クリック率の高いアドセンス配置やサイズを検証する方法【A/Bテスト】

こんにちは、ほわいとです。

あなたはアドセンスの最適な配置やサイズ等を正しく検証できていますか？

どのように検証したら良いのか分からず、
適当に期間を決めてアドセンスを張り替えたりしている人も多いかと思います。

また、アドセンス管理画面からABテストを行うこともできますが、
「テキスト/イメージorイメージ」または「テキスト広告の色」など、
あまり重要ではない項目しか検証することができません。

「アドセンスの配置やサイズ等もABテストをしたい」
という人も多いのではないでしょうか？

そこで今回、様々なパターンのアドセンスをABテストで検証して、
最適なアドセンスの種類・配置を発見する方法をご提案します。

1 1:アドセンスの検証方法について
2 2:アドセンス検証の手順
3 あとがき

1:アドセンスの検証方法について

アドセンスの検証をする際、
多くの人が行っているのがABテストです。

簡単に言うと、“A”と“B”の2種類のアドセンスをサイトに貼った際の成果を比較し、
どちらが優れているのかを検証して採用するアドセンスを判断するというものです。

そして、ABテストには主に2種類の方法があります。

別の期間（1ヶ月ずつなど）それぞれデータをとって検証する「時間差ABテスト」と、
同じ期間にそれぞれのデータをとって検証する「同時ABテスト」です。

アドセンスの場合、多くの人は数日～数ヶ月といった期間でアドセンスを張り替える、
前者の「時間差ABテスト」で検証している人が多いかと思います。

しかしアドセンスの場合、
時間差ABテストで検証するのはあまり好ましくありません。

なぜだか分かるでしょうか？

アドセンスは“時期によってクリック率・単価が大きく上下してしまう”からです。
これはご自身のアドセンスの収益レポートを確認してもらえば分かってもらえると思います。

どんなにPVが増えても、クリック率・単価は安定しないものですし、
僕の場合だと月によってクリック率が1.5倍程違ってくることも珍しくありません。

なので、時間差ABテストで別の期間のデータを比較してしまうと、
本来比較したい広告効果が検証できているとは限らないのです。

5月のアドセンスAよりも6月のアドセンスBの方がクリック率や単価が良かったとしても、
それは、単にその時期に配信されていた広告が豊富でサイトにマッチしてたからかもしれません。

なので、アドセンスの検証をする際は、
同じ期間のデータを検証する「同時ABテスト」を行うのが望ましいといえます。

「どうやって同じ時期のデータを取れば良いのか分からない」と思うかもしれませんが、
WordPressの場合、条件分岐を使ってランダムにアドセンスを表示させることができるので、
意外と簡単に同時ABテストを行うことができます。

そして、ある程度データが集まったら、
そのデータの信頼性を確認するために“有意差検定”というものをします。

2:アドセンス検証の手順

前置きが長くなってしまいましたが、
実際の手順について説明していきます。

以下のとおり、3つの手順です。

検証するアドセンス毎にカスタムチャネルでまとめる
WordPressの条件分岐で2パターンのアドセンスをランダムに表示
検定（z検定）により、結果の信頼度を確認する

2.1:検証するアドセンス毎にカスタムチャネルでまとめる

既存のアドセンスAと新たに発行するアドセンスBを比較する場合、
レポートで確認できる表示回数やレポートの開始時期が異なるため、
比較しにくくなります。

なので既存のアドセンスも、
新たに発行したアドセンスと同様に、1から同時にカウントされるようにするために、
それぞれアドセンスの管理画面にある機能、『カスタムチャネル』に登録します。

また、単独のアドセンスではなく、複数のアドセンスの効果を検証する際にも、
アドセンスレポートをまとめられるので、カスタムチャネルは重宝します。

説明がよく分からない人でも実際にやってみたら分かってもらえると思うので、
図を参考にやっていきましょう。

以下のような場合を想定します。

例

現在、記事下（PC表示）に336×280のレクタングルを横に2つ並べているが、 336×280のレクタングルを縦に2つ並べるのも良いという情報を知ったため、どちらがクリック率が高いのかを検証する。

「アドセンスA+A’」と「アドセンスB+B’」の結果を比較しますが、
前者のそれぞれの広告ユニットは既に何万PVというデータが蓄積しているため、
後者の新たに発行するアドセンスとは結果が比較はしにくい状態です。

また、複数のアドセンスの比較も面倒臭そうですね。

そこで、それぞれをカスタムチャネルに登録します。

最終的にここで何がしたいのかというと、
以下のようにアドセンス管理画面のカスタムチャネルレポートで、
検証したい2つのアドセンスのレポートを表示させます。

カスタムチャネルA（【テスト】レク横）：横に並べた2つのアドセンスのデータを加算したもの
カスタムチャネルB（【テスト】レク縦）：縦に並べた2つのアドセンスのデータを加算したもの

では具体的な手順の説明です。

現在サイトにはアドセンスは横に並べているとして、
新たに縦に並べるためのアドセンスコードを発行します。

この時、同時に【新規カスタムチャネルを作成】をクリックして、
縦に並べる2つの広告ユニットを登録して保存します。

続いて検証したいもう一方のアドセンスもカスタムチャネルに登録します。
ここでは既存の横に並べているダブルレクタングルの2つのコードです。

今回、新規に発行した縦に並べるアドセンスをカスタムチャネル『【テスト】レク縦』、
既存の横に並べるアドセンスをカスタムチャネル『【テスト】レク横』としました。

これで【パフォーマンスレポート】の【詳細レポート＞カスタムチャネル】にて、
それぞれのクリック率やRPM、収益などが確認できます。

既存のアドセンスも、カスタムチャネルに登録した時点からカウントされます。

2.2:WordPressの条件分岐で2パターンのアドセンスをランダムに表示

続いて、比較したい2つのパターンのアドセンスを、
WordPressの条件分岐でランダムに表示させるようにします。

参考：【PHP】50％の確率で条件分岐するスクリプト【WordPress】

以下のコードを使います。

<?php
	// 50%の確率でランダム表示
	$r = rand(0, 1);
	if ($r == 0) {
?>
アドセンスA 
<?php }else{ ?>
アドセンスB
<?php } ?>

<?php

// 50%の確率でランダム表示

$r = rand(0, 1);

if ($r == 0) {

アドセンスA

<?php }else{ ?>

アドセンスB

<?php } ?>

これを任意の場所に書き加えることで、
その箇所にアドセンスAとアドセンスBをランダムに表示させることができます。

例えば、下のアドセンスB（300×250）という図は1/2の確率で表示されたものです。このページを更新すると1/2の確率でアドセンスA（336×280）になります。

アドセンスB（300×250）

ただし、基本的にPHPは記事投稿内で使うことが出来ないので、
これを使う場合は「single.php」などテーマのテンプレートに書き加えてください。

記事投稿内でphpを使う場合は、
プラグイン「Exec-PHP」を使うか、ショートコード化する必要があります。

前者の場合はセキュリティ面で大きな問題があるため、
後者の方法を行うべきなのですが、少し複雑なのでここでは割愛します。

要望があればお答えするので、この記事にコメントして下さい。

ちなみに、上の更新によってアドセンスAとアドセンスBが切り替わるのも、
ショートコードで実現しています。

2.3:結果の信頼度の検証（z検定）

ある程度期間が経ってそれぞれのパターンのデータが取れたら、
最後にそのデータの信頼度をチェックします。

ある期間のデータで「アドセンスA＞アドセンスB」という結果が出ていたとしても、
その差が小さかったり、表示回数が少なかった場合、その差が偶然生じたものかもしれません。

もう一度同じ期間だけデータを取った場合、
今度は逆に「アドセンスA＜アドセンスB」になる可能性も否定出来ないかと思います。

そこで、結果を信頼しても良いのかどうかを判断するのに使われるのが、
統計学的な検定方法です。

今回、アドセンスの表示回数とクリック数から検定を行い、
信頼度を確認できるツールを作りました。

詳しい説明をしたら長くなってしまうので省略しますが、
どういう計算をしているのかだけを書いておきます。

${ P }_{ A }({ P }_{ B })$ ：アドセンスA（B）のクリック数/アドセンスA（B）の表示回数
$\overline { P }$ ：アドセンスA・Bの総クリック数/アドセンスA・Bの総表示回数
${ n }_{ A } ({ n }_{ B } )$ ：アドセンスA（B）の表示回数
$Z=\frac { |{ P }_{ A }-{ P }_{ B }| }{ \sqrt { \overline { P } (1-\overline { P } )(\frac { 1 }{ { n }_{ A } } +\frac { 1 }{ { n }_{ B } } ) } }$
$\\ Z<1.28$ ：信頼度80％未満
$\\ 1.28\le Z<1.64$ ：信頼度80％以上
$\\ 1.64\le Z<1.96$ ：信頼度90％以上
$\\ 1.96\le Z<2.58$ ：信頼度95％以上
$\\ 2.58\le Z$ ：信頼度99％以上