良記事とは?〜記事を定量的に分析する〜

この記事は《配信した記事の効果を改善したい方》におすすめの記事です。

CTRが高い記事、CVが上がる記事、最後まで読まれる記事・・・

広告における「良記事」とはどのような記事なのか、分析を進めていきます。

(結果が知りたい方は4からお読みください)

 

1.記事の要素に名前をつける

今回は記事全体はもちろんですが、記事を構成する「要素」まで落とし込んで分析していきたいと思います。

分析を始める前に、その「要素」がユーザーに何を伝えているのか簡潔にわかるような名前をつけます。

例えば、Beyondのカテゴリーに従うと

  • 導入
  • 成分
  • クチコミ
  • レビュー
  • ライタープロフィール

といった具合です。

「導入」だけだと、どんな内容が記載されているのかわからないので「導入(BA画像)」イメージがわかる名前をつけてください。

2.ヒートマップからユーザーの行動の傾向を調査する

Beyondのヒートマップ機能を活用します。

調べることは

  • 記事全体のPV数、クリック率
  • どの「要素」がよく読まれているのか
  • どの「要素」で離脱しているのか

それぞれ、クリック有無、購入者で結果が異なるのでそれも調べておきます。

簡単に済ませるのであればヒートマップのスクショでOKですが、後々比較するのであればスプレッドシートに転記しておくと良いでしょう。

ヒートマップメモ
左:改善対象記事、右:良記事

離脱ユーザー到達割合:「広告リンククリックなし」のヒートマップから、それぞれの要素に対するユーザーの到達割合を転記

クリックユーザーヒートマップ:「広告リンククリック」のヒートマップから、よく見られていた要素を赤、その次に見られていた要素を緑で表現

これによってよく読まれている記事・要素や、離脱を招いてしまった要素がわかります。

こうした記事を比較して読んでみると、要素の種類以外にも、読みやすい、読んでいて集中できない、などの感想が得られるものです。

次に、この感想を定量化してみます。

3.記事の特徴量を調査する

どのような要素が読了率やCTR、CVRに寄与しているかはまだわかりません。

出来るだけ網羅的に記事を数値化して説明するための要素を調査していきたいと思います。

①テキストに関するもの

  • 記事全体の文字数
  • 1文あたりの文字数
  • 要素の数
  • 要素ごとの文字数
  • 空白行数(●●行おきに空白行が挟まれているなど)
  • キーワード出現頻度
    • 商品名、悩みに関するキーワード、クリエイティブで使われているキーワードなどの出現頻度
    • 得、キャンペーン、限定など購入を促すキーワードの出現頻度
    • 「!」「・・・」など記事全体のトンマナを決めるキーワードの出現頻度
  • テキストの書式

②見出しに関するもの

  • 見出しの数
  • 見出しの文字数
  • 見出しの書式(フォントサイズ、色)

③画像に関するもの

  • 画像の数
  • 画像の種類別の数
    • SNS、商品画像、Before/After画像など
  • 画像のサイズ
  • 画像の形

④リンクに関するもの

  • リンクの数
  • リンクの種類別の数
    • テキストリンク、URL直、バナーリンクなど
  • リンクの位置

⑤ ①〜④の組み合わせ(*)によってみられる特徴量

  • リンク1つに対するテキスト量
  • 見出し1つに対するテキスト量
  • 画像1つに対するテキスト量
  • リンク1つに対するテキスト量

*ワンポイントメモ

「画像が10枚」のA記事、B記事があったとして、A記事は文字数が1000文字、B記事は文字数が500文字だったとします。単純に画像の枚数を比較すると、同じ、という結果に。

ただし、A記事とB記事では文字と画像のバランスが異なってります。

A記事:画像1つあたり100文字(1000÷10)

B記事:画像1つあたり50文字(500÷10) のように指標化すると比較が可能です。

全てを調査する時間も、必要性もありませんが、記事を読み比べた時に影響がありそうだと感じたものにアタリをつけ、数値化していきます。

4.得られたデータから考察を進める

今回は配信前の記事(改善対象)、成果が出ているメディアさんの記事、商品が売れているらしい他社さん(インハウスで広告運用)の記事を比較してみました。定量的、とは言えないデータも混じっていますがそこはご容赦ください・・・!

記事要素比較

このデータからどのようなことが読み取れるでしょうか。特に注目したい数字を黄色く網掛けしました。

画像のサイズが揃っていない、小見出しのフォントが小さい

→この要素は記事の視認性に影響していそうです。「読みやすい記事」であれば、ユーザーは読み進めてくれますよね。

テキスト量が多い、1つの要素や小見出しに対するテキスト量が多い

→この要素は読了率を下げてしまいそうです。長く、冗長な記事だとユーザーは飽きてしまい、CVバナーまで達しないばかりか、記事の後半にある要素に良いことが書いてあっても、そこまで読み進んでもらうことすらができません。「見出し」はユーザーが記事のコンテンツを把握するためのガイドですが、文字量に対して見出しが少ないと、その機能も果たされません。

!が多い

→テキスト内に「!」が多いということは、テンション高めの文調で書かれている記事なのでしょう。それがユーザー層や商材にマッチしているのかは見極める必要があります。

このように、感覚で説明しがちな「良い記事」を定量的なデータに落とし込み、改善提案にいかすことができるのです。

まとめ

今後はデータの蓄積と分析を重ね、商材ユニーク、もしくは全商材に共通する「良い記事」の条件が見つけていきたいと考えます。

記事作成が効率化されるだけでなく、修正箇所の自動判定機能だって実現するかもしれないですね!