こんにちは！
ノートを書こうと思ってから仕事が忙しくなり更新が出来ていませんでした。
そして、僕の嫌いな夏がやってきました。
僕は夏よりも冬の方が好きです。特にワクワクと寂しさを兼ね備えている秋から冬に変わる時期が大好きです。
そんな自分の好き嫌いは置いておきます。

今回はみなさんご存知のZOZOTOWNさんのサイトを勝手にABテストをしてみたいと思います。
なぜ、ZOZOTOWNさんを選んだかの理由は特にありません。
ただなんとなくやってみようと思ったからです。

ZOZOTOWNの売上の仕組みを知ろう

まずABテストをするにあたりZOZOTOWNのコンバージョンは何かを考えてみたいと思います。
ECサイトの売上は一般的に以下で構成されています。

訪問数はサイトに来てくれた訪問の数　※訪問者（UU）とは異なります。
ちなみにSimilarWebによるとダイレクト、検索（SEO）でのサイト訪問が多いようです。

訪問数を増やすにはサイトに来てもらうためにどのようなことができるかと考える必要があります。
この数字を上げるためには、SEOの強化、広告（キャンペーン等）投資、メルマガ・プッシュ通知のパーソナライズ化など

購入率（コンバージョン率）はサイトに来た訪問がどれだけ商品を購入してくれたかを表す数です。
10000訪問中10訪問が商品を購入した場合は購入率は1%となります。
サイトに訪問してもらってから如何にして商品を購入してもらうかを考える必要があります。
この数字を上げるためには、欲しい商品がすぐに見つかるように検索の強化など
要はサイトの利便性向上が重要です。

客単価は一回の購入でいくら使ってくれたかを表す数です。
最新のZOZOの決算書によると

会員の年間購入金額が55,792円
年間購入点数が13.4
なので1回の買い物で4,163円するということがわかります。
2018年3月を機に徐々に年間購入金額が右肩下がりとなっています。
理由としてはセールによる商品の値下げ、特に昨年の12月から始まった「ZOZOARIGATOメンバーシップ」などによるものかと思われます。
この数字を上げるためには、買おうと思っていた商品とは別に買いたいと思わせるような商品をレコメンドするなどついで買いなどを促すことで数字を上げることができるかと思います。
長くなりましたがZOZOTOWN（ECサイト）の売り上げの仕組みを紹介致しました。

ZOZOTOWNで行うABテストの内容

今回は決算資料にもあった年間購入金額を上昇させるようなABテストを考えていこうと思います。
年間購入金額を上昇させるには商品を購入する回数を増やす、または1回の購入金額を増やす必要があります。
そこで今回は1回の購入金額を上げるABテストを考えました。

レコメンド改善によるABテスト

レコメンドに関するABテストを行いたいと思います。
まず、ZOZOのレコメンドの現状を把握しましょう。

商品ページを何回みても同じレコメンドが表示されていることから
おそらく、PR商品以外に関してはZOZOのレコメンドはアイテムベースで作られているかと思います。
アイテムベースのレコメンドは閲覧してるアイテムに近い商品をレコメンドとして表示するため閲覧している商品への熱量が高ければ高いほど、ユーザーにとって刺さりやすい、つまり有益情報を提供できていると言えます。
しかし、ZOZOTOWNに訪問しているユーザーにはもっと良いレコメンドを表示できるのではないかと考えました。

それはユーザーベースでレコメンドです。

ユーザーベースレコメンドとは
Aさんと似た購買行動をしている他のユーザーが買った商品を「他の人はこんな商品を買っています」や「このアイテムを見ている人におすすめ」という形で紹介するレコメンド

何故、アイテムベースよりもユーザーベースが良いのか
ZOZOTOWNの場合、年間購入点数から一度訪問したユーザーは再度訪問する傾向があります。
ですので、商品を閲覧、そして購入したデータを溜めることができます。
このデータを溜めることでユーザー1人1人に合ったレコメンドを表示することができます。
繰り返しになりますが、Aさんが①という商品を閲覧、Bさんも①という商品を閲覧、その後Bさんは②という商品を閲覧した。
その場合、AさんはBさんと同じような行動をするのでBさんが見た商品②をオススメすることで刺さるのではないかと考えることができます。
これをAさん、Bさんだけでなく別のユーザーのデータを元にレコメンドを表示することで行動に紐づいた相関の高い商品をレコメンドを表示することができます。
今回は閲覧をキーに考えましたが、購入をキーとして重み付けしても良いかと思います。

しかし、ユーザーベースには欠点があります。
それはユーザーのサイト内での行動が少ない場合、質の高いレコメンドを表示することができません。
理由としては、ユーザーの思考性がデータとして少ないからです。
一定数の閲覧や購入をしているユーザーの場合、閲覧履歴や購入履歴データから相関の高いものをレコメンドとして表示ができます。
一方で行動が少ないユーザーの場合は、データ量が少ないため質の高いレコメンドを表示することは難しい傾向にあります。
ですので、行動量が少ないユーザーにはまずアイテムベースでレコメンドを表示ことが無難です。

長くなりましたが今回のZOZOTOWNでABテストを勝手にやったまとめをします。

ZOZOTOWNを勝手にABテストしたまとめ

ABテスト内容
レコメンドをアイテムベース→ユーザーベースにしてみる。

評価を分析する際のKPI
レコメンド商品の押下率
1回の平均購入金額
レコメンド商品を押下してからのCVR（購入率）

KPIを判断する上で考慮すべき指標
レコメンドの表示率
┗そもそもレコメンドが表示されているかを計測するため

より厳密にテストを行う場合、レコメンド位置までスクロールしたユーザー同士でテストする必要があります。
理由としてはレコメンド位置までスクロールしなかったユーザーはテストの対象外だからです。

僕がZOZOTOWNのABテスト担当者だったらZOZOTOWNは大量のデータを持っているでしょうし、今回のようなABテストを行ってみたいなと思いました。

今回のノートについて質問や意見がありましたらコメントをいただけると幸いです！

もし、おもしろい！また読んでみたいと思ったら「スキ❤️」またはフォローしていただけると飛び跳ねて喜びます！

また次回のノートでお会いしましょう！それでは〜