「LP改善」と言われても、何を変えればいいかわからない

マーケティング会議で「LPのコンバージョン率が低い」と指摘を受けたとき、改善案はいくつも思い浮かぶかもしれません。ボタンの色を変える、キャッチコピーを書き直す、フォームの項目を減らす、お客様の声を追加する。

しかし、どの改善策が本当に効果があるのかは、やってみなければわかりません。直感や好みで変更して「やっぱり前の方がよかった」となるのは、時間と予算の無駄です。

そこで必要になるのがA/Bテストです。元のページ（A）と改善案のページ（B）を同時に公開し、実際のアクセスデータで「どちらが問い合わせにつながるか」を客観的に判定する手法です。

LP全体のUI/UXデザインの原則については、デザインラボの解説記事が参考になります。この記事では、デザインの変更を「勘」ではなく「データ」で検証するA/Bテストの具体的な進め方に絞って解説します。

A/Bテストの仕組みを5分で理解する

A/Bテストの仕組みはシンプルです。LPにアクセスしてきたユーザーを自動的に2つのグループに分け、グループAには現在のページを、グループBには変更を加えたページを表示します。一定期間データを蓄積した後、どちらのグループのほうがコンバージョン率が高かったかを比較します。

たとえば、CTAボタンのテキストを「お問い合わせ」から「無料で相談する」に変えた場合の効果を測りたいとします。2週間で各グループに500人ずつアクセスがあり、グループA（お問い合わせ）のコンバージョンが15件（3.0%）、グループB（無料で相談する）のコンバージョンが24件（4.8%）だったとしたら、テキストの変更だけでコンバージョン率が60%向上したことになります。

ポイントは、テスト期間中にA以外のすべての条件（広告、流入キーワード、時間帯など）が同一であることです。だからこそ「変更箇所の効果」だけを正確に測定できるのです。

テストすべき要素の優先順位

LPのどの要素をテストすべきかは、コンバージョンへの影響度で優先順位をつけます。VWO（Visual Website Optimizer）の分析によると、影響度の高い順に並べると次のようになります。

最優先：見出し（キャッチコピー）

ファーストビューの見出しは、ユーザーがページに留まるかどうかを決定する最大の要素です。「製品の特長を述べる見出し」と「顧客の課題を言語化する見出し」では、後者のほうがコンバージョン率が2〜3倍高いというデータが多数報告されています。

高：CTAボタン

ボタンのテキスト、色、サイズ、配置をテストします。特にテキストの変更は低コストで大きな効果が出やすい項目です。「送信」「申し込む」のような一般的な表現より、「無料で見積もりを受け取る」のように次に起きることを具体的に示す表現が有効です。

中：フォーム

入力項目の数を変えるテストは、コンバージョン率に直結します。HubSpotの調査では、項目を1つ減らすごとにコンバージョン率が平均10%向上するとされています。

低（ただし効果はある）：画像、レイアウト、色

視覚的な要素の変更は、見出しやCTAほどの劇的な効果は出にくいものの、長期的な改善サイクルの中で取り組む価値はあります。

実施手順：4ステップで進める

ステップ1：仮説を立てる

A/Bテストを始める前に、必ず仮説を言語化してください。「CTAボタンのテキストを『お問い合わせ』から『無料で相談する』に変えると、心理的ハードルが下がりコンバージョン率が上がるのではないか」のように、なぜその変更が効果をもたらすと考えるのかを明記します。

仮説がないテストは、結果が出ても「なぜそうなったのか」がわからず、次の改善に活かせません。

ステップ2：テストを設定する

A/Bテストには専用のツールを使います。Google Optimizeの後継であるGA4のA/Bテスト機能や、Optimizely、VWOが代表的です。

テスト設定で重要なのはトラフィックの配分です。A:B = 50:50が基本ですが、リスクを抑えたい場合は80:20（現行80%、変更案20%）から始めて、効果が見えたら配分を変更するアプローチもあります。

ステップ3：十分なデータが溜まるまで待つ

A/Bテストで最もよくある失敗は、データが不十分な段階で結論を急ぐことです。2〜3日で「Bのほうが良さそうだ」と判断して切り替えてしまうケースが少なくありません。

統計的に信頼できる結果を得るには、一般的に各バリエーションに少なくとも100コンバージョン（または数千PV）が必要です。サンプルサイズの目安はEvan Miller のサンプルサイズ計算ツールで事前に算出できます。

テスト期間は最低2週間を確保してください。曜日による変動を吸収するために、丸1週間×2サイクル分のデータが必要だからです。

ステップ4：結果を判定し、次のテストを計画する

テスト終了後、統計的有意性（p値 < 0.05、つまり95%以上の信頼度）を確認します。有意差が出ていれば勝ちパターンを採用し、出ていなければ「差がない」と判断して別の要素をテストします。

重要なのは、A/Bテストは1回で終わりではなく、継続的な改善サイクルとして回すことです。1つのテストが終わったら、その結果をもとに新しい仮説を立て、次のテストを計画します。

よくある失敗とその回避策

同時に複数の要素を変えてしまう

見出しとCTAボタンと画像を同時に変更すると、どの変更が効果をもたらしたのか判別できません。1回のテストで変更するのは1要素だけにしてください。

期間中にページを変更する

テスト期間中に「やっぱりBのテキストをもう少し変えたい」と途中変更すると、データの一貫性が失われます。テストが終わるまでは何も触らないルールを徹底してください。

「信じたい結果」を採用する

テストの結果、自分が推した案Bが負けていたとしても、データに基づいた判断を優先してください。「でもBのほうがデザインが良い」という主観は、コンバージョン率の前では意味を持ちません。

まとめ

A/Bテストの本質は、「良さそうな改善案」を「本当に良いと証明された改善案」に変える手法です。

まずは来週、自社のLPで最もコンバージョン率が気になるページを1つ選び、CTAボタンのテキストだけを変えたA/Bテストを設定してみてください。2週間後には、データに基づいた最初の改善判断ができるようになります。