Valdiss-Valdiss/ai-marketing-ru-landing

CRO分析（ランディングページの科学的アプローチ）

スキルの目的

5つの指標（CROスコア（MECLABS）、LIFTスコア、スキャナビリティスコア、信頼度ファクター、共鳴率）に基づいて、あらゆるランディングページの包括的なCRO（コンバージョン率最適化）分析を実行します。

このスキルは、ユーザーの行動心理に基づいた、優先順位付けされた実用的な修正を伴う要素ごとの分析を提供します。

使用するタイミング

• ユーザーがランディングページのURLを提供し、CRO分析を依頼した場合
• ユーザーがコンバージョン最適化をリクエストした場合
• ユーザーが登録、リード獲得、売上の改善を希望する場合
• /market-ru-landing <url> コマンドで実行された場合

実行方法

ステップ0：ICP（理想的な顧客像）の特定

ICPは自動的に特定されます：

• ユーザーがコマンドでICPを指定した場合 → 提供されたものが使用されます
• ICPが指定されていない場合 → 「一般的な問題認識型オーディエンス」が使用されます

ICPの例：「B2B SaaS, CTO, growth stage」、「中小企業、コスト削減希望」、「Eコマースストアオーナー」

なぜこれが重要なのか：ページはオーディエンスの認識レベルに一致する必要があります。ユーザーが問題を認識しているにもかかわらず、「完全に認識している」ユーザー向けのオファーを見ると、コミュニケーションにズレが生じます。

ステップ1：ページコンテンツの取得

WebFetchまたは他の利用可能な方法を使用して、ページのHTMLコンテンツを取得します。

ステップ2：5つの指標による分析

分析は5つの独立した指標で構成されます。各指標について：

1. 基準表に従って、要素/ブロック/トリガー/ペインポイントを評価します
2. 計算式を使用して最終スコアを計算します
3. 各要素について、ページで見つかった所見と推奨される修正をJSONに記録します

---

2.1. CROスコア（MECLABS）

重要： CROスコアは厳密に計算式に従って計算します。「大まかに」評価しないでください。 以下のアルゴリズムにステップごとに従ってください。

計算アルゴリズム（必須）

ステップ1： 以下の基準表に従って、各要素を1〜10で評価します。

ステップ2： 各コンポーネントを個別に計算します：

• M_component = M × 4 = [値]
• V_component = V × 3 = [値]
• I_component = I × 2 = [値]
• F_component = F × 2 = [値]
• A_component = A × 2 = [値]

ステップ3： すべてのコンポーネントを合計します：

• CRO = M_component + V_component + I_component + F_component + A_component

ステップ4： JSONに記録する前に、以下を確認してください：

• cro_score はステップ3の合計と等しくなければなりません
• 一致しない場合は再計算してください

計算式：

C = (M × 4) + (V × 3) + (I × 2) + (F × 2) + (A × 2)

基準表

M (動機) — 動機（重み ×4）

評価	基準
1-3	ユーザーは自分の問題を理解しておらず、情報を探している
4-6	ユーザーは問題を認識しており、解決策を探している
7-10	ユーザーは購入の準備ができており、選択肢を比較している

V (バリュープロポジション) — 価値提案（重み ×3）

評価	基準
1-3	不明瞭、曖昧、一般的
4-6	何をしているかは分かるが、なぜこの会社なのかは不明
7-10	明確なUSP、競合他社との差別化、具体的なメリット

I (インセンティブ) — インセンティブ（重み ×2）

評価	基準
1-3	制限なし、緊急性なし、特典なし
4-6	1〜2つのトリガーがある（割引または緊急性または特典）
7-10	3つ以上のトリガーが同時にある

F (摩擦) — 摩擦（重み ×2）

評価	基準
1-3	フォームは1〜2項目、シンプルなプロセス、明確なCTA
4-6	フォームは3〜5項目、追加のステップがある
7-10	フォームは6項目以上、複雑なプロセス、不明瞭なCTA

A (不安) — 不安（重み ×2）

評価	基準
1-3	CTAの近くに保証、レビューが表示されている、ポリシーがある
4-6	ページのどこかに保証がある、部分的なレビュー
7-10	保証なし、レビューなし、CTAの近くにポリシーなし

計算例（allokna.ru）

ステップ1 — 要素の評価：

要素	評価	根拠
M	5	ローカルビジネス、ペインは既知だが強調されていない
V	4	「暖かさと快適さ」— 具体性のない感情
I	2	緊急性なし、特典なし
F	6	フォームは2項目（良好）だが、15以上のナビゲーション項目あり
A	6	保証なし、CTAの近くにレビューなし

ステップ2 — コンポーネント：

• M × 4 = 5 × 4 = 20
• V × 3 = 4 × 3 = 12
• I × 2 = 2 × 2 = 4
• F × 2 = 6 × 2 = 12
• A × 2 = 6 × 2 = 12

ステップ3 — 合計： CRO = 20 + 12 + 4 + 12 + 12 = 60/100（平均）

ステップ4 — 検証： 60 = 20+12+4+12+12 ✓

各要素についてJSONに記録するもの：

• score (1-10)
• findings — ページからの具体的な事実
• fixes — HIGH/MEDIUM/LOWの優先順位が付いた推奨事項

---

2.2. LIFTスコア

計算式：

LIFT_raw = (関連性 + 明確性 + 緊急性 + 価値) - (不安 + 注意散漫)
LIFT = ((LIFT_raw + 16) / 54) × 100

ここで：

• -16 = 最小値（すべてのドライバー=1、すべてのインヒビター=10）
• +16 = 0を得るためのシフト
• 54 = 範囲（38 - (-16)）

範囲： 0-100%

• <40% = 低い
• 40-70% = 平均的

• 70% = 高い

基準表

関連性（ドライバー）

評価	基準
1-2	見出しがICPのニーズに応えていない。「あなたが得られるもの」ではなく「私たちは誰か」
3-4	見出しがニーズと漠然と関連しているが、正確ではない
5-6	見出しがICPの主要なペインに部分的に応えている
7-8	見出しがICPの主要なペインに正確に応えている
9-10	見出しがICPと完全に共鳴している — 「これは私のためのものだ！」

明確性（ドライバー）

評価	基準
1-2	何が提供されているか不明。専門用語、抽象的な表現
3-4	おおまかには理解できるが、詳細は曖昧
5-6	ほとんどの人が理解できる。専門用語なし
7-8	すべてが明確：何を、誰に、なぜ
9-10	瞬時に理解できる。すべての言葉が機能している

緊急性（ドライバー）

評価	基準
1-2	制限なし。「いつでもお越しください」
3-4	制限を示唆しているが、不明瞭
5-6	1〜2つの緊急性トリガーがある
7-8	明確な制限：時間、数量、条件
9-10	強い緊急性：カウントダウン、「最後の1個」、期限

価値（基本）

評価	基準
1-2	価格が不明、またはメリットなしで表示されている
3-4	メリットが曖昧、価格はある
5-6	メリットは理解できるが、独自性がない
7-8	価格/メリットの関係が明確
9-10	明確な価値：「高価な類似品 = X、当社 = X-Y、メリット = Z」

不安（インヒビター）

評価	基準
1-2	CTAの近くに保証、レビュー、ポリシーがある。疑念ゼロ
3-4	1〜2つの信頼シグナルがあるが、CTAの近くにはない
5-6	シグナルはあるが、弱いか曖昧
7-8	疑念が存在する：保証なし、レビューなし
9-10	最大の不安：信頼が全くない

注意散漫（インヒビター）

評価	基準
1-2	1つの目標に集中。不要なリンクなし
3-4	注意を散らす要素が1〜2あるが、重大ではない
5-6	ナビゲーションは多いが、目標は見える
7-8	注意散漫が多い：バナー、リンク、ポップアップ
9-10	カオス：すべてが注意を散らし、目標を見失う

計算例

LIFT_raw = (4 + 4 + 2 + 4) - (7 + 6) = 14 - 13 = 1
LIFT = ((1 + 16) / 54) × 100 = 31.5%

各要素についてJSONに記録するもの：

• score (1-10)
• findings — ページからの具体的な事実
• fixes — 優先順位が付いた推奨事項

---

2.3. SS — スキャナビリティスコア

計算式：

SS = Σ(ブロック評価 × ブロック重み) × 100%

範囲： 0-100%

• <50% = 悪い
• 50-70% = 平均的

• 70% = 良い

ブロック表

ブロック	重み	1-2	3-4	5-6	7-8	9-10
H1	20%	読みにくい、15語以上	読めるが長い	10語未満、メリットあり	短い、8語未満	6語未満、正確なUSP
サブヘッドライン	15%	なし	長く、構造がない	理解できるが長い	短く、具体的	1〜2文、価値
CTAボタン	20%	見えない、小さい	見える、色が背景と同化	コントラストあり、テキストは一般的	テキストにメリットあり	テキスト=メリット、一人称
H2-H3構造	15%	見出しなし	1〜2つの見出し	見出しあり	明確な階層	3秒でスキャン可能
ビジュアル	15%	ストックフォト	写真は関連性あり、ストック	実際の写真	写真+テキスト	顧客/結果の写真
余白	15%	テキストが詰まっている	余白が不均一	十分な余白	クリーンなデザイン	優れた読みやすさ

計算例

SS = (4×0.2 + 4×0.15 + 4×0.2 + 3×0.15 + 3×0.15 + 4×0.15) × 100
SS = (0.8 + 0.6 + 0.8 + 0.45 + 0.45 + 0.6) × 100 = 37%

各ブロックについてJSONに記録するもの：

• score (1-10)
• findings — ページからの具体的な事実
• fixes — 優先順位が付いた推奨事項

---

2.4. TF — 信頼度ファクター

計算式：

TF = Σ (存在するトリガータイプ × 重み)

範囲： 0-N

• 0-1.5 = ❌ 重大
• 2-4.5 = ⚠️ 不十分
• 5-7.5 = ✅ 基本あり
• 8-10+ = ✅✅ 強力

トリガー表

トリガータイプ	重み	説明	例
顧客のレビュー	2.0	名前、写真、役職付き	「アンナ K.、アパートオーナー」+ 写真
顧客の結果	2.0	具体的な数字（金額、%、時間）	「暖房費を40%削減」
ビデオレビュー	2.0	実際の顧客との録画	顧客とのYouTubeへのリンク
ビフォーアフター事例	1.5	写真+結果の説明	窓のビフォー/アフター写真
顧客ロゴ	1.5	有名企業	「ガスプロム、ズベルバンクと提携」
第三者評価	1.5	Yandex.Maps、Google、2GIS	「Yandex.Mapsで4.9（247件のレビュー）」
保証	1.5	明示的、CTAの近く	「構造物に10年保証」
認証	1.0	業界関連、サプライヤーではない	「ISO 9001」、「ライセンス」
会社の実績	1.0	経験の数字	「市場で15年」、「5000以上の窓」
返金ポリシー	1.0	明確、表示されている	「30日以内に返金」
ソーシャルメディア	0.5	フォロワーがいるアクティブなプロフィール	「VKで10Kフォロワー」
連絡先	0.5	住所、電話番号、メールアドレス	ヤロスラヴリ、+7(4852)66-27-21
サプライヤーバッジ	0.3	サプライヤーのロゴ	フッターのRehauのロゴ

計算例

タイプ	例	重み	スコア
サプライヤーバッジ	Rehau、Roto、Axor（3つ）	0.3 × 3	0.9
会社の実績	「市場で15年」	1.0	1.0
連絡先	住所、電話番号、メールアドレス	0.5 × 3	1.5
合計			3.4

JSONに記録するもの：

• triggers[] — type、count、weight、scoreを持つ見つかったトリガーの配列
• missing[] — 存在しないトリガータイプの配列
• findings — 全体的な所見
• fixes — 推奨事項

---

2.5. RR — 共鳴率

計算式：

RR = (Σ ペイン評価 / ペイン数) × 100%

範囲： 0-100%

• <30% = 弱い
• 30-60% = 平均的

• 60% = 強い

ICPのペイン特定アルゴリズム

ステップ1： ビジネスタイプを特定する（窓/ドア、SaaS、Eコマース、サービス、ローカルビジネス）

ステップ2： 普遍的なペイン + ビジネスごとの典型的なペインを取得する

普遍的なペイン（すべてに共通）：

• 「高い」
• 「信頼できない」
• 「思い通りに作られない/届かない」
• 「理解できない」
• 「期限に間に合わない」

ビジネスごとの典型的なペイン：

ビジネスタイプ	ペイン
窓/ドア	「冬は寒い」「騒音がうるさい」「歪んで/斜めに作られる」「待たされる」「選ぶのが難しい」
SaaS	「導入が難しい」「統合できない」「チームには高すぎる」「ユーザーを維持できない」
Eコマース	「時間通りに届かない」「商品が違う」「返金してくれない」「1週間で壊れた」

各ペインの評価表

評価	基準
0%	ペインがページに言及されていない
25%	ペインが言及されているが、解決策はない
50%	解決策はあるが、証拠なし
75%	解決策あり + 1つの証拠
100%	解決策あり + 強力な証拠（数字、ビデオレビュー）

計算例

ペイン	評価
高い	50%
寒い	50%
騒音	50%
歪み	50%
時間	0%
難しい	25%
合計	(50+50+50+50+0+25)/6 = 37.5%

JSONに記録するもの：

• pains[] — pain、score（0-100）、evidenceを持つペインの配列
• findings — 全体的な所見
• fixes — 推奨事項

---

ステップ3：モバイル監査

• CTAが親指ゾーン（下半分）にあるか
• テキストサイズが≥16pxか
• フォームがタップに適しているか
• 水平スクロールがないか
• スクロール時にスティッキーCTAがあるか

---

ステップ4：A/Bテストの生成

指標2.1〜2.5からの各HIGH優先度の修正について、A/Bテストを生成します：

テンプレート：

{
  "hypothesis": "もし[具体的な変更]をした場合、[指標]が[改善する]だろう、なぜなら[理由]",
  "metric": "何を測定するか（CTR、コンバージョン率、直帰率）",
  "variant_a": "ページ上の現在のテキスト/要素（正確な引用）",
  "variant_b": "推奨される変更（全文）"
}

要件：

• Variant A — 分析対象ページからの正確な引用
• Variant B — 具体的な推奨テキスト
• 指標 — 測定する具体的な指標
• 仮説 — 特定の所見に結び付けられていること

例：

{
  "hypothesis": "ヘッドラインを機能的からメリットベースに変更すれば、ヒーローセクションのCTRが向上するだろう。なぜなら、ユーザーが瞬時にメリットを確認できるからだ",
  "metric": "ヒーローセクションのCTR",
  "variant_a": "プラスチック窓とアルミ窓の製造と設置",
  "variant_b": "冬は寒いですか？5日で暖かい窓を設置 — 10年保証"
}

---

ステップ5：優先順位付けされたアクション

すべての指標（2.1〜2.5 + モバイル監査）からのすべての修正を、1つの配列 all_fixes[] にまとめます：

"all_fixes": [
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "cro.motivation"},
  {"priority": "HIGH", "text": "...", "impact": "...", "source": "lift.urgency"},
  {"priority": "MEDIUM", "text": "...", "impact": "...", "source": "ss.h1"},
  ...
]

source フィールドは、推奨事項がどの指標から来たかを示します：

• cro.motivation, cro.value_proposition, cro.incentive, cro.friction, cro.anxiety
• lift.relevance, lift.clarity, lift.urgency, lift.value, lift.anxiety, lift.distraction
• ss.h1, ss.subheadline, ss.cta, ss.structur