コンバージョンファネルの分析と改善手順

この記事の結論

コンバージョンファネルの改善は、フェーズごとの遷移率を計測してボトルネックを特定し、そこから優先的に施策を打つことで成果につながります。

「広告やSEOで流入は増えているのに、問い合わせや資料ダウンロードの数が伸びない」。こうした悩みを抱えるマーケティング・営業担当者は少なくありません。原因が分からないまま施策を打っても、効果は限定的です。

この問題を解決する糸口が、コンバージョンファネル（見込み客が流入から成果に至るまでの行動の流れを段階的に捉えたもの）の分析です。本記事では、ファネルの定義から計測ポイントの設定、ボトルネックの特定、改善施策の実行までを手順で解説します。あわせて、資料ダウンロードページのような小さなファネルを最小構成で計測・改善する実践例も紹介します。

特別なツールや専門知識がなくても、フェーズを正しく定義し、数値を追う仕組みさえ作れば、ファネル分析は今日から始められます。順を追って見ていきましょう。リード獲得施策全体の設計はBtoBリード獲得 完全ガイドでも整理しています。

なぜファネル分析が必要なのか

CVR（コンバージョン率）が低いという事実だけでは、次の一手は決まりません。流入直後の離脱なのか、フォーム入力の途中で止まっているのか。原因が違えば打ち手もまったく異なります。

ファネル分析とは、成果に至るまでのプロセスをいくつかのフェーズに分解し、フェーズごとの遷移率・離脱率を数値で可視化する手法です。どのフェーズで見込み客が離脱しているかが分かれば、改善の優先順位が自然と定まります。

この考え方は大規模なWebサイトに限りません。資料ダウンロードページのような小規模な導線でも、「流入→ページ閲覧→フォーム入力→ダウンロード完了」という立派なファネルが存在します。規模の大小にかかわらず、計測と改善の型は同じです。

さらに言えば、ファネル分析の価値は「原因の特定」だけにとどまりません。フェーズごとの数値を継続的に見る習慣ができると、施策の優先順位づけ自体が変わります。感覚や声の大きい意見ではなく、数値に基づいて「どこに時間とコストを割くべきか」を判断できるようになるからです。逆に言えば、ファネルを定義せずに個別の指標だけを追っていると、部分最適な改善に終始し、全体のCVRが思うように伸びないという事態に陥りがちです。

事前準備：ファネルを定義する

分析を始める前に、自社のファネルがどのフェーズで構成されているかを定義します。定義が曖昧なまま数値を追っても、どこを改善すべきか判断できません。

ステップ1: ファネルの各フェーズを定義する

一般的なマーケティングファネルは、認知→興味→検討→行動という4段階で捉えられます。BtoBの現場では、これをリード獲得・MQL（マーケティング活動によって創出された、営業に渡す前の見込み度が高いリード）・SQL（営業が対応すべきと判断した商談化見込みのリード）・受注という区切りに置き換えることが多いでしょう。MQLとSQLの違いや引き渡しの設計については、MQLとSQLの違いで詳しく解説しています。

自社の商材やチャネルに合わせて、3〜5段階程度にフェーズを絞り込むのが実務上のコツです。フェーズを増やしすぎると、数値の管理自体が負担になり継続できません。

また、BtoBの商材では検討期間が長く、複数の担当者が意思決定に関わることも珍しくありません。組織内で情報が回覧される「組織内ファネル」の存在を意識しておくと、個人単位の行動だけを追っていては見えない離脱要因に気づきやすくなります。例えば、担当者本人はフォームを送信するつもりでも、社内稟議の材料が足りず離脱してしまうといったケースです。

ステップ2: 計測ポイントを決める

フェーズを定義したら、各フェーズに対応する指標を決めます。例えば「流入」ならPV（ページビュー）、「検討」ならフォーム入力数、「行動」ならダウンロード数や問い合わせ数といった具合です。

指標が決まったら、どのツールでその数値を取得するかも合わせて決めておきます。ここが曖昧だと、後で数値をつなぎ合わせる作業に手間取ります。

指標を決める際は、「誰が」「どの頻度で」その数値を確認するのかもあわせて決めておくと、分析が形骸化しにくくなります。担当者が変わっても同じ基準で数値を追えるように、指標の定義と取得元を簡単なドキュメントに残しておくこともおすすめです。

手順：ファネル分析でボトルネックを特定する

ここからは、実際にファネル分析を進める手順を6ステップで解説します。

手順1: 各フェーズの数値を可視化する

まず、定義した各フェーズの数値を一覧化します。表にまとめると全体像がつかみやすくなります。

GA4のようなアクセス解析ツールやMAツールのダッシュボードを使うと、この可視化を効率的に行えます。広告経由の流入がある場合は広告効果測定のやり方｜指標の見方と計測設計を解説もあわせて確認すると、流入段階の数値の見方が整理しやすくなります。ツールが分かれている場合は、フェーズごとの数値を1枚のスプレッドシートに転記してまとめるだけでも十分です。大切なのは、全フェーズの数値を同じ時間軸・同じ粒度で並べて見比べられる状態を作ることです。

手順2: 遷移率・離脱率を計算する

次に、フェーズ間の遷移率を計算します。計算式はシンプルで「次フェーズの件数 ÷ 前フェーズの件数」です。上記の例であれば、流入から興味への遷移率は40%（1,200 ÷ 3,000）、興味から検討への遷移率は25%（300 ÷ 1,200)、検討から行動への遷移率は30%（90 ÷ 300)となります。

遷移率が低いフェーズほど、離脱率が高いフェーズだと言い換えられます。フェーズごとの遷移率を並べて眺めると、全体の中で相対的にどこが弱いのかが視覚的にも把握しやすくなります。数値を一度出したら終わりにせず、毎回同じ表のフォーマットで記録しておくと、時系列での比較もしやすくなります。

手順3: ボトルネックのフェーズを特定する

計算した遷移率を比較し、もっとも数値が低いフェーズをボトルネックとして特定します。先の例では、興味から検討への遷移率25%が他より低く、ここが最初に着手すべき箇所だと分かります。

複数のフェーズで数値が低い場合は、後述する優先順位付けの考え方で着手順を決めます。なお、遷移率は季節性やキャンペーンの有無で変動することがあるため、単月の数値だけで判断せず、数ヶ月分の推移を見て傾向として離脱率が高いフェーズかどうかを確認すると精度が上がります。

手順4: 原因を深掘りする

ボトルネックのフェーズが分かったら、なぜそこで離脱が起きているのかを深掘りします。遷移率という定量情報だけでは、離脱の理由までは分かりません。

ヒートマップツールでクリック箇所や熟読エリアを確認したり、実際のページ遷移ログを追ったりすることで、定性的な手がかりが見えてきます。例えばフォーム入力フェーズであれば、入力項目が多すぎることが離脱の原因になっているケースは珍しくありません。DLページ閲覧から検討への遷移が悪ければ、資料の紹介文やタイトルが読み手の課題と合っていない可能性があります。フォーム離脱の具体的な改善策は、フォーム離脱の改善方法やフォーム項目の最適化で詳しく紹介しています。

原因の深掘りでは、「離脱した人にしか分からない理由」と「データから読み取れる理由」を分けて考えることも大切です。前者はユーザーインタビューやアンケートでしか得られませんが、後者はヒートマップやログの分析で仮説を立てられます。まずはデータから立てられる仮説を優先し、それでも判断がつかない場合にインタビューを検討するという順序が効率的です。

手順5: 改善施策を立案し優先順位をつける

原因が見えたら、改善施策を立案します。ただし、思いついた施策をすべて同時に実行するのは非効率です。「影響度（改善によってどれだけ数値が変わりそうか）」と「実行コスト（どれだけ工数がかかるか)」の2軸でマッピングし、影響度が高く実行コストが低い施策から着手するのが基本です。

施策の効果を客観的に検証したい場合は、A/Bテストを併用すると判断の精度が上がります。ただし、資料DLのような流入数が限られる導線では、A/Bテストに十分なサンプル数が集まらないこともあります。その場合は、施策実施前後の一定期間（例えば4週間ずつ）の数値を単純比較する方法でも、傾向をつかむには十分です。

手順6: 再計測して効果を検証する

施策を実行したら、必ず同じ指標で再計測します。施策前後の数値を比較し、狙った通りに遷移率が改善したかを確認します。

改善が見られなければ、原因の仮説自体を見直す必要があります。フェーズ全体ではなくCVRという1指標の改善手順に絞って知りたい場合はCVR改善の手順｜ボトルネック特定から施策・検証までを参照してください。想定していた原因が的外れだった場合は、手順4に戻って別の角度から離脱の理由を探り直しましょう。ファネル分析は一度で終わる作業ではなく、計測と改善を繰り返すPDCAサイクルとして運用することで効果を発揮します。

再計測のタイミングでもう一つ意識したいのは、改善したフェーズの数値が良くなった一方で、別のフェーズの数値が悪化していないかという点です。ファネルは一連のつながりであるため、あるフェーズの導線を変えると、次のフェーズの母数や質に影響することがあります。全体のCVRを俯瞰しながら検証することが欠かせません。

差別化：資料DLファネルを最小構成で計測・改善する実践例

ここまでの手順は、大規模なWebサイトだけでなく、営業資料やホワイトペーパーのダウンロード導線にもそのまま当てはまります。実際に、資料DLファネルを最小構成で計測する例を見てみましょう。

資料DLの一般的なファネルは「流入→DLページ閲覧→フォーム入力→ダウンロード完了」の4段階に整理できます。この4段階であれば、大掛かりな分析基盤を用意しなくても、シンプルなツールで計測を始められます。

この4段階に分ける利点は、フェーズごとの担当領域がはっきりする点にもあります。流入は集客施策、DLページ閲覧は資料の紹介文やデザイン、フォーム入力は入力項目や導線設計、ダウンロード完了はサンクスページの案内、というように、改善のオーナーを分担しやすくなります。

具体的には、次のような対応関係で計測ポイントを設定します。

1. 流入：広告やSEO経由でのアクセス数
2. DLページ閲覧：資料の紹介ページのPV数
3. フォーム入力：リード獲得フォームへの入力数
4. ダウンロード完了：フォーム送信完了数（リード数）

この最小構成であれば、PDF資料をアップロードするだけでリード獲得フォーム付きの共有ページを発行できるDocLeadのようなツールを使うと、PV数・リード数・CVR（閲覧数に対する送信完了数の割合）を最初から自動で計測できます。無料から使い始められるため、大掛かりな分析基盤を用意する前段階として、まずこの最小構成で数値を追い始めるのも現実的な選択肢です。

例えば「DLページのPVは伸びているのにフォーム送信が増えない」という状態が見えれば、ボトルネックはフォーム入力フェーズにあると判断できます。反対に「DLページのPV自体が少ない」のであれば、集客チャネルや資料タイトルの見直しが優先課題になります。フェーズごとに数値を分けて見るだけで、次に着手すべき打ち手の方向性が明確になるのです。次に取るべき手は、フォームの入力項目を見直すことです。入力項目数と離脱率の関係については、フォーム項目の最適化で具体的な基準を紹介しています。

また、資料そのものの訴求力や構成が離脱の原因になっているケースもあります。資料の効果を数値で振り返りたい場合は、営業資料の効果測定方法も参考になります。

この最小構成の良いところは、専任のマーケティング担当者がいない体制でも、他のツールと連携させる開発工数をかけずに始められる点です。複数のツールを連携させたり、ダッシュボードを自作したりする必要がなく、資料をアップロードした時点から数値が積み上がっていきます。まずは小さいファネルで計測と改善のサイクルを回す経験を積み、必要に応じて計測範囲を広げていくというステップを踏むと、無理なく分析文化を社内に根づかせられます。

つまずきポイント

ファネル分析を実践する際、次のような失敗がよく見られます。

• フェーズ定義が粗すぎる：フェーズを2〜3段階程度に大雑把にまとめてしまうと、どこで離脱が起きているのか特定できません。かといって細かくしすぎても運用が続かないため、3〜5段階程度が現実的です。
• 計測ツールがバラバラで数値がつながらない：広告ツール・アクセス解析・フォームツールがそれぞれ別の管理画面にあると、フェーズ間の遷移率を計算する作業自体に手間がかかり、継続しにくくなります。毎回手作業で数値を集計していると、担当者の負荷が積み重なり、いずれ更新が止まってしまうことも珍しくありません。
• 離脱率だけを見て原因を深掘りしない：どのフェーズで離脱が多いかが分かっても、なぜ離脱するのかを調べなければ有効な施策にはたどり着けません。数値の確認で満足せず、定性情報とあわせて原因を探る姿勢が欠かせません。
• 一度きりの分析で終わらせる：施策を実行した後の再計測を怠ると、改善したのか悪化したのか分からないまま次の施策に移ってしまいます。効果検証を伴わない改善は、同じ失敗を繰り返す原因になります。
• フェーズ間の因果を決めつける：ある施策を実施した直後に数値が変化しても、それが本当に施策の効果なのか、季節要因や他の同時実施施策の影響なのかを切り分けずに判断してしまうと、誤った学びが積み重なります。

効率化のヒント

ファネル分析を無理なく続けるためのポイントを整理します。

最初から完璧な分析基盤を作ろうとせず、まずはシンプルな計測から始めることが継続の鍵です。フェーズ数を絞り、指標を明確にし、最低限の数値が一箇所で見られる状態を作りましょう。

定例のレビュー頻度も決めておくと、分析が形骸化しません。月次でファネル全体の数値を振り返り、四半期ごとに施策の優先順位を見直すといったサイクルが目安になります。レビューの場では、数値の変化だけでなく「なぜその変化が起きたか」を毎回言語化しておくと、担当者が変わっても過去の経緯を追いやすくなります。

分析の担当者を固定せず、マーケティングと営業の双方が同じ数値を見られる状態を作ることも効率化につながります。営業側がフォーム入力後の商談化率を把握していれば、ファネルの後工程まで含めた改善提案がしやすくなるためです。組織内での情報共有がスムーズになれば、ボトルネックの原因分析にかかる時間そのものも短縮できます。

ボトルネックがフォーム入力フェーズにある場合は、フォーム離脱の改善方法、営業とマーケの連携部分に課題がある場合はMQLとSQLの違いもあわせて確認し、フェーズごとの打ち手を具体化していくとよいでしょう。小さなファネルから計測を始め、数値に基づいた改善を積み重ねていくことが、遠回りに見えて最も確実なCVR向上への道です。