運用データを見ているのにCVRが改善しない店舗の分析ズレ
福岡ECサイト株式会社
代表 鳥井 敏史
福岡ECサイト株式会社 代表 鳥井 敏史
ECサイト制作・AI検索対策の実務コンサルタント。15年以上にわたりECサイトの売上構造改善と集客設計を支援。売上改善・集客改善の実務支援を中心に企業のECサイト構造の再設計を行う。
専門分野
ECサイト制作 ECサイトリニューアル AI検索対策 SEO / コンテンツ設計ECサイト改善の主な実績
この記事の監修
福岡ECサイト株式会社 代表 鳥井 敏史
運用データを確認しているのにCVRが改善しない店舗の分析ズレ
CVRとは、サイトへのアクセス数に対して実際に購入に至った割合を示す指標です。月間で詳細なデータを見ているのに、CVRが一向に改善しない。そんな状況に陥っている店舗は少なくありません。
多くの店舗は「データを見ている」と「データから判断している」を混同しています。Shopify管理画面やGA4で数字を追っているだけでは、CVR改善には繋がりません。問題は、見るべきデータを見ていないのではなく、見たデータから導き出すべき仮説が間違っているということです。ここ、意外と盲点になりやすいポイントです。
データを見ることとCVRを改善することは別の構造
CVRが改善しない店舗に共通するのは、分析の目的がズレているということです。多くの場合、店舗側は「アクセス数」「ページビュー」「滞在時間」といったサイト行動データを確認しています。
しかし本来、確認すべきは「購入に至らなかった理由」です。理由を知らない限り、改善のターゲットは決まりません。データ確認と改善判断は全く異なる思考プロセスであり、ここの分断がCVR改善失敗の最大原因です。
福岡ECサイト株式会社が支援する店舗でよく見られるのは、以下のようなシーンです。GA4で直帰率を見ている。確かに70%を超えていて「数字が悪い」と判断する。ただしそこから先は、改善対象が曖昧になります。
- ページ速度が原因？
- デザインが悪い？
- 商品ラインナップが足りない？
- 価格が高すぎる？
仮説がいくつも立つ時点で、実は何も決まっていないのです。CVRを改善する企業は、「どのページから」「どの段階で」「何が原因で」離脱しているのかを、層別で理解しています。
CVR改善に必要な5つの分析視点
データ確認からCVR改善に繋げるには、見方を切り替える必要があります。以下の5つの視点を持つことで、改善対象が明確になります。
- ファネル離脱の層別確認
- ページごとの実数チェック
- 購入層と未購入層の行動比較
- デバイス・流入元ごとの質
- 時間軸での推移パターン
ファネル離脱の層別確認が改善の入り口
まず確認すべきは、ユーザーがどのステップで離脱しているかです。これを「ファネル分析」と呼びます。トップページ→カテゴリページ→商品詳細ページ→カート→決済という流れの中で、どこの落差が大きいのかを見ることが出発点です。
多くの店舗は「全体のCVRが◯%だから悪い」という判断をします。しかし重要なのは「どのステップの落差が大きいのか」です。例えば商品詳細ページから追加商品へ移る段階で90%が離脱していれば、改善対象は商品の関連性やおすすめロジックです。一方、カートページから決済進行まで80%が離脱していれば、決済フローや送料表示に問題がある可能性があります。
同じCVR改善でも、ステップによって対策は全く異なります。全体数字から個別ステップを掘り下げることが、改善の精度を高めます。
ページごとの実数で「見るべき対象」を絞る
Shopify管理画面で商品別の販売数を見ていても、「どの商品のページから多く離脱しているか」を把握している店舗は少ないです。実数のある場所から分析を始める必要があります。
月間10,000アクセスのサイトで、あるページが50アクセスしか獲得していなければ、改善優先度は低いです。逆に3,000アクセスあるのに、そこから30人しか購入に至っていなければ、優先度は急激に上がります。
「ページを見るなら、まずはアクセス数が多い順に見る」という当たり前のステップを省略する店舗が多いです。パレートの法則同様、全体の売上の80%は全ページの20%から生まれています。影響度の高い20%を特定してから改善を始めることで、施策の効果が変わります。
購入層と未購入層の行動比較で「差」を発見
データ分析でよくある誤りが「全ユーザーの平均値を見る」ことです。実は見るべきは「購入した人と、購入しなかった人の差」です。
GA4のセグメント機能を使うと、購入完了ユーザーと未購入ユーザーの行動を分離できます。例えば以下のような差が出ることがあります。
- 購入層は商品詳細ページに平均3分滞在、未購入層は30秒で離脱
- 購入層はレビューを見ている、未購入層は見ていない
- 購入層は複数ページを見ている、未購入層は1ページだけ
この差こそが改善ターゲットです。未購入層がレビューを見ていなければ、レビュー機能の改善やレビュー数の増加が優先されます。滞在時間が短ければ、ページスクロールの改善や情報量の配置を見直す必要があります。
多くの店舗は「全体のCV数が少ない」という結果だけを見ます。しかし重要なのは「購入に至った人と至らなかった人は、何が違うのか」という問いです。
デバイス・流入元で見る「質」の違い
スマートフォンとPC、検索流入とSNS流入では、ユーザーの購買意図が異なります。データ分析で「全体のCVRが1%だから改善する」という判断は実は乱暴です。
例えば検索流入が2%、SNS流入が0.3%というケースがあります。この場合、SNS流入のCVRを検索並みに上げるのは現実的ではありません。理由は、SNS流入ユーザーは「認知段階」にいるため、購入意図が低いからです。
むしろ見るべきは、検索流入の2%をさらに改善するのか、SNS流入の数自体を増やすのか、という判断です。この選択を間違えると、労力ばかりかけて成果が出ない状態に陥ります。
時間軸での推移から「トレンド」を読む
月単位のデータ確認は、実は粗すぎます。週単位、さらには曜日単位で見ると、パターンが見えてきます。例えば以下のような推移です。
- 火曜日だけCVRが3倍になる
- 新商品追加後3日で急落する
- キャンペーン終了後、未購入層が一気に増える
このパターンから、改善の真犯人が明確になることがあります。キャンペーン終了後にCVRが落ちているなら、キャンペーン層の需要に応えていないということです。新商品追加後に落ちているなら、カテゴリの整理や検索性が悪化した可能性があります。
Shopify管理画面とGA4で見落としやすい「判断の落とし穴」
Shopify管理画面で売上とアクセスを並べて見ると、ついついCVRを暗算してしまいます。しかし管理画面のデータと、GA4のアクセス数の定義は異なります。
実際に Shopify管理画面を開いているときに、「今月の売上が先月の90%だから、何か改善しなきゃ」という焦りが生まれます。ですが、その前に確認すべきは「アクセス数は何%か」です。売上が90%で、アクセスが80%なら、実はCVRは改善しているかもしれません。
逆に売上が90%でアクセスが100%なら、CVRは実際に悪化しています。同じ「売上90%」でも、背景にある改善対象は全く異なります。
よくある失敗は、GA4の「セッション数」とShopifyの「アクセス数」を混同することです。ユーザーが1日に複数回訪問した場合、セッション数とアクセス数は異なります。正確に突き合わせないと、判断は誤ります。
改善判断を変えるデータの見方フロー
CVR改善に失敗する店舗は、「データを見る」で止まっています。成功する店舗は、見たデータから「改善仮説」を一段階ステップアップさせています。以下がそのフローです。
- ファネル分析で「離脱ステップ」を特定する
- そのステップの「実数」を確認する
- 購入層と未購入層の「行動差」を調べる
- 流入元ごとに「質的な違い」を評価する
- 時間軸で「トレンド」を読んで施策の時期を決める
- 複数の視点を「統合」して最優先の改善項目を決定する
このフローを経て初めて、「来月は商品ページの滞在時間を2分以上に伸ばす」「レビュー機能の配置を最適化する」といった具体的な施策が決まります。
多くの店舗は3番目のステップで止まります。購入層と未購入層の差を見た段階で「あ、レビューが必要だ」と判断してしまい、本当にそれが優先課題なのか、他に改善すべき項目がないのか、という検証をしません。結果として見当違いな施策を続けることになります。実際の現場では、このステップの取り扱い方で改善スピードに大きな差がつきます。
データ分析で判断を誤る店舗の共通パターン
CVR改善に失敗する店舗には、以下のような共通する分析の使い方の誤りがあります。
誤り1：「全体のCV数が少ない」で施策を決める
月商100万円の店舗がCV数100件の場合、改善対象が曖昧になりやすいです。本来は「どのページから何件失っているのか」を見なければなりません。例えば商品詳細ページから30%、カートページから40%失っているなら、カートページが最優先です。
誤り2：「アクセス数は多いのに売上が少ない」で判断停止
月間10,000アクセスで月商50万円なら、CVRは0.5%です。この数字だけ見ると「悪い」という印象を受けます。しかし流入元が分散しており、検索流入が2,000アクセス月商30万円、SNS流入が8,000アクセス月商20万円なら、改善対象は全く異なります。検索流入はCVR1.5%で機能しており、SNS流入の質を上げる必要があるということが分かります。
誤り3：「前月比でCVが20%減った」と危機感を持つ
CVが100件から80件に減った場合、原因は3つです。アクセスが減ったか、CVRが低下したか、あるいは両方か。アクセスが50%減っていれば、CVRは実は改善しているかもしれません。データを見るなら、必ず複数軸で確認する必要があります。
判断基準として機能するデータ確認のルール
CVR改善の優先順位を決める際に、以下の数値基準で判断することが有効です。
商品詳細ページの直帰率が60%以上なら、商品情報の不足か関連商品の提示が優先課題。40%以下なら、カート進行や決済フローを見直すべき。
購入層の平均セッション数が2以上で、未購入層が1以下なら、まずはサイト内の導線設計が改善対象。両者の差が0.5以下なら、ページ単体の情報量やレビュー数が改善対象になる可能性が高い。
検索流入のCVRが2%以上、SNS流入が0.5%以下なら、流入元の最適化よりもSNS層の購買意図を高める施策（例：定期接触や限定感の演出）を優先すべき。
前月比でCVRが10%以上低下した場合は、直近30日以内に実施した施策（デザイン変更・商品ラインナップ変更・キャンペーン終了など）がないか確認。施策のタイミングとCV低下の時期が一致していれば、その施策が原因の可能性が高い。
結論：データ確認と改善判断を分離する
多くの店舗が月次でデータを見ながらも、CVRが改善しない理由は、「見たデータから正しい判断を導き出す思考プロセス」が欠けているからです。
データそのものは中立です。同じ直帰率70%というデータでも、流入元が検索なのか広告なのか、ページが商品詳細なのかTOPなのかで、改善対象は全く異なります。
福岡ECサイト株式会社が支援する企業でCVR改善に成功している共通点は、「データ確認の習慣」ではなく「複数軸での層別判断の習慣」を持っていることです。月に1度、全ステップのファネルを見直し、流入元ごとのCVRを確認し、購入層の行動パターンを理解する。この一連のプロセスを回すことで、改善は加速します。
CVR改善分析に関するよくある質問
GA4とShopify管理画面の数字が合わないのはなぜですか？
定義の違いが原因です。GA4は「セッション」ベースでカウントしており、Shopifyは「トランザクション」ベースです。ユーザーが1日に2回訪問してそれぞれ購入した場合、GA4では2セッションですがShopifyでは2トランザクション。また、GA4のセッション定義が変わると（30分⇒イベント基準など）、数字が大きくズレることもあります。正確に突き合わせるには、GA4で「トランザクション」ベースに絞ったセグメントを作り、Shopify売上と比較することが重要です。
ファネル分析で見るべき「落差の大きさ」の基準は？
ステップ間の落差が30%を超える場合は要注意です。例えばカテゴリページから商品詳細ページへの遷移率が70%未満なら、カテゴリページの設計や商品一覧の見やすさに改善の余地があります。特に商品詳細ページから追加商品への遷移率が50%未満なら、関連商品推奨やおすすめロジックが機能していない可能性があります。業界や商品種別によって標準値は異なるため、同じ業態の競合サイトと比較することも有効です。
CVRが改善しないときは、データ確認の頻度を上げるべきですか？
むしろ逆です。頻度を上げても分析の質が低ければ、意思決定は変わりません。重要なのは「何を見るか」であり、月1回の深掘り分析のほうが、毎日見る浅い確認より効果的です。まずはファネル分析・流入元別CVR・購入層の行動パターンの3つに限定し、この3点を徹底的に掘り下げることから始めてください。その後、データから改善仮説が出た段階で、初めて詳細な数値確認や、デバイス・季節性などの細かい軸を加えます。
運用データを活用したCVR改善の判断基準
ファネル離脱が特定ステップで40%以上：そのステップの改善を最優先。商品詳細→カート間なら商品情報、カート→決済なら決済フロー設計が対象。
購入層と未購入層のセッション数に2倍以上の差：導線設計（内部リンク・カテゴリ設計）が主因。複数ページを見させる構造改善が優先。
流入元ごとのCVRに3倍以上の差：ユーザーの購買意図が異なる状態。CVR改善より流入元の適切な使い分けや段階別施策を優先。
前月比CVR低下が15%以上：直近の施策変更が原因の可能性が高い。施策のロールバックか追加改善を即座に判断。
つまりCVR改善とは、データ見張りではなく改善仮説の精度競争
データ確認とCVR改善は別の構造です。多くの店舗が「データを見ている」という安心感を持ちながら、実際には見落としている情報は多くあります。
CVRが改善しない店舗に足りないのは、データ量ではなく「複数軸での層別判断」です。ファネル・流入元・購入層の3つの視点を持つことで、改善仮説の質は劇的に変わります。
まとめ
つまり、運用データを毎月確認しているのにCVRが改善しない店舗は、「全体のCV数」「全体のCVR」という単一軸の判断に止まっていることがほとんどです。
重要な判断基準は、ファネル分析で離脱ステップを特定（30%以上の落差があるか）、購入層と未購入層のセッション数に2倍以上の差があるか、流入元別のCVRが3倍以上乖離していないか、の3点です。この3つをチェックすることで、改善対象は明確になります。
今月から始めるなら、Shopify管理画面とGA4の2つを並べて、まずはファネル分析だけに集中してください。全ステップの落差を見て、最大の落差を改善する。この一点に絞ることで、来月のCVR改善は大きく変わります。
まずは自社の過去3ヶ月分のファネルデータを、流入元別に整理してみてください。
最大の落差がどこにあるのかを明確にしておくことで、来月の改善方針が決まります。判断に迷うなら、福岡ECサイト株式会社のサイトリニューアル相談でも、CVR改善の優先順位を整理することができます。
月商100万円の食品ECサイト 運営責任者
お客様の声
アパレルEC／運営責任者
毎月GA4とShopifyの数字を確認していたものの、何を改善すればよいのか判断できないまま半年が過ぎていました。ファネル分析で流入元ごとの落差を確認する方法を取り入れてから、どのステップに問題があるのかが明確になり、施策の優先順位がようやく整理できるようになりました。データを見る習慣はあったのに改善できなかった理由が、ようやく腑に落ちた感覚です。
雑貨・インテリアEC／マーケティング担当
CVRが低い原因を広告費やデザインのせいにしていましたが、購入層と未購入層の行動パターンを比較するという視点がまったく抜けていました。層別で見ることで、サイト内の導線設計に根本的な課題があることがわかり、改善の手をつける場所が変わりました。データ確認の頻度を増やすより、見方を変えるほうがはるかに効果的だと実感しています。
