Google アナリティクスをサイトに設置し、アクセスログのデータも取れているが、どのようにデータを見て、サイトを分析していけばいいかわからない。そんな方は多いのではないでしょうか。
筆者もGoogle アナリティクスに触れ始めたときはこのような状態でした。しかし、本記事で紹介するステップを踏んで、サイト分析ができるようになりました。サイト分析がわからないという方はぜひこのステップを踏んで分析することをおすすめします。
なお、Google公式ヘルプサイトにおいて、Googleアナリティクスの現行バージョンである「ユニバーサルアナリティクス(UA)」のサポート終了が正式にアナウンスされました。2023年7月1日をもってUAにおけるデータ取得が停止します。
それに伴い、できるだけ早く最新のGoogleアナリティクスである「Google アナリティクス 4(GA4)」への切り替えるよう強く推奨しています。
GA4についてはこちらの記事をご覧ください。
【GA4】Google アナリティクス 4は使いづらい?導入のメリットは?プロが教えるホントの実力
目次
サイト分析の基本ステップ1.「ページの役割」を意識する
そもそも、なぜサイト分析を行うのでしょうか。
それは、分析結果をもとにサイトを改善し、問い合わせや購入といったサイト上のゴールにたどりつく人を増やすためです。
サイト分析をすると、サイト上のゴールに対する問題ページやお宝ページを見つけることができ、改善対象ページが明確になります。
では、どのようなページが問題ページやお宝ページになるのでしょうか。
答えとして、ユーザをゴールに誘導する上で、そのページが果たすべき役割を果たしていないページは問題ページ、役割を果たしているページはお宝ページと言えます。
ページはユーザの導線に沿ってそれぞれの役割を持ちます。
ユーザは、サイトにランディングし、サイト内を回遊してから、離脱します(図1)。
例えば、ランディングの対象となることの多いトップページは、下層ページにユーザを誘導するという役割があり、回遊時に閲覧される商品詳細ページは商品情報を提供し、ユーザの購入意欲を高めるという役割があります。
このように、ランディングされるページはランディングページとしての役割が、回遊時に閲覧されたページは閲覧ページとしての役割があります。
ページが役割を果たしているかどうかを評価するためには、ページ役割ごとに異なる指標を見る必要があります。
(指標って何という方は、こちらの記事を参考にしてください:https://webbu.jp/google-analytics-2809)。
ステップ2では、分析対象ページをランディングページと閲覧ページに分け、ページごとに見るべき指標を紹介します。
図1
サイト分析の基本ステップ2.ランディングページを分析する
ランディングページはまず、「直帰率」に注目します。
なぜなら、ランディングページの役割は、「次のページへの遷移を促す」ことだからです(ランディングページのみで完結するような広告用ランディングページなどは例外です)。
Googleアナリティクスの「ランディングページレポート」を見てみましょう。
<確認方法>
レポートの 行動 > サイトコンテンツ > ランディングページ でランディングページと「直帰率」を確認することができます(図2)。
図2
セッションの多いページで「直帰率」が高い場合、それは問題ページです(図3)。
ランディングページのセッションの数は、そのページがサイトの入口となっている訪問数を示すので、セッションが多く「直帰率」が高いということは、サイトに来てくれたが1ページのみで離脱してしまった訪問が多いということになります。
そして、このようなページを改善すると、流入数の少ないページと比べて、改善したときのインパクトが大きいと言えます。
図3
例えば、あるキャンペーン用に作成したランディングページ(/lp1.html)は流入数が多いものの、「直帰率」が平均より高くなっています。
このような場合、そのランディングページは問題ページであり、なぜ「直帰率」が高くなったのかを深堀する必要があります。
そこで、流入元を確認すると、リスティング広告向けのランディングページだったことがわかり、実は検索キーワードとページの内容があっていなかったというような原因が考えられます。
サイト分析の基本ステップ3.閲覧ページを分析する
閲覧ページはサイトの出口となったページとコンバージョンに貢献したページという2つの観点から評価できます。
1.出口となったページを分析する
ユーザはいつかサイトから離脱するので、訪問ごとに出口となるページが必ず発生します。
しかし、次のページに遷移してもらいたいページなのに、出口となってしまった場合は、問題ページであり改善が必要です。
そのようなページを見つけるためには、出口となったページを「離脱率」で評価します。それでは、離脱ページレポートを見てみましょう。
<確認方法>
レポートの 行動 > サイトコンテンツ > 離脱ページ で出口になったページと「離脱率」を確認することができます(図4)。
図4
ここで、注意したい点があります。
それは、「離脱率が高い=問題ページ」ではないということです。
問題となるのは、先述したように離脱してほしくないページで「離脱率」が高い場合です。
例えば、資料請求フォームの完了ページで離脱率が高い場合は問題ではありません(図5)。
しかし、図5のようにフォームの入力ページで離脱率が高い場合は問題です。
フォームの入力ページはコンバージョンへの窓口となりますので、このページから確認、完了に進んでもらわなければコンバージョンにはなりません。
したがって、入力ページで「離脱率」が高い場合、至急、改善が必要です。
そこを改善するだけでも、コンバージョン率(以下CVR)の向上が見込まれます。
図5
2.コンバージョンに貢献したページを分析する
コンバージョンがあったセッションで、コンバージョンされる前に閲覧されたページは、コンバージョンに貢献したページと言えます(図6)。
なぜなら、それらページの何らかの要素を見て、ユーザはコンバージョンへのモチベーションが高まったと考えられるからです(例えば、サービス紹介ページや事例ページなどが貢献したページとして挙がることが多いです)。
したがって、どのページがコンバージョンによく貢献していたのかを調べ、そのページへ遷移しやすくなるようにサイトを改修することで、CVRの向上が期待できます。
また、逆に、ページ自体はよく閲覧されているのに、コンバージョンにはつながりにくいページが存在することもあります。
このようなページは閲覧数が多い分、改善インパクトも大きいので、サイト分析で発見し、改善施策を打っていく必要があります。
図6
Google アナリティクスでは、コンバージョンが発生したページ(例えば、購入完了ページ)にはコンバージョンが紐づきますが、コンバージョンに貢献したページ(例えば、商品概要ページや商品詳細ページ、口コミページ)に対してはコンバージョンを紐づけることができず、指標も用意されていません。
ですので、コンバージョンに貢献したページを評価するためには、自分で数値を計算する必要があります。
評価のために必要な数値は、『全てのページ別訪問における、コンバージョンに至った訪問を占める割合が「何%」あるか』です(後ほど計算方法を記述します)。
この数値(何%か)を「貢献率」と呼ぶことにします。「貢献率」が高ければ、コンバージョンに至った訪問のセッション中で閲覧されたことが多いことを意味します。
<計算方法>
必要なデータは下記2つです。レポートの 行動 > サイトコンテンツ > すべてのページ から、①と②のデータを出力してください。
- コンバージョンに至ったセッションでセグメントしたときのページ別訪問数
- すべてのユーザーのページ別訪問数
「すべてのユーザー」と「調べたいCVに至ったセッション」の2つのセグメントをかけると、ページごとに①と②の2つのデータが並んで表示されます(図7)。
図7
※システムで用意されている「コンバージョンに至ったセッション」では、「そのビューで登録している目標のうちどれか1つにでも至ったセッション」が抽出されます。
特定の目標を対象にしたい場合は、新たにセグメントを作成してください。
そして、①のページ別訪問数 ÷ ②のページ別訪問数 がそのページの「貢献率」となります。
例えば、コンバージョン促進のために作成したページの中で、図8の1(/service/index.html)のように、すべてのセッションにおいてページ別訪問数は多いが貢献率が低いページは問題ページ、図8の5(/item/reviews.html)のように、すべてのセッションにおいてページ別訪問数は少ないが貢献率が高いページはお宝ページと言えます。
図8
※TOPページや資料請求フォームの入力や確認、完了画面は、ページの役割上「貢献率」が通常より高いので、評価対象から除外してください。
サイト分析の基本3ステップ:まとめ
最後に、基本的なサイト分析の方法をまとめると、下記になります。まずはここから始めてはいかがでしょうか。
ステップ1. ページの役割を意識する
ステップ2. ランディングページを分析する
サイト分析で問題ページやお宝ページが見つかったら、次は改善フェーズです。
そのページの内容の、どこが問題点か、もしくは、貢献点なのかを調べ、改善箇所を特定することが必要です。
Google アナリティクスではページの内容までを調べることはできないので、ヒューリスティック分析(こちらの記事を参考にしてください:https://webbu.jp/heuristic-analysis-777)や、導入されている方はヒートマップツールを使って分析してください。
また、実際に改善するときは、A/Bテストを行って、現行バージョンと改善バージョンを同時に実施し、結果の良い方を採用することをおすすめします。