運用型広告におけるランディングページのABテスト、3つの方法とシーン別の使い分け方

運用型広告で使用するランディングページのABテストをする際、色んな方法があってどれがいいのか分からない…という経験をしたことはありませんか？

有意な結果を得るためには、ターゲットや期間を合わせ母数を一定数確保するなど、極力公平な条件下で比較を行う必要があります。しかし正確さを優先すると、素早く検証したいのに時間が掛かってしまったり、テスト中やテスト後の広告の成果が悪くなってしまうことがあります。そのため実際の運用では、状況に応じて柔軟に方法を使い分けた方が良いでしょう。

そこで今回は、運用型広告でランディングページのABテストをする際におすすめの3つの手法と、優先事項に応じた使い分けを解説します。

おすすめのランディングページのABテスト方法3選

運用型広告でランディングページのテストを行う方法は、有料のものもありますが、ヒートマップによる解析やエントリーフォームの改善などプラスαの機能も欲しいという場合以外は、基本的には無料の方法で十分です。

そのため、今回は無料の方法の中で特におすすめのものを3つ紹介します。

それでは制御する3つの方法を見ていきます。

1.準備に工数をかけずに高い精度で検証するなら「Google オプティマイズ（Optimize）」

Googleが提供しているサイトのテストを行うためのツールです。新規でテスト用のランディングページを作成しなくても、直感的な操作で本格的なテストをすばやく簡単に行うことができます。他にもABテストツールは多々ありますが、多くの機能が備わっており、計測から分析までをコーディングの知識がなくても簡単に無料で行える点が他よりも優れています。

推奨シーン

• ランディングページの変更・入稿などテストの準備に工数をかけずに高い精度で検証したい場合

利用手順は以下の記事をご参考ください。

Google オプティマイズ（Optimize）の使い方｜A/Bテストを加速する無料ツール

2.テストの精度よりも広告費や期間を重視するなら「既存の広告グループにランディングページを変えた広告を追加」

リンク先URLをテストパターンに変更した広告を、既存の広告と同じ広告グループ（広告セット）の中に追加する方法です。

メリット

• 素早く成果の良いランディングページに配信を寄せやすい

既存の広告グループ（広告セット）に新規で入稿した場合、媒体が過去の機械学習データをもとに成果の良し悪しを判断して、より高い成果の見込める広告を多く表示しようとするため、素早く成果の良いランディングページに配信を寄せることができます。

デメリット

• 既存の機械学習による影響を受けてしまう

過去の機械学習データを活用することで、素早く成果の良いランディングページに配信を寄せることができる一方、正確にABテストの結果を得ることは難しくなります。

たとえば、長期的に配信するとオリジナルよりも成果が悪くなってしまうランディングページに配信が寄ってしまう可能性もあります。

なお媒体によっては、自動で広告の配信ボリュームの配分を行わずに、できる限り均等に配信をするための機能も用意されています。たとえばGoogle 広告やYahoo!広告が挙げられますね。

しかしながら、あくまでオークションの機会の均一化であり、広告の表示回数やリンク先への訪問数が均等にはなりません。そのため、いずれにせよランディングページのABテストを正確に行うという目的には向いていないことは注意しておきましょう。

• 既存の配信に悪影響を与える可能性がある

テストパターンの成果がオリジナルよりも悪かった場合、広告の品質に影響を与えるランディングページの利便性が下がることが考えられます。その結果、広告の露出機会が減ってしまったり、コンバージョン率の低下によって広告配信の最適化に必要なコンバージョン数が確保できず、成果が落ちてしまう可能性があることは押さえておきましょう。

推奨シーン

• テストパターンは高い確率で成果改善が見込めるなど、より短期間で広告配信を最適化することを重視したい場合

3.既存の配信に影響を与えず、高い精度でテストするなら「媒体のテストツール」

現在配信を行っているキャンペーンや広告セットを複製してテスト用のキャンペーンや広告セットを作成することで元の配信に影響を与えることなくテストできる方法です。

ただし、Google 広告の「キャンペーンのテスト」、Facebook広告なら「A/Bテスト」機能でのみ実施することができます。

メリット

• 既存の配信に影響を与えない

オプティマイズや直接入稿してテストする方法では、多少既存の配信に影響を与えますが、媒体のテストツールでは完全にキャンペーンや広告セットが分かれるため、リスクを最小限に抑えてテストができます。

• 配信期間のずれや過去の機械学習データによる影響を受けない

オプティマイズと同様に、期間を揃えて過去の配信結果に影響を受けない状態で実施できるため、直接入稿してテストする方法より精度の高いテストが期待できます。

デメリット

• 結果が出るまで広告費や時間がかかる

全パターン均等な割合で配信されるため、テストパターンを新規入稿してテストするよりも広告費や時間がかかります。

また、媒体のテストツールでは複数媒体を跨いでテストができないので、Google オプティマイズよりもデータが蓄積するまでに時間がかかることがあります。

推奨シーン

• 既存の広告グループ内の学習に影響され、ランディングページを変えて新規入稿したクリエイティブが表示されず検証ができない場合
• 既存の配信に影響を与えずに、結果の精度を重視してテストしたい場合

利用手順は以下の記事をご参考ください。

Google 広告のカスタムテストとは？設定方法から注意点まで解説

Facebook広告のA/Bテストとは？概要から設定方法、活用のコツ

状況や目的に応じて、適切なツールを活用しよう

今回は3つの方法をご紹介しましたが、少ない工数でより正確なランディングページの改善を目指すならGoogle オプティマイズを使ったテストがオススメです。

最初にタグなどの設定が必要ですが、一度設定してしまえば手軽にテストパターンを作成できます。さらに、過去の結果に基づいた機械学習による最適化に左右されることなく検証が行えます。

また、コンバージョン率以外の判断基準となる指標も準備されているので、確信を持ってテスト結果を実環境に反映させることができるのも大きなメリットです。

とはいえ、テストに割く予算や期間に余裕がない場合は、Google オプティマイズでテストを実施してもデータが溜まらず良し悪しの判断が出来ない可能性もあるため、状況に応じて2.3の方法も検討してみましょう。