データドリブンデザインは、利用者の行動や反応を根拠に、表現と使いやすさを見直す考え方です。数字が高い案を無条件で選ぶのではなく、事業の目的に合った行動が増えたかを確認します。問い合わせ獲得が目的なら、クリック率に加えてフォームへの到達、送信、相談内容まで見る必要があります。まずは、何を改善できれば成功とするかを決めましょう。
クリックは増えたのに、なぜ相談につながらないのでしょう?
目を引く見出しに変えてクリックが増えても、訪れた人の期待とサービスが合っていなければ、問い合わせにつながらないことがあります。
たとえば、「すぐに完成する」という印象で誘導したのに、実際は課題整理から始める支援だった場合、読者は知りたかった内容と違うと感じるかもしれません。クリック率だけを見ると良い変更でも、サービスに合う相談を増やす目的には合っていない可能性があります。
見出しと遷移先の内容がつながっているか、読者が相談できることを理解できるか。数字の変化と、実際の体験を一緒に確認します。
問い合わせまでの、どこで離れているのでしょうか?
記事を見た人、相談リンクを押した人、フォームを表示した人、送信した人。段階を分けると、どこを見直すべきかを考えやすくなります。
比較する数字は、集計期間と単位をそろえます。クリック率なら、何の表示回数を分母にするかを決め、同じ定義で比較してください。
計測できていない段階は、推測で埋めずに未計測として扱います。社内確認やテストのアクセスが含まれていないか、イベントが重複していないかも先に点検しておきたいところです。
記事から相談までの各段階で、利用者の行動を確かめます。
そのデザインを変えたい理由、一文で言えますか?
「問い合わせを増やしたい」だけでは、何を変えるべきか決まりません。「相談できる内容が分からず迷っているため、ボタンの前に相談例を示す」といった仮説にすると、変更と結果の関係を考えやすくなります。
Microsoftの実験に関する公式ガイドも、最初に仮説と成功を測る指標を決める流れを示しています[1]。先に判定基準を置くことで、後から都合のよい数字だけを選ぶことを避けやすくなります。
同時に多くの要素を変えると、どの変更が結果に関係したか分かりにくくなります。比較したい差を明確にし、対象や期間の条件も記録します。単純な変更前後の比較では、季節や流入元の違いも影響するため、デザインだけが原因だと断定しないことが必要です。
数字が少ないときは、使う人の声も聞いてみましょう
アクセスが少ない段階で、わずかな差から勝ち負けを決めるのは慎重にしたいところです。データが十分でなければ、判定を保留し、実際にページを見てもらって理解しにくい箇所を確かめる方法もあります。
営業担当が受けた質問や、フォームに届く相談内容も、次の仮説を考える材料になります。寄せられた声の件数や背景を確認し、行動データと照らし合わせて、説明が不足している箇所を探します。
AIを改善案の整理に使うときは、人が元の数字と集計条件を照合します。数字から分かることを確認したうえで、理由を調べるための仮説を立てます。
数字を見ているのに、次に何を直すか決まらない。そんな場合は、事業の目的、現在見ている指標、制作の進め方を並べてご相談ください。
数字に加えて、使う人がどこで迷うかを観察します。
お問い合わせには「問い合わせにつながるデザイン改善を相談したい」と、対象の制作物、いま困っている工程をお書きください。etomojiのAX推進「キンナリ」で、制作と日々の運用をつなぐ進め方を一緒に整理します。
この内容について問い合わせる
データを制作改善に生かす進め方を相談する
参考資料[1]Microsoft Learn, Identify a hypothesis and determine success metrics for an experiment
参考資料を読む参照箇所:実験の初期段階で仮説と成功指標を決める説明。個別の計測設計・改善案は本記事の提案です。