実験ループの紹介

テクノロジーの進歩の歴史を見てみましょう。

先進技術は突然生まれたわけではないことがわかります。 ある進歩が別の進歩の基礎となり、進化しました。

たとえば、スマートフォン業界は数多くの技術的進歩の基盤の上に成り立っています。 初期の固定電話からコードレス電話の概念が登場し、続いてモバイル通信とコンピューティング能力の統合が行われました。

時間の経過とともに、私たちは BlackBerry デバイスなどの携帯情報端末から、スマートフォン業界への道を切り開いた iPhone の登場までの進化を目の当たりにしました。

これはループのようなもので、進歩するたびに新しい機会が生まれ、それがさらなる進歩につながります。 ループは私たちのテクノロジーに革命をもたらしました。なぜなら、私たちは進歩した後も決して終わりを残さなかったからです。

デジタル資産の実験に対して同じアプローチに従っていたらどうなるでしょうか?

実験を行うと、コンバージョン率が予想を超えて上昇することがありますが、有望な仮説であってもコンバージョン率が低下する場合があります。 それはプロセスの一部です。

しかし、結果が出たらテストを終了し、何か新しいテストに移るという直線的なアプローチに固執すると、ブレークスルーが得られることはほとんどありません。 コンバージョン率を向上させるチャンスを逃したり、将来の成功につながる貴重な洞察を見逃したりすることになります。 最良のシナリオでは、成長率は頭打ちになります。

だからこそ、直線的なアプローチから移行し、実験ループを使用した戦略的なアプローチを採用して、Web サイトやモバイル アプリの真のコンバージョンの可能性を実現する時期が来ているのです。

しかし、実験ループとは何でしょうか? この魅力的なコンセプトを掘り下げてみましょう。

実験ループとは何ですか?

実験ループは、動作分析を通じて問題を特定し、仮説の形で解決策を作成することから始まります。 次に、実験を実行して仮説を検証します。 勝つか負けるかのどちらかですが、直線的なアプローチでは、ここで実験サイクルを停止します。 しかし、実験ループを使用すると、テスト結果を調査して貴重な洞察を明らかにします。 明らかになった洞察から新しい仮説が導き出され、さらなる実験につながり、学習と最適化の継続的なサイクルが生まれます。

以下は、実験ループがどのように機能するかを視覚的に示したものです。

実験ループを使用すると、結果にとどまるのではなく、さらに深く掘り下げて結果の背後にある理由を理解し、異常を特定し、特定の聴衆 (または実験の参加者) が他の聴衆と異なる反応をしているかどうかを発見します。 これは、新しい仮説や実験の基礎となります。

これは、ユーザーの行動が常に進化している、変化し続ける今日のデジタル環境においては特に重要です。 Experimentation Loops が提供する継続的な学習と最適化を活用することで、時代の先を行き、コンバージョン率を向上し続けることができます。

例を使って実験ループを理解する

以下は、実験ループがどのように機能するかを説明する仮説的な例です。

潜在顧客を獲得することを目的として作成されたランディング ページを考えてみましょう。 ページの元のバージョンでは、最初のフォールドにサービスの説明があり、その後にお問い合わせフォームにつながるコールトゥアクション (CTA) ボタンが続きます。

ランディング ページの行動分析により、多くの訪問者が最初のフォールドで離脱していることが判明したとします。 これは、エンゲージメントを向上させるためにスクロールせずに見える範囲に CTA を追加するという仮説につながります。 このようにして、A/B テストを作成して、元のバージョンと、スクロールせずに見える範囲に追加の CTA を備えたバリエーションを比較します。

元のランディング ページとバリエーションのランディング ページを視覚的に表現したものが次のとおりです。

コンバージョン率 (つまり、CTA のクリック数) の点で、バリエーションがオリジナルを上回るパフォーマンスでテストが終了したと仮定します。 ここで、従来のアプローチでテストが終了します。 しかし、実験ループを使用すると、結果を分析してより多くの仮説を立て、改善の機会を複数開くことができます。

CTA ボタンのテストを必要とする仮説に焦点を当てたとします。 次に、2 番目のラウンドでは、ボタンを最適化するために CTA テキストと CTA 色の複数のバリエーションを考え出します。 ここで、最適なバリエーションを見つけるために、多変量テストを実行して、元のバージョンと、さまざまな組み合わせの複数のバリエーションを比較できます。

テストの終了時には、従来のアプローチでは不可能だったコンバージョンの増加が見られる可能性があります。 また、テストでコンバージョン率が向上しなかった場合でも、ユーザーについてさらに知るのに役立つ洞察が得られます。

同様に、結果をチェックして、特定の視聴者セグメントが他の視聴者セグメントよりもボタンにエンゲージしたかどうか (また、共通の属性があるかどうか) を知ることができます。その場合、見出しやパーソナライズなどのパーソナライゼーション キャンペーンの仮説につながる可能性があります。セグメントの行動、人口統計、地理的属性に応じた CTA の前の小見出し。

したがって、実験ループは改善の機会を開きますが、サイロ化された直線的なアプローチでは不可能です。

しかし、どうすれば実験ループを正常に実行できるでしょうか?

実験ループは 3 つのステップで構成されており、次のセクションでこれらの各ステップについて詳しく説明します。

実験ループの 3 つのステップ

以下は、コンバージョンを改善するための実験ループの 3 つの重要なステップです。

ステップ 1: 問題を特定する

実験ループは、ユーザー エクスペリエンスにおける既存の問題を特定することから始まります。 まず、コンバージョン率、直帰率、ページビューなどの主要な指標を調べる定量分析を実行して、ユーザー ジャーニーでパフォーマンスの低いページを特定します。

弱点を徹底的に特定したら、定性分析を行って問題点を理解することができます。 セッションの記録とヒートマップを確認して、コンバージョン率に影響を与える各要素のパフォーマンスを知ることができます。

要素に関連する問題を特定したら、仮説を立てるのに役立ちます。

ステップ 2: 洞察から仮説を構築する

コンバージョンに悪影響を及ぼしている要素を特定したら、インサイト データを掘り下げて理解することができます。

たとえば、すべての定量的分析と定性的分析を行った結果、ブログの直帰率が高い理由としてバナー画像の位置が特定されたとします。 次に、この画像の位置について、高い直帰率に対する解決策を提供する仮説を立てることができます。

仮説を立てる際には、測定する重要業績評価指標 (KPI)、期待される上昇率、およびテストする要素を指定する必要があります。

次に、実験の実行に進みます。

ステップ 3: 実験を実行する

仮説に基づいて、A/B テスト、多変量テスト、分割 URL、複数ページ テストなどのテストから選択します。 テストが統計的に有意に達するまで実行します。

テストの結果、コンバージョン率が変化する可能性があり、新しいエクスペリエンスに対するユーザーの行動に関する洞察により、実験の 2 番目のサイクルの領域を特定するための扉が開かれる可能性があります。

したがって、実験ループはコンバージョンを向上させるための道を常に切り開いていきます。

実験ループと販売目標到達プロセス

ファネルのすべての段階で実験ループを実行すると、コンバージョン率が大幅に向上し、無計画なアプローチではなく仮説をテストするための戦略的なフレームワークが提供されます。

同じ要素のコンバージョン率を高めるために、A/B テストから多変量テストへの例に見られるように、実験ループを実行できます。

あるいは、メトリクスを改善したテストからの洞察を分析して、それが他のメトリクスにどのような影響を与えたかを確認し、テストの 2 回目のサイクルにつながる可能性があります。

たとえば、認識段階を考えてみましょう。 この段階の目標は、ユーザーを引き付け、デジタル プラットフォーム上の製品やサービスを紹介することです。

より多くのユーザーを Web サイトに誘導するために検索広告で A/B テストを実行し、訪問者数などの指標を監視したとします。

このテストによりトラフィックが改善されたとします。 次に、ランディング ページのスクロール深度や直帰率などの他の指標の分析に進み、改善の余地がある領域を特定します。 ユーザーが離脱している特定の領域を正確に特定するには、スクロール マップ、ヒート マップ、セッション記録などのツールを使用できます。 分析により、実験の 2 番目の行程に向けた仮説を立てることができます。 視覚的な要素やキャッチーな見出しをテストすることで、ユーザー エンゲージメントを向上させることが考えられます。

同様に、ファネルの他の段階で実験ループを実行すると、顧客がファネルの各段階で行うマイクロ ジャーニーを最適化できます。 さらに、実験ループにより、ファネルの 1 つの段階から別の段階に仮説が作成されるため、サイロ化されたアプローチでは達成が難しいシームレスなエクスペリエンスが得られます。

Frictionless Commerce がコンバージョン コピーライティングに実験ループを使用する方法

デジタル代理店である Frictionless Commerce は、10 年以上にわたって VWO を利用して、新規購入者の行動に関する A/B テストを実施してきました。 彼らは、これまでの学習に基づいて新しい実験を構築するシステムを確立しました。 反復的な実験を通じて、彼らは、初めての購入者の意思決定に影響を与える 9 つの心理的要因を特定しました。

最近、彼らはシャンプーバー業界のクライアントと協力して、9 つの要因すべてを組み込んだランディング ページのコピーを作成しました。 5 週間テストを実行した後、コンバージョン率が 5.97% 増加し、2,778 件の新規注文が発生しました。

これは、実験ループがどのように貴重な洞察をもたらし、ユーザー エクスペリエンスを次のレベルに引き上げられるかを示しているだけです。

Frictionless Commerce の実験プロセスについて詳しくは、事例紹介をご覧ください。

結論

Experimentation Loops によって提供される継続的な学習と最適化を活用することは、時代の先を行き、コンバージョン率の向上を目指す企業にとって非常に重要です。

デジタル資産から真に成功を導くには、直線的な型を破り、実験ループを採用する時が来ました。 無計画なアプローチではなく、仮説をテストするための戦略的なフレームワークを使用することで、企業はデジタル製品を継続的に最適化し、改善することができます。

世界をリードする実験プラットフォームである VWO を使用して実験ループを作成できます。 VWO は、毎月最大 5,000 人の追跡ユーザーを対象に無料のテストを提供しています。 詳細については、今すぐプランと料金ページをご覧ください。