2026年度版 公式テキスト準拠

ウェブ解析士 認定試験 合格要約

試験によく出る公式・フレームワーク・法規・GA4仕様を全8章から縦スクロールで一気に総復習！

⚡ 【試験直前必修】超頻出の重要計算式一覧

試験本番で電卓を叩く最頻出の計算問題。必ず暗記して解けるようにしておきましょう。

指標名 計算式 意味・解説
CTR (Click Through Rate) クリック数 ÷ 表示回数(imp) × 100 (%) 広告や検索結果のクリック率。
CVR (Conversion Rate) コンバージョン数 ÷ セッション数 × 100 (%) 訪問に対する成果達成率。
CPC (Cost Per Click) 総広告費用 ÷ クリック数 1クリックあたりの平均コスト。
CPA (Cost Per Acquisition) 総広告費用 ÷ コンバージョン数 成果1件を獲得するのにかかった費用。
※CPC ÷ CVR でも算出可能！
CPM (Cost Per Mille) 総広告費用 ÷ 表示回数 × 1,000 1,000回表示あたりの広告費用。
ROAS (Return On Advertising Spend) 広告経由売上 ÷ 広告費用 × 100 (%) 広告の売上回収率。100%で投資額と同額の売上。
ROI (Return On Investment) (利益 － 費用) ÷ 費用 × 100 (%) 投資利益率（採算性）。売上ではなく「粗利や利益」から費用を引く点に注意！
LTV (Life Time Value) 平均購入単価 × 購買頻度 × 継続期間 顧客生涯価値。CAC（顧客獲得単価）との比較で重要。
直帰率 (GA4) 100% － エンゲージメント率 非エンゲージメントセッションの割合。旧UAとは定義が異なる！
エンゲージメント率 (GA4) エンゲージメントセッション数 ÷ 全セッション数 × 100 (%) 10秒以上滞在、CV発生、または2ページ以上閲覧の割合。

第1章 ウェブ解析と基本的な指標

p.13〜55

1-1 & 1-2 ウェブ解析の意義とウェブ解析士の役割

  • ウェブ解析の目的: 単にアクセス数を増やすことではなく、「事業の成果（売上・利益・課題解決）に貢献すること」が本質。
  • ウェブ解析士の役割: データを収集・集計する作業者ではなく、データを基に「経営課題を発見し、改善の意思決定・アクションを導くファシリテーター」。
  • 解析の4つの視点:
    ① マクロ視点（市場トレンド、法改正、業界全体の動き）
    ② ミクロ視点（特定ユーザーの行動、個別の離脱ポイント）
    ③ 定量分析（数値、セッション数、CVRなど客観的データ）
    ④ 定性分析（アンケート、インタビュー、ヒートマップなどユーザーの心理・感情）

1-3 基本指標（KGI・KSF・KPIの体系）

  • KGI (Key Goal Indicator / 重要目標達成指標): 最終的なビジネスゴール（例: 年間売上1億円、純利益20%増）。
  • KSF (Key Success Factor / 重要成功要因): KGIを達成するための主要因（例: 新規顧客の大量開拓、リピート率の劇的改善）。
  • KPI (Key Performance Indicator / 重要業績評価指標): KSFの進捗を定量的に測る中間指標（例: 月間リード獲得数300件、CVR 2.5%）。
💡 試験の頻出ポイント: KGIから直接KPIを決めるのではなく、「KGI ➔ KSF（何が成功要因か） ➔ KPI（どう測るか）」の順序で設計すること！

1-4 関連法規・プライバシー・ポリシー（2026年最新基準）

  • 頻出 改正個人情報保護法: Cookie等の識別子と個人情報を紐付ける場合の本人同意取得、安全管理措置の厳格化。
  • 超頻出 ステマ規制（景品表示法）: 2023年10月施行。事業者が広告であることを隠して行う表示（口コミ偽装、インフルエンサー依頼で「PR」等の表示がないもの）は事業者側が行政処分を受ける。
  • 外部送信規律（電気通信事業法）: ウェブサイト訪問者の情報を外部サーバー（Google Analyticsや広告タグ等）へ送信する場合、公表または通知・オプトアウトが必要。
  • 特定商取引法: ECサイトにおける運営者情報（氏名、住所、電話番号、キャンセル・返品特約など）の明記義務。
  • GDPR / CCPA: EU（GDPR）や米国カリフォルニア州（CCPA）の厳格なプライバシー規制。欧州向けサイトでのCookie同意バナーの必須化。

1-5 生成AIとウェブ解析

  • 活用領域: データの初期集計、レポーティングの文章ドラフト作成、ペルソナ仮説の立案、広告文・コピーの多変量生成。
  • リスクと対策: ハルシネーション（もっともらしい嘘）、機密情報・個人情報の漏洩リスク（オプトアウト設定の確認）、最終判断は必ず人間の解析士が担う。

第2章 事業戦略とマーケティング解析

p.56〜106

2-1 必須の環境分析フレームワーク

フレームワーク 構成要素 試験対策の勘所
3C分析 Customer（市場・顧客）、Competitor（競合）、Company（自社） 自社の強みと競合との差別化ポイントを明確にする。
PEST分析 Politics（政治）、Economy（経済）、Society（社会）、Technology（技術） 自社ではコントロールできない外部環境（マクロ環境）を分析。法改正や景気動向など。
5 Forces分析 競合他社、新規参入の脅威、代替品の脅威、買い手の交渉力、売り手の交渉力 マイケル・ポーター提唱。業界の収益性と競争の激しさを分析。
SWOT分析 Strength（強み）、Weakness（弱み）、Opportunity（機会）、Threat（脅威） 内部環境（S・W）× 外部環境（O・T）。「クロスSWOT」で具体的な戦略（攻め・防衛など）を導く。
4P と 4C 4P（企業視点）: Product, Price, Place, Promotion
4C（顧客視点）: Customer Value, Cost, Convenience, Communication 		4Pと4Cの対応関係の組み合わせ問題が定番！
・Product ⇄ Customer Value
・Price ⇄ Cost
・Place ⇄ Convenience
・Promotion ⇄ Communication

2-2 ユーザー行動分析（ペルソナとカスタマージャーニー）

  • ペルソナ: ターゲット層の代表的な架空の人物像。年齢・職業・価値観・休日の過ごし方・悩みなどを具体的に設定。
  • カスタマージャーニーマップ (CJM): 認知 ➔ 興味・関心 ➔ 比較・検討 ➔ 購入 ➔ 共有・リピートの流れに沿って、ユーザーの「行動・思考・感情・タッチポイント・課題」を時系列で可視化した図。

第3章 デジタル戦略と計画・設計（MELSAモデル）

p.107〜164

3-1 MELSA（メルサ）モデルとは？

ウェブビジネスの特性を5つに分類したウェブ解析士独自のビジネス分類モデル。各モデルで追うべきKGI/KPIが全く異なります。

モデル ビジネス形態例 主要KGI / KPI
M: Media（メディア） ニュースサイト、ポータル、ブログ PV数、ユニークユーザー数、広告インプレッション、滞在時間、リピート率
E: E-Commerce（EC） 通販サイト、物販 売上（セッション×CVR×単価）、カート放棄率、リピート率、LTV
L: Lead Generation（見込み客獲得） BtoB製品、資料請求、不動産問合せ リード数（問合せ数）、CPA、商談化率、受注率
S: Support（サポート） FAQ、カスタマーサポート、マニュアル 問い合わせ件数削減率、自己解決率、CSAT（顧客満足度）
A: Active User（アクティブユーザー） SaaS、会員制サイト、Webアプリ DAU / MAU、継続利用率、チャーンレート（解約率）、MRR
⚠️ Supportモデルのひっかけ: サポートサイトでは「PV数が多い＝自己解決できず迷っている」可能性があるため、PV増が必ずしも良いとは言えない！

3-2 ECサイトの売上方程式

💰 EC売上 ＝ セッション数 × コンバージョン率 (CVR) × 客単価
  • 売上を伸ばすには、「集客（セッション）」「接客（CVR）」「単価向上（客単価/クロスセル）」のどこにボトルネックがあるかを特定する。
  • F2転換率: 初回購入者（F1）が2回目の購入（F2）に至る確率。リピート型ビジネスの最重要KPI。

第4章 ウェブ解析の設計とGA4

p.165〜209

4-1 Googleアナリティクス4（GA4）の本質的変化

  • イベントベースのデータモデル: 旧UAの「セッション・ページビュー軸」から、すべての行動を「イベント（＋パラメータ）」として計測するモデルへ刷新。
  • ヒット種別の撤廃: ページビュー、イベント、トランザクション、ソーシャルなど区別されていたものがすべてイベントに統一。
  • Webとアプリの統合計測: 共通のデータスキーマでクロスプラットフォーム計測が可能。

4-2 GA4の4大イベント区分

区分 収集方法 代表例
自動収集イベント 初期設定のみで自動計測 first_visit, session_start, user_engagement
拡張計測機能イベント 管理画面のスイッチONで自動計測 page_view, scroll(90%), click(外部リンク), view_search_results, video_start, file_download
推奨イベント Google推奨の名前とパラメータで実装 login, sign_up, purchase, add_to_cart
カスタムイベント 独自に名前を決めて実装 独自のボタンクリック、特定のステップ完了など

4-3 タグマネジメント（GTM）の3大要素

  • タグ (Tag): 実行するコードそのもの（例: GA4設定タグ、Google広告タグ）。
  • トリガー (Trigger): タグを実行する条件・タイミング（例: すべてのページ表示時、購入完了URL到達時、特定ボタンクリック時）。
  • 変数 (Variable): タグやトリガーに渡す動的な値（例: クリックされたURL、ページのタイトル、商品金額）。

第5章 インプレッションの解析（広告・集客）

p.210〜252

5-1 チャネル別の特性と集客構造

チャネル名 定義・特徴 ユーザーの態度・狙い
Organic Search 検索エンジンの自然検索結果経由 顕在層・課題認識層。継続的でコスト効率の良い集客（SEO）。
Paid Search 検索連動型広告（リスティング広告） ニーズが明確な購買直前の顕在層。キーワード指定で即効性が高い。
Display ディスプレイ広告（バナー広告等） 潜在層への認知拡大、リターゲティングによる再訪促進。
Paid Social SNS広告（Meta, X, LINE, TikTok等） 詳細なデモグラフィック・興味関心ターゲティング。
Direct ブックマーク、URL直接入力、アプリ内リンク 既存顧客、ロイヤルユーザー、指名訪問。
Referral 他社Webサイトのリンク経由 被リンク、提携サイト、紹介メディアからの流入。

5-2 SEO（検索エンジン最適化）とSearch Console

  • Search Consoleの4大指標:
    ・表示回数 (Impressions): 検索結果にURLが表示された回数
    ・クリック数 (Clicks): 検索結果から訪問された回数
    ・平均CTR: クリック数 ÷ 表示回数
    ・平均掲載順位: 検索結果での順位平均
  • クロールとインデックス: 検索ロボット（クローラー）が巡回し、データベース（インデックス）に登録されて初めて検索結果に表示される。

第6章 エンゲージメントと間接効果

p.253〜293

6-1 アトリビューション分析（貢献度の割り当て）

ユーザーが初回訪問からCVに至るまでに複数チャネルを経由した際、各チャネルに貢献度をどう分配するかの評価モデル。

モデル名 貢献度の配分ルール 特徴・注意点
ラストクリック 最後の接触チャネルに100%配分 分かりやすいが、初回認知や比較検討に寄与したチャネルが過小評価される。
ファーストクリック 最初の接触チャネルに100%配分 認知拡大施策（ブランディング・SNS）の評価に向く。
線形（リニア） すべての接触チャネルに均等配分 全体を公平に見るが、どの接点が決定的だったか分かりにくい。
接点ベース 最初と最後に40%ずつ、中間に20%配分 認知と成約の重要接点を重視するバランス型。
データドリブン 機械学習がCVへの実際の寄与度を計算 GA4のデフォルト設定。一定以上のデータ量が必要。

6-2 マイクロコンバージョン（間接効果の測定）

  • マイクロCVとは: 最終成果（購入・成約）に至る中間ステップ（カート追加、会員登録、資料閲覧など）。
  • 意義: 最終CVの母数が少ない場合でも、どの広告や記事がユーザーの購買意欲を高めたかを早期に評価できる。

第7章 オウンドメディアの解析と改善

p.294〜337

7-1 改善の3大手法：LPO / EFO / A/Bテスト

手法 正式名称 具体的改善ポイント
LPO ランディングページ最適化 ファーストビューと流入広告の整合性、明確なキャッチコピー、視認性の高いCTA（ボタン）配置、表示速度の改善。
EFO エントリーフォーム最適化 必須項目の最小化、郵便番号からの住所自動入力、リアルタイムエラー表示、スマホ対応キーボード（テンキー指定等）。
A/Bテスト スプリットテスト 複数パターンの要素を同時に配信し比較。同時に変更する箇所は1箇所に絞るのが鉄則。統計的有意性を確認。

7-2 ヒートマップ解析の3種

  • スクロールマップ: ページのどこまでユーザーがスクロール到達したか（到達率・読了率の把握）。ファーストビュー直下の離脱に注意。
  • アテンションマップ: ユーザーが長く視線を止めて熟読している箇所（関心エリアの特定）。
  • クリックマップ: リンクやボタン、またはリンクではないのに誤ってクリックされている箇所の特定。

第8章 ウェブ解析士のレポーティング

p.338〜403

8-1 伝わるレポートの3層構造

📊 ① 事実（データ） ➔ ② 考察・要因（なぜ起きたか） ➔ ③ 次のアクション（具体的施策）
  • データだけをグラフ化して並べたものはレポートではなく「単なる集計表」。
  • ステークホルダー（経営者・事業責任者）が求めているのは「次に何をすれば事業目標を達成できるか」の意思決定材料。

8-2 グラフの適切な使い分け（試験頻出）

グラフ種類 最適な表現目的 注意点
折れ線グラフ 時系列の推移・トレンド（月別売上、日別セッション数） 項目の数が多すぎると視認性が低下する。
棒グラフ 項目間の数値比較（チャネル別CV数、商品別売上） 縦軸の基点は原則「0」から始める（誇大表現防止）。
円グラフ / 帯グラフ 全体に対する構成比率（年齢層構成、流入元シェア） 合計が100%になること。要素は5〜7個以内に収める。
散布図 2つの指標間の相関関係（滞在時間と購買額など） 相関関係は必ずしも因果関係ではない点に留意。

8-3 ステークホルダー別の報告アプローチ

  • 経営層・役員: 細かいPVやクリック数ではなく、「KGI（売上・粗利・顧客数）」「ROI・費用対効果」「今後の投資判断」をエグゼクティブサマリー1枚で簡潔に提示。
  • 現場・マーケティング担当者: チャネル別の進捗、CTR/CVRの変動要因、ABテスト結果、来週・来月の具体作業タスクを提示。

🎯 【直前確認】試験で狙われる「ひっかけ・正誤」チェックリスト