LP公開後30日でやる5つの計測設定｜GA4とAB testの実装視点

LPを公開して、最初の30日で何を計測するか。多くの場合、GA4 を見るだけで終わってしまい、「アクセスはあるがCVRが上がらない」「数字の理由が見えない」となる。事業会社マーケが何度も遭遇する場面です。

結論から書きます。LP公開後の30日でやるべき計測設定は5つ。GA4 イベント／BigQuery export／ヒートマップ／AB testing の実施判断／Looker Studio ダッシュボード化。これを「Day 0-7 / Day 8-14 / Day 15-30」のタイムラインに配置すると、リソース有限の事業会社マーケでも実装が進みます。

この記事は、GA4 / BigQuery / AB testing を BtoB SaaS のLPで実装してきた事業会社マーケの立場から書きます。LP発注（LP制作の見積もりで聞くべき5つの質問 → LP制作の発注書テンプレート）から公開後の計測整備まで一連の流れを担当した経験から、本格運用に進む前の「30日地盤づくり」をまとめます。

過去のLP公開後にCVRが期待値を下回ったとき、計測設定が不十分で「どこで離脱しているか」が分からず、改善案を出せずに数週間を浪費した経験があります。事前の計測整備があれば、ボトルネックは初週で見えていたはずです。

※本記事には、A8.netを通じたアフィリエイトリンクが含まれます。読者の支払額は変わりません。詳細はサイトポリシーもご参照ください。

---

結論：5つの計測設定を最初の30日でやる

LP公開後の30日は、計測の地盤を固める時期です。地盤がないと、その後の改善議論が成立しません。設定の優先順位は「一度きりの設定 → データ蓄積基盤 → 補完計測 → 本格運用」の順に並べます。BigQuery export を Day 0-7 に前倒しするのは、早く設定すればするほどデータが溜まる構造のためです。

• Day 0-7（計測基盤の確立）：設定1 GA4 カスタムイベント／設定2 GA4 → BigQuery export
• Day 8-14（補完計測）：設定3 ヒートマップ（Microsoft Clarity）
• Day 15-30（本格運用）：設定4 AB testing の実施判断／設定5 Looker Studio ダッシュボード化

記事は時系列で読み進める構成です。30日の整備が固まったら、本格的な GA4 + BigQuery セットアップは別記事で詳しく扱います。本記事はその下準備として、まず手を動かす5設定を完成させる位置付けです。

---

Day 0-7：設定1 GA4 カスタムイベント設定（半日〜1日）

GA4 の自動収集だけではLPの挙動は見えません。公開直後のユーザー行動を取りこぼさないため、Day 0-7 で必須5イベントを仕込みます。

1. page_view：自動収集。ページパスで対象LPを識別
2. scroll_depth：25 / 50 / 75 / 90 % を独自イベントで計測
3. cta_click：CTA押下。data-cta-position 属性で位置を付与
4. form_start：フォーム入力の開始
5. generate_lead：送信完了ページなど確実な条件で発火し、キーイベントに設定

ボタンに data-cta-position を仕込んでおくと、後で位置別CVRが追えるようになります。発注書段階でこの実装を要件化しておくと、納品物に最初から組み込まれます（LP制作の発注書テンプレート の A-3 計測ツール項目で記述）。

BtoB SaaSで日程調整ツールを使う場合は、予約完了を示すイベントも追加します。ツール名ではなく、完了時だけ発火する条件と予約種別を表すパラメータを先に決めます。

過去にGA4の初期設定で30個近いイベントを定義した結果、後から「これは何を計測したかったか」が分からなくなった経験があります。最初は5-7個に絞り、必要に応じて追加する方が運用しやすい、と感じています。

---

Day 0-7：設定2 GA4 → BigQuery export（1〜2時間）

BigQuery export を Day 0-7 に前倒しするのは、早く設定すればするほど後の分析資産になるからです。GA4 の標準UIは便利ですが、細かい分析（クロス集計・ファネルの自由設計・SQLでの自由切り）には限界があります。BigQuery に流せば、そこから先は SQL で自由に切れます。

設定は、Google Cloudプロジェクトを用意し、GA4管理画面の「BigQuery のリンク」から連携します。BigQueryには月10GiBのストレージと月1TiBのクエリ処理を対象とする無料枠がありますが、利用量やストリーミング設定によって費用は発生します。課金アカウント、予算アラート、クエリ上限も同時に確認します。

「BigQuery は重そう」と感じるかもしれませんが、最初は「データを溜めるだけ」で良いです。Day 30 時点で生データが揃っていることが、後の分析の起点になります。

BtoB SaaS なら、BQ のデータを Salesforce / HubSpot CRM と JOIN すれば LP流入 → 商談 → 受注を1本のクエリで追えます。本格運用の話で Pillar 2 で深掘りします。

---

Day 8-14：設定3 ヒートマップ（Microsoft Clarity）

行動の理由を探る最初の候補として、Microsoft Clarityを使えます。公式にはヒートマップ、セッション録画、イベント・ファネルなどが提供されています。Day 8-14 に置くのは、Day 0-7 でGA4・BigQueryが動き出した後に、定量データを補う観察手段として加えるためです。導入前に同意管理とプライバシーポリシーも確認します。

GA4 のスクロール率は「数値」、ヒートマップは「可視化」です。両方併用がBtoB SaaSでは現実解で、最優先で見るのは次の3つです。

• ファーストビューの読了率：訪問者の何割が次のセクションに進むか
• CTAクリック率（位置別）：FV内・中段・末尾でクリック分布がどう違うか
• フォーム入力途中離脱率：どの項目で離脱が起きるか

Hotjar / Ptengine / User Heat も選択肢ですが、Clarity が無料で機能が揃ってからは、まず Clarity を試して足りなければ他を検討する順序が合理的だと感じています。

---

Day 15-30：設定4 AB testing の実施判断と初回設計

AB testing を Day 15-30 に置くのは、最初の14日でベースラインCVRを観測してから仮説を立てる方が筋が良いからです。データが少ない状態でテストを走らせても、有意差判定が出るまでに時間がかかります。

ここで最初に決めるのはツールではなく、十分なトラフィックと実装体制があるかです。期間だけを先に固定せず、ベースライン率、検出したい差、必要サンプル数を確認します。

仮説を見つける：Microsoft Clarity

Clarityのヒートマップや録画で、クリックされないCTA、読まれないセクション、操作の迷いを探します。Clarity自体を配信・統計判定の仕組みとして扱わず、テスト仮説を作る観察ツールとして位置付けます。

Webページを配信比較する：VWO・Convertなど

マーケティング側でページの配信比較を運用する場合は、ビジュアル編集、配信条件、統計レポート、同意管理との連携を比較します。料金や利用条件は変わるため、VWOやConvertなど候補製品の公式情報で現在の条件を確認します。

プロダクト開発と一体で行う：GrowthBook・Statsigなど

機能フラグと実験を同じ開発フローで管理するなら、GrowthBookやStatsigなどを候補にします。実装方法、データの保存先、指標定義、割り当ての再現性をエンジニアと確認して選びます。

初回テストでは、変更箇所を1つに絞り、主要指標とガードレール指標、対象ユーザー、停止条件を事前に記録します。必要サンプルを確保できない場合は、無理に有意差を求めず、ユーザー調査やヒートマップを使った仮説検証を優先します。

私自身、AB testツールを選ぶときは「すぐ始められるか」「サンプルサイズの目安が示されるか」「BtoB SaaSの少トラフィック環境で統計的に意味があるか」の3軸で判断するようにしています。BtoB SaaSのLPはトラフィックがB2Cほど多くないので、検出力を上げる工夫が運用品質を分けると感じています。

---

Day 15-30：設定5 Looker Studio ダッシュボード化（半日〜1日）

Day 15 時点で最初の14日のデータが溜まっています。ここで Looker Studio に繋いで、関係者と共有するダッシュボードを作るのが効果的です。データが溜まる前に作っても、空のグラフを見せることになり説得力が出ません。

Looker Studio の connector は GA4 でも BigQuery でも繋げます。柔軟性なら BigQuery connector、シンプルなら GA4 connector。BtoB SaaS では BigQuery 側の方が、後で商談化率まで含む KGI ダッシュボードへ拡張しやすいです。

ダッシュボードに置く必須7グラフは次の通りです。

• 日次CVR推移（折れ線、7日移動平均付き）
• 流入元 × CVR（テーブル）
• デバイス × CVR（テーブル）
• スクロール率分布（棒グラフ）
• CTA位置別クリック率（テーブル）
• フォーム入力ファネル（漏斗）
• 週次CVR比較（前週比）

ダッシュボードができると、関係者との会話が「印象論」から「数字」に変わります。これが Day 30 までに整備しておくと効く理由です。

公開後LPのCVRやファネル指標をLooker Studioで可視化して関係者と共有するようになってから、「次は何を改善する？」という会話が自然と生まれるようになりました。データが見える場所があるかないかで、改善議論の質はまったく違う、と感じています。

---

5設定の優先順位 × 工数感（比較表）

5設定をフェーズ × 工数 × 必須度の3軸で整理します。

設定	フェーズ	完了条件	優先度
1. GA4 イベント	Day 0-7	主要行動をリアルタイムで確認	最優先
2. BigQuery export	Day 0-7	日次テーブルと費用管理を確認	高
3. ヒートマップ	Day 8-14	主要ページの記録と同意管理を確認	高
4. AB testing	Day 15-30	仮説・指標・必要サンプルを文書化	条件付き
5. Looker Studio	Day 15-30	週次で見る指標を共有	中

日数は目安です。トラフィック、権限、開発体制に合わせて調整します。

必須3つを Day 14 までに揃えると、Day 15 以降の本格運用が走り始めます。推奨2つは時間が取れたら追加する形で良いです。

5設定の本質は「設定の優先順位」です。一度きりの設定（GA4イベント、BigQuery export）を Day 0-7 で済ませてしまえば、後はデータが自動的に溜まる構造になります。後出しよりも、最初の1週間で基盤を固める方がずっと楽です。

---

よくある質問

Q. GA4 だけで足りますか？BigQuery まで本当に必要？

最初の分析はGA4だけで足りる場面もあります。ただしBigQueryへの日次エクスポートは、連携前の期間を後から同じ形で埋められません。将来SQL分析やCRM連携を行う見込みがあるなら早めに有効化し、同時に予算アラートやクエリ上限を設定します。

Q. 月1万PV未満の小規模 LP でも AB test は意味がある？

必要サンプルを集めるまで時間がかかる場合は、無理に同時比較を始めません。Clarityなどの行動分析、ユーザーインタビュー、変更前後の推移を使って仮説を絞り、検出したい差と必要サンプルを見積もってから実施を判断します。

Q. Day 0-7 で全部やる時間がない、優先順位を1つに絞るなら？

設定1 GA4 カスタムイベントです。これがないと公開直後のCV計測そのものが成立しません。BigQuery export は後からでも繋げますが、GA4 イベントは仕込みのタイミングを逃すと初動データが取れなくなります。

Q. 計測整備は誰がやる？マーケが？開発が？外注クリエイターが？

発注書段階で「計測実装込み」と依頼するのが効率的です。事業会社マーケが GA4 イベント設計の仕様書を渡し、クリエイターが実装する分担が現実解です。発注書での項目化はN2記事で扱っています。

---

まとめ：30日で計測の地盤を固めたら、本格計測へ進む

5設定を再掲します。Day 0-7 で GA4 イベント / BigQuery export、Day 8-14 でヒートマップ、Day 15-30 で実験の実施判断 / Looker Studio。30日で判断材料と担当範囲を揃え、次の改善案を説明できる状態を目指します。

LP制作の見積もりで聞くべき5つの質問で見積もり時のクリエイター見極めを、LP制作の発注書テンプレートで発注書での計測項目化を扱いました。本記事 N6 はその続編にあたる「公開後30日の計測整備」です。LP制作の外注先選びから続く一連の流れの中で位置付けると、外注LPでも数字が動かせる体制が組めます。

30日経って本格運用に進むなら、ここから先は GA4 + BigQuery の全社設計、SQL分析、ダッシュボードの全社展開の世界です。Pillar 2 で扱う計測の本論記事に進む下準備として、まずはこの5設定を完成させてください。

LP発注は「見積もり時の確認 → 発注書での項目化 → 公開後30日の計測整備（本記事）」という流れで連なります。事前準備が良ければ、公開後30日の整備もスムーズに進む、という関係です。30日経って本格運用に進むなら、GA4 + BigQuery の本格セットアップは別記事で扱う予定です。

公式情報

• Google Analytics：キーイベントの設定
• Google Analytics：BigQuery Export
• Google Cloud：BigQuery料金
• Microsoft Clarity：機能概要
• GrowthBook Documentation