ファネル分析は「どこで、どれだけのユーザーが離脱しているか」を可視化する手法です。最大の離脱ポイントを特定し、改善施策の優先順位を決めます。「CVRを上げたい」という課題は、ファネルのどのステップで最も多く離脱しているかを特定しなければ、的外れな施策に終わります。本記事ではファネル設計・離脱ポイント特定・改善優先順位の付け方を体系的に解説します。
ファネル分析とは何か
ファネル（Funnel：漏斗）分析とは、ユーザーが最終ゴール（購入・登録・申し込みなど）に至るまでの各ステップにおける通過率・離脱率を可視化する分析手法です。漏斗状に広い入口から狭い出口へユーザーが絞られていくイメージから名付けられています。
ファネル分析の目的は「どこで最も多くのユーザーを失っているか」を特定し、そこへの改善リソースを集中させることです。全体のCVRが2%という数字だけでは「何を改善すべきか」がわかりません。しかし「商品ページ閲覧→カート追加のCVRが5%と最も低い」とわかれば、商品説明・画像・価格表示の改善に集中できます。
【ファネル構造図（EC事例）】
トップページ訪問: 10,000人 (100%)
| 離脱: 4,000人
v
商品ページ閲覧: 6,000人 (60%)
| 離脱: 5,700人 ← 最大の離脱ポイント
v
カート追加: 300人 (5%)
| 離脱: 90人
v
購入手続き開始: 210人 (70%)
| 離脱: 42人
v
購入完了: 168人 (80%)
全体CVR: 168/10,000 = 1.68%
最優先改善: 商品ページ→カート追加のCVR（5%）ファネル設計の方法
ファネルを設計するにはまず「何がゴールか」「ゴールに至るユーザーの行動ステップは何か」を定義します。ステップは3〜7個に絞るのが分析しやすい粒度です。ステップが多すぎると管理が煩雑になり、少なすぎると改善の手がかりが見えません。
各ステップには「その行動を完了した」と判定できる明確な計測ポイント（イベント・URL・ボタンクリック等）を定義します。計測ポイントが曖昧だとデータの信頼性が下がります。
| ステップ | ユーザーの行動 | 計測ポイント | 通過条件 | ツール |
|---|---|---|---|---|
| Step 1 | ランディングページ訪問 | ページビューイベント | 指定URLのPV発生 | GA4 / Tag Manager |
| Step 2 | 商品ページ閲覧 | view_item イベント | 商品詳細ページのPV | GA4 |
| Step 3 | カート追加 | add_to_cart イベント | カート追加ボタンのクリック | GA4 / Mixpanel |
| Step 4 | 購入手続き開始 | begin_checkout イベント | 購入フロー1ページ目の表示 | GA4 |
| Step 5 | 購入完了 | purchase イベント | 注文確認ページの表示 | GA4 |
離脱ポイントの特定と分析
ファネルの各ステップ間の離脱率を計算します。離脱率 = 1 – (次ステップの人数 / 現ステップの人数) です。最も離脱率が高いステップが「最優先の改善ポイント」です。
ただし離脱率が高いだけでなく「改善による影響ポテンシャル」も考慮します。たとえばStep1→Step2の離脱率が50%でも、そこを10%改善できれば全体CVRへの寄与は限られます。Step3→Step4の離脱率が95%なら、そこを20%改善するだけで全体CVRが2〜3倍になることがあります。
セグメント別分析も重要です。「デバイス別（スマホvsPC）」「流入チャネル別（オーガニックvs広告）」「新規vs既存」「地域別」でファネルを比較すると、全体平均では見えない問題が浮かび上がります。「スマホユーザーのカート完了率がPCの半分」という発見は、スマホの購入フロー改善という具体的なアクションにつながります。
| 離脱要因の種類 | 症状 | 分析方法 | 改善の方向性 |
|---|---|---|---|
| 情報不足・不信 | 商品ページCVRが低い | ヒートマップ・ユーザーテスト | 商品説明・レビュー・Q&A強化 |
| UX・操作性 | モバイルCVRが低い | デバイス別ファネル比較 | SP最適化・フォーム簡略化 |
| コスト認識 | カート→決済の離脱が多い | 出口調査・録画セッション分析 | 送料無料閾値・価格の透明性 |
| 意思決定の複雑さ | 複数回訪問後に購入 | マルチタッチ分析・再訪問率 | リターゲティング・メール |
| 技術的問題 | 特定端末でCVRが急落 | エラーログ・クロスブラウザテスト | バグ修正・パフォーマンス改善 |
改善施策の優先順位付け
改善施策の候補が複数ある場合、「インパクト（改善効果の大きさ）×実行容易性（コスト・工数の低さ）」のマトリクスで優先度を決定します。
最優先（高インパクト×高容易性）：即座に実行します。例えばカート放棄者へのリマインダーメール設定は、実装が容易で改善効果が直接的です。
計画的に実行（高インパクト×低容易性）：工数がかかるが効果が大きい施策です。商品ページの全面リニューアルや、決済フローの再設計などが該当します。ロードマップに組み込んで計画的に実行します。
クイックウィン（低インパクト×高容易性）：すぐに実行できるが効果は限定的な施策です。CTAのコピー変更、ボタンの色変更などです。A/Bテストで検証しながら実施します。
後回し（低インパクト×低容易性）：コストに見合った効果が期待できないため、優先度を下げます。
ファネル分析の高度な活用
マイクロファネル：主要ファネルの中の特定ステップをさらに細分化します。「カート追加→購入完了」のファネル内で「住所入力→支払い方法選択→注文確認→完了」というマイクロファネルを設計することで、決済フローの細かい離脱ポイントを特定できます。
逆ファネル分析：「ゴールを達成したユーザー」を起点に、そのユーザーがどのステップを経てきたかを逆算します。「購入したユーザーの80%はレビューページを閲覧していた」という発見は、レビューページの強化が効果的であることを示唆します。
コホート×ファネル：月別コホートでファネルの通過率を比較します。「1月獲得ユーザーより3月獲得ユーザーのカート完了率が高い」という発見は、3月に実施した施策の効果検証に使えます。
まとめ――「穴の空いたバケツ」を塞ぐことが最優先
ファネル分析について整理すると、以下のポイントに集約されます。
- ファネル分析は「どこで最も多くのユーザーを失っているか」を特定する手法
- ステップは3〜7個に絞り、各ステップに明確な計測ポイントを設定する
- 最大の離脱ポイントを特定し、セグメント別（デバイス・チャネル・新旧）に要因を深掘りする
- 改善施策は「インパクト×実行容易性」のマトリクスで優先度を決める
- マイクロファネル・逆ファネル・コホート×ファネルの高度な手法で分析精度を高める
DE-STKでは、ファネル分析の設計からGA4・BIツールを活用した可視化基盤の構築まで一貫してサポートしています。CVR改善の仕組みづくりにお悩みの方はお気軽にご相談ください。
よくある質問
Q. ファネル分析とは?
ユーザーがゴールに至るまでの各ステップでの離脱率を可視化する分析手法です。最大の離脱ポイントを特定し改善の優先順位を決定します。
Q. ファネルは何ステップが適切?
3〜7ステップが分析しやすい粒度です。多すぎると管理が煩雑になり、少なすぎると改善の手がかりが見えなくなります。
Q. ファネル分析はどのツールでできますか?
GA4の探索レポート、Mixpanel、Amplitude等で実施できます。SQLでの集計も有効です。