【A/Bテスト入門】LP改善で最初にテストすべき5つの要素｜ツール選びから統計的判断まで

「なんとなくの改善」をやめて「データで判断」する

「CTAの色を赤にしたら問い合わせが増えるかも」「キャッチコピーをもっとインパクトのあるものに変えたい」

LP改善のアイデアは誰でも思いつきます。でも、そのアイデアが本当に効果があるかどうかは、実際に試してみないと分かりません。

A/Bテストは、LP（ランディングページ）の2つのバリエーションを同時に公開し、どちらが高い成果を出すかをデータで判断する方法です。勘や経験ではなく、実際のユーザーの行動データに基づいた改善ができます。

この記事では、A/Bテストの基本から、最初にテストすべき要素、無料ツールの使い方までを解説します。

A/Bテストの基本の「き」

A/Bテストとは

A/Bテストは、同じページの2つのバージョン（AとB）をランダムに表示し、どちらがコンバージョン率（CVR）が高いかを比較するテスト手法です。

• バリエーションA（コントロール）：現在のページ（変更なし）
• バリエーションB（チャレンジャー）：1つの要素を変更したページ

訪問者の50%にAを、残り50%にBを表示し、一定期間のデータを集めて結果を比較します。

最重要ルール：一度に変更するのは1つの要素だけ

キャッチコピーとCTAの色と画像を同時に変更してしまうと、どの変更が結果に影響したのか分からなくなります。1回のテストで変えるのは必ず1つの要素だけにしてください。

テストすべき5つの要素（優先順位順）

要素①：CTA（ボタン）の文言 ← 最優先

CTAの文言は、コンバージョン率に最も直接的な影響を与える要素です。

テスト例：

• A：「お問い合わせ」 vs B：「無料で相談する」
• A：「資料請求」 vs B：「3分で資料をダウンロード」
• A：「送信」 vs B：「今すぐ見積もりを依頼する」

要素②：ファーストビューのキャッチコピー

ファーストビュー（ページ上部、スクロールなしで見える領域）のキャッチコピーは、訪問者が最初に目にするテキストです。ここで興味を引けなければ、どんなに良い内容が下にあっても読まれません。

テスト例：

• A：「Web制作のプロにおまかせ」 vs B：「月5件の問い合わせを実現するホームページ」
• A：機能訴求型 vs B：課題解決型

要素③：ファーストビューの画像・ビジュアル

メインビジュアルの印象は、ページ全体の印象を大きく左右します。

テスト例：

• A：サービスのイメージ画像 vs B：実際の制作事例のスクリーンショット
• A：人物写真（チーム） vs B：抽象的なグラフィック

要素④：CTAの配置場所

同じ文言のCTAでも、配置場所によって成果が変わります。

テスト例：

• A：ファーストビューのみにCTA vs B：ファーストビュー＋中盤＋最下部にCTA
• A：右寄せ配置 vs B：中央配置
• A：テキスト内に埋め込み vs B：固定フッターバー

要素⑤：フォームの入力項目数

フォームの項目数は、入力の面倒さ＝コンバージョンのハードルに直結します。

テスト例：

• A：7項目（名前、会社名、メール、電話、住所、予算、相談内容） vs B：3項目（名前、メール、相談内容）
• A：住所の入力あり vs B：住所の入力なし

無料で使えるA/Bテストツール

Google Optimize の後継：GA4 のカスタム設定

Google Optimizeは2023年にサービスを終了しましたが、GA4（Googleアナリティクス4）のイベントトラッキングとGTM（Googleタグマネージャー）を組み合わせることで、簡易的なA/Bテストが実現可能です。

Microsoft Clarity（無料）

Microsonft Clarityは、ヒートマップとセッション録画が無料で使えるツールです。A/Bテストの機能はありませんが、ユーザーがどこでクリックし、どこで離脱しているかを可視化できるため、テスト仮説の立案に役立ちます。

VWO（Visual Website Optimizer）

無料プランでは月間10,000訪問者までA/Bテストが利用可能です。コードの変更なしにビジュアルエディタで要素を変更できるため、技術知識がなくてもテストを実施できます。

テスト結果の正しい判断方法

必要なサンプルサイズ

A/Bテストの結果を信頼するには、十分なサンプルサイズ（訪問者数）が必要です。一般的には、各バリエーションに最低100コンバージョン（または1,000セッション以上）が推奨されます。

統計的有意性とは

「B のほうがCVRが高い」としても、それが偶然の偏りではないかを確認する必要があります。統計的有意性が95%以上であれば、テスト結果を信頼できます。

多くの A/Bテストツールはこの計算を自動で行ってくれますが、手動で確認する場合は無料のオンライン有意性計算ツールを利用しましょう。

テスト期間の目安

• 最低2週間はテストを続ける（曜日による偏りを排除するため）
• サンプルサイズが十分に集まるまで待つ
• 途中で結果を見て「勝ちそうだから早期終了」は厳禁

A/Bテストの失敗パターンと回避策

失敗①：サンプルサイズ不足で判断する

100人中3人がコンバージョンしたAと、100人中5人のB。CVRは1.5倍の差ですが、この人数では統計的に意味がありません。十分なデータが集まるまで待ちましょう。

失敗②：複数要素を同時に変える

前述の通り、一度に変えるのは1要素だけ。複数を変えたい場合は、1つずつ順番にテストします。

失敗③：テスト結果を活かさない

テストして勝ちパターンが分かったのに、実装に反映しない——これでは意味がありません。テスト結果は速やかに本番ページに反映しましょう。

失敗④：テストをやめてしまう

A/Bテストは一度やったら終わりではありません。CTAの文言で勝ちパターンが決まったら、次はキャッチコピーのテストに進む。PDCAを回し続けることで、LPのCVRは着実に向上します。

まとめ

A/Bテストは、LP改善における最も確実で再現性のある方法です。勘に頼った改善から卒業し、データに基づく意思決定へとシフトしましょう。

まずはCTAの文言のテストから始めてみてください。1つの変更で、CVRが10〜30%改善するケースは珍しくありません。

Acquaでは、A/Bテストを含むLP改善のサポートを行っています。お気軽にご相談ください。