LPO（Landing Page Optimization、ランディングページ最適化）とは、広告やSEOで集客したユーザーが最初に着地するページ（＝LP）を、データに基づいて継続的に改善し、CVR（コンバージョン率）を高めていく取り組みです。LP制作やリニューアルと違い、一度作って終わりではなく、分析・仮説・施策・検証のPDCAを回し続ける点が本質になります。広告費を増やす前にLPを最適化したほうが費用対効果が高いケースは、実務でも多く見られます。

あるBtoB SaaS企業のマーケティング責任者と打ち合わせをしていたとき、こんな話になりました。「LPを半年前にリニューアルしたんです。デザインもきれいにしてもらったし、広告費も月50万に増やした。でもCVRが0.8%のまま動かなくて」。

予算を使って見た目を整え、広告で集客を増やす。それ自体は間違っていません。ただ、LP上でユーザーがどこを見て、どこで迷い、どこで離脱しているかを把握しないまま「なんとなくリニューアル」しても、CVRは動きにくいのが実情です。このクライアントのケースでは、結果的にCVRを0.8%から2.3%まで引き上げることができました。やったのはリニューアルではなくLPOです。期間は約3ヶ月、施策は5つ。1つずつ仮説を立て、テストし、検証して反映していく地道な作業でした。

この記事では、LPOの全体像と具体的な進め方を解説します。UI改善の個別テクニックについてはLP（ランディングページ）のCVRを上げるUI改善ポイント10選で詳しく扱っているので、そちらと合わせて読むと全体像がつかみやすいと思います。

LPOで意識したい「継続的に」という前提

あらためて強調しておきたいのは、定義に含まれる「継続的に」という部分です。

LPOは一度やって終わりの作業ではありません。分析して、仮説を立てて、施策を打って、ABテストで検証して、勝ったパターンを反映して、また次の課題を探す。このPDCAサイクルを回し続けることがLPOの本質であり、「LP制作」や「リニューアル」とは根本的に異なる考え方です。

Unbounceが約44,000のLPを対象に行った調査（※1）では、全業種のLP CVR中央値は4.3%。ただしBtoBに限ると2〜5%が現実的なレンジです。自社のLPがこの範囲に入っていないなら、LP自体に改善余地がある可能性が高いと考えられます。広告費を増やすよりLPを最適化したほうがROIが良いケースは、かなり多くあります。

LPOとSEO・広告運用はどう違うのか

ここは混同されやすいので少し整理します。

SEOは検索エンジンからの流入を増やす施策。広告運用はクリック単価やターゲティングを最適化して質の高いトラフィックを集める施策。どちらも「LPに来る前」の話です。

一方、LPOはユーザーがLPに到着した後の話です。せっかく集客したユーザーがフォームまでたどり着かずに離脱している、あるいはフォームで脱落しているなら、いくら集客量を増やしても穴の空いたバケツに水を注ぐのと同じ状態になります。

実際のプロジェクトでは、まず広告で一定のトラフィック（目安として月間1,000セッション以上）を確保し、そのうえでLPOを回してCVRを上げ、結果としてCPA（顧客獲得単価）を下げる、という順序で取り組むのが現実的です。

LPOの全体プロセス：5つのステップ

ここからが本題です。LPOをどう進めるか。クライアント案件で実際に回しているプロセスを書きます。手順を並べるだけでは実務に落ちないので、各ステップで「何を見て」「何を判断するか」まで踏み込みます。

ステップ1：現状分析（数字で「どこが悪いか」を特定する）

最初にやるのはGAとヒートマップによる現状把握です。感覚ではなくデータでボトルネックを特定します。ここを飛ばして「なんとなくファーストビューを変えてみよう」とやっても、的を外す確率が高くなります。

GAで見るべき指標は次の通りです。

  • 直帰率：LPに来て何もせずに離脱した割合。50%を超えていたらファーストビューに問題がある可能性がある
  • エンゲージメント率：10秒以上滞在、2ページ以上閲覧、またはCVイベントが発生した割合
  • CVR（キーイベント率）：最終的なゴール（資料請求、問い合わせなど）の達成率
  • 流入経路別CVR：広告経由とオーガニック経由でCVRが大きく違う場合、LPと広告の訴求がズレている可能性がある

ヒートマップで見るべきポイントは次の通りです。ヒートマップツール（Microsoft ClarityやPtengineなど）を使うと、ユーザーが実際にページのどこを見て、どこをクリックして、どこまでスクロールしたかが可視化できます。

  • スクロールヒートマップ：どこでユーザーが読むのをやめているか。ページ途中に離脱が増える箇所があれば、そこのコンテンツに問題がある
  • クリックヒートマップ：CTAではない場所がクリックされていないか。リンクに見えるのにリンクではないテキストがクリックされている場合、ユーザーの期待と設計がズレている
  • アテンションヒートマップ：滞在時間が長い箇所と短い箇所。長い箇所は関心があるか迷っている。短い箇所は興味がないか読み飛ばされている

Microsoft Clarityは無料で使えてセッション録画もできるので、まだ導入していないなら早めに入れておくと良いです（※2）。

このステップ1が一番時間のかかる工程ですが、ここを雑にやると後のステップ全部がブレます。クライアント案件では初回の分析に1〜2週間かけることもあります。

ステップ2：仮説立案（「なぜ離脱しているか」を言語化する）

データを見たら、次は仮説を立てます。

ここがLPOの成否を分ける最重要ポイントです。ステップ1で「ファーストビューの離脱率が高い」とわかったとして、「じゃあファーストビューを変えよう」では仮説として弱い。「なぜ離脱しているのか」まで踏み込む必要があります。

仮説の立て方には型があります。

【誰が】【どこで】【なぜ】離脱しているのか → だから【何を】【どう変える】

たとえば次のように展開します。

  • 「広告経由のユーザーが、ファーストビューで離脱している。広告文では”月額1万円から”と訴求しているのに、LP上に料金の記載がなく、期待とのギャップが生じているのではないか → ファーストビューに料金帯を明示する」
  • 「事例セクションまでスクロールしているユーザーの多くがそこで離脱している。事例がテキストのみで具体性がなく、信頼を得られていないのではないか → 数値入りの導入事例に差し替え、直後にCTAを配置する」

仮説を立てるときにやりがちな失敗は、複数の要素を一度に変えようとすることです。ファーストビューのコピーも画像もCTAも全部変えたら、何が効いたのかわからなくなる。1つの仮説に対して1つの施策。これを守るだけで、テストの精度は格段に上がります。

ステップ3：施策の設計と優先順位付け

仮説が立ったら施策に落とし込みます。ただし、思いつく施策をすべて同時に実行するのは避けたほうが良いです。

優先順位のつけ方として、「インパクト × 実装コスト」のマトリクスを使っています。

優先度インパクト実装コスト具体例
最優先大低ファーストビューのコピー変更、CTA文言変更
高大中構成の組み換え、セクション追加・削除
中中低マイクロコピー追加、社会的証明の挿入
後回し小高デザインの全面刷新、インタラクション追加

経験上、コピーライティング周りの変更が最も費用対効果が良いです。テキストを書き換えるだけなので実装コストはほぼゼロ。それでいてCVRへの影響は大きい。

逆に、「デザインが古いからリニューアルしよう」は後回しにするのが望ましいです。見た目の印象がCVRに与える影響は、コピーやCTA配置に比べると限定的なことが多いからです。

ステップ4：ABテストの設計と実行

施策が決まったら、ABテストで検証します。ABテストの基本的な考え方や手順についてはABテストとは？やり方・ツール・成功事例をわかりやすく解説で詳しく書いているので、ここではLPOの文脈で特に大事な点に絞ります。

テスト設計で決めることは次の4つです。

  • 何を変えるか（1テスト1変数が原則）
  • KPIは何か（CVRなのか、CTAクリック率なのか、フォーム通過率なのか）
  • どの程度の差を検出したいか（目安として10〜20%以上の差を狙う設計にする）
  • 必要サンプルサイズと期間

サンプルサイズの話は重要です。BtoBサイトはBtoCに比べてトラフィックが少ないため、統計的有意性を得るまでに時間がかかります。Evan Millerのサンプルサイズ計算機（※3）で事前に必要数を確認しておくと安心です。月間1,000セッション程度のLPであれば、1つのテストに3〜4週間は見ておく必要があります。

ツールはOptimize Next（※4）を使っています。Google Optimizeの代替として2023年以降に国産ツールとしてシェアを伸ばしたツールで、無料プランでもABテストが回せます。GAとの連携も標準対応。ノーコードでテストパターンを作れるので、エンジニアの工数をかけずにマーケターだけで運用できる点が現場では大きいです。

テスト中にやりがちなミスも挙げておきます。

  • 1週間で判断してしまう：曜日による変動を拾えていない可能性がある。最低2週間は回す
  • 途中で内容を変える：テスト中にパターンBの文言を微修正したり、広告の配信量を変えたりすると、結果が汚染される
  • 有意差が出ていないのに勝者を決める：信頼度95%以上を確認してから判断する

ステップ5：検証と次のサイクルへ

テスト結果が出たら、勝者を本番に反映して終了、ではありません。

まず、なぜそのパターンが勝ったのか（あるいは負けたのか）を分析します。「勝ったからOK」で終わると、次の施策に活かせる学びが蓄積されません。

DRIPの調査データ（※5）によると、ABテストで統計的に有意な勝ちが出るのは全体の約36%、負けが22%、残り42%は差がつかない「判定不能」です。つまり、3回に1回しか明確な勝ちは出ません。

だからこそ、負けや引き分けから学ぶ姿勢が重要です。「この仮説は外れた」こと自体が価値ある知見であり、次の仮説の精度を上げてくれます。

テスト結果を反映したら、もう一度ステップ1に戻ってデータを確認し、次のボトルネックを探す。このサイクルを回し続けるのがLPOです。

LPOで改善効果が出やすい領域

全体プロセスを説明したところで、具体的に「どこを改善するとCVRが動きやすいか」を経験則ベースで書きます。インパクトの大きい順です。

ファーストビューのコピーライティング

ここが最もCVRに影響します。Nielsen Norman Groupの研究（※6）では、ユーザーの閲覧時間のうち57%がAbove the Fold（スクロールなしで見える範囲）に集中しています。最初の数秒で「自分に関係あるページだ」と思わせられるかどうかが勝負になります。

ありがちな失敗パターンは、自社目線の抽象的なコピーです。「次世代の〇〇で貴社のDXを加速」のような表現は、間違ってはいないものの、検索してLPにたどり着いたユーザーの頭の中にある言葉ではありません。

改善の方向性は、ターゲットが日常的に感じている「課題」「不満」「面倒」をそのまま言語化することです。たとえば「クラウド型経費精算」より「経費精算、まだ紙の領収書を貼っていますか？」のほうが刺さりやすい。このアプローチでCVRが2倍以上になったケースは珍しくありません。

LP全体の構成（情報の出し順）

見落とされがちですが、セクションの並び順もCVRに影響します。

BtoBのLPで効果が出やすい構成パターンは以下の通りです。

  1. 課題提起（ターゲットの悩みを言語化）
  2. 解決策の提示（サービスの概要）
  3. ベネフィット（具体的な導入効果、数値）
  4. 導入事例・実績（社会的証明）
  5. サービス詳細・差別化
  6. 料金またはハードルの低さ
  7. FAQ
  8. CTA

ただしこれは「正解」ではなく出発点です。ヒートマップでスクロール離脱が多い箇所を特定し、その直前に訴求力の高いセクションを移動させるなど、データに基づいて入れ替えていきます。

あるクライアント案件では、「料金セクション」を導入事例の前に移動させただけでCVRが18%向上しました。ユーザーが事例を見る前に「予算内なのかどうか」を知りたがっていた、ということです。

CTA周り

CTA（Call to Action）の文言と配置についてはLP CVR改善UIの記事で詳しく書いていますが、LPOのプロセスの中では「配置の追加」と「文言の最適化」をセットで扱います。

ファーストビュー、ベネフィット提示の直後、事例セクションの直後——この3箇所にCTAがあるのが理想です。加えてスティッキー（追従型）CTAをつけると、どのスクロール位置からでもアクションに移れます。

フォーム最適化（EFO）

CTAをクリックしてくれたのにフォームで離脱される。これは非常にもったいない状態です。EFO（Entry Form Optimization）はLPOの中でも独立したテーマになるくらい奥が深い領域です。

HubSpotの分析（※7）では、入力フィールドを4個から3個に減らすだけでCVRが約50%向上したケースが報告されています。BtoBの初回接点なら、名前・メールアドレス・相談内容の3つで十分なことがほとんどです。

フォーム最適化の詳細はフォーム最適化（EFO）でCVRを改善｜離脱率を下げる7つのテクニックで扱っていますが、まず確認してほしいのは「今のフォーム、項目が多すぎないか」という点です。

実践事例：BtoB SaaSのLP改善でCVR 0.8% → 2.3%

冒頭で触れたBtoB SaaS企業のケースを、もう少し詳しく書きます。守秘義務があるので社名は伏せますが、数字と施策内容は実際のものです。

クライアント概要は次の通りです。

  • 業種：BtoB向けクラウド型の業務管理SaaS
  • LP目的：資料請求（ホワイトペーパーDL）
  • 月間LPセッション：約3,500（Google広告経由が80%）
  • 改善前CVR：0.8%

ステップ1・2の分析と仮説では、GAのデータとClarityのヒートマップを見て、以下の問題点を特定しました。

  • ファーストビューの直帰率が62%と高い。キャッチコピーは「業務管理のDXを推進するクラウドプラットフォーム」という典型的な自社目線コピー
  • 事例セクション（ページ中盤）で急激にスクロール離脱が増えている。事例が「A社様に導入いただきました」の1行だけで、具体性がない
  • フォームの入力項目が9個。会社名、部署名、役職、電話番号、従業員数、検討時期などを全部初回で聞いていた
  • CTAはページ最下部に1箇所のみ。文言は「お問い合わせ」

施策と結果は次の通りです。

順番施策仮説結果
1キャッチコピーを「月末の集計作業、まだExcelですか？」に変更抽象的なコピーが原因でユーザーが自分ごと化できていない直帰率62%→48%、CVR 0.8%→1.2%
2事例セクションを「業種×課題×導入効果の数値」のフォーマットに刷新事例の具体性不足が信頼獲得を阻害している事例セクション以降のスクロール率が1.4倍に改善
3CTA配置をファーストビュー＋中間2箇所＋追従バーに変更。文言を「無料で資料をダウンロード（30秒）」にCTA到達率が低い＋文言の心理的ハードルが高いCTAクリック率が2.1倍
4フォーム項目を9個→4個に削減（名前、メールアドレス、会社名、相談内容）項目過多がフォーム離脱の主因フォーム完了率38%→61%
5ファーストビューの背景をストック写真→実際のダッシュボード画面に変更製品イメージが伝わっていないCVR 1.9%→2.3%

3ヶ月で5施策。すべてABテストを経て反映しています。最終的なCVRは0.8%から2.3%。約2.9倍です。

月間セッション3,500でCVR 2.3%ということは、月間の資料請求は80件。改善前は28件でした。広告費は一切増やしていません。

この5つの施策、実装コストはほぼゼロです。デザインのリニューアルもシステム改修も不要。テキストの書き換え、要素の追加・削除、フォーム項目の調整。それだけで月間リード数が3倍弱になりました。これがLPOの費用対効果です。

LPOでよくある落とし穴

ここまで成功例を中心に書きましたが、うまくいかないパターンも挙げておきます。

「テストが目的化」する

テストを回すこと自体が目的になってしまうケースです。「今月は3本テストを回しました」が報告になっていて、そこから何を学んだか、CVRがどう変化したかが語られない。

テスト本数は手段であって成果ではありません。月1本でも、仮説の精度が高く、結果から次のアクションにつながっているなら十分です。

トラフィックが少なすぎる

BtoBサイトにありがちですが、月間セッション数が500以下のLPでABテストを回そうとすると、有意差が出るまでに2ヶ月以上かかることがあります。

こういうケースでは、ABテストの前にまず定性的な分析（ヒートマップ、セッション録画、ユーザーインタビュー）で仮説を固めて、確度の高い施策を「テストなしで」反映してしまうのも手です。すべてをABテストで検証することが正解とは限りません。

広告とLPの訴求がズレている

GAで流入経路別CVRを見たとき、広告経由だけ極端にCVRが低いケースがあります。この場合、LPの問題ではなく広告の訴求との不整合が原因のことが多いです。

たとえば広告文で「月額5,000円から」と訴求しているのに、LPの料金ページには最低プラン月額3万円しか載っていない。これではCVRは上がりません。LPOの前提として、広告→LP→フォームの一貫性は必ず確認しておきたいところです。

改善を「一回やって終わり」にする

これが一番多い落とし穴です。1回テストして勝ちパターンを反映して、そこで止まってしまう。

CVRは市場環境、競合の動き、ユーザー行動の変化によって常に変動します。3ヶ月前に最適だったLPが、今も最適とは限りません。LPOは継続的なプロセスであり、止めた瞬間にCVRは少しずつ劣化していきます。

LPOに使えるツール一覧

実務で使うツールを整理しておきます。

用途ツール費用備考
アクセス解析GA（Google Analytics）無料CVR、直帰率、流入経路分析
ヒートマップ・セッション録画Microsoft Clarity無料早めに導入したいレベル
ヒートマップ（高機能）Ptengine有料（月額数万円〜）コンバージョンファネル分析も可能
ABテストOptimize Next無料〜月額3,000円〜国産、ノーコード、GA連携
ABテスト（大規模）VWO月額$199〜ヒートマップ込み
ページ速度計測PageSpeed Insights無料Core Web Vitals確認
サンプルサイズ計算Evan Miller計算機無料テスト前の必要サンプル算出

最小構成ならGA + Clarity + Optimize Next（無料プラン）で始められます。初期投資ゼロです。「LPOは高額なツールが必要」というのは誤解で、ツールよりも仮説の質と実行の継続性のほうがはるかに重要です。

LPOを自社で回すか、外注するか

LPOは社内にマーケターがいれば自社でも回せます。ツールは安価で、テスト自体はノーコードでできるからです。

ただし、実際には「仮説を立てる力」がボトルネックになることが多いです。ヒートマップを見ても何が問題かわからない、ABテストを回しても勝率が低い。こういうケースでは、外部の知見を入れたほうが早く成果につながります。

株式会社ティーラが提供するCVアップパートナーズでは、LPOの伴走支援を行っています。分析、仮説立案、施策設計、テスト実行、レポーティングまで一気通貫で対応します。先ほどのBtoB SaaS企業のケースも、月次でPDCAを回しながら3ヶ月で5施策を実行しました。

「うちのLPのCVRが低い気がするけれど、何から手をつければいいかわからない」という状態なら、まずは無料の資料をダウンロードして全体像をつかんでいただくのがおすすめです。

まとめ

LPOは、派手なリニューアルではなく、データに基づいた小さな改善の積み重ねです。

この記事で書いたプロセスを改めて整理すると、次の5ステップになります。

  1. 現状分析：GAとヒートマップでボトルネックを特定する
  2. 仮説立案：「誰が・どこで・なぜ」離脱しているかを言語化する
  3. 施策設計：インパクトと実装コストで優先順位をつける
  4. ABテスト：1テスト1変数で検証する。最低2〜4週間は回す
  5. 検証と反復：勝ち負け両方から学び、次のサイクルに活かす

このサイクルを3ヶ月回すだけで、CVRが2倍以上になるケースは珍しくありません。しかも実装コストはほぼゼロ。広告費を増やすより先にLPを最適化するほうが費用対効果が高いという点は、クライアント案件を通して何度も確認してきました。

LPOの第一歩は、今のLPの数字を正確に把握することです。GAのキーイベント設定（CV設定）とClarityの導入。この2つだけで、見えていなかった課題が見えてきます。

出典

※1 Unbounce「Conversion Benchmark Report」 https://unbounce.com/conversion-benchmark-report/

※2 Microsoft Clarity 公式サイト https://clarity.microsoft.com/

※3 Evan Miller「Sample Size Calculator」 https://www.evanmiller.org/ab-testing/sample-size.html

※4 Optimize Next 公式サイト（PROJECT GROUP株式会社） https://and-and.co.jp/service/optimize-next/

※5 DRIP「A/B Testing Statistics」

※6 Nielsen Norman Group「Scrolling and Attention」 https://www.nngroup.com/articles/scrolling-and-attention/

※7 HubSpot「Conversion Rate Optimization」 https://blog.hubspot.com/marketing/conversion-rate-optimization-guide

関連記事