キャンペーンの間接効果をどう分析するべきか

Eric T. PetersonのAppropriate Attributionから。

http://measure.coremetrics.com/corem/getform/reg/wp-appropriate-attribution（要登録）

CoreMetricsがスポンサーで、広告の間接効果に関する評価を考察したレポートだ。

Appropriate Attribution（キャンペーンの妥当な帰属）へのバリアとしては、アクセス解析ツールでの対応状況がマチマチなこと、各種キャンペーンシステムが別々に分かれていてデータ統合しにくいこと、サンプルサイズの問題、適切な分析モデルがない、スタッフ不足、などを挙げている。

彼の主張は、まず次の3つの視点（Three-Touch View）を導入しようと言っている。一つ目が“first-touch”（最初のクリックが売上要因となっていること）、二つ目が“last-touch”（最後のクリックが売上要因となっていること）、そして3つ目が“even allocation”（売上要因を特定せずに均等に配分すること）。

まずチャネル別に“first-touch”“last-touch”“even allocation”の売上帰属を分ける。次にこれらを“Acquisition”“Persuasion”“Conversion”に分類する。つまり見込みフェーズ、説得フェーズ、顧客への転換フェーズの3つということ。最後にこの分類に基づいて予算配分するという。

短期戦略か中長期戦略かで当然“Acquisition”“Persuasion”“Conversion”への配分は変わってくるので、それを具体的な戦術に落とし込んでいくためにこのような分析をするのだ。

妥当帰属比は次により算出する。

Appropriate Attribution Ratio = Revenue from First-Touch / Revenue from Last-Touch

（妥当帰属比＝“first-touch”からの売上／“last-touch”からの売上）

この妥当帰属比の数値によって、キャンペーンを次の3つに分ける。

Conversion Campaigns：妥当帰属比が0に近いケース。コンバージョンのキャンペーン。

Acquisition Campaigns：妥当帰属比が大きいケース。見込み客の獲得のキャンペーン。

Persuasion Campaigns：妥当帰属比が中間で、真ん中の50％の部分（上から25%から75%の範囲）。説得のキャンペーン。

私の感想だが、概念としては面白いのだが、そもそもチャネル別の売上貢献をこの3つにどうやって、どのような根拠で配分するのかが最も肝心なところだと思うのだが、そこについて言及があったように思えない（私の英語読解力が拙いせいかもしれないが）。

coremetricsの画面で出ているので、何らかの設定や入力などによるものだと想像できるのだが、よくわからない。。。適当な初期値を入れて出てくるアウトプットは信用できないので、いづれにしてもこの仕様がどうなっているかがミソだろう。

アクセス解析ベンダー選択の手引き

CoremetricsのThe Essential Guide to Web Analytics Vendor Selectionから
まあCoremetrics自身がハイエンドのツールですので、自身の優位性の宣伝とも言える。そのため、一部はクドイ感じはするがどうぞ。

1.ビジネス・ソリューションを提供しているか
　適切な実装（とエンジニアのサポート）による迅速なスタート
　アナリストによる顧客別のサポート
　ベスト・プラクティス（レポート・テンプレート）の提供
　トレーニング（一般的なデータを使った、あるいは顧客にカスタマイズした）

2.業界別に焦点を当てているか
　業界別のテンプレートやベスト・プラクティスを持っているか
　業界別のさらに個別のテンプレートを提供できるか
　担当別のダッシュボードを提供しているか
　ダッシュボードのカスタマイズが可能か
　その業界の成果のベンチマークを持っているか

3.個々の人の時系列の行動を把握する計測をしているか
　ツールの仕組みで個々の利用行動を把握しているか
　ツールで個々の利用行動を提供しているか
　行動履歴とコンバージョンの分析を提供しているか
　ライフタイム分析や顧客セグメント分析が可能か
　CRMなど他のツールとの連携が可能か
　同様にオフライン行動との紐付けが可能か

4.事前の仕込み不要で、必要に応じた分析が可能か
　全ての個々人の行動履歴データを生で持っているか
　トレンド分析が出来るように過去13ヶ月のデータを保有できるか
　データ収集時点で事前に決めていない過去に遡ったセグメント分析ができるか
　高度なセグメント分析が可能か
　パラメータなどを付与せずに過去の時系列分析が可能か
　時系列のファネル分析が可能か　遷移分析を視覚化しているか

5.データの信頼性や統合性があるか
　サービスレベル合意書（SLA）を提供しているか
　適切なデータが取れるかのテスト期間を用意しているか
　ロボットからのデータでなく、ユーザのブラウザ利用行動を取得しているか
　ファースト・パーティ・クッキーを利用できるか
　キャンペーン施策のクリックも把握できるか
　データのチェックをしてくれるか
　エラー・データなどは自動的に排除してくれるか
　特定のIPからのアクセスなどは除外できるか
　他のシステムによってデータの精度を比較検証できるか

6.集めたデータを自動的に施策に落とし込めるか
　行動ターゲティング用にメール・ツールにデータを流し込めるか
　時間を跨いだ複数の顧客属性を元にメール・ターゲティングできるか
　画面上でメール・ターゲティングのセグメント構築ができるか
　メール・ツールに統合するため、事前に用意してある行動ターゲティングのテンプレートがあるか
　個系列の行動履歴から、リコメンデーションが可能か
　検索エンジン・マーケティングのために、他のツールとの連携は可能か
　検索連動型広告のクリエイティブをツール側で編集したり作成が可能か

7.データを補強するために、追加情報を捕捉できるようになっているか
　各種ウェブ・マーケティング・ソリューションと提携して、それらのデータを取り込めるか
　サイト内検索やテスト・ツールとの連携が可能か
　アンケート機能などと連携して、ユーザー行動と紐付けが可能か
　メール・ツールと連携して、メール効果測定が可能か
　ECプラットフォームとの連携は可能か
　各種キャンペーン・データを取り込み、ROIを出せるか

関連リンク：
GoogleやNielsenの真似をせざるを得ないか、Omniture + comScore
Coremetricsが3つの機能強化を発表
Adobe Systemsがアクセス解析ベンダーOmniture買収を発表
アクセス解析ベンダーの評価、戦略レベルではCoremetricsが、提供サービスレベルではOmnitureがトップ
IBMが統計解析ソフトウエアベンダーのSPSSを買収（もう少々古い話ですが）
アクセス解析で本当にリアルタイム・データが必要か

メルマガの配信は月曜がいい？

これも備忘録。
http://smashmedia.jp/blog/2009/11/003133.html

当然サイト、顧客、商材によって全く事情は変わってくるという大前提があるが、その上でネット視聴率から見ても、大雑把に言うと平日のアクティビティは月曜日から金曜日に向かって僅かながら下がっていく傾向がある。

ソーシャルメディア戦略成功3つの法則

個人的な備忘録として
http://web-tan.forum.impressrd.jp/e/2009/11/06/6635

・目的を明確にし、効果測定の方法をあらかじめ決めておく
・ソーシャルメディアで成功するには経営層の理解を得ること
・小さな成功をもとに大きなプロジェクトへとつなげていく

アクセス解析（ウェブサイト）のKPI指標「フォーム完了割合」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

フォーム完了割合（Form Completion Rate）
フォームはコンバージョンの特殊な場合である。しかしフォームの完了ができないと、訪問者はコンバージョンできない。

定義（Definition）
フォーム開始と完了を追跡することは、解析ツールがフォームの利用を監視できることが前提だ。この機能が使えるなら、フォーム完了割合は提供できるだろう。そうでなくとも計算は簡単だ：
フォームを完了したセッション数÷フォームを開始したセッション数＝フォーム完了割合

フォームを使うためにページを訪問したと言える理由があれば（例えば、その前のページの「申込みのためにここをクリックして記入を開始」などというリンクによってきた場合）、この計算の分母としてそのページに訪れた全セッション数を使えばよい。もっと攻撃的に、意図をもっと反映するように計算してもよい。フォームを開始した人と完了した人を比べるのは、フォームを含む多くのページに対して訪問者が他の情報を探しているかどうかを知るためだ。

説明（Presentation）
別々のフォームを幾つも持っているサイトなら、KPIレポートにそれぞれの結果が明確に区別できていることが必要だろう。内部の名称あるいはURLを提供し、どのフォームを指し示しているのかを教えよう。またビジネスの目的で全てが重要でない限り、あらゆるフォームについて掲載したいという誘惑に打ち勝とう。これは戦術的なKPIなので。最も重要なものだけ追跡しよう。

期待値（Expectation）
フォーム完了割合は低くなることを覚悟しておこう。特にフォームが長い場合は。このトピックで完全な調査を見たことはないが、多くの場合フォームの長さが直接的に、逆比例する形で完了割合に効いてくる。ユーザにとって絶対的に重要で、罰則でもない限り完了しない。長いフォームはおっくうに感じ、完了するのが難しくなるため放棄される傾向が強まる。

行動（Action）
フォーム完了割合を改善する一般的なルールは少なく頼むことだ。本当に必要でない入力フィールドを単に減らすことや複数の短いフォームに再編することが必要だ。いつも薦めるのは前者で、絶対に必要でないものは聞かないこと。少なくともコンバージョンしてくれるまでは。マーケターはいつもこの指示と戦うが、このアドバイスはよい。

普通重要なフォームに対するフォーム完了割合は、ある程度予測がつく。割合が突然悪化したら、マーケティング施策をチェックすれば、品質の悪いトラフィックのグループがあることに気づく。他にはフォームの変更で、フォームの長さとユーザの画面解像度の関係の問題だ。ユーザは画面に見えているところから記入を開始し、スクロールして初めて残された記入部分の長さを見て諦めるというのがいかに多いか愕然とするだろう。「次へ」のボタンが単に見えないこともある。画面の下にボタンが隠れていて見つけにくいからだ。

関連リンク：
アクセス解析（ウェブサイト）のKPI指標「フォーム完了割合」
アクセス解析（ウェブサイト）のKPI指標「ダウンロード完了割合」
アクセス解析（ウェブサイト）のKPI指標「サイト内検索結果でサイトを離脱した割合」
アクセス解析（ウェブサイト）のKPI指標「検索からの購入コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「情報発見コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「ランディング・ページのスティッキネス」
アクセス解析（ウェブサイト）のKPI指標「カートに入れた後チェックアウト開始した割合」
アクセス解析（ウェブサイト）のKPI指標「チェックアウト完了率（Checkout Completion Rate）」
アクセス解析（ウェブサイト）のKPI指標「チェックアウト開始率（Checkout Start Rate）」
アクセス解析（ウェブサイト）のKPI指標「カート完了率」
アクセス解析（ウェブサイト）のKPI指標「カート投入率」
アクセス解析（ウェブサイト）のKPI指標「キャンペーン別の注文コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「新規と再訪問者の比率」
アクセス解析（ウェブサイト）のKPI指標「新規と再訪問による購入者コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「購入者コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「注文コンバージョン率」
アクセス解析（ウェブサイト）のKPI指標「サイト内検索結果が利用されない％」
アクセス解析（ウェブサイト）のKPI指標「サイト内検索結果が出てこない％」
アクセス解析（ウェブサイト）のKPI指標「サイト内検索を利用した訪問者の％」
アクセス解析（ウェブサイト）のKPI指標「訪問者（顧客）の満足度が高いあるいは低い％」
アクセス解析（ウェブサイト）のKPI指標「新規訪問者（顧客）と再訪問者（顧客）の注文の％」
アクセス解析（ウェブサイト）のKPI指標「新規訪問者（顧客）と再訪問者（顧客）の売上の％」
アクセス解析（ウェブサイト）のKPI指標「前回訪問時との間（リーセンシー）が長い・中くらい・短い訪問者の％」
アクセス解析（ウェブサイト）のKPI指標「多い・中くらい・少ない訪問頻度の訪問者の％」
アクセス解析（ウェブサイト）のKPI指標「長い・中くらい・短い滞在時間のセッション割合」
アクセス解析（ウェブサイト）のKPI指標「特定セグメントの訪問者割合」
アクセス解析（ウェブサイト）のKPI指標「新規顧客と再訪問顧客の割合」
アクセス解析（ウェブサイト）のKPI指標「新規訪問者と再訪問者の割合」
アクセス解析（ウェブサイト）のKPI指標「一訪問当たりの平均検索数」
アクセス解析（ウェブサイト）のKPI指標「コンバージョンまでの平均訪問回数」
アクセス解析（ウェブサイト）のKPI「キャンペーン別クリック率」
アクセス解析（ウェブサイト）のKPI「一注文当たりの平均購入数」

マーケティング・コミュニケーションの効果を測定しにくい4つの理由

ドン・シュルツの統合マーケティングから。

1.コミュニケーションの「ブラック・ボックス」
人づてに伝わるメッセージの内容は、誤ったものになる場合が多い。これはコミュニケーション効果の大部分が、メッセージを受け取った人の頭の中で作られるためである。そのため受け取ったメッセージが自分の「態度」に与えた影響を説明したり、「行動」に与えた影響の説明が難しい。

そのため従来の手法では、測定しやすい要素ばかりを扱うことが多かった。「伝達したもの」に焦点をあてており、送り出したメッセージ自体が測定の対象になったのだ。メッセージの影響を測定するのではなく、「伝達の成果」には着目していなかったのだ。統合マーケティングではこの状況を逆転させる。「伝達の成果」に注目するのだ。

2.時期とタイミング
顧客や見込み客に伝達されるメッセージの全てが即座に反応を得られるわけではない。だから統合マーケティングでは、コミュニケーションの種類をメッセージとインセンティブに分ける。メッセージが長期にわたって効果を発揮するのに対して、インセンティブの効果は総じてすぐに表れる。統合マーケティングのゴールは、マーケティング・コミュニケーションを、顧客や見込み客にとって適切な時期に適切な内容で提供することにある。

3.メッセージとインセンティブの伝達源
顧客や見込み客は、テレビCMからパッケージ、口コミといった豊富な種類の情報源の組み合わせから、多彩なコマーシャル・メッセージを受け取る。メッセージとインセンティブの伝達源をを解きほぐすことは、マーケティング・コミュニケーションの影響を測定する上で重要な課題である。

4.干渉変数による妨害
ある見込み客が、新聞広告またはテレビCMの影響を受けてから、ある商品を買い求めたいとおもうようになったと仮定しよう。商品を購入するためには、まず地元でのディーラーや販売業者を選んでからその店舗に出かけるに違いない。しかし実際の行動では、
・駐車場を見つかれず、別の店で別の商品を購入
・望んでいたモデルの在庫が切れていて購入できず
・店にあったが、想定していた価格より高く、ライバル製品を買う
・店に合ったが、対応した店員の説明が悪く製品を買わなかった
これらの環境変数を克服する手段を模索する必要がある。

で、結局どう考えるかというと、ブランド・メッセージとブランド・インセンティブについて、それぞれ短期と長期で考えようよということ。理論としては綺麗だ。

アクセス解析（ウェブサイト）のKPI指標「ダウンロード完了割合」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

ダウンロード完了割合（Download Completion Rate）
ダウンロード完了割合は、ダウンロード資料やソフトウエアのようなものをサイトで提供している特別の場合。

定義（Definition）
ダウンロード完了割合は訪問者がダウンロードを開始し実際に完了した回数の割合を示す。不幸なことにタグベースのアクセス解析ではこの指標を計測することは普通できない。タグ型では訪問者がリンクをクリックして何回ダウンロードを開始したかは計測できるが、その過程はわからない。この指標を計測するには、ログファイルを調べ、フルサイズの資料が何回配布されたかがわからねばならない。これが可能なら、計算式は：
完全にダウンロードできた回数÷ダウンロード要求の総数＝ダウンロード完了割合

ファイルサイズが100MBなら、ログファイルを見てファイルのリクエスト総数と100MB送れた回数の両方を分析したくなるだろう。ダウンロード管理ツールはこの計算をさらに複雑にさせる。もう少し詳しく説明して欲しい方は、Web Site Measurement Hacksの中のどのようにして正確にダウンロードを計測するかの項目を読むことをお勧めする。

説明（Presentation）
サイトで様々なダウンロードファイルがあるなら、それぞれのドキュメントがどれかを明確に特定できるようにすべきだ。そして、上記指標については、全てのダウンロードファイル全体と個々のファイルそれぞれについて計算したいと思うはずだ。特にこれらのドキュメントがうまくダウンロードされたかに責任を持っている人にレポートする時は、どのドキュメントがダウンロード途中で諦められたかを知ることが重要だ。

期待値（Expectation）
完全な世界なら、訪問者が開始したどんなダウンロードも完了し、この割合が100になる。しかし不完全な世界では、幾分かの放棄は避けられない。一般的に、ファイルが大きくなるほどダウンロードを断念することが多くなるが、訪問者の接続スピードもこの割合に影響を与えるだろう。

行動（Action）
ダウンロード途中で頻繁に放棄されるドキュメントがあるなら、まず調べるべきことは、これらのドキュメントがもっとコンパクトにできないかということだ。もし可能ならファイルを圧縮したり、別の方法でコンパクトにしよう。また訪問者の接続スピードを調べ、遅いスピードだけで放棄されているのか、どちらのユーザも放棄しているのかみてみよう。また遠くの地域でダウンロードに問題があるといった地域的な問題かを調べるのも意味がある。その場合は、ミラーサイトを立ち上げて、アカマイのようなサービスを使ってもよいだろう。どちらも訪問者の近くにドキュメントを置くということだ。

アクセス解析（ウェブサイト）のKPI指標「サイト内検索結果でサイトを離脱した割合」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

サイト内検索結果でサイトを離脱した割合（Search Results to Site Exits Ratio）
検索結果が出てこない割合と同様で、検索結果でサイトを離脱した割合は、サイト内検索で役に立つ結果が見つけられたかどうかを理解するのに役立つ。

定義（Definition）
サイト内検索を提供し、検索結果のページを表示した回数とそのページでサイトから離脱した回数が計測できるなら、普通は訪問をベースに計算した次の計算式で表される：
検索結果ページからの離脱総数÷検索結果を見た総セッション数＝検索結果でサイトを離脱した割合

検索からコンバージョンした割合とは凡そ逆で、この割合は訪問者がどれだけ失望したかを理解するのに役立てられる。検索結果は追加のコンテンツへの橋渡しの役割をするので、正しい結果を返せば、訪問者はサイトから離脱はしない。

注意：検索結果が実際訪問者を別のサイトに誘導しているなら、このKPIはあまり関連性がない。これは自身のコンテンツを検索する場合に有効である。

説明（Presentation）
この指標はあたりまえのように思われるが、実際はこの割合が何を語っているのかよくわからない人がいる。利用者が正しい解釈をできるようにこの指標の詳しい説明をしてあげることを真剣に考えるべきである。またこの指標と1訪問平均の検索回数や検索結果が出てこない割合、サイト内検索結果を利用しない割合などと一緒に提供するのはよいアイデアである。ECサイトであれば、サイト内検索からの購入割合も可能なら一緒に提供しよう。

期待値（Expectation）
完全な世界なら、この割合は非常に小さくなる。訪問者が検索して、適切なコンテンツを探すことができれば、サイトに滞在することになるからだ。この世界は完全とはほど遠いので、オンラインの世界ではそんなことは非常に少なく、この指標を注視しなければならないだろう。

行動（Action）
訪問者が検索しサイトから離脱している時に取るべき行動は、何を探していて、何故不適切な結果を返したのかを探ることだ。検索結果がなくサイトを離脱したことと検索結果から飛ばなかった検索の関係についてみてみよう。これは1対1の関係を期待するかもしれないが、これは訪問がベースの指標なので必ずしもそうはならない。言うまでもないが、サイト内検索をしてサイトを離脱する割合は、訪問者が探し物を見つけられなかったことを強く示している。

目標と予算から選ぶ9つのネットマーケティング手法

Daily SEOmoz Blogを翻訳掲載しているWeb担当者Forumの記事から。

http://web-tan.forum.impressrd.jp/e/2009/07/31/6194

アクセス解析でも優先度などで気にかけておきたい部分なので、備忘録。

アクセス解析（ウェブサイト）のKPI指標「検索からの購入コンバージョン率」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

検索からの購入コンバージョン率（Search to Purchase Conversion Rate）
ECサイト内の検索エンジンを持っているなら、検索した訪問者がどれだけ顧客へと転換したかを追跡することで、検索への投資の真の価値を理解することに役立つ。

定義（Definition）
もう一つの注文コンバージョン率の特別なケース：
検索から購入に至った総数÷検索結果を見た総セッション数＝検索からの購入コンバージョン率

検索訪問当たりの平均売上と同様、この指標の計算はツールのセグメント機能に大きく依存する。検索技術を使った訪問者だけを分離し、そのセグメントでの注文数を計算できなければいけない。これが可能なら、この指標と注文コンバージョン率と比較することで、検索機能の実装が価値を生みうまくいっているかどうかを教えてくれるだろう。

説明（Presentation）
この指標はどのECサイトでも、注文あるいは購入者コンバージョン率といっしょに提供されるべきである。

期待値（Expectation）
自分の経験では、検索機能に時間と金をかけた殆どのサイトは、サイト全体の注文コンバージョン率より高い検索からの購入コンバージョン率になる傾向がある。訪問者が明確に定義されたタスクに焦点を当てやすくなるため、彼らが求めているものを素早く提供し、単にブラウズするのでなくショッピングしやすくなる。

時々サイトはこのKPIを利用し、彼らの検索技術がサイト全体より機能していないことを悟る。検索への投資がことを非常に悪くしているというこの理解は、普通検索技術の早期交代を促す。

行動（Action）
検索からの購入コンバージョン率が予想より低いなら、チェックすべきは検索者に売っている商品群と、検索セッション当たりの平均売上が高いか低いかということだ。あなたの検索エンジンがコンバージョンに効いていなくても、1訪問当たりの売上、つまり平均注文単価が高いか、高利益率の商品を売っているなら、それほど悪いことでは無いだろう。売上の指標が同様なら、検索結果ページへの情報量に関連する管理を改善するためのベンチマークとしてこのKPIを使うべきだ。ECのよい検索結果を構成する要素は、よく書かれ、商品のことを詳細にドリルダウンでき、商品を比較でき、価格と在庫状況をきちんと伝えることだ。これらの薦めに従い、検索結果が全く無い指標を常に監視しよう。

アクセス解析（ウェブサイト）のKPI指標「情報発見コンバージョン率」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

情報発見コンバージョン率（Information Find Conversion Rate）
顧客サポートやECサイトでは電話で問い合わせをさせずに低コストでサイト訪問者を助けることのできる重要な情報を持っている。訪問者が情報を見つけてくれることは重要なのだ。

定義（Definition）
このKPIは注文コンバージョン率のバリエーションだ。「注文」の代わりに訪問者の重要な「目的ページ」と簡単に定義を緩めてみよう。一般的には：
目的ページに到達したセッション数÷総セッション数＝情報発見コンバージョン率

これらの目的ページはFAQやナレッジベースの記事などユーザーが知りたいことを提供している情報を含むようなページ郡のことだ。いくつかの解析システムは多くのコンバージョン・ゴールを設定するのが難しいが、顧客サポートコスト低減をしようとしているサイトでは、それら特定できるように努力し、この指標を追跡すべきだ。

また純粋なサポート・サイトでないなら、訪問者は助けを実際必要としていないかもしれないので、監視する情報が見当たらないかもしれないことを知っておくのも重要だ。可能なら、ツールの訪問者セグメントを利用して、サポート情報（かあなたが追跡したいと思った情報）を見に来ている人だけに絞り込んで算出しよう。

説明（Presentation）
この指標を使う場合は、利用者が目的ページがどこかを知っていることを確認しよう。もしあなたの場合、重要な目的ページが顧客サポート資料だったら、このKPIは“顧客サポート資料発見率”とし、どういう資料が含まれるのかを説明しよう。またこのKPIは非常に高い割合だったら、1訪問当たりのページビュー数と並べて見せよう。実は訪問者が非常に多くのページを見て、ようやく探し当てて単に不満なのかもしれない。また顧客満足度KPIとともにこのKPIを見せ、低いコンバージョンが満足度を落としているかどうかを評価しよう。

期待値（Expectation）
どのように訪問者が情報を探しているのかは、サイトの情報構造やサイト内検索技術、あなたが使っている言葉と顧客が使っている言葉、ユーザーの気分の問題だ。いくつかのことは簡単に修正でき、管理不能なものもある。サポート・サイトはこの指標を基準に置くべきで、訪問者が情報を探せる割合を改善する方法を探す絶え間ない改善プロセスが必要だ。

行動（Action）
純粋にサポート・サイトなら、訪問者が技術・商品サポートに電話をかけさせないようにデザインすべき。またECサイトの注文・購入者コンバージョン率と全く同じ扱いをこのKPIに対してすべきだ。望むらくは、訪問者はあなたの商品やサービスについていくらかの知識があるので、彼らの探索行動を助けるのは効率がよいはずだ。そのためコンバージョン率は比較的高くてもいいだろう。突然の下落があったら、サイトのデザイン変更や検索あるいは検索登録の技術などに変更がなかったか、サポートしている商品の品質などにも気をとめよう。
純粋なサポート・サイトでなくても、サポートを必要としている訪問者をセグメントし、彼らを助けることが重要であることを確認しよう。リテンションや顧客満足度が、問題が起きた時に情報発見がすぐ簡単にできたかどうかと結びついているため、このKPIは過小評価してはいけない。

「データから見た日本のウェブメディア動向」を書いたネット広告白書2010が届いた

インプレスR&Dは2009/9/10にネット広告白書2010を発行。
http://www.amazon.co.jp/gp/product/4844327488/

P66からP69まで「データから見た日本のウェブメディア動向」を書かせてもらった。使ったデータはNielsen Online、AdRelevence（広告統計）とNetView（インターネット視聴率）の2009年6月のデータ。

小見出しは以下の通り；
・満遍なくリーチできるYahoo!
・検索で気を吐くGoogle
・ポータルの多くはブログで集客
・ブログ、SNSの収益で成功しているのはmixiのみ
・伸び悩む動画サイト
・紙の不調をネットで埋められない新聞サイト
・メディア評価手法も進化すべき

アクセス解析（ウェブサイト）のKPI指標「ランディング・ページのスティッキネス」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

ランディング・ページのスティッキネス（Landing Page “Stickiness”）
マーケティングKPIで最も重要なものの一つはスティッキネスで、これはランディング・ページが人をサイトに居続けようとさせる傾向のこと。

定義（Definition）
サイトのどのページでも：
1-（入口ページだけを見た÷入口ページとなった回数＝ページ・スティッキネス

このKPIを計算するには、入口ページレポートと1ページ閲覧の二つが追跡できるようになっていなければいけない。またトップページは特別な一つのケースで、ランディング・ページとして最もポピュラーであることも覚えておこう。

直帰率はスティッキネスの逆である。1に近くなればなるほど、そのページはスティッキネスが強くよいことだ。多くの人はこの指標を％で表すことを好む。平均的な訪問者が少なくとも2ページ以上見る％と考えられる。

説明（Presentation）
どの位置にいるかにもよるが、大なり小なりスティッキネスを使って追跡したいページを持っているだろう。より多くの戦略的な資源はこのレベルには必要ないが、戦術的な資源としてこのKPIを監視するべきだ。キャンペーン別の注文コンバージョン率を参照して、誰がこのKPIを見るにせよ、トップページのスティッキネスを皆に説明しよう。またこのKPIは1訪問当たりのページビュー数や1訪問当たりの高・中・低クリック割合などと共に説明し、問題のページが残りの際とに対して与えている影響がどれくらいあるのか素早くわかるようにするのがよい。

期待値（Expectation）
理想的には、サイトに人が来るようにお金を使っているなら、ランディング・ページを単に見て帰ってしまうように高率の訪問者を駆り立てるに十分な提案をしているだろう。いくらかの人は、あなたの提案を見て、後で見に戻ってくるかもしれない。追跡に多くのトリックが必要だが、キャンペーン分析ツールを使うことで可能だ。しかし過半数は最初の訪問中に探索を続けるか、全く来ないかだろう。

行動（Action）
マーケティング・キャンペーンでは特に、ランディング・ページの問題を分析するための仕事は、web Analyticsの最も価値ある利用方法のひとつだ。新しいキャンペーンを開始する時、主要なランディング・ページのスティッキネスによく注意を払い、成果が悪くないか監視しよう。ランディング・ページでは古典的なA/Bテストを行い、多くの異なったランディング・ページでこのKPIをテストし、各ページへ訪問者が遷移するコンバージョン率をセグメント化しよう。

ほかよりスティッキーでないページを見つけたら、ランディング・ページがキャンペーンのメッセージとどう関連しているのか、どうすれば行動を起すようにデザインされたランディング・ページになり、成果が上がるかを注意深く考えよう。CPAベースでトラフィックを購入しているのでないなら、留まってくれないランディング・ページはマーケティング・コストを上昇させ、ブランドを潜在的に蝕んでいくだろう。

アクセス解析（ウェブサイト）のKPI指標「カートに入れた後チェックアウト開始した割合」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

カートに入れた後チェックアウト開始した割合（Ratio of Checkout Starts to Cart Starts）
「カートに追加」と「今チェックアウト」の間の関係を要約した、簡単でわかりやすい割合。

定義（Definition）
カーと投入率とチェックアウト開始率が計算できるという前提で：
チェックアウト・プロセスを開始したセッション数÷ショッピング・カートに入れたセッション数＝カートに入れた後チェックアウト開始した割合

この割合が1に近ければ、カートに入れてチェックアウト・プロセスへの転換をさせる仕事がうまくいっているということだ。これはカート完了率（カートに入れて、チェックアウトが完了した割合）と同様に、このプロセスのもう一つのステップを計測している。

説明（Presentation）
この割合は、サイトの購入プロセスを改善する努力に焦点を当てるとき、カートとチェックアウト開始、チェックアウト完了の文脈で使うべきだ。この割合が何を示しているのかを説明することで、利用者は別の割合と間違えなくなる。これは割合だが、簡単に説明するようにしている、“1に近いのがよく、1が最高で、突然の変化には注意せよ”だ。

期待値（Expectation）
よく考えてから購入するものを売っているサイトなら、調査や計画中にカートに追加してしまう誘惑に駆られれば、この割合は0に非常に近くなるかもしれない。あまり考えずに購入するものを打っているサイトなら、この割合は1に近いことが多い。

行動（Action）
カートやチェックアウトの成果をテストしている時、この割合は単純だがよく語ってくれる指標だ。ショッピング・カートのユーザビリティに焦点を当てているなら、この割合を1割増やす挑戦をし、いかに別のボタンや別の言葉、別の位置がショッパーのチェックアウトを促すのに左右されるかがわかるだろう。

アクセス解析（ウェブサイト）のKPI指標「チェックアウト完了率（Checkout Completion Rate）」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。
チェックアウト完了率（Checkout Completion Rate）
チェックアウト・プロセスでの重要性では、チェックアウト完了率はECサイトで最も重要なKPIだ。

定義（Definition）
カート完了率と同様：
注文回数÷チェックアウト・プロセスを開始したセッション数＝チェックアウト完了率

多くのアクセス解析ツールは通常のEC機能でチェックアウト完了率を計算してくれる。ECレポートでこの率がないようであれば、ベンダーに確認しよう。

説明（Presentation）
カート投入率を参照のこと。

期待値（Expectation）
チェックアウト完了率は簡単で直感的なチェックアウト・プロセスのデザインが出来ているかどうかの出来を直接測る機能だ。この主題には多くの議論があるが、チェックアウト・プロセスはなるべき短い方がよい。「お店に取りに行く」などといった複雑なオプションを用意していなければ、チェックアウト・プロセスは必要最低限の項目だけ要求して出来るかぎりシンプルに機能させよう。

さらにチェックアウト・プロセスを始めるために登録を要求する誘惑と戦おう。Web Analyticsの神話を砕くの74-75ページでも述べたように、多くのショッパーは購入するのに登録させられたくはないのだ。何度も何度も、よく知られたECサイトは購入のためのこの障害を取り除くことで、チェックアウト完了率に加え、注文完了率や購入者コンバージョン率を驚くほど上げている。何故彼らがそんなに驚くのかわからないが、多分私の本を読んでないからだろう。

行動（Action）
チェックアウト完了率に満足しておらず、登録作業を要求しているなら、まずそれをやめよう。多くのケースで登録作業をやめるかあるいはチェックアウト・プロセスが終わった後に登録作業を単に移動することで、チェックアウト完了率があがることを保障しよう。登録のステップを取り除けなかったり、私を単に信用できないなら、チェックアウト・プロセスをよく見て、次のことに心がけよう。

・チェックアウト・プロセスを学んだ多くの人はそのステップ数が少ないことに同意する。　それぞれの細かい情報（配送先、請求先、配送情報、特別なオプション、確認）を訊ねるほうがよいと思うかもしれないが、これらの情報をまとめることで、ショッパーの2-3ページの手間を省き、オプションを減らさないと、途中で離脱する。

・可能なら、ユーザーによるフォームの評価をしよう。　ユーザーにとっては入力した情報はすぐ忘れるので、同じフォームを何度も見るのは耐え難い。「確定ボタン」を推した後ではなく前に、いつでも確認できるようにしよう。

・要求された入力項目は、目立つようにしよう。　あるいは必要最低限のことだけ聞こう。ショッパーと良好な関係を築いているなら、最初の購入を終えたあとで別の機会にユーザーから情報を得ることができるだろう。ユーザーはどの項目が必要なのか、エラーなしに理解することはできないのだから、離脱のリスクを犯すことはない。

・配送料の計算は出来る限りプロセスの始めの方で行おう。　何度もショッパーは配送料をチェックアウト・プロセスを使って確認させられるので、計算をすることができ、必要がなければやりすごせるようにしよう。逆にプロセスの深くまでユーザーを引き連れたいなら、ここまで苦労させて、恐らく勢いで最後まで行くことを願おう。

「Webアナリスト養成講座」レビュー、ようやく長文あらわる

デイリーブログ「マインドリーダーへの道」から。
http://www.mindreading.jp/blog/archives/200908/2009-08-25T1640.html

松尾さんはしっかりブログ書くからなあ。リサーチがベースの松尾さん、共感してもらえる部分があったようだ。

アクセス解析（ウェブサイト）のKPI指標「チェックアウト開始率（Checkout Start Rate）」

Eric T. PetersonのThe Big Book of Key Performance Indicatorsから。

チェックアウト開始率（Checkout Start Rate）
どうユーザーが顧客へ転換するかを知るため、チェックアウト開始率は、どのくらい頻繁に「今チェックアウト」ボタンがクリックされたかを教えてくれる。

定義（Definition）
こちらも訪問ベースで：
チェックアウト・ボタンをクリックしたセッション数÷全セッション数＝チェックアウト開始率

多くのアクセス解析ツールは通常のEC機能でチェックアウト開始と完了率を計算してくれる。チェックアウト・ボタンがクリックされたセッション回数を調べる前に、まずこの計算がされていないかどうか見てみよう。

説明（Presentation）
カート投入率を参照のこと。

期待値（Expectation）
理想的には、カート投入後全てチェックアウト・プロセスを開始してくれることだ。不幸なことにこの理想の世界とはかけ離れており、しばしばカート投入率はチェックアウト開始率よりはるかに高いだろう。あなたのサイトがチェックアウト・プロセスにいかないと配送料を計算しないようになっていると、チェックアウト開始率は高くなる傾向がある。ショッピング・カートで配送料を計算していれば、チェックアウト開始率は低くなるだろう。

行動（Action）
チェックアウト開始率での問題は、しばしばボタンの位置や配送料の計算するタイミングと関係している。チェックアウト回私立が低ければ、ボタンの位置を確認し、「今チェックアウト」ボタンをクリックさせる前に配送料をチェックできるようにしてあげるべきだ。

最適化テストを成功させる10のベスト・プラクティス

Eric T. PetersonのSuccessful Web Site Testing Practicesから。
http://www.sitespect.com/testingsuccess/ （要登録からダウンロード、32ページ）

1.テストする偉大なチームを構成しよう
2.会社のお偉いさんを巻き込もう
3.テスト計画をきちんと立てよう
4.計測について考えておこう
5.成功と失敗と明確に定義しよう
6.テスト自体をテスト（精査）しよう
7.テスト期間を明確にしよう
8.テスト結果が行動に繋がるように会話しよう
9.別のユーザー・セグメントにテストしよう
10.もっと深いテストのネタを探そう

「Webアナリスト養成講座」レビューは書きにくいらしい

リアルアクセス解析から。
http://d.hatena.ne.jp/ryuka01/20090806/p1

「そういえば、話題の「Webアナリスト養成講座」を読破しました。レビューを書こうと思ったのだが、どう書けばいいのか非常に悩んでいます。とっても良い本でぜひ読んで欲しいのですが、その魅力をどう伝えたらいいのか？ちなみに自分は9冊購入し、部署のメンバーに配りました。自分が常に書きたい伝えたいと思っている、アクセス解析の活用に関する情報が盛りだくさんです。ページ数が多いので、読むのには相当気合いが入りますが、その価値は充分にある内容です。」だそうな。

アマゾンのレビューも1件だけ。。。

「Yahoo!アクセス解析」の気になる機能 -コンバージョン機能・設定編

ブログ-かいせきのかいせきで手順とタグを解説している。
http://kaisekinokaiseki.com/2009/0807132.html