カート放棄率
カート放棄率とは、オンラインカートに商品を追加したものの、購入を完了せずにサイトを離れた買い物客の割合です。放棄されたカート数を作成された総カート数で割って算出され、ほぼ完了しかけた収益を直接的に表すため、eコマースで最も注視されるコンバージョンメトリクスの一つです。
カート放棄率の定義
カート放棄率とは、オンラインショッピングカートに1つ以上の商品を追加したものの、購入を完了せずにウェブサイトを離れた買い物客の割合を測定する指標です。これは、一定期間に作成された総カート数で放棄されたカート数を割り、その結果をパーセンテージで表して算出します。カート放棄は、eコマースにおいて最も根強く、最も注視されている問題の一つです。なぜなら、それは既に示された需要——顧客が商品を選ぶという能動的なステップを踏んだ——が、その決断から支払いまでのどこかで失われたことを表すからです。何の関心も示さずにランディングページから離脱するバウンスとは異なり、放棄されたカートは、ストアが獲得できなかったほぼ完了間近の収益という、はるかに強く、より具体的なシグナルを表します。
カート放棄率の計算方法
計算式は次のとおりです：カート放棄率 = 放棄されたカート数 ÷ 作成された総カート数（完了した購入数＋放棄されたカート数）× 100。カートは通常、定義された期間——一般的にはプラットフォームの追跡設定に応じて30分から数時間の間——が経過しても買い物客が注文を完了しなかった場合に、放棄されたとカウントされます。
計算例：あるオンラインストアで1週間に1,000件のユニークなショッピングカートが作成されたとします。そのうち320件が購入完了、680件がチェックアウト完了前に放棄されました。カート放棄率は680 ÷ 1,000 × 100 = 68パーセントです。これをさらに段階別に分解すると有用です。この680件の放棄カートのうち200件が実際にチェックアウトプロセスを開始していた——つまり、買い物客が出荷先情報や支払い情報を入力してから離脱した——場合、そのサブセットはより意図の高い放棄であり、商品を追加したもののチェックアウトを一切試みなかった480人の買い物客よりも、リカバリー施策において優先度が高い価値があります。
カート放棄率がeコマースブランドにとって重要な理由
カート放棄は、eコマースストアが回収可能な収益の中でも最も効率的に獲得できるものの一部を表しています。なぜなら、顧客はすでにファネルの中で最も難しい部分——特定の商品を欲しいと決断すること——をクリアしており、販売完了を妨げる障壁は通常、予期しないコスト、わかりにくいフォーム、またはタイミングの良いリマインダーで解消できる一瞬の迷いといった、修正可能なものだからです。これが、カート放棄リカバリーメールやリターゲティング広告が、新規獲得トラフィックよりも有意に高いコンバージョン率を示す傾向がある理由です。対象となるオーディエンスは既に興味を示して自己選別しているからです。時間の経過とともに放棄率を追跡することは、チェックアウト体験そのものの中の摩擦箇所を浮き彫りにします。特定のステップ——例えば送料の表示や支払いページ——に集中した放棄率の急上昇は、全体的な需要の漠然とした減少ではなく、修正可能な問題を直接指し示しています。
カート放棄の原因と修正方法
| 一般的な原因 | 具体的な状況 | 標準的な修正方法 |
|---|---|---|
| 予期しないコスト | 送料、税金、手数料がチェックアウト後半で判明 | 送料無料の最低注文額設定、 upfrontな費用見積もり表示 |
| 強制的なアカウント作成 | 購入前に登録が必要なチェックアウト | ゲストチェックアウトをデフォルトオプションとして提供 |
| 長い、または複雑なチェックアウト | ステップやフォームフィールドが多すぎる | ステップ数を最小限に簡略化、オートフィルを有効化 |
| 支払いセキュリティへの懸念 | 馴染みのないペイメントゲートウェイや信頼シグナルの欠如 | 認知度の高い決済バッジ、安全なチェックアウト表示 |
| まだ購入意図がない | 比較検討、後で購入するための保存 | リターゲティング広告、ウィッシュリスト機能、カート放棄メール |
Stay Updated on AI Visibility Trends
Get the latest insights on AI mentions, brand monitoring, and optimization strategies.
カート放棄とAI駆動型コマース
カート放棄の行動は、より多くの買い物客がChatGPT ShoppingやPerplexity ShoppingのようなAIショッピングアシスタントを通じてリサーチや購入プロセスの一部を開始するにつれて変化しています。これらのAIは、顧客が特定のストアのカートページに到達する前に、複数の小売業者にわたって商品と価格を比較できるため、AIシステムがどのようにレコメンデーションをフレーミングしたかに応じて、ストアのチェックアウトに到達するトラフィックは異常に高い、または異常に低い購入意図を持って到着することになります。これにより、トラフィックソース別に放棄率を追跡し、どのチャネルが実際に購入準備の整った買い物客をもたらし、どのチャネルが比較検討の閲覧者をもたらすかを理解することが、これまで以上に重要になっています。運用面では、AmICitedのeshop_get_order_mixツールが、注文を結果別（完了、放棄、返金）に総アクティビティのシェアとして分類し、加盟店にファネルのどこに放棄が集中しているか、そしてリマインダーメールのようなリカバリー戦術が実際に失われたカートを完了した注文に戻しているのか——あるいは、対応するリカバリーシグナルを伴わない放棄統計を生み出しているだけなのか——を明確に把握させます。
カート放棄率を減らすためのベストプラクティス
- 最終チェックアウトステップで初めて表示するのではなく、ショッピング体験のできるだけ早い段階で送料と推定税額を表示する。
- ゲストチェックアウトをデフォルトの経路として提供し、必須のアカウント作成は必要であれば購入完了後に行うよう保存する。
- チェックアウトフローを必要最小限のステップとフィールドに簡略化し、取引の完了に必須でないものはすべて削除する。
- カート放棄リカバリーメールは、買い物客の意図がまだ新鮮なうちに、通常は数時間以内に速やかに送信し、異なるメッセージングとインセティブレベルをテストする。
- 単一のブレンド率を追跡するのではなく、デバイス、トラフィックソース、チェックアウト段階別に放棄データをセグメント化する。原因と修正方法はこれらのグループ間で大きく異なるためである。
カート放棄率に関するよくある間違い
よくある間違いは、放棄率全体を純粋な失われた収益として扱うことです。しかし、放棄されたカートのかなりの部分は、そのセッションでは強い購入意図を持っていなかった買い物客——比較検討者やウィンドウショッパー——からのものであり、これらは生の数値を押し上げる一方で、同等のリカバリー可能な売上を表しているわけではありません。もう一つの一般的な問題は、放棄をチェックアウト段階別に分解せずに集計値のみで測定することです。これにより、商品を追加してすぐに離脱した買い物客と、支払い情報を入力して最後のステップで離脱した買い物客の違いが隠されてしまいます。後者ははるかに優先度の高いリカバリーターゲットです。また、一部のストアでは、一般的でタイミングの遅いカート放棄リカバリーメールを送信し、購入意図が最も強い時間帯を逃しているため、ビジネスの中で最も高いコンバージョン率を誇るべきメールタイプの効果を低下させています。さらに、リカバリー施策を完全にメールに集中させ、チェックアウトの摩擦そのものを無視する——症状を治療しても根本的な原因に対処しない——こともよくあります。予期しない送料が特定のステップで一貫して放棄を引き起こしている場合、より明確な価格表示がそもそも防げる問題を、いくらフォローアップメールを送っても修正することはできません。最後に、正当な複数セッションにわたるショッピング行動を考慮に入れず、1〜2日以内に自ら戻ってきて購入を完了するつもりの顧客に対して、カートを放棄したと見なして積極的なリカバリーキャンペーンをトリガーしてしまうことがあります。