A/Bテストの効果を最大限に出すためのポイントと方法

Webサイトの運営や制作、ディレクションの現場では、SEOやランディングページ最適化（LPO）とともに重要な改善策として用いられるA/Bテスト。

ウェブサイトを成長させる、売上を増加する、ユーザーを増やす、コンバージョンを最大化する、といった自社サイトの最終目標を達成するためには欠かせない施策です。

「あなたはABテストで効果を上げられていますか？」

この記事では、ABテストをこれから始めようと思っている方、すでにテストを実施しているが、やり方がよくわからない方など、効果的にABテストを実施するためのポイントを解説します。

A/Bテストとは、Webページの一部分、またはページそのものをAとBの2パターン用意し、どちらの方がより効果の高い結果が得られるかを実験する方法です。
スプリットテスト、スプリットランテストとも呼ばれます。

また、AとBの2種類だけでなく、複数のパターンを組み合わせて行うテストを多変量テストと言います。多変量テストについては後述します。

A/Bテストによるサイト改善を繰り返すことで、バナーのクリック率（CTR）を上げる、ページの離脱率を下げる、など部分的な改善を積み重ね、最終的にコンバージョン率（CVR）の向上、売り上げ増加へ繋げることで、Webプロモーションの費用対効果を高めます。

最近では、低コストでこれらを実現することをグロースハックと呼ばれ、A/Bテストはグロースハッカーが最も得意とするサイト改善施策です。

多くの方にとってA/Bテストは難しいと思われがちです。
それは、効果を上げられていない要因がどの部分なのか漠然としているため、テストを行う箇所もポイントもよくわからないという理由がほとんどです。

A/Bテストをこれから始めるという場合は、いきなりサイトの重要な部分をテストするのではなく、まずはごく些細な部分からA/Bテストを行ってみてください。

例えば、「見出しのテキスト文章を変更してみる」、「文字の大きさを変えてみる」といったごく小さな部分で試していくことでも大きな効果をもたらすことがあります。

効果が実際にデータに表れてきたら、さらに具体的な仮説を立て、変更要素を追加してテストをします。

バナー広告のA/Bテスト例

1. ボタンの色をブルーで運用している場合、グリーンでテストしてみる
2. ボタンの配置を右側と左側でテストしてみる
3. 効果の高い方が出てきたら、その文言を変更してみる
4. フォントの種類を変えてみる
5. 目立つようアクセントを追加してみる

というように、部分的な変更のテストを繰り返すことで、より自社のユーザーにとって効果の上がるクリエイティブがどのようなパターンなのか決定要因を掴むことができます。

その経験をもとに次のクリエイティブの制作に活かすことができます。

ABを行う際に気を付けることは、AとBのクリエイティブの要素の違いを明確にすること。

なんとなく作ったAに対して、全く違うテイストのBを用意し、テストの結果に大きな差が出たとしても、どの要素が作用して効果が上がったのか見極めることが難しくなります。

クリエイティブの用意は、この要素の差を明確に定義して作成することが重要です。

テスト結果を信頼できる正確なものにするために気を付けなければならないこと。
それは、テストユーザーの条件です。

例えば、初めてサイトに訪れるユーザー（新規ユーザー）と複数回訪問しているリピーターとではクリエイティブから受ける印象は異なるでしょう。
また、オーガニック検索で訪れたユーザーと有料検索（リスティング広告やバナー広告）で訪れたユーザーとでは知りたい内容が異なる場合や、Yahoo!で検索流入するユーザーとGoogleのそれとでは、商材によっては嗜好が異なるユーザーである可能性があります。

A/Bテストはすべてのユーザーに対して行うよりも、セグメント別やカテゴリー別など特定のグループに分類し、同じ条件や近い属性のユーザー同士で行うことで、より正確な結果が得られます。

A/Bテストを実際に行うには、手動で行うことも不可能ではありませんが、クリエイティブの配信バランスや流入経路を指定したりなど、正確なデータを得るための条件設定には、自動ツールの利用が不可欠です。
また、テストデータを定量的に解析し、テスト結果が偶然の結果でなく、統計的に有意でなければなりません。

ABテストツールでは、これら全て自動化されておりテストの配信から定量分析まで自動で行うことができます。

今抱えているサイトの課題や問題を改善したい、という場合に大変強力なツールです。

A/Bテストは必ずしも、AとBの2つである必要はありません。
テストさせる要素を増やし多くのパターンを用意して行う方法が、多変量テストです。

例えば、A、B、Cの広告文、D、E、Fの商品イメージ、G、H、Iの背景色を用意しそれぞれのパターンを組み合わせてテストします。

この場合は、広告文3個×イメージ3種類×背景色3色の合計27のパターンを作成し、その中から効果の高い組合せはどのパターンかを検証することができるためターゲットユーザーの好みを掴むことができます。

2パターンのA/Bテストでは、効果の上がる要因がまだ他にも存在する可能性が潜んでいますが、多変量テストは、そのような見逃し要因をすべて洗いだし、より具体的な最適解を見つけ出すことができます。

A/Bテストは、売上やコンバージョンを上げるために必要な施策であることは先に述べましたが、この施策は単発で行ってもあまり意味がありません。

A/Bテストは細かな改善を常に繰り返すことにより、大きな結果をもたらすことができます。
わずか数%の改善でも、続けて積み重ねることで、数か月後に数十パーセントの改善結果に繋げることができます。

また、テストデータを信頼しすぎることも注意です。
テストを行った時点では改善が見込まれた施策も、月日が経つことによりトレンドが変わることもあります。勝ちパターンに囚われてしまわないように気を付けなければなりません。

常にアンテナを張り、テストを繰り返すフローを業務に入れることが重要です。

そして、得られたテスト結果をもとに、よりブラッシュアップを繰り返しクリエイティブの精度を高めていくことで、大きな結果が得られるでしょう。