する部分でもありますが、それを合理的に分析し、総合的に検討することが求められます。分析が間違っていると、意思決定に致命的な誤りが生じる可能性があります。したがって、データについては真剣かつ包括的に考える必要があります。

この記事の著者: S++ 転載の際は出典を明記してください: Ctrip UED

元のタイトル: データに語らせる方法 - ウェブサイトのケース分析

キーワード: 方法、ウェブサイト、インスタンス ポイント、編集、S++、グループ、複数のウェブサイト、みなされる、測定、ウェブマスター、ウェブサイトのプロモーション、収益化