離脱率とは|『どこでユーザーが去るか』を発見する指標の本質とファネル改善への活用

『離脱率』って、ぶっちゃけ意味わかってます?

株式会社Cameen 西村温裕ことおんゆーです。

近年、Webサイト運営やLP最適化の文脈で「離脱率」という用語をよく見かけます。Googleアナリティクス(GA4)の管理画面を開けば、必ず「離脱率」「直帰率」「セッション継続率」、こういう指標が並んでいます。CVR改善の話になると、必ずと言っていいほど「離脱率の高いページから順に改善する」というセオリーが語られるんですよね。

でも、いざ「離脱率って具体的に何の割合?」「直帰率と何が違う?」「離脱率が高いと何がダメ?」と聞かれると、答えに詰まる方が多いんですよね。「サイトから出ていく割合」というふんわりした認識で止まって、離脱率の本質的な使い方まで理解している人は意外と少ない。これ、自分だけだと思ってませんか?

うちの事業で複数のLP・ステップサイト・コンテンツビジネスファネルを5年以上運用してきて、離脱率を読み違えて事業判断を誤った経験も、逆に離脱率の改善でCV率が3倍に伸びた経験も、両方あります。その中で見えてきたのは、離脱率は単なる「サイト離れの割合」ではなく、「ファネルのどこでユーザーが脱落しているかを発見する装置」だということ。数値の高低を見るのではなく、「どこで」「なぜ」「誰が」離脱したかを掘る指標です。

もう1つ繰り返し観察したのは、「離脱率が高い=悪い、と短絡的に判断して、改善する必要のないページを改修してしまうマーケター」が多いという事実。サンクスページや購入完了ページで離脱率90%以上は当然なのに、そこを「離脱率が高いから問題」と判断して工数を浪費する。これは典型的な落とし穴です。

今回はその「今さら聞けない離脱率」を、表面的な指標解説ではなく、ファネル分析の構造と改善判断の本音まで一気に深掘りしていきます。読み終わる頃には、自分のサイトでどのページの離脱率を優先的に改善すべきか、紙に書き出せるレベルになっているはずです。

結論:離脱率の核心は「サイトを去る割合」ではなく「ファネルのどこで脱落が起きているかを発見する指標」

離脱率の本当の正体は、「サイト全体のファネル(導線)構造の中で、各ページがどれだけ脱落点になっているかを定量的に見える化する発見指標」のことです。単なる「去る割合」ではなく、ファネル改善の起点を特定するためのレントゲン写真のようなものです。

業界の体感として、Webサイトの全ページ平均離脱率は40〜60%が一般的。ただしこれは平均値の話で、ページ種別ごとに大きく差があります。トップページの離脱率は20〜40%、商品詳細ページは30〜50%、フォーム入力ページは10〜30%、完了ページは80〜95%、というのが一般的な分布です。完了ページの離脱率が高いのは「役割を果たした正常な離脱」なので、改善対象にはなりません。

離脱率を見るときに重要なのは、「ファネルにおけるそのページの位置」を必ず併記して評価することです。集客の入り口ページなら離脱率20%でも高すぎる、コンバージョン直前のページなら離脱率15%でも改善余地あり、完了ページなら離脱率95%でも気にしない、という判断の引き出しが必要になります。

離脱率の真の価値は「数値の絶対値」ではなく、「ページ間の相対値とファネル全体の流れ」を把握することにあります。LP→商品ページ→申込ページ→完了ページ、こういう一連のファネルを並べたとき、どこで離脱率が異常に跳ね上がるかが見えてくる。その跳ね上がる箇所こそが、改善すべきボトルネックです。

なぜ「Exit Rate」と命名されたのか

もう少し深く掘ります。なぜこの指標は「Exit Rate(エグジット・レート、離脱率)」と名付けられたのか。命名の背景を整理します。

「Exit(エグジット)」は英語で「出口・退出」のこと。建物や駅にある非常口の標識を思い浮かべるとイメージしやすいですよね。Webサイトという建物の中で、ユーザーがどの出口(=ページ)から出ていったかを数えるのが、Exit Rate(離脱率)です。建物の構造として、特定の出口に人が集中しているなら、そこに何か理由がある、というのが発想の原点です。

離脱率の概念は、Googleアナリティクスが2005年にローンチされた当初から標準機能として実装されていました。Googleが買収したUrchin(アーチン)という解析ツールの時代から、Exit RateはBounce Rate(直帰率)と並ぶ二大ファネル分析指標として定着していました。ちなみに、Urchinは1995年創業、Googleが2005年に買収してGoogleアナリティクスに進化させた歴史があります。

ここで重要なのが、似ている用語「Bounce Rate(直帰率)」との対比です。直帰率は「1ページだけ見て帰ったセッションの割合」、離脱率は「そのページがセッションの最終ページだった割合」。直帰率はランディング(入り口)を評価する指標、離脱率はサイト内の任意のページを評価する指標、という違いがあります。両者を混同するマーケターが多いですが、見ている対象がそもそも違うんですよね。

もう1つ理解しておきたいのが、ファネル分析の基本指標としての位置づけです。Webサイトを「漏斗(ろうと)」に見立てたとき、上から下へ流れるユーザーがどこで詰まるか、どこで漏れるかを可視化するのが離脱率の役割。漏斗の上部(集客)・中部(検討)・下部(申込・完了)、それぞれの段階で離脱率を読むことで、ファネル全体の健康診断ができます。

日本では2010年以降、コンテンツマーケティング・LP最適化・CRO(Conversion Rate Optimization)の文脈で離脱率という用語が一般化しました。「サイト分析を始めたら、まず離脱率の上位5ページを特定して改善する」、これがマーケ業界の入門セオリーになっています。とはいえ、業界平均で離脱率を機械的に改善するだけだと、本質を外す危険があります。後述します。

GA4(2023年7月から旧Universal Analyticsの後継)では、離脱率の定義が一部変更され、「エンゲージメント率」「セッション継続率」など新しい指標も追加されました。ただ、ファネル分析の基本構造は変わっていません。離脱率という言葉を聞いたら、「どのページでユーザーが出ていったか」を考える、これが大原則です。

離脱率分析の現場で何が起きているか(5段階)

離脱率を実際にファネル改善に活用するとき、現場では5段階のプロセスが繰り返されます。教科書的な解説では「離脱率の高いページを改善しろ」と1行で済まされますが、実際の現場はもっと泥臭い反復作業です。

これから挙げる5段階の各フェーズで、運営者の頭の中で何が起きているかを1人称で描写します。読みながら「これ、自分のサイトでも同じだな」と感じる箇所が必ず出てくるはずです。

段階1:全ページの離脱率データを取得する

離脱率分析の第一歩は、GA4の管理画面から「ページとスクリーン」レポートを開き、全ページの離脱率ランキングを取得すること。エクセルやスプレッドシートに書き出して、PV数・離脱数・離脱率の3列で並べます。期間は直近30日が標準。短期だとデータが揺れますし、長期だと改善前後の比較がしにくくなります。

このとき多くの運営者が頭の中で考えるのは、「離脱率の高いページから順に改善すれば、CVR上がるはず」という発想。でも、これがそもそも罠です。離脱率の絶対値を見るのではなく、「ファネルにおけるそのページの位置」を必ず併記する必要があります。これを飛ばすと、サンクスページの改修に時間を使うという無駄が発生します。

段階2:改善優先度の高い離脱ページを特定する

次に、離脱率の高いページを「役割」で分類します。完了ページ・サンクスページなど「離脱しても正常」なページは除外。商品詳細ページ・申込ページ・LP本体・カート画面など「離脱したら機会損失」のページを抽出。この時点で改善対象は5〜10ページ程度に絞り込まれます。

運営者の頭の中はこの段階で、「このページ、なぜユーザーは去るんだ?」という問いに変わります。数値を見ているうちは表層的な分析でしたが、ここから先は仮説思考が要求されます。アクセスログだけでは分からないので、ヒートマップツール(Microsoft Clarity、Mouseflow等)、ユーザーインタビュー、競合ページ比較、こういう質的データを集める作業に入ります。

段階3:離脱原因の仮説を立てる

離脱原因の仮説は、ヒートマップ・スクロール率・滞在時間・退出時のページ位置、これらのデータを総合的に見て立てます。代表的な離脱原因は3パターン:(1)ページ単体の問題(コンテンツが薄い・UIが使いにくい)、(2)導線の問題(次のリンクが不明確・CTAが下に埋もれている)、(3)コンテンツとユーザー期待のミスマッチ(集客時のメッセージと中身が違う)。この3視点で仮説を立てます。

運営者の頭の中はこの段階で、「数字から物語を描く」モードに切り替わります。例えば、商品詳細ページの離脱率が60%で、ヒートマップを見たらスクロール率30%以下のユーザーが半数。これは「ファーストビューで離脱している」という仮説。原因は「価格表示が高すぎる」「タイトルが期待外れ」「画像が魅力不足」などが考えられます。

段階4:改善を実装する

仮説に基づいた改善実装をします。CTAボタンの位置変更、ファーストビューの見直し、価格表記の調整、画像差し替え、コピーの書き換え、こういう具体施策に落とし込みます。1度に複数の変更を入れると、何が効いたか分からなくなるので、A/Bテストを使って1要素ずつ検証するのが基本。Google Optimizeが2023年9月に終了したため、現在はVWO、Optimizely、AB Tasty等の代替ツールが使われます。

運営者の頭の中はこの段階で、「仮説をテストで検証する科学者モード」になります。「この仮説、本当に効くか?それとも別の要因か?」という問いを持ち続けることが、改善の質を左右します。直感に頼って大改修すると、何が良くて何が悪かったか分からなくなります。

段階5:再計測してファネル全体の影響を見る

改善後、最低2〜4週間データを取り、再計測。離脱率が下がったか、CV率が上がったか、ファネル全体のCVRが上がったか、これらを確認します。ここで重要なのは、特定ページの離脱率だけ見ないこと。離脱率が下がっても、ファネル全体のCVRが変わらないなら、ユーザーが別のページに移動しただけで本質的改善ではありません。

運営者の頭の中はこの段階で、「部分最適と全体最適のせめぎ合い」を意識します。離脱率を改善する目的は、最終的なCV(コンバージョン)を増やすこと。離脱率という指標は手段であって目的ではありません。これを忘れて、離脱率を下げることが目的化すると、本質的な事業成長から遠ざかります。

身近な話で全体像をつかむ

ちょっと身近な話で、離脱率の全体像を掴み直しましょう。スタートアップ・コンテンツビジネスの文脈で語ると専門的に響きますが、実は「駅構内の通行人観察」と本質は同じです。

大きな駅、例えば東京駅や新宿駅を思い浮かべてください。改札を抜けた人が、駅構内の通路や階段を通って、目的地のホームへ向かいます。途中で「外に出る出口」「飲食店街」「お土産売り場」「乗換通路」、いろんな分岐があります。駅員さんが「この駅、人の流れがどうなっているんだろう?」と調べたいとき、どこで人が引き返したか、どこから出ていったかを観察するんですよね。

例えば「中央通路の途中で半数の人が脇道に逸れて外に出てしまう」という現象があったら、なぜそこで離脱するんだろう?と。看板が分かりにくい?照明が暗い?臭いが気になる?あるいは「そもそも目的地に向かっていない人がここを通過している(=ユーザー期待ミスマッチ)」?こういう仮説を立てて、看板を増やす・照明を明るくする・案内係を配置する、こういう改善を試みます。

大事なのは、「すべての出口で離脱率を均等にゼロにしよう」とは思わないこと。「最寄りの出口」は当然離脱率が高いし、それは正常な離脱です。むしろ「目的地のホームに向かう途中で離脱する人」、ここを集中的に減らすのが改善の本筋。役割によって「正常な離脱」と「異常な離脱」を切り分けるのが、駅員さんの腕の見せどころです。

もう1つ、駅構内には「階段の途中で引き返す人」もいます。階段を3段昇って「やっぱり違う」と感じて戻る、これはエスカレーターのありかが分からなかったか、上に何があるか不明だったかのどちらか。Webサイトで言うと、フォーム入力ページの途中で離脱する人、商品詳細ページのスクロール途中で戻る人、これに相当します。「入った瞬間に違和感を感じる」「思っていた中身と違う」、そういう経験が離脱の主因です。

これ、まんま離脱率なんです。駅員さんが構内の人流を観察するように、Webサイト運営者は離脱率データを観察する。出口が悪いのか、通路が悪いのか、目的地が違うのか、視点を変えて掘っていく。「単に出ていった割合」を見るのではなく、「なぜ、どこで、誰が出たか」を掘る指標、これが離脱率の本質です。

離脱率改善の3視点

離脱率を改善する際、ベテラン運営者は必ず「3視点」のフレームワークを使います。初心者ほど1視点だけで改修してしまい、効果が出ないループに陥ります。3視点をすべて検討してから施策を決める、これが王道です。

改善視点を欠落させがちな失敗例:「離脱率が高いから、とりあえずCTAボタンを赤くした」「ファーストビューの画像を変えた」、こういう単発の改修。視点が1つしかないと、本質的な原因を見落とすので、改善後にも離脱率がほとんど変わらず、徒労に終わります。

正解は逆。まず3視点で原因仮説を整理して、どの視点が最も影響大きいかを判断し、優先度の高い視点から手を入れる。3視点を順番に見ていきます。

わかりますか?離脱率改善は「ボタンの色を変える」みたいな単発施策ではなく、3視点の全体設計から逆算する作業なんです。視点1(ページ単体)が悪ければ全体が崩れるし、視点2(導線)が悪ければ次へ進まないし、視点3(期待ミスマッチ)が悪ければそもそも来てはいけない人が来ている状態。優先度を決めて、影響大きいところから順に手を入れる、これが本筋です。

離脱率活用で失敗する典型3パターン

うちの事業で複数のLP・ファネルを運用してきた中で、離脱率の活用で失敗する典型パターンを観察してきました。ほぼこの3パターンに収束します。1つずつ整理します。

うちの事業で運用してわかった本音

うちの事業で5年以上、複数のLP・コンテンツビジネスファネルを離脱率を見ながら改善してきて、わかった本音をお伝えします。教科書には書かれていない、現場の生々しい話です。

本音1:離脱率はファネル位置で評価基準が違う

離脱率を見るとき、絶対値ではなく「ファネル位置に応じた相対値」で評価しないと、判断を誤ります。うちの事業の経験では、ファネル上部(LP・記事ページ)の離脱率は50〜70%が普通、中部(商品詳細・申込説明ページ)は30〜50%が普通、下部(フォーム入力・最終確認)は10〜30%が理想、完了ページは80〜95%が正常。同じ「離脱率60%」でも、上部なら問題なし、下部なら大問題、という判断基準を持つ必要があります。

過去の失敗で、記事ページの離脱率60%を「高すぎる」と判断して、関連リンク追加・CTAボタン増設・コンテンツ補強で大改修したことがありました。結果、PV数は増えたものの、最終CVRは変わらず、改修に費やした工数は3週間分。後で気づいたんですが、記事ページは「読み終わったら役割完了で離脱が普通」のページで、離脱率60%は健全だったんです。ファネル位置を見ずに数値だけ追うと、こういう失敗が起きます。

本音2:フォーム入力ページの離脱率が事業のCV直結

離脱率改善で最も投資対効果が高いのは「フォーム入力ページ」の改善です。集客記事の離脱率を5%下げるより、フォーム入力の離脱率を5%下げるほうが、最終CV数への影響が3〜5倍大きい。理由は単純で、フォーム入力に到達したユーザーは「申込意欲が高い顕在層」だから、ここでの離脱は機会損失が大きい。集客フェーズの離脱は「もともと買う気がない人」が大半なので、改善しても効果は限定的です。

うちの事業の実例で、フォーム入力ページの入力項目を10項目→5項目に減らし、必須項目を3項目に絞り、エラー表示を入力時即時表示に変更した結果、フォーム入力ページの離脱率が55%→32%に改善。これに伴い、最終CV数は1.6倍に増えました。改修工数は1週間程度。フォーム最適化(EFO=Entry Form Optimization)は離脱率改善の中で最もROIが高い領域です。CV直結の指標として、優先的に投資するべきです。

本音3:完了ページの離脱率は気にしない

購入完了ページ・サンクスページ・ダウンロード完了ページの離脱率は、90%超えていてもまったく気にしません。むしろ「役割を果たして離脱するのが正常」なページです。ここを改修しようとして、「次のおすすめ商品を表示しよう」「アンケート回答を求めよう」「シェアボタンを追加しよう」、こういう改善案を出す担当者がいますが、ほぼ効果は出ません。ユーザーは「役目を終えた」と感じているので、追加の負荷を嫌います。

例外として、サンクスページに「クロスセル」を仕掛けるパターンはあります。例えば、有料商品を購入した直後にバンプセル(関連商品の追加購入)を提案する、無料登録した直後に有料プランをオファーする、こういう仕掛けは効果あります。でもそれは「離脱率を下げる」目的ではなく、「離脱前にもう1アクション促す」目的で、設計思想が違います。完了ページの離脱率自体は変わらなくていいんです。

離脱率改善の5STEP

ここまで読んでくださった方、お疲れさまです。離脱率の本質と現場の本音を踏まえて、実際に離脱率を改善する5STEPに落とし込みます。明日からそのまま使えるフレームです。

シンプルですが機能する離脱率改善の骨格が完成します。重要なのは、「離脱率を下げること」を目的にしないこと。離脱率は手段、目的はファネル全体のCV増加。この目線で全STEPを実行すれば、本質的な事業成長につながります。

よくある質問(FAQ)

離脱率と直帰率の違いは何ですか?

計測対象が違います。直帰率は「1ページだけ見て帰ったセッションの割合」で、ランディング(入り口)の品質を測ります。離脱率は「そのページがセッションの最終ページだった割合」で、サイト内任意ページを評価します。トップページが「直帰率70%・離脱率40%」というように両方持つこともあります。改善時は両方を分けて見て、直帰率はランディング体験向上、離脱率はサイト内導線改善、と棲み分けて施策を打ちます。

離脱率の改善目安はどれくらいですか?

ページの役割によって目安が大きく違います。記事ページ・LPなど集客層は50〜70%、商品詳細・申込説明など中間層は30〜50%、フォーム入力・最終確認など下層は10〜30%が業界目安です。完了ページ・サンクスページは80〜95%でも正常。改善時は「自分のサイトの平均」をベンチマークにして、上位20%のページから手を入れるのが効率的。業界平均との比較も参考になりますが、自社の過去データとの相対比較のほうが意味があります。

業界別の離脱率平均はどれくらいですか?

業界によって大きく異なりますが、一般的な参考値として:EC(Eコマース)サイトは45〜55%、B2B SaaSは40〜50%、ブログ・メディアは55〜70%、不動産・金融は35〜45%、教育・スクールは50〜60%、コンテンツビジネスLPは40〜55%が業界平均。ただしこれは全ページ平均の値で、ファネル位置別だとさらに差が大きいです。下記の業界平均テーブルで詳細を確認してください。

業界	全ページ平均離脱率	LPの離脱率目安	フォーム入力の離脱率目安
EC・ネットショップ	45〜55%	50〜65%	30〜45%
B2B SaaS	40〜50%	45〜60%	25〜40%
ブログ・メディア	55〜70%	—	—
不動産・金融	35〜45%	40〜55%	20〜35%
教育・スクール	50〜60%	50〜65%	30〜45%
コンテンツビジネスLP	40〜55%	45〜60%	25〜40%

離脱率はどうやって計測しますか?

最も一般的なのはGoogleアナリティクス(GA4)。無料で全機能使えます。「レポート」→「ライフサイクル」→「エンゲージメント」→「ページとスクリーン」で、ページパス別の離脱率を確認できます。より詳細な分析には、Microsoft Clarity(無料・ヒートマップ機能あり)、Mouseflow、Hotjarなどの補助ツールを併用すると効果的。GA4導入だけは最低限実施しておくべきです。導入は数行のタグを内に貼るだけで完了します。

ファネル位置別に離脱率をどう評価したらいいですか?

ファネルを「上部・中部・下部・完了」の4段階に分けて、それぞれ別基準で評価します。上部(集客LP・記事ページ)は離脱率50〜70%で正常、改善優先度低。中部(商品詳細・申込説明)は30〜50%で正常、ここから改善優先度高め。下部(フォーム入力・最終確認)は10〜30%が理想、ここの離脱は機会損失最大なので最優先で改善。完了ページは80〜95%でも正常、改善対象外。「数字の絶対値」ではなく「ファネル位置に応じた相対基準」で評価する習慣をつけてください。

まとめ

で、結局離脱率とは、こういうことです。

• 離脱率は「サイトを去る割合」ではなく、「ファネルのどこでユーザーが脱落しているかを発見する指標」です。数値の高低ではなく、ファネル位置別に評価する習慣を持ちましょう。
• 離脱率改善は「ページ単体・導線・期待ミスマッチ」の3視点で原因仮説を立て、優先度を決めて手を入れます。1視点だけで改修すると効果が出ません。
• 離脱率は手段であって目的ではありません。最終目的はファネル全体のCV増加。離脱率を下げることを目的化すると、本質を見失います。GA4で計測→3視点で仮説→A/Bテストで検証→ファネル全体で再計測、この5STEPを回し続けるのが王道です。

ではでは。