---
name: takumaoshiro/lp-conversion-optimization-lpコンバージョン改善提案
source: https://app.decimal.ai/s/takumaoshiro-lp-conversion-optimization-lp@1/SKILL.md
source_sha256: a924bbd8d205
---

# LP Conversion Optimization / LPコンバージョン改善提案

> ランディングページのパフォーマンスを分析し、コンバージョン率改善のための仮説・A/Bテスト案・ワイヤーフレーム提案を生成するスキル。CROスペシャリスト・プロダクトマネージャー・デザイナー向け。

---

## 1. Overview

- **Purpose**: LPのCVR低下要因を特定し、データに基づいた改善仮説とA/Bテスト提案を行う
- **Audience**: CRO specialists, product managers, designers
- **Frequency**: Monthly / Ad-hoc（LP公開後1-2週間、CVR低下検知時）
- **Time to complete**: 30-60 min per LP

### When to use

LPのCVRが業界平均や目標値を下回っているとき、新規LP公開後の初期パフォーマンス評価時、A/Bテスト計画の立案時に使用する。GA4のユーザー行動データとヒートマップデータを組み合わせることで、離脱ポイントの特定と改善仮説の精度が高まる。

---

## 2. Input Data

### Required

| Data Source | Format | Description |
|-------------|--------|-------------|
| GA4 data | CSV / API | sessions, bounce rate, scroll depth, conversion rate（デバイス別・流入元別） |
| LP URL / screenshots | URL / image | 分析対象LPの実ページまたはキャプチャ |

### Optional

| Data Source | Format | Description |
|-------------|--------|-------------|
| Heatmap data | CSV / screenshot | クリックマップ・スクロールマップ・アテンションマップ |
| A/B test history | CSV / text | 過去テスト結果（バリアント・勝率・有意差） |
| Form analytics | CSV | フォーム各フィールドの離脱率・入力時間 |
| User recordings | summary text | セッションリプレイの主要パターンサマリー |
| Competitor LP | URL / screenshot | 同業種の競合LP参考情報 |

### Data Quality Checks

- GA4データの計測期間が最低14日間（統計的有意性のため）あることを確認
- セッション数が十分（最低500セッション/LP）であることを確認
- CVの定義が明確であること（マイクロCV / マクロCV の区別）を確認
- デバイス別のデータが分離可能であることを確認

---

## 3. Analysis Steps

### Step 1: Funnel Drop-off Analysis
GA4のイベントデータからLP訪問→スクロール→CTA表示→CTA クリック→フォーム開始→フォーム送信の各ステップの通過率を算出する。最大の離脱ポイント（ドロップオフが最も大きいステップ）を特定する。

### Step 2: Above-the-Fold Effectiveness
ファーストビュー（スクロールなしで表示される領域）の構成要素を評価する。ヘッドライン明瞭度、ベネフィット訴求、CTAの視認性、画像/動画の関連性、読み込み速度をチェックする。3秒以内にユーザーが「何のページか」「何をすべきか」を理解できるかが判定基準。

### Step 3: CTA Visibility & Copy Analysis
CTA（Call to Action）の配置・デザイン・コピーを評価する。CTAの数と配置間隔、ボタンカラーのコントラスト比、コピーの具体性（「送信」vs「無料で資料をダウンロード」）、緊急性/限定感の有無を確認する。

### Step 4: Form Friction Assessment
フォームの項目数・入力タイプ・バリデーション・ステップ数を評価する。必須項目が過多でないか、不要な項目がないか、入力補助（プレースホルダー・オートコンプリート）があるかを確認する。フォーム離脱率 > 60% は摩擦過多と判定する。

### Step 5: Mobile vs Desktop Comparison
デバイス別のCVR・直帰率・スクロール深度を比較する。モバイルCVRがデスクトップの50%以下の場合、モバイル特有の課題（タップターゲットサイズ、フォーム入力UX、ページ速度）を重点的に調査する。

### Step 6: Page Speed Correlation Analysis
ページ読み込み速度とCVR/直帰率の相関を分析する。LCP > 2.5sの場合、速度改善がCVR向上に直結する可能性が高い。画像最適化・JS遅延読み込み等の具体策を提示する。

---

## 4. Output Format

### Summary (top-level)
- LP全体のCROスコア（100点満点）
- 最大の離脱ポイントと推定損失CV数
- 最もインパクトの大きい改善仮説 Top 3

### Detail sections
- **CRO Audit Report**: ファネル各ステップの通過率・離脱率の詳細分析
- **Prioritized Hypotheses**: 改善仮説リスト（期待インパクト・実装工数・確信度でランク付け）
- **A/B Test Suggestions**: 各仮説に対するテスト設計（コントロール / バリアント / KPI / 必要サンプルサイズ）
- **Wireframe Recommendations**: 主要改善箇所のレイアウト変更案（テキストベースのワイヤーフレーム記述）

### Visualizations
- ファネル可視化（ステップ別の通過率バー）
- デバイス別CVR比較チャート
- スクロール深度とCTA配置のオーバーレイ図
- 改善インパクトマトリクス（期待効果 × 実装工数）

---

## 5. Judgment Criteria

| Metric | Good | Warning | Critical |
|--------|------|---------|----------|
| Bounce Rate | < 40% | 40 - 70% | > 70% |
| CVR vs Industry Avg | >= 100% | 50 - 100% | < 50% |
| Form Abandonment | < 30% | 30 - 60% | > 60% |
| Mobile CVR / Desktop CVR | >= 70% | 40 - 70% | < 40% |
| Page Load (LCP) | < 2.0s | 2.0 - 3.5s | > 3.5s |
| Scroll Depth to CTA | > 60% reach | 40 - 60% reach | < 40% reach |

### Decision Rules

- Bounce Rate > 70% の場合、ファーストビューの改善を最優先とする
- CVRが業界平均の50%以下の場合、LP全体の構成見直しを提案する
- Form Abandonment > 60% の場合、フォーム項目の削減・ステップ分割をテスト推奨する
- モバイルCVRがデスクトップの40%以下の場合、モバイル専用LP検討を推奨する
- LCP > 3.5s の場合、コンテンツ改善より速度改善を先に実施する
- スクロール深度が主要CTAの位置に40%以上のユーザーが到達していない場合、CTA配置の上方移動を最優先とする

---

## 6. Examples

### Sample Input
```
LP URL: https://example.com/lp/service-trial
Period: 2026-03-01 ~ 2026-03-31
GA4 Data:
  Sessions: 8,420
  Bounce Rate: 68%
  Avg Scroll Depth: 42%
  CVR (form submit): 1.2%
  Desktop CVR: 1.8% / Mobile CVR: 0.7%
Form Fields: 8 (name, email, phone, company, department, role, budget, message)
Form Abandonment: 72%
```

### Sample Output
```
## CRO Audit Report: /lp/service-trial

### Overall Score: 38 / 100 (Critical)
- Estimated Lost CVs: ~65 / month (current: 101, potential: ~166)

### Top 3 Issues
1. **Form Friction (Critical)** — 8項目+72%離脱。フォーム項目を3つに削減で+40-60%送信率改善見込み
2. **Mobile UX (Critical)** — Mobile CVR 0.7% はDesktopの39%。タップターゲット・フォームUXに課題
3. **Bounce Rate (Warning)** — 68%。ファーストビューのベネフィット訴求が弱い

### A/B Test Plan #1: Form Simplification
- Control: 現行8項目フォーム
- Variant: 3項目（name, email, company）に削減、詳細は後日ヒアリング
- Primary KPI: Form Submit Rate
- Required Sample: 2,100 sessions/variant (80% power, 5% significance)
- Expected Impact: CVR +0.5-0.8pt

### Wireframe: Above-the-Fold Revision
┌─────────────────────────────────┐
│ [Logo]                    [CTA] │ ← ヘッダーにもCTA追加
│                                 │
│  「30日間無料で業務効率を       │ ← ベネフィット起点のヘッドライン
│    2倍にする方法」              │
│                                 │
│  ✓ 導入5分 ✓ 解約自由 ✓ 全機能 │ ← 3つの安心材料
│                                 │
│  [無料で試してみる →]           │ ← 具体的CTAコピー
│                                 │
│  導入企業: [ロゴ] [ロゴ] [ロゴ] │ ← 社会的証明
└─────────────────────────────────┘
```

---

## 7. Do's and Don'ts

### Do
- ファネルの各ステップを数値で可視化し、最大の離脱ポイントから改善する
- 改善仮説には必ず「期待インパクト」「実装工数」「確信度」の3軸を付ける
- A/Bテスト設計には必要サンプルサイズと検定条件を明記する
- デバイス別に分けて分析する（モバイルとデスクトップは別のUX課題を持つ）

### Don't
- 「デザインが悪い」等の主観的な評価だけで改善提案しない（データで裏付ける）
- 一度に複数の大幅変更を同時テストしない（因果関係が不明になる）
- 業界平均CVRを絶対基準にしない（自社の過去データとの比較を優先する）
- フォーム項目の削減だけに頼らない（項目が少なくてもUXが悪ければ離脱する）

---

## 8. Agent Guide

When executing this analysis skill:

```
You are performing LP Conversion Optimization (LPコンバージョン改善提案) analysis.
Key rules:
- Always build a full funnel view: Visit → Scroll → CTA View → CTA Click → Form Start → Form Submit
- Calculate estimated lost CVs = sessions × (target_CVR - actual_CVR)
- Bounce rate > 70% → prioritize above-the-fold improvements
- CVR < 50% of industry average → recommend structural LP redesign
- Form abandonment > 60% → recommend field reduction or multi-step form
- Mobile CVR < 40% of desktop → flag mobile-specific UX audit
- Every hypothesis must include: expected impact, effort level, confidence score
- A/B test suggestions must include required sample size (use 80% power, 5% significance)

Refer to the full SKILL.md for thresholds, output format, and detailed steps.
```