「ネットショップを見に来る人は増えたのに、思ったほど売上が伸びない」
「商品ページは読まれているのに、購入されない理由がわからない」
そんなときに確認したいのが、購入率です。
購入率とは、サイトや店舗を訪れた人、あるいは商品を見た人のうち、どれくらいが購入に至ったかを表す割合です。ECサイトでは、コンバージョン率(CVR)や購入転換率とも呼ばれます。ただし、何を分母とし、何を購入として数えるかによって数字は変わります。
例えば、サイトへの訪問が1,000回あり、そのうち30回の訪問で購入が発生したなら、セッションを基準にした購入率は3%です。購入者を増やしたいなら、アクセス数だけではなく、購入に至る過程で何が起きているかを調べることが重要になります。
この記事では、購入率の正しい計算方法、購入率と売上の関係、購入されない原因の探し方、具体的な8つの改善方法、実例と研究・エビデンスを解説します。
購入率とは?【意味と基本の計算式】
購入率は、一定の対象者や訪問のうち、購入につながった割合を示す指標です。
シンプルな考え方は次のとおりです。
購入率(%)=購入に至った対象の数 ÷ 購入の機会があった対象の数 × 100
ネットショップの場合、分母として「サイトの訪問回数」「訪問者数」「商品ページを閲覧した人数」などが使われます。どれを選ぶかによって指標の意味が変わるため、自分のサイトで何を購入率と呼ぶかを先に決めることが重要です。
購入率の計算例:1,000回の訪問から30回の購入があった場合
たとえば、1か月のECサイトに次のデータがあったとします。
- セッション数:1,000回
- 購入が発生したセッション数:30回
購入率は以下のようになります。
30 ÷ 1,000 × 100 = 3.0%
この数字は「サイトへの訪問100回あたり、購入が起きた訪問が約3回あった」という意味です。購入者数が30人だったと断定しているわけではありません。同じ人が別の日に複数回購入している可能性があるからです。
また、1回のセッションで2回注文する人がいれば、注文数と購入が発生したセッション数は一致しません。同じ数字を比較するために、定義を固定しておきましょう。
購入率は「人数」「訪問回数」「注文数」で変わる
Google アナリティクス4(GA4)でも、購入イベントの回数、購入したユーザー数、購入が発生したセッション数は別の指標として扱われています。[1][2]
| 指標 | 計算の例 | わかること |
|---|---|---|
| セッション購入率 | 購入が起きたセッション数 ÷ 総セッション数 × 100 | 訪問のうち購入につながった割合 |
| ユーザー購入率 | 期間中の購入者数 ÷ 期間中の対象ユーザー数 × 100 | 人数を基準にした購入割合 |
| 注文数/セッション数 | 注文数 ÷ セッション数 × 100 | 訪問100回あたりの注文発生件数の目安 |
| 商品閲覧からの購入率 | 対象商品を購入した人(またはセッション)÷その商品を閲覧した人(またはセッション)×100 | 商品ごとに購入につながる割合 |
| カートからの購入完了率 | 購入が完了したカート数 ÷ 作成されたカート数 ×100 | カートに入れた後、購入まで進んだ割合 |
「注文数/セッション数」は運営上の参考指標として使えますが、1回の訪問で複数注文がある場合には100%を超える可能性があり、厳密な『購入した訪問の割合』とは異なります。
例えば同じ1か月に「セッション10,000回、購入が起きたセッション300回、注文330件、ユーザー7,000人、購入者280人」があったとします。
- セッション購入率:300 ÷ 10,000 = 3.0%
- 注文数/セッション数:330 ÷ 10,000 = 3.3件/100セッション
- ユーザー購入率:280 ÷ 7,000 = 4.0%
数字が違っていても、それだけで計測に誤りがあるとは限りません。測っている対象が違うのです。
購入率とCVR・カート離脱率・クリック率の違い
購入率の改善を考えるときには、似た指標を区別しておくと原因を探しやすくなります。
| 指標 | 何を測る? | 例 |
|---|---|---|
| 購入率 | 対象の訪問や利用者が購入した割合 | サイト訪問の3%で購入が発生 |
| コンバージョン率(CVR) | 設定した成果に到達した割合 | 購入・資料請求・会員登録などの達成率 |
| カート投入率 | 商品を見た人のうち、カートへ追加した割合 | 商品閲覧400回のうち80回でカート追加 |
| カート離脱率 | カートを作成したが購入しなかった割合 | カート100件のうち70件が未購入 |
| クリック率(CTR) | 表示された案内や広告がクリックされた割合 | 広告表示1,000回のうち50回クリック |
| 客単価・注文単価 | 1人または1注文あたりの売上 | 注文数100件で売上50万円なら注文単価5,000円 |
CVRは購入率より広い言葉です。購入が目標なら購入率はCVRの一種ですが、無料登録が目標なら登録率もCVRです。
カート離脱率は、通常、「1−購入完了したカート数÷作成されたカート数」×100で表します。カートに商品を入れる前の離脱は含まれません。したがって、カート離脱率をそのままサイト全体の「未購入率」と呼ぶことはできません。[3]
購入率と売上の関係を具体的に計算する
以下は説明用の架空の数値です。
| 項目 | 改善前 | 改善後 |
|---|---|---|
| 月間セッション数 | 10,000回 | 10,000回 |
| セッション購入率 | 2.0% | 2.5% |
| 購入が起きたセッション数 | 200回 | 250回 |
| 1購入セッションにつき1注文と仮定した注文数 | 200件 | 250件 |
| 平均注文単価 | 5,000円 | 5,000円 |
| 売上 | 100万円 | 125万円 |
この条件なら購入率が2.0%から2.5%になることで、売上は25%増加します。増加したのは0.5パーセントポイントですが、相対的には25%の改善です。
ただし、これは購入単価や訪問数が変わらず、注文・返品なども単純化した試算です。現実の売上を評価する場合は、広告費、値引き、配送費、返品、粗利益なども含めて確認しましょう。
購入率は何%なら高い?【平均と目標の考え方】
「平均購入率は何%か」という疑問はよくありますが、どのショップにも共通する『よい購入率』を1つの数字で示すことはできません。
購入率は、少なくとも次の条件で変わります。
- 商品・価格:日用品、食品、高額な家具、法人向け製品では購入に必要な検討時間が異なる。
- 流入経路:商品名で検索して訪れた人と、SNSで偶然商品を知った人では購入意欲が異なる。
- 新規・既存顧客:すでにショップを知っている人は、初めての訪問者と行動が違う場合がある。
- 端末:スマートフォンとパソコンでは、画面の見え方や入力の負担が変わる。
- 分母の定義:セッション基準か、ユーザー基準か、商品閲覧基準かによって数値が変わる。
- 購入が決まるまでの期間:その日に購入する商品と、数週間かけて検討する商品では計測結果が異なる。
そのため、業界平均と比べる場合は、商品カテゴリ、国・地域、期間、デバイス、分母の定義が近いかを確認しましょう。
最初は「自分のショップの過去」と比較する
実務では、自社の購入率を月ごと・週ごとに記録し、条件の近い期間で比較すると改善点が見つかりやすくなります。
例えば、購入率が次のように推移していたとします。
| 月 | セッション数 | 購入セッション数 | 購入率 |
|---|---|---|---|
| 4月 | 5,000 | 150 | 3.0% |
| 5月 | 6,000 | 168 | 2.8% |
| 6月 | 8,000 | 176 | 2.2% |
6月には購入セッション数が増えていますが、購入率は下がっています。これは、低い購入意欲の訪問者が増えた可能性も、サイトで購入しにくい問題が起きた可能性も考えられます。購入率だけで原因は決められないため、流入元や商品、端末で分けて調べます。
購入率が下がる原因を見つけるには?【購入までの流れを分解する】
購入率は、商品を知ってから購入を終えるまでの複数の段階に左右されます。まず、訪問のどこで止まっているかを確認します。
例えば、月間10,000セッションで次のような行動があったとしましょう。
| 段階 | セッション数(架空) | 前段階から進んだ割合 |
|---|---|---|
| サイト訪問 | 10,000 | — |
| 商品ページ閲覧 | 4,000 | 40.0% |
| カート追加 | 800 | 20.0% |
| 購入手続き開始 | 550 | 68.8% |
| 購入完了 | 300 | 54.5% |
※1つの訪問につき各段階への到達を1回と数え、購入者が上から順番に進むと仮定した説明用データです。実際には複数商品の閲覧、再訪問、直接購入などがあるため、集計方法を明確にする必要があります。
この例のサイト全体のセッション購入率は300÷10,000=3.0%です。
一方、カート追加から購入完了までの割合は300÷800=37.5%。カート作成単位がこの集計と一致するなら、カート離脱率に相当する割合は62.5%です。
こうして段階ごとに見ると、「商品をカートに入れてもらえない」のか「カートに入れたあと購入を終えられない」のかを区別できます。
商品ページを見てもカートに入れない場合
商品説明が足りない、写真では大きさがわからない、価格や送料の条件が見つからないなどの可能性があります。商品を選ぶための情報が十分かを確認します。
カートには入るが購入されない場合
送料・手数料が想定より高い、配送が遅い、会員登録が面倒、決済が途中で止まるなどが候補です。購入手続きを進める際の負担を確認します。
購入率が流入元によって違う場合
検索広告、自然検索、SNS、メールなどから訪れた人の目的が異なる可能性があります。集客量だけでなく、どんな人に、何を約束してサイトへ案内しているかも見直しましょう。
購入率を高める4つのメリット
1. 同じ訪問数でも売上を増やせる可能性がある
購入率が上がれば、同じ訪問数からより多くの注文を得られる可能性があります。広告を増やす前に、すでに訪れている人が購入しやすい状態かを確認する意義があります。
2. 広告費や集客の効率を見直せる
広告費が同じで購入数だけ増えれば、1件の購入獲得にかかった広告費は下がります。ただし、割引の増加や運営費用の追加によって利益が減る場合もあるため、広告費と粗利益も合わせて見ましょう。
3. 利用者が迷っている場所を発見しやすい
商品閲覧、カート追加、購入手続きの各段階を調べると、説明不足や操作上の問題の候補が見えます。購入率を追うことは、売上だけでなく利用者がどこで困っているかを知るきっかけになります。
4. 改善の優先順位を決めやすい
商品写真の追加、送料表示、入力フォームの修正など、対策は多岐にわたります。どの段階の離脱が大きいかを見れば、試す案を絞りやすくなります。
購入率を高める具体的な8つの方法
ここからは、ネットショップ運営で使いやすい方法を紹介します。各方法の効果はショップの条件によって異なるため、何を変え、どの指標で判断するかをセットで考えましょう。
1. 新規・リピーター・流入元別に購入率を調べる
目的:購入率が低い人・場面を具体的にすること。
最初に、購入率をひとつの数字だけで見ず、いくつかの条件で分けます。
- 新規訪問者と既存訪問者
- 検索、SNS、広告、メールなどの流入元
- スマートフォンとパソコン
- 商品カテゴリ、価格帯
- 平日と休日、キャンペーン期間
例えば、既存顧客の購入率は高いのに新規顧客だけ低い場合、初めて訪れた人に必要な説明や信頼情報が不足している可能性があります。
実践例: まず「スマートフォンの新規訪問者」など、ひとつの集団を選び、商品閲覧から購入までの流れを調べます。分けすぎると各集団のデータが少なくなるので、対象の大きさにも注意しましょう。
2. 商品ページで「選ぶための情報」をそろえる
目的:購入前の疑問を解消すること。
Nielsen Norman GroupのEC商品ページに関するユーザビリティ研究では、商品名、わかりやすい画像、拡大画像、価格、選択肢、在庫情報、カートへ追加するための明確な操作などが、基本要素として挙げられています。[4]
例えば、収納用品を販売する場合、次の情報があると選びやすくなります。
- 寸法と、置ける場所がわかる使用写真
- 色・サイズ・仕様の違い
- 本体価格と追加料金
- 在庫、配送目安、返品条件
- 組み立ての有無、手入れの方法
実践例: 商品ページを初めて見た人に「購入前に何を確認したいか」を聞き、質問が集中した情報から追加します。情報量を増やすだけでなく、必要な場所に見つけやすく置くことも重要です。
3. 送料・手数料・支払総額を早い段階で示す
目的:購入の途中で予想外の金額に気づく場面を減らすこと。
Baymard Instituteの2026年の集計では、カート離脱の理由として「送料・税金・手数料などの追加費用が高い」という回答が目立ちます。2026年に掲載された理由調査の集計では、閲覧目的だったケースなどを除く回答で、追加費用の高さが40%と報告されています。[3]
これは米国のオンライン購買行動を対象とした調査の割合であり、日本の全ショップで40%の人が同じ理由で離脱することを示す数字ではありません。
改善案としては、商品ページに配送料の目安を示す、カート内で合計額を計算できるようにする、地域によって異なる追加費用を説明する、といった方法が考えられます。
実践例: 購入完了直前まで送料が表示されない場合、カート画面で配送地域を選ぶと総額が確認できるようにする案を検討します。
4. 口コミ・評価・返品条件で購入前の不安を減らす
目的:購入前に必要な判断材料を提供すること。
オンラインの買い物では、商品を実物で確かめられません。過去の購入者の感想、商品の特徴、返品・交換条件などが判断材料になります。
2024年に掲載された156研究・69,006観測のメタ分析では、オンラインレビューの特徴と購入意向との関連が調べられました。レビューの肯定・否定の方向(レビューの好意度)が、購入意向との比較的大きな関連を示しています(r=0.563)。[5]
ただし、これは購入したいという意向に関する研究であり、ショップの実際の購入率が56.3%増えるという意味ではありません。
実際に掲載する場合は、評価の高い意見だけでなく、購入者が気になる使用感、サイズ感、難しかった点なども確認できると、商品を理解しやすくなります。
実践例: 「小さめに感じる」という質問が繰り返されている商品なら、サイズ表と使用例を追加します。口コミの内容は、説明を改善するためのヒントにもなります。
5. 購入手続きの入力負担を減らす
目的:買うと決めた人が、途中で操作をやめる理由を減らすこと。
Baymard Instituteの調査では、カート離脱の理由として、アカウント作成の強制や長く複雑な購入手続きなどが挙げられています。[3][6]
特に初めて利用するショップでは、購入のために多くの入力や登録が必要になると負担が増えます。
改善案には次のようなものがあります。
- 必要に応じてゲスト購入を可能にする。
- 同じ情報を何度も入力させない。
- エラーが出た項目と修正方法を明確にする。
- 入力必須の項目を見直す。
- 注文確定前に金額・商品・配送先を確認できるようにする。
実践例: 決済直前での離脱が多い場合、スマートフォンで実際の購入画面を操作し、入力が難しい箇所を記録します。購入後の顧客対応に必要な情報まで削ってしまわないようにしましょう。
6. スマートフォンでの見え方と動作を確認する
目的:画面や操作の問題による離脱を減らすこと。
商品写真が小さい、文字が読みにくい、ボタンが重なる、決済ページが開かない。こうした問題は、商品への関心があっても購入できない原因になります。
確認するときは、商品一覧だけでなく、商品選択→カート→住所入力→決済→購入完了まで実際にたどってみましょう。
- ボタンは押しやすいか。
- 数字や郵便番号が入力しやすいか。
- エラーメッセージを読めるか。
- 画面が途中で止まらないか。
- 送料や注文総額が確認しやすいか。
実践例: 端末別に購入率が大きく違う場合、差が生じる画面を優先して調べます。端末ごとの顧客層の違いもあるため、購入率の差だけで技術的な不具合と決めつけず、操作確認と計測データを組み合わせます。
7. 集客時に伝えた内容と、商品ページの内容をそろえる
目的:訪問者が期待していた商品や情報にたどり着けるようにすること。
広告に「軽量で持ち運びやすい」と書いてあるのに、商品ページではその特徴が見つからない。こうした状態では、興味を持って訪問した人が判断しにくくなります。
検索広告、SNS投稿、記事内の商品紹介などで伝えた特徴を、遷移先の商品ページでも具体的に確認できるようにします。
実践例: 広告で「初心者向け」と案内している商品なら、ページ上部で初心者にどのように役立つか、使い始めるまでに何が必要かを説明します。
購入率を高めるためには、誰でもアクセスを集めればよいわけではなく、必要としている人が、適切な情報に出会えることが重要です。
8. A/Bテストで変更の効果を確かめる
目的:どの変更が購入行動に影響したかを見分けること。
A/Bテストとは、利用者を原則として無作為に2群へ分け、従来のページと変更したページを同時期に比較する方法です。Kohaviらの2009年のレビューでは、Web上の比較実験の設計と運用が詳しく整理されています。[7]
例えば「商品ページに送料の目安を示す」という変更を試すなら、次のように設計できます。
- A群: これまでどおりの表示。
- B群: 価格の近くに送料の目安を追加。
- 主要指標: 対象セッションから購入に至った割合。
- 補助指標: カート追加率、問い合わせ率、返品率など。
- 判断: 改善幅、データのばらつき、実装費用を見て導入するか決める。
A/Bテストでも、短期間の偶然による差が出ることがあります。試験の期間、対象、主要指標、判断方法を結果を見る前に決めることが大切です。
購入率を改善するときの4つの注意点
1. 購入率だけで利益を判断しない
購入率を上げるために値引きした結果、1注文あたりの利益が減ることがあります。
例えば、購入率が2%から3%に改善しても、値引きや広告費の増加によって利益が減る可能性はあります。売上・粗利益・注文単価・広告費・返品率なども一緒に確認しましょう。
2. 計測方法を途中で変えない
ある月は「注文数÷セッション」、翌月は「購入者数÷ユーザー数」で計算すると、同じ購入率として比較できません。
GA4では、purchase イベントに基づく「Ecommerce purchases」や、購入者を数える指標などが用意されています。[1][2] そのため、レポートに使用した指標名、イベントの定義、キャンセルの扱いを記録しておきます。
3. 少ないデータで結論を急がない
例えば、A群1,000セッションで20回、B群1,000セッションで24回の購入が発生した場合、購入率は2.0%と2.4%になります。
差は0.4パーセントポイントですが、購入数は4件しか違いません。偶然のばらつきの可能性もあるため、これだけで明確な改善効果があったとは判断しにくいでしょう。
米国統計学会は、統計的な有意性と実務的な重要性は別であると説明しています。[8] 効果の大きさだけでなく、推定の不確実性と事業上の意味を確認します。
4. 途中経過の数字だけを追いかけない
ボタンのクリック率が上がっても、購入率が下がることがあります。カート追加率が上がっても、決済で離脱する人が増える場合があります。
最終的に何を良くしたいかを忘れず、途中の指標は原因を探すために使いましょう。
購入率の改善を進める7つの手順
さまざまな改善策を思いついても、一度に全部変えてしまうと、何が効いたのかがわかりにくくなります。次の順番で進めると、結果を整理しやすくなります。
ステップ1:購入率の定義を決める
まず「購入セッション数÷総セッション数」など、計算方法を一つ選びます。期間、対象となる流入元、同一ユーザーの扱いも記録します。
ステップ2:現状と目標を決める
過去数週間から数か月の購入率を確認し、改善したい範囲を決めます。
例えば「スマートフォンの新規訪問者の購入率を、8週間で現状の2.0%から2.3%程度に近づけたい」といった形です。数字は説明用の例です。
ステップ3:購入までの経路を分解する
商品閲覧、カート追加、購入手続き開始、購入完了の流れを確認します。どの段階で人が離れているかを探ります。
ステップ4:原因の候補を複数考える
「送料が高く見える」「商品サイズが不明」「スマホの入力が難しい」など、具体的な候補を挙げます。思いついた説明と、実際に観察した事実は分けて記録しましょう。
ステップ5:重要な変更を一つ選ぶ
変更に必要な費用、実装の難しさ、対象となる利用者の多さを比較します。すべてを変えるより、まず改善の可能性が高そうで、確かめやすい案を選びます。
ステップ6:変更を試して数字を比べる
可能ならA/Bテストを行い、難しい場合は、前後のデータと同時期の条件変化を記録します。購入率だけでなく、粗利益や決済エラーなども確認します。
ステップ7:結果をもとに次の変更を決める
改善が認められたら段階的に導入し、再び測定します。判断がつかなければ追加のデータや調査方法を検討します。次の施策を選ぶときには、前回の結果を生かしましょう。
購入率の具体例【商品ページを改善した架空のストーリー】
※以下は購入率の改善方法を説明するための架空の事例です。人物や金額、購入率は、実在する店舗の調査結果ではありません。
訪問者が増えても売上が伸びなかった
小さなオンラインショップで収納用品を販売する佐藤さんは、SNSからの訪問が増えたことを喜んでいました。ところが、売上は思ったほど伸びません。
アクセス解析を確認すると、月間のセッション数は前月の6,000回から8,000回に増えていました。しかし、購入が起きたセッション数は180回から176回へ減少しています。
計算してみると、購入率は3.0%から2.2%へ下がっていました。
「人は来ているのに、どうして購入されないんだろう?」
佐藤さんは、まず流入元を調べました。SNSから訪れた人は商品ページを見るものの、カートへ追加する割合が低いことがわかりました。
原因の候補を調べると「サイズ」が気になっていた
佐藤さんは商品ページを見直しました。きれいな写真は並んでいましたが、部屋に置いたときの大きさがわかりません。
そこで、購入前に何を確認したいか、これまで問い合わせをくれた人の質問を整理しました。「机の下に入るか」「A4ファイルを何冊入れられるか」といったサイズの質問が多かったのです。
佐藤さんは、「使う場所と寸法がイメージできないため、カートへ進みにくいのでは」と仮説を立てました。
写真と寸法を追加して比較した
商品ページには、次の情報を追加する案を考えました。
- 部屋に置いた使用写真
- 幅・奥行き・高さを示す図
- 入れられる物の具体例
- 送料を含めた金額の案内
一度にすべてを変更すると原因がわかりにくくなるため、まずはサイズと使用例の追加を試しました。
比較したところ、変更後のページではカート追加率に上昇の傾向が見られました。ただし、購入率まで明確に改善したかは、まだわかりませんでした。
佐藤さんはすぐに「成功」と決めず、対象を広げてデータを集めることにしました。また、カートへ進んだあとに離脱している人については、送料や配送条件を確認する新しい仮説を立てました。
一度の改善より、原因を知ることを重視した
この経験から佐藤さんが学んだのは、アクセス数だけではショップの状態を判断できないということです。
どんな人が訪れ、どこまで進み、どこで立ち止まったかを知ることで、必要な情報や操作の改善を考えやすくなりました。
購入率の改善とは、単に買ってもらうための言葉を増やすことではありません。購入を考えている人が必要な情報を得て、納得して選べるようにすることでもあります。
購入率に関する研究・エビデンス
購入率の改善に関する研究では、実際の購入行動を測定したもの、商品への購入意向を質問したもの、購買の途中で起きる操作上の問題を調べたものがあります。これらは別の結果なので、混同せずに読みましょう。
2006年:オンラインの口コミと書籍の販売の関係
ChevalierとMayzlinは、Amazon.comとBarnes & Nobleのオンライン書籍販売を比較し、口コミの評価と相対的な販売状況の関係を調べました。[9]
その結果、同じ書籍について、レビューが改善したサイトでは相対的な売上が増える傾向が見られました。また、対象の多くでは、低評価レビューが与える影響は高評価レビューより大きくなっていました。
これは書籍のオンライン販売における観察研究で、すべての商品の購入率を直接測定したランダム化実験ではありません。しかし、購入者の感想が商品の選択に関係することを考える手がかりになります。
2024年:レビューと購入意向を調べた156研究のメタ分析
QiuとZhangによるメタ分析は、156研究・214効果量・69,006観測を統合し、レビューの特徴と購入意向の関係を調べました。[5]
レビューの好意度(肯定的か否定的か)と購入意向との関連はr=0.563と報告されています。商品の種類、文化的な背景、研究方法によっても結果が異なりました。
重要なのは、この研究の中心が購入意向であることです。購入したいと思ったかどうかと、実際にお金を払って購入したかどうかは分けて考える必要があります。
2026年:カート離脱率70.22%という集計
Baymard Instituteは、2006〜2025年の50件の統計調査を集め、2026年10月に公開した資料で、カート離脱率の単純平均を70.22%と示しています。[3]
これは50件の調査値を単純平均した数値です。各調査を参加者数で重み付けして再集計したものではありません。また、対象はカートを作った後の離脱であり、サイト訪問全体の購入率ではありません。
同社の理由調査では、追加費用、配送、支払い情報への不安、アカウント作成、複雑な手続きなどが挙がっています。自社のショップでも同じ原因があるか、実際の記録とユーザーの声で確かめることが大切です。
2009年:A/Bテストで変更の影響を確かめる
Kohaviらは2009年の論文で、Webサービスにおける比較実験の設計、無作為割り付け、測定、統計的検出力などを整理しました。[7]
この論文は、特定の購入ボタンの色や文章が必ず売上を伸ばすと示したものではありません。どの変更が利用者の行動に影響したかを、より信頼できる方法で評価するための方法論です。
| 出典 | 対象 | 主な結果 | 読むときのポイント |
|---|---|---|---|
| Chevalier・Mayzlin(2006)[9] | 2つのオンライン書店の書籍レビューと販売 | レビュー評価の改善と相対売上の増加が関連 | 特定市場の観察研究 |
| Qiu・Zhang(2024)[5] | 156研究、69,006観測 | レビュー好意度と購入意向の関連 r=0.563 | 購入意向であり購入率ではない |
| Baymard Institute(2026)[3] | 50件のカート離脱統計 | 単純平均の離脱率70.22% | カート後の離脱。サイト全体の購入率ではない |
| Kohaviら(2009)[7] | Web実験の方法論レビュー | 無作為化比較実験の設計・運用を整理 | 特定の改善策の効果量ではない |
購入率を管理するための簡単な記録シート
改善の効果を追うために、最初は次のような表を週ごとに作るだけでも構いません。
| 週 | セッション数 | 購入セッション数 | 購入率 | 売上 | 試した変更 |
|---|---|---|---|---|---|
| 第1週 | 2,000 | 40 | 2.0% | 200,000円 | 変更前 |
| 第2週 | 2,100 | 42 | 2.0% | 210,000円 | サイズ表を追加 |
| 第3週 | 2,200 | 55 | 2.5% | 275,000円 | 表示内容を調整 |
| 第4週 | 2,000 | 48 | 2.4% | 240,000円 | スマホ表示を確認 |
※すべて架空の数値です。購入セッション1回につき1注文、平均注文単価5,000円を仮定しています。
こうした時系列の記録だけでは、「第3週の変更が購入率を上げた」と因果関係まで確定できません。訪問者の性質や季節、広告配信なども変わるためです。それでも、どのタイミングで数字が変わり、何を調べるべきかを整理するために役立ちます。
最低限、記録しておきたいこと
- 対象期間と分母:1週間・1か月、セッション・ユーザーのどちらか。
- 購入の定義:購入イベント、購入者、注文数のどれか。
- 売上と粗利益:必要に応じてキャンセル・返品も反映する。
- 変更した内容:商品説明、送料表示、入力画面など。
- 考えられる外部要因:広告費、キャンペーン、在庫、曜日、季節。
- 次に試すこと:改善案と確認する指標。
購入率に関するよくある質問
Q. 購入率の計算方法を簡単に教えてください
セッションを基準にする場合は、購入が発生したセッション数÷総セッション数×100です。例えば1,000セッションのうち20セッションで購入があれば、購入率は2%です。来店者数を基準にする実店舗や、購入ユーザー数を基準にするEC分析などでは、計算の対象が異なります。
Q. 購入率とコンバージョン率は同じですか?
購入を目標とする場合には、同じ意味で使われることがあります。ただし、CVRは会員登録や問い合わせなど、購入以外の成果にも使う言葉です。何のコンバージョン率かを明確にしましょう。
Q. 購入率は何%を目標にすべきですか?
業種、商品価格、流入元、購入までの期間、計測方法によって異なります。まずは自社の過去データと近い条件を比べ、現実的な改善目標を決めましょう。業界平均を参照する場合も、定義が一致しているか確認することが大切です。
Q. 商品ページの閲覧数が多いのに購入率が低いのはなぜですか?
商品説明、価格、送料、在庫、利用者の購入意欲、決済の負担などが原因候補になります。商品閲覧からカート追加、購入手続き、完了までの各段階を調べると、問題を絞りやすくなります。
Q. カート離脱率が70%なら購入率は30%ですか?
サイト全体の購入率が30%という意味ではありません。 カート離脱率が70%なら、定義をそろえたカートのうち購入に至った割合は30%です。サイト全体の訪問者には、商品を見ただけでカートに入れなかった人も含まれます。
Q. ブログのアフィリエイトにも購入率は使えますか?
使えます。ただし、ブログ運営者が正確に把握できる数字は、広告リンクのクリック数、広告主側の購入件数、成果承認件数など、利用するサービスによって異なります。
例えば「広告リンクのクリック100回から承認された購入が3件」なら、クリックを分母とした成果率は3%です。サイト全体の訪問を分母とするEC購入率とは違うため、名称と定義を分けて管理しましょう。
Q. 購入率を上げるには何から始めればよいですか?
まず、購入率の計算方法を決め、購入までの各段階の数字を確認してください。カートに入らないのか、カートに入れても買われないのかで、試す改善策は変わります。そのうえで重要そうな変更を一つ選び、結果を測定しましょう。
まとめ:購入率は「買いやすさ」を改善するための指標
購入率は、訪問や商品閲覧などの機会のうち、どれくらいが購入につながったかを示す割合です。
ただし、セッション数・購入者数・注文数のどれを使うかによって、計算結果は変わります。自社の指標を決め、同じ条件で比べることが出発点です。
購入率を改善したいときは、次の流れが役立ちます。
- 購入率の分母と分子を明確にする。
- 商品閲覧から購入完了までの流れを調べる。
- 商品情報、価格、送料、口コミ、決済などの問題を探す。
- 変更を一つ選び、可能ならA/Bテストで確かめる。
- 購入率だけでなく、売上・利益・利用者の負担も確認する。
まずは1週間分の数字を見て、「購入を考えている人が、どこで迷っているか」を探してみてください。原因を少しずつ確かめて改善を重ねることが、売上につながる購入率の管理方法です。
参考文献・公的資料
- Google Analytics Help. About ecommerce metrics. https://support.google.com/analytics/answer/13428834?hl=ja — 購入関連イベント・指標の定義。
- Google Analytics Help. Analytics dimensions and metrics. https://support.google.com/analytics/table/13948007?hl=en — 購入者数・セッション・購入イベントなどの指標定義。
- Baymard Institute. (2026年10月28日更新). Cart Abandonment Rate: 50 Statistics & Why People Abandon (2026). https://baymard.com/blog/cart-abandonment-rate — 50研究の単純平均によるカート離脱率と理由調査。
- Nielsen Norman Group. UX Guidelines for Ecommerce Product Pages. https://www.nngroup.com/articles/ecommerce-product-pages/ — 商品ページに必要な情報と操作性の解説。
- Qiu, K., & Zhang, L. (2024). How online reviews affect purchase intention: A meta-analysis across contextual and cultural factors. Data and Information Management, 8(2), 100058. https://doi.org/10.1016/j.dim.2023.100058 — 156研究、69,006観測のメタ分析。
- Baymard Institute. E-Commerce Cart & Checkout Usability Research. https://baymard.com/research/checkout-usability — ECカート・購入手続きのユーザビリティ研究。
- Kohavi, R., Longbotham, R., Sommerfield, D., & Henne, R. M. (2009). Controlled experiments on the web: survey and practical guide. Data Mining and Knowledge Discovery, 18, 140–181. https://doi.org/10.1007/s10618-008-0114-1 — Web上の無作為化比較実験に関する方法論。
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108 — 統計的な有意性の適切な解釈。
- Chevalier, J. A., & Mayzlin, D. (2006). The Effect of Word of Mouth on Sales: Online Book Reviews. Journal of Marketing Research, 43(3), 345–354. https://doi.org/10.1509/jmkr.43.3.345 — オンライン書評と相対売上の関係。
編集メモ:既存サイトと2026年11月13日作成の静的サイトファイルマップで「購入率」単独のスラッグを確認できなかったため、purchase-rate を仮設定しました。記事中の人物・店舗・売上・購入件数などの例示データは、出典を明示した研究データを除き架空の値です。

