Fringe81社長日記Fringe81 CEO's Blog

コンバージョンパス分析のやり方と解説

先日開催されたアトリビューションナイト、コンバージョンパス分析について大きな反響をいただきました。実際どのように分析したのか、その結果はどうだったのか、プレゼン資料を用いながら解説します。

コンバージョンパスとは、コンバージョンにいたったユーザーが、どのような経路をたどって来たか、ということになります。

前提条件は以下のとおりです。

期間:9月1日から1ヶ月間のデータ

ブラウザ数:約1000万ユニークブラウザ(重複無し)

配信媒体:純広告およびアドネットワーク

CVポイント:資料請求

CV数:約1000ユニークコンバージョン(一人のユーザーが重複CVしている場合は除いた)

【プレゼンテーション1 コンバージョンパス類型】

まずはプレゼンテーション1から。第三者配信アドサーバー「iogous*mark」で配信した結果、コンバージョンパス類型は大きくA~Eまでの5つにわけられました。第三者配信でこそ、このような分析が可能となります。この図を読み取る時の注意点は、あくまでビューデータが付いているものだけですので、全く広告を見ず、いきなりサーチをしてくるユーザーは入っていない、ということです。

AとBに関しては、いわゆる「直接コンバージョン」と言われていたCVパスとなります。

このデータは、エクセルにすると約5万行あった、サーバの生ログを、クリーニングして、さらに「ああ、このコンバージョンパスはAだな~、Cだな~」と1000万ブラウザ分、目で全部判断して作成しました。18時間くらいかかりました。苦労話をしたいわけではなく(笑)、どんなシステム開発するにも、まずは手で実際にやってみて、価値があるかどうかをやってみると、見えてくるものがあるのです。こちらのCVパス自動類型化については、実際私が手でやった作業手順を整理して、ロジックを書いて、現在実際にエンジニアが開発に入っています。

重複を除いたりするクリーニング作業が一番大変でした。

データを分析している時は、僕は攻殻機動隊を思い出すのです。「ネットの海は広大よ」と。データの海にダイブして、そこからオラーっと価値を取り出す。そんな気持ちです。

類型さえ割り振ってしまえば、後はピボットテーブルの嵐で分析していきます。

ピボットテーブルで、合計していくと、今度はシェアが見えてきます。

【プレゼンテーション2 コンバージョンパス類型のシェア】

シェアを出してみると、各コンバージョンパス類型は上記の通りになりました。

最初、私は仮説を持っていました。AとBのクリックしてくれるユーザーは、「30%くらいなのではないか」と。18時間かけて、ピボットテーブルを作っている最中はですね、結果はわからないのです。エイッっと集計してみたら、私は1分間くらい「ええええええええええ」と日曜日のオフィスで一人目が点になっておりました。なんじゃこりゃと。これはもしかするとインターネット広告業界が革新を迎えるかもしれないとフツフツと思い始めたのです。

資料請求のCVでは、ディスプレイ広告を見て、CVしていた人のうち、クリックしてくれていた人は、4%に過ぎませんでした。私も信じがたい結果ではあったのですが、これは事実のデータです。

確かに、私もある程度ハードルがあるもの(例えばクレジットカード作るとか)に関しては、バナー見て興味を喚起され、でもクリックせず、色々検索して、調べて、評判も見て、それからカード事業者さんのサイトに行ってコンバージョンしてました。

他の業種も分析してみたいですし、結果も違いそうですが、まだシステムができておりませんのでご容赦ください。

類型Cに関しては後からまた解説しますので割愛しますが、ここで申し上げたいのは、

「間接効果」という呼び方はやめましょう、ということです。

間接効果、と呼ぶと、ゴール前でちょろっといいパス出しました、ゴールはストライカーがしました、と聞こえます。ストライカー超エライぞ、と。ところが、コンバージョンパス類型を見てみると、

コンバージョンは、複数の接触手段によるコンビネーションにより産まれる」のです。

ディスプレイ広告とサーチの組み合わせであったり、ディスプレイ広告とクリックの組み合わせであったりします。このコンビネーションをまず把握し、重要なパスを特定し、そこを改善して最適化していくことこそ、アトリビューションなのではないかと思います。

ですから、直接でもなく、間接でもなく、コンビネーションを最適化していく。これが95%。まだ誰も最適化していないのです。広大ですね。

広告はチームプレー。ゴール決めた人だけがエライんじゃない、のではないでしょうか。僕日本代表の遠藤選手大好きですし。

もちろん、インターネットだけではなく、テレビや雑誌などとのコンビネーションもあると思います。これは、、どうやるのかハードルはありそうですが、チャレンジする価値はありそうですね。ここらへんは代理店さんと一緒にやってみたいです。

ここまで分析して、ふと思いました。あれでも、本当にディスプレイ広告見てくれてサーチが発生しているのかな?と。たまたまなんじゃないの?と。ここでまた僕は5万行のエクセルに戻ったわけです。また仮説を作りました。

「バナーを閲覧してごく短期間にサーチしてCVしているデータが多ければ、閲覧とサーチは密接であると言えるのではないか」と。サーチ発生期間分析の開始です。

結果はこうなりました。

【プレゼンテーション3 ビューからの検索CV期間】

一番下の0-30の数字は日数です。

これもですね、実際グラフを書いてみるまで分析結果はわからないのです。

出してみたら、また、「え、、、」と目が点になったと同時に「おっっしゃああああ」とガッツポーズです。まぁ休日のオフィスですので、誰も見ておりませんので。0は24時間以内ですが、ここで既に直接CV数は超えてます。

全く閲覧が関係ないのであれば、一定量が常に発生してないといけないですよね。この類型は40%ありますので、ここは非常に大きな改善ポイントとなると思います。

ディスプレイ広告とサーチ広告orSEO、LPOを組み合わせて、最強のコンビネーション、最強のチームビルディングをするか。これです。僕はこれをやりたいのです。

さて、少し長くなってしまいましたが、ここまでごらんいただいてありがとうございました。

このパス類型化の分析は、あくまで一例です。たとえば、CV単価の安い単品EC等では、このようなパスにはならないと思います。ABのパスが多くなるという仮説を持っています。

まずはコンバージョンパスの自動類型化システムについて、開発に入りました。こちらそれほどおまたせすることなく、市場に投入できると思いますので、もうしばらくお待ちください。

アトリビューションナイトでのプレゼンは、こちらに公開されておりますので、ごらんください。

 

 

 

 

 

Author : yuzuru