将来のCRO戦略を構築するためのベストガイド

需要の増加に伴い、 ソフトウェア開発の俊敏性、マーケティング担当者は、コンバージョン率の最適化 (CRO) 戦略を再考する必要があります。 過去にうまくいったことは、将来の望ましい結果を保証するものではありません。

これは、市場力学と行動科学によるものです。 現代の消費者は頭が良く、テクノロジーに適応する方法とタイミングを知っています。 彼らは大量のデータに囲まれているため、データをフィルタリングするのが得意です.

これらの消費者の注意を引くには、ごくわずかな時間しかありません。CRO 戦略は、読者を導くためにどれだけ速くなければなりませんか。 deep あなたのセールスファネルに。

将来的には、迅速な CRO 戦略の需要がこれまで以上に重要になるでしょう。

しかし、どうすれば CRO 戦略をこれほど迅速に構築できるでしょうか?

による WordStream、コンバージョン率が向上した企業は、平均で 50% 多くのテストを行っています。

これは、現在の CRO 戦略を改善するために、常に実験を行う必要があることを意味します。 急速に変化する時代において、成功する CRO モデルを考案するために必要なのは、ランディング ページの定期的な最適化と多変量テストだけです。

現代に遅れずについていき、将来に備えた CRO 戦略を準備するには、次の要素を試してみることをお勧めします。 それらは、現在および今後の CRO の課題に共鳴し、近い将来に必須となります。

 

2021年CRO戦略策定の要点

パーソナライゼーション

オピニオンリーダーによると BCG、消費者は企業がデータを収集していることをよく知っているため、パーソナライズされた体験を期待しています.

さらに、消費者は利便性を重視するようになっています。

さらに、ブランドが注目を集めるまでの時間が減少していることを考えると、パーソナライゼーションはメッセージを伝える最も信頼できる方法です。

これは消費者が求めるものであり、利便性をもたらし、ブランドを顧客の問題点と関連付ける迅速な方法です。

さまざまなレベルで情報をパーソナライズすることができ、オムニチャネルの実装は最良の結果をもたらすものです.

ただし、大規模なパーソナライゼーションを実装するには、企業は次の XNUMX つの主な問題に直面します。

 

情報過多

過剰なデータ収集が原因で、バンドが他の情報よりも優先順位を付けることが難しくなっています。

 

ツールの不足

オムニチャネルのパーソナライゼーションには、厳密な監視が必要です。 多くの企業は、オムニチャネルのパフォーマンスを監視および分析するためのツールやツールに関する知識をあまり持っていません。

 

偏った戦略

データを収集した後、各ユーザー セグメントの戦略を考案して実行することは困難になります。

これらの戦略は、一緒に適用できないことがよくあります。

 

これらの問題を克服するには？

インテリジェントな消費者セグメンテーションは、前述の問題を解決する XNUMX つの方法です。

バイヤー ペルソナの作成は、広く使用されている消費者セグメンテーションの手法です。

しかし、現代に比べるとあまりにも平凡すぎて見劣りする。

これは、先ほど説明したパーソナライゼーションの課題を克服するために、詳細で正確な情報が必要だからです。

基本的な人口統計を除けば、一般的な購入者のペルソナはあまり提供しません。

おそらく、行動のセグメンテーションに基づいて作成されたペルソナの方が便利です。

それらは、消費者の関心をグループ化し、実行可能な戦略を考案するのに役立ち、簡単なツールを使用して監視できます。

一般的な人口統計学的属性に焦点を当てる代わりに、行動セグメンテーションは次の基準を幅広いレベルで研究します。

 

求められるメリット

これは、消費者が求めるメリットに基づいたセグメンテーションです。

たとえば、ヘアオイル ブランドの消費者セグメントは、フケ防止特性のために製品を購入している可能性がありますが、他の消費者はコンディショニングのために購入している可能性があります。

大多数の顧客が製品に求めている利点を認識した後、ランディング ページとメール キャンペーンをパーソナライズできます。

 

購買行動

一部の消費者は価格に敏感です。

彼らは、市場で最高の価格を得た後にのみ購入します。

損失回避に焦点を当てている人もいます。つまり、製品保証や返品ポリシーなしでは購入しません。

同様に、社会的証明を必要とする人もいれば、購入前に徹底的な調査を行うことを好む人もいます.

 

カスタマー・ロイヤルティ

による ベイン、企業は製品をロイヤルティとレパートリーのカテゴリに分類できます。これは一般に、消費者が購入ごとにブランドを変更する可能性が高いことを示しています.

支持者が多い企業の場合、プロモーションとカスタマー エクスペリエンスが変わります。

新しい顧客を見つけるのではなく、既存の顧客をターゲットにすることにもっと集中する必要があります。

 

使用頻度

食料品など、消費者が頻繁に使用する製品を販売している場合、ヘビーユーザーの顧客ベースがあります。

これらは、定期的に製品を購入する傾向がある人々です。

彼らは時々あなたのウェブサイトを訪れます。

一方、ライトユーザー層とは、パソコンやスマートフォンなど、一度しか商品を購入しない人を指します。

 

これらの行動セグメンテーション カテゴリに基づいて、さまざまなマーケティング キャンペーンを最適化し、ランディング ページ全体を変更し、効果的な CTA を準備できます。

たとえば、損失回避が顧客の共通の決定要因だと思いますか? CTA で返品ポリシーを強調します。

顧客の 50% ～ 60% が熱心な顧客である場合は、購入ごとに報酬ポイントを提供します。

複数の面で顧客体験をパーソナライズすると、コンバージョン率が大幅に向上します。

 

サイト速度

光ファイバーへのアクセスの増加、世界的に確立された 4G 接続、そして現在、5G 技術の漸進的な出現など、インターネット技術の進歩により、いくつかの変化がもたらされています。 デジタルマーケティング.

Web サイトの速度が遅いということは、訪問者が Web サイトからすぐに戻ってくることを意味するだけでなく、会社からのカスタマー エクスペリエンスが低下することにもなります。

さらに詳しく説明すると、サイトの速度が遅いと、Web サイトに次のような影響を与える可能性があります。

• 全体的なトラフィックが減少し、Web サイトで開始されたアフィリエイト マーケティング キャンペーンに影響します
• モバイル ブラウジング エクスペリエンスに影響を与え、検索ランキングを下げる (以下のモバイル ファーストのアプローチのセクションを参照)
• 特に顧客がチェックアウト ページを読み込もうとしているときに、カートの放棄率を高める
• インタラクティブな要素の速度を低下させてユーザー エクスペリエンスを低下させる
• ブランドイメージ全体に影響を与える

Google Page Insight は、定期的なチェックに使用できる便利なツールです。 サイト速度のパフォーマンス.

Core Web Vitals に基づいて Web サイトの速度ベースを計算します。

 

First Contentful Paint（FCP）

これには、テキスト、画像、その他の背景グラフィックなど、ブラウザーが Web ページに読み込む初期コンテンツが含まれます。

 

最初の入力遅延（FID）

ユーザーがインタラクティブな要素をクリックしたときの Web ページの応答時間を測定します。

 

最大のContentful Paint（LCP）

Web ページ上の最大の情報を読み込むのにかかった時間。

 

累積レイアウト シフト: (CLS)

Web ページ レイアウトの不要な変更の数。

 

これらすべてのバイタルは、他のタブよりも信頼性の高い Google Page Speed の Field Data タブで表示できます。

[フィールド データ] タブでは、誰かが Web サイトにリアルタイムでアクセスしたときのパフォーマンスに関連して、サイトのパフォーマンスを測定します。

 

ウェブページの読み込み速度を改善する

Web ページの読み込み速度を向上させるために、次の対策を講じることができます。

 

クリーンなデザインを使用する

ランディング ページのユーザー インターフェイスに干渉する要素が多すぎないようにします。

大きな要素を最大のストレージに置き換え、よりコンパクトなものに置き換えます。

また、圧縮された画像を表示に使用します。

品質を損なうことなく、高精細画像を最大 60% まで圧縮できます。

 

コンテンツ配信ネットワーク (CDN) の使用

WordPress のようなコンテンツ管理システム (CMS) は、CDN を使用してコンテンツを Web ブラウザーに配信していました。

CDN はサーバーのネットワーク上で動作するため、通常の Web ホスティング サーバーよりも強力にコンテンツを配信できます。

 

サードパーティのプラグインを削除する

拡張機能とサードパーティ統合 (TPI) は Web サイトの機能を向上させますが、Web ページの全体的なサイズにもなります。

使用している TPI が本当に重要な場合は、Web サイトから削除する代わりに、特定のランディング ページでそれらを無効にすることができます。

 

キャッシュを使用

キャッシュは、システム上の特別なメモリとして保存される一時データです。

これは、ブラウザとサーバーの間で頻繁に交換されるデータのコピーです。

簡単に言えば、これはサーバーに保存された Web サイトの小さなメモリであるため、ブラウザが転送要求を生成するたびに転送プロセス全体を最初から開始する必要はありません。

 

モバイルファーストのアプローチ

Google は 2020 年 XNUMX 月にモバイル ファースト インデックス登録に切り替えました。

これは、モバイル デバイスでのパフォーマンスに基づいて Web サイトがランク付けされるようになったことを意味します。

2021 年半ばに、Google はページ エクスペリエンスの更新もリリースします。これにより、全体的なブラウジング エクスペリエンスが重要なランキング要因と見なされます。

これら XNUMX つの重要な更新だけでも、将来のコンバージョンを維持して増やしたい場合は、モバイル ファーストの開発アプローチが必要になります。

 

モバイルファーストのアプローチは実際には何を意味するのでしょうか?

Web 開発の歴史において、Web サイトは常にデスクトップ画面用に設計されてきました。

開発後、開発者は携帯電話用に調整しました。

さまざまな画面サイズに合わせて再調整できる、スケーラブルで応答性が高く適応性のあるデザインの出現により、デスクトップからモバイルへの移行がさらに簡素化されました。

対照的に、モバイル ファーストのアプローチでは、企業はまずモバイル画面用に Web サイトを開発し、次にそれらの Web サイトをデスクトップ用に調整する必要があります。

したがって、モバイル画面でのパフォーマンスとエクスペリエンスの向上が保証されます。

 

モバイル ファースト アプローチの設計例

以下は、モバイル ファーストのアプローチ設計の良い例です。

 

テスラ モバイルファースト デザイン

モバイルで

 

デスクトップ上

 

Apple モバイルファーストデザイン

モバイルで

 

デスクトップ上

 

Evernote モバイルファーストのデザイン

モバイルで

 

デスクトップ上

 

モバイル ファースト アプローチを使用する利点は次のとおりです。

• クリアで簡潔、遅延のないデザイン
• Google 検索エンジンの結果で上位に表示される
• 簡単に管理
• 速いロード速度
• ECサイトのアピール

 

モバイル ファーストのアプローチでは、ブランドがウェブページのコンテンツを厳選する必要があるため、コンテンツ ファーストのアプローチとしても知られています。

 

記述的データ分析と特徴量エンジニアリング

今日の e コマース ビジネスでは、大量のデータが収集されます。

トランザクションごとに、商品タグ、カテゴリ タグ、値札、ベンダー名、注文日、配達日などがあります。

このように多様な情報がひとつのデータベースにまとめられたものをビッグデータと呼んでいます。

このデータを意味のある方法で分析して、さまざまな問題の解決策を見つけることは、記述的と呼ばれます。 データ分析、これは現在大規模に実施されていません。

効率的な記述的データ分析は、マーケティング担当者が将来のいくつかの予期しないコンバージョンの問題を解決するのに役立ちます.

 

記述的データ分析と探索的分析

記述的データ分析は、幅広いレベルでビジネスで実行される探索的分析とは異なります。

探索的分析には、貴重な洞察 (Hotjar や Google アナリティクスで見られるものなど) のレンダリングが含まれ、パターンを見つけて視覚的分析を準備します。

ただし、探索的分析だけでは、低いコンバージョン率に対してデータに裏付けられた回答を提供する効果的な CRO 戦略を準備するのにあまり役に立ちません。

たとえば、性別、年齢、カート放棄率などの情報の収集は探索的調査であり、このデータを使用して購入者のペルソナを準備し、さまざまなマーケティング キャンペーンを開始できます。

しかし、さらに一歩進んで、このデータを使用して、なぜカート放棄率が高いのかという質問に答えることは、記述的なデータ分析です.

モバイル デバイスのみから買い物をすると、カート放棄率が高くなる可能性があります。これは、モバイル デバイスでのコンバージョン率を最適化する必要があることを意味します。

 

フィーチャ工学

特徴量エンジニアリングとは、既存の生データから新しい情報を抽出するプロセスを指します。

通常は機械学習アルゴリズムによって実行されますが、明示的なプログラミングによって処理することもできます。

特徴エンジニアリングの助けを借りて、企業は信頼性の高い予測分析を行い、Web サイトを最適化してコンバージョンを向上させることができます。

たとえば、XNUMX つの機能。 A – 訪問者が商品をカートに追加するのにかかった時間 B – チェックアウト時間は、探索的分析によって簡単に収集できる生データです。

ただし、機能 C、つまり訪問者が商品をカートに追加してからトランザクションを完了するまでにかかった合計時間を導き出すことは、機能エンジニアリングと呼ばれます。

特徴 A から特徴 B を差し引くことで、特徴 C を計算できます。

このようなタイプの機能エンジニアリングは、コンバージョン率の最適化に非常に役立ちます。

たとえば、企業はチェックアウト手順を減らして機能 C の時間を短縮したり、一変量および二変量テストを実行して長いチェックアウト時間の背後にある理由を見つけたりすることができます。

 

XNUMX 変量および XNUMX 変量テスト

XNUMX 変量および XNUMX 変量テストは、ランディング ページの最適化に役立ちます。

たとえば、Web ページでの販売情報の配置をテストしたり、ページの長さとコンバージョンの間の相関関係を見つけたりすることができます。

巨大多国籍企業や、Amazon や Uber などの大企業は、記述的データ分析と機能エンジニアリングを定期的に実行しています。

しかし、新興企業や中小企業は、これらの慣行に遅れをとっていることがよくあります。

シナリオによっては、マーケティングの専門家が複雑なデータ分析を実行することができないため、データ サイエンスの専門家を雇う必要がある場合があります。

 

競合分析

競合分析は、競合他社が高い収益を生み出すために何をしているかを把握し、次の動きを予測するために重要です。

CRO 以外にも、競合分析はさまざまなデジタル マーケティング キャンペーンの改善にも役立ちます。

競合分析を使用して CRO 戦略を大幅に改善するには、次のことに注意する必要があります。

1. 本当の競争相手を見つける
2. 彼らの改宗の実践から学ぶ
3. あなたのウェブサイトに同じことを賢く実装してください

市場競争について顧客に直接質問することで、競合他社について多くのことを知ることができます。

ターゲット地域またはオーディエンスに同様のサービスを提供する同様のブランドを見つけることができます。

保護された市場では、ターゲットオーディエンスと同じ属性を持つ、地理的に離れた地域の競合他社を見つけることができます.

競合他社とそのマーケティング活動を認識するだけで、企業が達成すべきマイルストーンを設定できます。

 

競合他社から何を学ぶべきか?

USP

まず第一に、競合他社が提供する付加価値を理解するために、独自のセールス ポイントに注目する必要がありますが、あなたはそうではありません。

これらのセールス ポイントをコピーする必要はありませんが、これらに対抗するために、より優れた価値を考え出すことができます。

 

プロモーションと割引

競合他社が日曜日に特別割引を提供している場合や、より有利な割引クーポンを提供している場合があります。

これが競合他社の収益増加の背後にある場合は、競合するためにいくつかの割引オファーを開始する必要があるかもしれません.

YouTube のインフルエンスやアフィリエイトとのパートナーシップなど、あらゆるプロモーションについても同様です。

 

サポートチャンネル

オムニチャネル体験は、今日の需要です。

競合他社が、さまざまなチャネルを通じて、あなたのビジネスよりも優れたサポートを提供している可能性があります。

それが本当なら、より多くのサポート チャネルが消費者の要求であり、それに応えるべきです。

 

コピーライティング

効果的な CTA は魅力的です。

彼らは読者にあなたのブランド、製品、利点について多くのことを伝え、クリックさせます.

CTA とともに、Web サイトの見出しとタイトルは、顧客の意思決定プロセスに影響を与えます。

競合他社のウェブサイトを調べることで、コピーライティングについて学ぶことができるかもしれません。

 

アップセルと製品のバンドル

より多くの利益を生み出すために製品をアップセルおよびバンドルする方法を知っているため、競合他社の売上が高い可能性があります。

ここでは、製品ページの最後に表示される製品の推奨事項について言及しているのではなく、よく考えられた組み合わせと、消費者が購入する可能性が高いアップセル製品について言及しています。

たとえば、プリンターのインク。

これは簡単な例ですが、考えて競合分析を行うことで、どの製品が最もよく合うかを知ることができます。

 

カスタマーエクスペリエンス

総合的に見直すことができます 顧客満足体験 製品を注文することにより、競合他社の

受け取った配信の最新情報やフォローアップ メールの数を把握しておいてください。

彼らのカスタマー エクスペリエンスはスムーズすぎましたか、それともあなたのカスタマー エクスペリエンスよりも優れていましたか? 多分それが彼らが忠実な顧客グループを開発した方法です.

分析が完了したら、変更を徐々に進めて、Web サイトの独自性を確保し、Web サイトで最初から提供していた真の価値が失われないようにする必要があります。

 

コンバージョン アトリビューション モデル

セールスファネルのさまざまなタッチポイントにクレジットを与えることで、マーケティング活動の価値を理解するのに役立ちます.

たとえば、ビジネスの単純なマーケティング キャンペーンには、ソーシャル メディア プラットフォーム、ビジネス Web サイト、ランディング ページの CTA、メールなど、さまざまなタッチポイントとチャネルが含まれます。

どのチャネルがコンバージョンに最も貢献しているかを知らなければ、セールス ファネル全体を最適化することは困難です。

Google アナリティクスは、さまざまなコンバージョン アトリビューション モデルをサポートしており、各タッチポイントまたはマーケティング チャネルの価値を理解するのに役立ちます。

ファネルをこれらのモデルと比較して、過大評価しているチャネルと、より注意を払う必要があるチャネルを見つけることができます。

 

ラストクリック アトリビューション

このアトリビューション モデルでは、最後のタッチ ポイントにすべてのクレジットが割り当てられます。

複数のマーケティング チャネルとインタラクションを伴うキャンペーンの場合、ラスト クリック アトリビューション モデルはほとんど意味がありません。

ただし、オーガニック検索結果または PPC 広告のみに依存している場合は、引き続き使用できます。

 

ファースト クリック アトリビューション

このモデルでは、インタラクションの最初のチャネルがすべてのクレジットを取得します。

これは、顧客のバイヤージャーニーを開始するチャネルであり、より重要なものとして評価できます。

ファースト クリック アトリビューションは、ラスト クリック アトリビューションよりも関連性がありますが、それでも他のタッチポイントの価値を理解するのには役立ちません。

 

線形帰属

リニア アトリビューションは、クレジットをすべてのチャネルに均等に分割します。

このモデルはすべてのタッチポイントとチャネルを考慮していますが、依然として非常に信頼性が低くなります.

過小評価されているチャネルや過大評価されているチャネルを見つけるのには役立ちません。

 

時間減衰の帰属

このアトリビューション モデルは、インタラクションの順序に基づいて、さまざまなチャネルに与えられるクレジットを増やします。

たとえば、最後のチャネルは最大のクレジットを取得し、最初のチャネルは最小のクレジットを取得します。

時間減衰アトリビューション モデルは、マーケティング チャネルを整理するのに役立つため、非常に信頼性がありますが、それでもチャネルの真の価値を表すことができない場合があります。

 

最後の非直接アトリビューション モデル

大部分のセールス ファネルの最後のタッチポイントは、CTA または購入ボタンです。

最後の間接的なアトリビューションは、最後のタッチポイントを見落とし、最後のクリックの前のタッチポイントに最大の貢献度を与えます。

このモデルは、すべてのセールス ファネルの現実を表していますが、最初のいくつかのチャネルの貢献を無視しています。

 

最後の広告クリックの属性

 セールス ファネルの最後に配置された広告がすべてのクレジットを獲得します。

このモデルは、広告に大きく依存しているが、他のマーケティング チャネルの最適化には役立たない場合に使用できます。

 

位置ベースの帰属

位置ベースのアトリビューションでは、マーケティング キャンペーンの最初と最後のタッチポイントの両方に 40% のクレジットが与えられます。

残りの 20% を、最初と最後のタッチポイントの間にあるすべてのタッチポイントに均等に分割します。

このアトリビューション モデルはデジタル マーケティングを正確に表しており、2021 年に最も広く使用されているモデルです。

 

カスタムベースの属性

Google アナリティクスを使用すると、企業はビジネス要件とマーケティングの本能に基づいてカスタム アトリビューション モデルを作成することもできます。

最も価値のあるものを判断することで、マーケティング活動を簡単に合理化できます。

コンバージョン アトリビューション モデルは、最も重要なタッチポイントを強調することで、企業のマーケティング リソースを確保するのにも役立ち、スマート マーケティングの道へと導きます。

 

アップラッピング

デジタル マーケターとして、コンバージョン率の最適化にすぐに結果を期待しないでください。

すべてが実験に基づいており、何があなたの会社に最も適しているかを知るには時間がかかる場合があります.

ただし、適切な戦略は、実際の事実に基づいてより良い実験を考え出すのに役立ち、小さな最適化ごとに段階的な進歩をもたらすことができます.

また、以前の戦略が失敗した場合でも、新しい戦略を作成することに躊躇しないでください。

CRO 戦略の結果を観察する必要がある最短期間は、CRO 戦略を置き換える前の 1 ～ 3 か月です。