4.9 数値を正しく解釈するための統計の基礎
この章で学ぶこと
- 平均値の落とし穴と、中央値・分布の見方
- 割合を見るときは母数（分母）を必ず確認すること
- 曜日・季節・偶然による数値のばらつき
- 相関と因果の違い
- 差が「意味のある差」かどうかを、ざっくり判断する方法
ポイント この章では、難しい数式は使いません。アクセス解析の数値を見るときに、「この数字を信じてよいか」を判断するための考え方を身につけることが目的です。
平均値の落とし穴
GA4 には、「平均エンゲージメント時間」「平均購入収益額」など、平均 の指標がたくさんあります。平均は便利ですが、注意しないと実態を見誤ります。
外れ値に引っ張られる
次のような 5 人のユーザーのエンゲージメント時間を考えてみましょう。
ユーザー A：10 秒
ユーザー B：15 秒
ユーザー C：20 秒
ユーザー D：25 秒
ユーザー E：30 分（1,800 秒） ← ページを開いたまま作業していたこの 5 人の平均は、(10 + 15 + 20 + 25 + 1,800) ÷ 5 = 374 秒（約 6 分） です。しかし、5 人のうち 4 人は 30 秒未満で、平均の「約 6 分」は誰の実態も表していません。
このように、ごく一部の極端な値（外れ値）があると、平均は大きく引っ張られます。
中央値と分布を見る
外れ値の影響を避けるには、次のような見方をします。
| 見方 | 内容 | 上の例では |
|---|---|---|
| 中央値 | 値を小さい順に並べたときの真ん中の値 | 20 秒 |
| 分布 | どの範囲に何人いるか | 30 秒未満：4 人、30 秒以上：1 人 |
GA4 の標準レポートでは中央値は表示されませんが、BigQuery（第 10 部）を使えば計算できます。また、探索レポートで「エンゲージメント時間が 10 秒以上のセッション」のようにセグメントで分けて人数を比べると、分布に近い見方ができます。
ポイント 平均購入収益額（客単価）も、一部の大口の購入に引っ張られることがあります。客単価が急に上がったときは、少数の高額な注文がないかを、取引 ID ごとの収益で確認しましょう。
割合と母数
エンゲージメント率やキーイベント率などの 割合 を見るときは、必ず 母数（分母となる数）を確認しましょう。
母数が小さいと割合は暴れる
| ランディング ページ | セッション数 | キーイベント数 | キーイベント率 |
|---|---|---|---|
| /lp/a/ | 5,000 | 100 | 2.0% |
| /lp/b/ | 20 | 2 | 10.0% |
（数値は例）
この表だけを見ると、/lp/b/ のほうがキーイベント率が 5 倍高い「優秀なページ」に見えます。しかし、/lp/b/ のセッションはたった 20 回です。キーイベントがあと 1 件少なければ 5.0%、1 件多ければ 15.0% になります。母数が小さいと、たまたまの 1 件で割合が大きく変わる のです。
判断の目安
割合で判断するときは、次のような目安を持っておくとよいでしょう。
- 分子（キーイベント数など）が少なくとも数十件あるか：分子が数件しかない割合は、偶然の影響が大きい
- 期間を延ばすと傾向は変わらないか：1 週間で高かった割合が、1 か月で見ても高いか
- 割合と件数を必ず並べて見る：「キーイベント率 10%（20 セッション中 2 件）」のように、件数を添えて報告する
割合の平均に注意
割合どうしを単純に平均してはいけません。
ページ A：セッション 1,000、キーイベント 30（3.0%）
ページ B：セッション 100、キーイベント 10（10.0%）
割合の単純平均：(3.0% + 10.0%) ÷ 2 = 6.5% ← 誤り
全体のキーイベント率：(30 + 10) ÷ (1,000 + 100) = 3.6% ← 正しい複数の行の割合をまとめたいときは、分子と分母をそれぞれ合計してから割り算しましょう。
ばらつきと季節性
アクセス解析の数値は、毎日一定ではなく、さまざまな理由で ばらつき ます。数値の変化を見たときは、それが「意味のある変化」なのか「いつものばらつき」なのかを見極める必要があります。
主なばらつきの要因
| 要因 | 内容 | 例 |
|---|---|---|
| 曜日 | 曜日によってアクセスが変わる | BtoB サイトは平日が多く、週末が少ない。EC サイトは週末や夜が多いことも |
| 季節 | 季節や月によって需要が変わる | 年末商戦、新生活シーズン、夏休み、年度末 |
| イベント | 特定の出来事で一時的に変わる | テレビでの紹介、SNS での拡散、セール、メールの配信 |
| 外部要因 | サイトの外の変化 | 検索エンジンのアルゴリズムの変更、競合の動き、天候、ニュース |
| 偶然 | 特に理由のない上下 | 数が少ないほど大きく揺れる |
ばらつきを考慮した比較の方法
- 曜日をそろえる：前週の同じ曜日、または 7 日単位・28 日単位で比べる
- 前年同期と比べる：季節性の影響を除いて比べたいときは、前年の同じ時期と比べる
- 移動平均で見る：日別の数値の代わりに、過去 7 日間の平均の推移を見ると、曜日のばらつきがならされて傾向がわかりやすくなる
- 施策のカレンダーを残す：メールの配信日、キャンペーン、サイトの更新などを記録しておき、数値の変化と照らし合わせる
ポイント GA4 の「注釈」機能を使うと、グラフ上に施策やサイトの変更などのメモを残せます（管理画面やレポートのグラフから追加）。数値の変化の理由をあとから振り返るときに役立つので、積極的に活用しましょう。
相関と因果
アクセス解析でよくある失敗の一つが、相関 を 因果 と取り違えることです。
- 相関：2 つの数値が一緒に動く関係（一方が大きいと、もう一方も大きい傾向がある）
- 因果：一方が原因となって、もう一方が変わる関係
よくある誤解の例
例 「動画を最後まで見たユーザーは、見なかったユーザーに比べて購入率が 3 倍高い。だから、動画を見てもらえば購入が増えるはずだ」
一見正しそうですが、これは相関を見ているだけかもしれません。もともと購入意欲が高い人が、商品をよく知るために動画を最後まで見ている、という可能性があります。その場合、購入意欲の低い人に無理に動画を見せても、購入率は上がりません。
誤った解釈： 動画を見る → 購入率が上がる
別の可能性： 購入意欲が高い → 動画を見る
→ 購入する因果を確かめる方法
因果関係を確かめるには、次のような方法があります。
| 方法 | 内容 |
|---|---|
| A/B テスト | ユーザーをランダムに 2 つのグループに分け、片方だけに施策を行って比べる（第 12 部） |
| 施策の前後比較 | 施策の前と後で比べる。ただし、ほかの要因（季節など）の影響を除く工夫が必要 |
| 一部の地域や期間で試す | 施策を一部だけで実施し、実施しなかった部分と比べる |
最も確実なのは A/B テストです。アクセス解析で見つけた「相関」は、改善の 仮説 として扱い、可能であればテストで確かめるようにしましょう。
有意差のざっくり判断
2 つの数値に差があるとき、その差が「偶然ではない、意味のある差」（統計的に有意な差）かどうかを判断したいことがあります。厳密には統計的な検定を行いますが、ここでは日々の分析に使える、ざっくりとした判断の方法を紹介します。
目安 1：件数が少ない差は信用しない
キーイベントが数件〜十数件程度の差は、偶然で十分に起こり得ます。たとえば、先週 12 件、今週 15 件の問い合わせがあったとしても、それだけで「改善した」とは言えません。
目安 2：期間を延ばしても差が続くか
1 週間で見られた差が、2 週間、4 週間と期間を延ばしても続くようであれば、偶然ではない可能性が高くなります。
目安 3：ほかの切り口でも同じ傾向か
ある施策の効果が、パソコンでもスマホでも、複数のチャネルでも同じように見られるのであれば、その効果は本物である可能性が高くなります。逆に、特定の切り口だけで差が出ている場合は、偶然や別の要因を疑いましょう。
目安 4：計算ツールを使う
A/B テストの結果などを判断するときは、ウェブ上で公開されている 有意差の計算ツール（「AB テスト 有意差 計算」などで検索）を使うと、2 つのグループのセッション数とキーイベント数を入力するだけで、差が有意かどうかを判定できます。詳しくは第 12 部の「A/B テストと改善施策の検証」で扱います。
| 判断の観点 | 信用しにくい差 | 信用しやすい差 |
|---|---|---|
| 件数 | 数件〜十数件 | 数百件以上 |
| 期間 | 数日 | 数週間以上 |
| 再現性 | 特定の切り口だけ | 複数の切り口で同じ傾向 |
| 理由 | 説明できない | 施策の内容から説明できる |
よくある質問
Q. 前月比で 10% 下がりました。これは問題ですか。
A. まず、普段の変動の幅 と比べましょう。過去 12 か月の前月比が、毎月 ±15% 程度動いているなら、10% の減少は普段の範囲の中かもしれません。日数の違い、祝日、季節の影響も確認します。普段の幅を超える変化や、数か月続けて同じ方向に動く変化は、原因を調べる価値があります。
Q. 統計の知識は、どこまで必要ですか。
A. 日常のレポートでは、この章の「平均・割合・ばらつき・相関と因果」の考え方を押さえておけば十分です。A/B テストの判定や、需要の予測など、より厳密な判断が必要な場面では、統計の基礎（検定、信頼区間、回帰分析）を学んでおくと役立ちます（第 12 部の第 7 章、付録の学習ロードマップ）。
Q. 少ないデータで判断しなければならないときは、どうすればよいですか。
A. 期間を長くとる、似たページや施策をまとめて見る、などで、データの量を増やす工夫をしましょう。それでも少ない場合は、「傾向としてはこう見えるが、データが少ないため確定ではない」と、不確かさを添えて 報告することが大切です。
実践ワーク
自社の主要な KPI について、過去 12 か月の月別の値を書き出し、次の点を確認しましょう。
- 最も高い月と、最も低い月はいつか。その理由は何か（季節、施策、計測の変更など）
- 前月比の変化の幅は、普段どのくらいか（最大と最小）
- 前年同月と比べると、成長しているか
この「普段の幅」を知っておくと、月次の報告で「今月の変化は、普段の範囲の中か、それとも注目すべき変化か」を判断できるようになります。
まとめ
- 平均は外れ値に引っ張られる。中央値や分布、セグメントでの比較もあわせて見る
- 割合は必ず母数（件数）とセットで見る。割合どうしを単純に平均しない
- 曜日・季節・イベント・偶然による数値のばらつきを考慮し、曜日をそろえる・前年と比べる・注釈を残す
- 相関は因果ではない。アクセス解析で見つけた関係は仮説として扱い、できればテストで確かめる
- 差が意味のあるものかは、件数・期間・再現性・理由の 4 つの観点でざっくり判断する
これで第 4 部は終わりです。理解度クイズ で確認してみましょう。次の第 5 部では、ここまでに学んだ指標とディメンションの知識を使って、GA4 の標準レポートを一つずつ読み解いていきます。