AI×Web
マーケティング

10分｜今日の流れを知る：制作 → 集客 → 計測 → 分析 → 改善。各工程は別々の専門技術ではなく、一つの事業を検証する流れです。

10分｜事業アイデアを整理する：①誰が困っているか ②どんな困りごとか ③どんな解決策を考えているか、を1文ずつ書いてください。事業アイデアがなければ、架空の「小規模店舗向け予約サポート」を使用します。

10分｜PC環境を確認：ブラウザと、主催者が指定した生成AI・編集環境にログインできるか確認します。GA4/GTM/BigQuery/Cloudflareの新規アカウント登録は必要ありません。

AIはWebページのHTMLを作り、文章やデザインを提案できます。しかし、できあがったページを公開するだけで顧客が増えるわけではありません。

例えば、店舗向け予約サポートのサイトを制作したとします。そこで考えるべきことは次の5つです。

1. 誰が：どんな店舗・担当者が困っているか。
2. 何を：どの作業が負担になっているか。
3. どこで：検索、SNS、紹介、広告のどこで接点が生まれるか。
4. どう測るか：閲覧、相談ボタンのクリック、実際の申込をどう区別するか。
5. 次に何をするか：数値と顧客の声に基づいて何を変えるか。

AIは調査案、制作案、SQL案を出せます。一方で、実際に顧客が困っているか、データは正確か、採算が合うかを判断する責任は人にあります。

【考えてみよう】「サービスの説明ページを作った」以外に、公開前に確認すべきことを2つ挙げてください。

2-1. 顧客像は「答え」ではなく「仮説」

「小規模店舗の予約が大変そう」という発想は出発点です。しかし、美容室と飲食店では予約の仕組みも営業時間も異なります。「誰の、どの瞬間の不便か」を具体化することが必要です。

演習：自分の事業を3行で整理（5分）

• 想定顧客：＿＿＿＿＿＿
• 困りごと：＿＿＿＿＿＿
• 解決策：＿＿＿＿＿＿

AIに入力する文章（コピー用）

あなたは事業検証の補助者です。以下の事業アイデアについて、
(1) 顧客候補を3種類、(2) それぞれの課題仮説、
(3) 顧客が使いそうな検索語と検索意図、
(4) LPで検証したい訴求、(5) 追加で確認すべき事実を整理してください。
実在する需要や検索ボリュームを調べたことにせず、必ず「仮説」と「要確認」を分けてください。
事業案：［自分の案、なければ小規模店舗向け予約サポート］

操作　生成AIの新規チャットで、コピーした上の文章の［ ］を自分の事業案で置き換え、送信します。
成功　顧客候補・検索意図・要確認事項から各1つを選び、ワークシートのA欄に記入できる。
つまずき　AIが検索数や需要を断定したら、根拠のある記述と仮説を分けるよう指示してください。

2-2. 「検索される言葉」と「買う理由」は違う

検索キーワードは顧客の課題を知る手掛かりです。例えば「予約 台帳 テンプレート」を検索している人は、まず無料の管理方法を求めている可能性があります。「予約管理システム 比較」は導入を検討しているかもしれません。しかし、これは推測であり、検索結果や顧客ヒアリングで検証が必要です。

SEOは検索を通じて自社情報を見つけやすくする取り組み、広告は費用を払って指定した条件で顧客接点をつくる方法です。どちらも顧客の課題を理解しなければ成果につながりません。

演習（10分）：AIの出力から1つの顧客像と1つの検索意図を選び、「このLPでまず伝える価値」を1文にします。

確認（5分）：AIが作った案のうち、実在する顧客や検索データを確認しなければ断言できないものに「要検証」と書きます。

3-1. SEOの土台

SEO（Search Engine Optimization）は、検索エンジンが内容を理解でき、利用者が必要な情報にたどり着けるようにする取り組みです。代表的な土台は、ページの目的を明確にする、わかりやすいタイトルと見出しを付ける、テキストで重要な情報を伝える、内部リンクを整理する、実際の利用者に役立つ内容を用意することです。

3-2. AEO・GEOをどう捉えるか

AEOやGEOは、回答エンジンや生成AIによる情報探索への対応を指す言葉として使われますが、業界内で定義が統一されているわけではありません。GoogleのAI検索では、通常のSEOの基本が引き続き重要で、専用の特別な構造化データやタグは必要ないと案内されています。

この講座では、AI検索でも理解しやすい明確な説明、根拠を示した内容、質問に直接答える文章、適切な情報構造を重視します。ただし、AI回答への引用や掲載を保証する手法ではありません。

3-3. title / description / H1は何のため？

• title：ページの主題を示すタイトル。ブラウザや検索結果の候補にも使われます。
• meta name="description"：ページ内容を要約する説明。検索結果の説明文に必ずそのまま表示されるわけではありません。
• h1：ページ本文の主題を伝える見出し。

<title>小規模店舗の予約管理をもっとシンプルに｜予約サポート</title>
<meta name="description"
  content="小規模店舗の予約対応の負担を減らすためのサービス案内です。">
<h1>予約確認の負担を減らす、店舗向け予約サポート</h1>

問い：「すべての人に最適なサービス」という表現は、誰のどんな課題を解決するか伝わりますか？

ページを増やすときは、利用者がどんな情報を探すかで分類します。例えば予約サポートなら「サービスの機能」「利用業種」「料金」「よくある質問」が候補です。

4-1. ページを育てる設計

/services/               サービス一覧
/services/reservation/   予約管理のサービス説明
/pricing/                料金の考え方
/faq/                    よくある質問

それぞれ目的が異なるなら、独立したページにする価値があります。ただし、内容が薄いページをAIで大量に作ることは目的ではありません。

4-2. ファセットナビゲーションとは

商品・記事・サービス一覧を「地域」「価格」「業種」などの条件で絞るUIです。便利ですが、条件の組み合わせから大量のURLが生まれることがあります。

/services/?industry=beauty
/services/?industry=beauty&area=tokyo
/services/?industry=beauty&area=tokyo&size=small

検索エンジンに発見させたいページと、利用者の絞り込み操作だけに使いたいURLを分けて考えます。すべての組み合わせを検索対象にする必要はありません。技術的にはrobots.txt、URL設計、canonical等を目的に応じて検討しますが、canonicalを付ければ必ず問題が解決するわけではありません。

演習（3分）：自分の事業で「独立した説明ページを1つ作るなら何か」「UIで絞るだけでよい項目は何か」を書きます。

AIが生成したコードは、見た目が動いても安全だと限りません。今回の講座で最低限守るのは以下です。

• 公開HTMLやJavaScriptに秘密のAPIキー、パスワード、管理用トークンを入れない。
• AIに実際の顧客名、住所、メールアドレス、非公開データを無断で渡さない。
• 実際の認証、決済、個人情報収集は講義用LPに追加しない。
• 生成コードを講師管理の本番公開サイトに無審査で反映しない。
• noindexはアクセス制御ではない。公開URLを知っていればアクセスできる。
• GA4などの計測には、利用目的の説明や必要に応じた同意・プライバシー上の確認が必要。

ポイント：AIは実装を手伝えますが、公開するかどうかの判断と、第三者のデータを扱う責任は人にあります。

LP（ランディングページ）は、訪問者にサービス価値を伝え、次の行動を促すページです。今回の教材には架空の「店舗向け予約サポート」LPを用意しています。

演習の目的

「文字色を変えた」だけで終わらず、顧客と検索意図に合った説明にし、クリックをどう計測するかまで結びつけます。

手順A：現在のページを読む（5分）

演習LP（exercise/index.html）を開き、title、description、h1、サービス紹介文、CTAボタンを探します。本文は手順Cの許可範囲で編集します。HTMLが開けなければ完成画面とコード抜粋で代替します。

拡大

操作　演習LPをブラウザで開き、先にCTA（次の行動を促すボタン）を1回押します。元の index.html を複製し、コピーをテキストエディタで開きます。
成功　元の表示とクリック後のメッセージを見比べられる。
つまずき　ブラウザで開くと画面、エディタで開くとコードが見えます。編集するのはコピーです。

手順B：改善方針を決める（5分）

次の3点を記入します。

1. 想定する訪問者は誰か。
2. その人が5秒で理解できる価値は何か。
3. 次に取ってほしい行動は何か。

操作　参加者ワークシートのC欄に書きます。
成功　「小規模美容室の店長が、予約確認の手間を減らす仕組みを理解し、関心ボタンを押す」のように、相手と行動を一文にできる。
つまずき　「誰でも使える」と広げず、第2章で選んだ顧客候補に絞ってください。

手順C：AIに「守るべき仕様」を渡してLPを改修する（12分）

ここでは文章だけに限定するのではなく、AIに「変えてよいところ」「変えてはいけないところ」を区別して指示することを体験します。実務でAIを使う際には、自由度を与えるだけでなく仕様の境界を明示することが重要です。

先に守るべき仕様を確認する（2分）

• 変更してよい：title、meta description、h1、h2、説明文、CTAの表示文言、見た目のCSS（時間に余裕がある場合）。
• 変更してはいけない：CTAのid="cta"、dataLayer、イベント名cta_click、cta_id、クリック時に起きる処理、noindex,nofollow、ページが架空である旨の表示。
• 追加してはいけない：送信フォーム、外部API呼び出し、外部ライブラリ、認証、決済、Cookieへの個人データ保存、実績・口コミの創作。

AIへのプロンプト（コピー用、7分）

あなたはWebサイト改善担当者です。以下のHTMLを、
「店舗向け予約サポートに興味のある顧客が、価値を理解しやすいLP」に改善してください。

【許可する変更】
- title / meta description / H1・H2・説明文 / CTAの表示文言
- 見やすさを高める軽微なCSS（任意）
【厳守する仕様】
- id="cta" を削除・変更しない
- window.dataLayer と dataLayer.push の処理を維持する
- event: 'cta_click' と cta_id: 'main_cta' を変更しない
- noindex,nofollow を削除しない（教材は検索対象外）
- 外部への情報送信、フォーム、API、認証、決済、外部ライブラリを追加しない
- 「架空の演習サービス」「個人情報は収集しない」の記述を維持する
- 架空の導入実績・満足度・口コミや価格を捏造しない

【回答形式】
1. どのような意図で改善したか3点
2. 変更点一覧（変更前→変更後）
3. HTML全文（完成コードをコードブロック内に）
4. 守るべき仕様が残っているかの自己チェック表

この後に貼るHTMLを対象にしてください。変更してはいけない部分に
触れる必要がある場合は勝手に実装せず理由を質問してください。

その後、exercise/index.htmlの内容を貼り付けます。AIの「守りました」という回答は証拠ではありません。 返ってきたHTML全文を別名で保存し、次の手順で自分で確認します。

拡大

操作　プロンプトの末尾にエディタで開いたHTML全文を貼って送信します。回答からHTMLの中身だけをコピーし、元ファイルと同じフォルダに improved.html として保存します。
成功　<!doctype html> から </html> までを含む別ファイルができる。
つまずき　コードブロックの三連バッククォートやAIの説明文は入れません。ファイル名が improved.html.txt の場合は、拡張子表示を有効にして修正します。

失敗した場合の修正プロンプト（3分）

変更後のHTMLで、保護対象が変更されています。
変更前と変更後の差分を比較し、
(1) id="cta"、(2) event: 'cta_click'、(3) cta_id: 'main_cta'、
(4) noindex,nofollow、(5) 外部送信なし、の5条件を満たすよう修正してください。
許可された文章・見た目の改善はなるべく維持してください。
修正箇所だけでなく、完成HTML全文を再提示してください。

手順D：プレビュー・仕様・動作確認（8分）

• ページが開くか。
• タイトル・見出し・CTAの内容が事業仮説と合っているか。
• CTAを押すと「模擬クリックを記録しました」と表示されるか。
• 今回のページで個人情報や決済処理を扱っていないか。

よくある失敗：「見出しを変えたらCTAボタンが消えた」→完成済みの元ファイルに戻し、テキスト部分だけ再編集する。

拡大

拡大

操作　improved.html をブラウザへドラッグし、元の画面と比較します。CTAを1回クリックし、開発者ツールの「Console」から window.dataLayer を実行して、末尾に event: 'cta_click' と cta_id: 'main_cta' が1件増えたことを確認します。エディタで元コードと比較し、保護対象と外部送信の追加有無を確認します。
成功　「模擬クリックを記録しました（実申込ではありません）。」が出る。
つまずき　古い表示のときは、開いたファイル名を確認し、保存して再読み込みします。Consoleが開けない場合は講師画面でイベントを確認します。

手順E：発表用の1文（3分）

「［誰］の［課題］に向けて、［どの説明］を変更し、［どんな行動］を促すLPにしたか」と書きます。顧客や行動が曖昧なら第2章の仮説に戻り、1つずつ記入します。

休憩10分のあと、講師の共通デモで進めます。 参加者は操作画面と照合しながら結果を記録します。Cloudflare、GTM、GA4は講師が管理するテスト環境を使います。アカウントやストリームの作成とタグの初期設定は事前準備で済ませ、当日は公開、発火、受信を確認します。

GTM（Googleタグマネージャー）はWebサイト上の計測タグを管理する仕組みです。GA4（Google Analytics 4）はWebサイトなどで起きた行動をイベントとして集め、分析する仕組みです。

7-1. Cloudflare Pagesへ直接アップロード（7分）

1. 検査済みLPをコピーし、公開専用フォルダの直下に index.html を置きます。講師のタグを使う版は、先に7-2の設置手順でコードを追加します。
2. Cloudflareダッシュボードの「Workers & Pages」で「Create application」を開き、Pagesの直接アップロードを選びます。撮影時の画面では「Drag and drop your files」が選択肢にあります。
3. プロジェクト名を入力して「Create project」を押し、公開用フォルダをアップロード。ファイル一覧に index.html があることを確認して「Deploy site」を押します。
4. 「Success!」の画面に出る公開URLを開き、HTTPSでLPが表示され、CTAに反応があることを確認します。
5. 既存のPagesプロジェクトを更新するときは「Create deployment」から対象環境を確認してアップロードし、公開URLを再確認します。

拡大

拡大

拡大

拡大

拡大

成功　アップロードに成功し、公開URLで講師のLPとクリック後のメッセージが見える。
つまずき　404はフォルダを二重にまとめていないか、直下に index.html があるかを確認します。講師が公開できない場合はローカルLPと後続の撮影済み画面で進めます。

7-2. GA4とGTMの準備、基本タグの確認（6分）

1. 事前準備　Google アナリティクスで講師用のGA4プロパティを作り、「データ ストリーム」で「ウェブ」を選びます。公開予定のHTTPS URLとストリーム名を設定し、「ウェブ ストリームの詳細」の測定ID（G-…）を控えます。
2. 事前準備　Google タグ マネージャーに「ウェブ」のコンテナを作ります。GTMが表示する設置コードを講師用LPの head 内、および body 開始直後の指定位置へ配置し、Pagesへアップロードします。
3. 当日　GTMのワークスペースで「タグ」→「新規」→「タグの設定」を開き、「Google アナリティクス」の一覧から Google Analytics を選びます。測定IDを入力し、全ページで初期化するトリガーを設定して保存します。検証時の画面では「Initialization - All Pages」と表示されています。
4. GA4とGTMの画面で同じ測定先を使っていることを確認します。画面の選択肢が異なる場合は Googleの設定ガイド と講師のテスト環境を照合します。

拡大

拡大

拡大

拡大

成功　基本タグの設定に測定IDと初期化トリガーが表示され、次のプレビューで発火する。
つまずき　G-… はGA4測定ID、GTM-… はコンテナIDです。公開版に別のGoogleタグがすでにある場合は、重複設置と page_view の二重送信を点検します。

7-3. CTA用のカスタムイベントを設定（5分）

1. 「トリガー」→「新規」→「カスタム イベント」を選び、イベント名に cta_click を入力します。正規表現は使わず、その名前に一致するイベントで発火させます。例としてトリガー名を CE - cta_click として保存します。
2. 「タグ」→「新規」→ Google アナリティクス: GA4イベント を選びます。手順7-2と同じ測定IDを設定し、送信するイベント名を cta_click と入力します。
3. 下部の「トリガー」で先ほど保存したカスタムイベントを選択し、タグを保存します。
4. 「プレビュー」で公開URLを入力して接続し、開いたLPでCTAを1回クリックします。Tag Assistantへ戻り、左の cta_click を選んでCTA用タグの発火を確認します。

拡大

拡大

拡大

拡大

成功　Tag Assistantで cta_click を選ぶと、CTA用GA4イベントタグが発火済みとして表示される。
つまずき　イベント自体が出ないときはLPの dataLayer と接続先URLを確認します。イベントのみ表示される場合は、トリガー・タグ双方のイベント名と紐付けを見直します。教材LPは dataLayer を使うため、リンククリック用トリガーを追加する必要はありません。

7-4. GA4で受信を確認（7分）

1. GTMプレビュー接続中のLPを再読み込みし、続けてCTAを1回押します。操作時刻と参照中のGA4テストプロパティを控えます。
2. GA4の「レポート」→「リアルタイムの概要」でイベント名ごとのイベント数を探し、page_view と cta_click を確認します。
3. GA4の「管理」→「データの表示」→「DebugView」を開き、デバッグデバイスを選び、時系列上の page_view と cta_click を開きます。
4. ワークシートDに「LP反応」「GTM発火」「GA4リアルタイム」「GA4 DebugView」を別々に記録します。確認後、通常の訪問でも計測する場合は、講師がGTMの「公開」からバージョンを反映し、プレビューなしのブラウザでも別途確認します。

拡大

拡大

拡大

成功　DebugViewの時系列で2つのイベントを開ける。リアルタイムでは、イベント名ごとの集計で両方のイベントを確認する。撮影済みのリアルタイム画像は概要画面の位置を示します。
つまずき　発火済みでも受信が見えないときは、測定ID、選択中のプロパティ、プレビュー接続、同意設定、広告ブロック、反映遅延を確認します。ライブで確認できなかった欄には「未確認」と記録します。

確認の順序　ブラウザ内の dataLayer → GTMでのタグ発火 → GA4での受信。ここで確認するのはテストLPの実イベントです。次章ではSQL内に定義した架空の注文・売上を扱います。

BigQueryは大量のデータをSQLで集計・分析できるサービスです。この講座ではテーブルの作成もGA4との接続もしません。SQL内に架空のデータを用意し、受講者が結果を読み解くことを優先します。

8-1. まずは4つの指標を理解する（5分）

• セッション：訪問のまとまり。ユーザー数とは異なります。
• CVR：成果数 ÷ セッション数 × 100（今回の教材における定義）。
• 広告CPA：広告費 ÷ 注文数（広告に使った費用を注文数で割る教材上の指標）。
• 簡易貢献利益：売上－変動費－広告費。固定費等を含まない簡略モデルです。

8-2. SQLを実行する（10分）

1. 事前準備　Google Cloudコンソールでプロジェクト選択を開き、「新しいプロジェクト」を選びます。講師用のプロジェクト名、組織・場所を確認して「作成」。作成後に同じプロジェクトを選び、BigQueryを開きます。
2. 当日　BigQueryで「新規クエリ」からSQLエディタを開きます。下のSQL全文を貼り付け、「実行」を押します。SQL1はGoogleSQLで実行します。
3. 「クエリ結果」の「結果」で、見出しを含む6列と4チャネルを確認します。

拡大

成功　結果に自然検索・紹介・SNS広告・検索広告の4行が表示され、下の期待結果と一致する。
つまずき　プロジェクト作成権限やクエリ実行権限がない場合は、講師の既存プロジェクトか期待結果CSVへ切り替えます。SQLを一部だけ選択して実行すると構文エラーになるため、選択を解除して全文を実行します。

流入チャネル別採算SQLをBigQueryのSQLエディタに貼り付けて実行します。標準は講師の画面での実演です。BigQueryの利用権限がある参加者のみ任意で実行します。Google Cloudアカウントや権限の問題があれば期待結果CSVで同じ分析をします。

-- BigQuery GoogleSQL / 外部テーブル不要
WITH marketing AS (
  SELECT '自然検索' AS channel, 420 AS sessions, 6 AS orders,
    90000 AS revenue_jpy, 0 AS ad_cost_jpy, 36000 AS variable_cost_jpy
  UNION ALL SELECT '検索広告', 520, 8, 120000, 70000, 48000
  UNION ALL SELECT 'SNS広告', 240, 3, 45000, 15000, 18000
  UNION ALL SELECT '紹介', 150, 4, 60000, 0, 24000
)
SELECT channel, sessions, orders,
  ROUND(SAFE_DIVIDE(orders, sessions) * 100, 2) AS cvr_percent,
  IF(ad_cost_jpy = 0, NULL,
    ROUND(SAFE_DIVIDE(ad_cost_jpy, orders), 0)) AS paid_cpa_jpy,
  revenue_jpy - variable_cost_jpy - ad_cost_jpy AS simple_contribution_jpy
FROM marketing
ORDER BY simple_contribution_jpy DESC;

拡大

期待結果（架空データ）

注意：広告費0円は顧客獲得にコストがかからないという意味ではありません。SEOコンテンツ制作や紹介活動の費用は表に含まれていません。

8-3. AIに分析を依頼する（8分）

以下は架空の事業に関する集計結果です。
「データから直接わかる事実」「推測できるが未検証の仮説」
「追加で必要なデータ」「次の検証施策」をそれぞれ分けて説明してください。
検索広告の利益が低いという理由だけで、広告停止を断定しないでください。
［SQLの結果を貼る］

操作　結果表6列を見出し付きでコピーします。画面例では「結果を保存」→「クリップボードにコピー」です。生成AIで新規チャットを開き、上の指示と表を貼り付けて送信します。
成功　事実・仮説・追加データ・施策の4項目が返り、自然検索54,000円と検索広告2,000円が元表と一致する。
つまずき　見出しが消えたらCSVか下の教材データからコピーし直します。AIが「広告を止める」と断言したら、判断に必要なデータを挙げるよう再質問します。

下はコピー用の架空データです。

channel,sessions,orders,cvr_percent,paid_cpa_jpy,simple_contribution_jpy
自然検索,420,6,1.43,,54000
紹介,150,4,2.67,,36000
SNS広告,240,3,1.25,5000,12000
検索広告,520,8,1.54,8750,2000

拡大

8-4. AIの判断を検証する（5分）

問い：「検索広告の簡易貢献利益は2,000円。この広告を止めるべきか？」

この表だけでは結論を出せません。新規顧客率、継続購入、LTV、固定費、機会費用、計測の正確性などを確認する必要があるからです。

ここまでの学びを、自分の事業に引き寄せます。数字を見たら、市場の変化や改善によって何が動くかを試し、次の検証を決めます。

9-1. Excelで保守・標準・成長を比較する（12分）

1. チャネル別事業シミュレーション.xlsxをExcelで開き、作業用コピーを保存します。「BQ貼付」に入力済みの架空データで開始できます。
2. 入れ替える場合は、BigQuery結果またはCSVの見出し付き6列を「BQ貼付」の A5 から値として貼り付けます。最初に A6:A21 のチャネル名と6列の既存値を確認し、貼り替えでは古いデータ行を消してから貼ります。G列は計算式です。配布例の行順（自然検索・紹介・SNS広告・検索広告）を使います。順序を変えたら、各ケースの仮定が意図したチャネルに対応するか見直します。
3. 「試算結果」の A4:E8 で、現状・保守・標準・成長のセッション、注文、広告費、簡易貢献利益を見比べます。
4. 「シナリオ設定」の黄色セルで、例えば配布例の E9（保守・検索広告の広告CPA変化率）を15%から30%に変更し、「試算結果」の保守行を見直します。変更する仮定は一つに絞り、変更前後を記録します。

拡大

成功　現状の簡易貢献利益は104,000円。E9の変更例では、保守ケースの推計広告費が約7,765円増え、簡易貢献利益が同額減る。セッション・期待注文数は同じ。
つまずき　1セルにすべて入ったらCSVをデータとして開いて列を分け、値として貼り付けます。cvr_percent は結果の数値（例 1.43）を入れます。シナリオのCVR差はpp単位です（1.43%に 0.30 ppを足すと1.73%）。広告CPAが空欄のチャネルは試算上の広告費を0円と扱います。

比較の問い　季節性や競合で流入が減るとどこが崩れるか。今は利益が小さいチャネルでもLPや訴求の改善でCVRが上がれば何が変わるか。媒体や商品を追加したときに、同じ定義で比較できるか。試算に含まれない固定費、SEO制作費、紹介活動費、LTVも記録してください。

9-2. 事業検証シートを記入する（9分）

Excelの「事業検証シート」を開き、B列の記入欄に「事実」「未検証の仮説」「市場変化のリスク」「改善余地」「次の2週間の検証」「判断基準」を書きます。Excelが開けない場合は参加者ワークシートのF・G欄を使います。

1. 顧客と課題・提供価値　誰のどんな困りごとに、LPで何を伝えるか。
2. 集客経路とページ　最初に試すチャネルと優先する説明ページは何か。
3. 事実・仮説・未確認事項　どの数字を観察し、どの仮定を置いたか。
4. 次の行動と判断基準　誰が、いつまでに、何を試すか。どの条件で継続・見直しを判断するか。

成功　事実と仮説、計測の定義、担当・期日・判断基準を自分の言葉で記録できる。
つまずき　「クリックの増加」を実注文の増加とみなすと判断が変わります。対象の成果と分母を明記し、媒体追加時も同じ分類・期間で比較できる形にします。

9-3. 共有（3分）

30秒で「誰に何を届け、どの仮定を変え、どの指標を見て、次の何を試すか」を説明します。時間が押した場合は記入を優先します。

最後に：AIは制作と分析のスピードを上げられます。しかし、顧客の課題、データの意味、費用対効果、公開することの責任は人が考えます。今日の成果は「サイトができた」だけでなく、「次に何を検証するかを決めた」ことです。

• Google Search CentralのAI検索機能
• Google Search Centralのファセットナビゲーション
• Cloudflare Pages Direct Upload
• GTMのGA4基本設定 ・ GA4イベント設定
• GA4 DebugView ・ リアルタイム レポート
• BigQueryのコンソール操作

時間がある場合の参考紹介　ShopifyなどのEC基盤では、商品・注文・決済・配送などの機能を使えます。自社で作る範囲とEC基盤に任せる範囲の考え方を紹介します。