複数のLPで広告配信のABテストを行う場合、3日間だけの実施でもよいか？LP ABテストに必要な期間・サンプルサイズの実践ガイド【2026年版】

1-1. 広告側でのLPローテーション／LPO

広告配信でLPを比較する方法は、大きく分けて2つの発想があります。1つは広告媒体側で複数のリンク先URLを設定し、ローテーション配信する方法。もう1つは1つのURLに着地させ、ツール側（サーバー側・クライアント側）で訪問者をA・Bに振り分ける方法です。後者は一般にLPO（ランディングページ最適化）ツールなどで行われます。

どちらの方法でも、テストの本質は「同条件で振り分け、十分なサンプルで比較する」ことです。振り分けが偏っていたり、計測が混ざっていたりすると、期間をいくら長くしても正しい結論は出ません。「3日でいいか？」を考える前に、まず振り分けが均等か・計測がLPごとに正しく分離されているかを確認するのが大前提になります。

1-2. 媒体機能とABテストツールの違い

注意したいのは、広告媒体のローテーション配信は、媒体の最適化アルゴリズムが成果の良い方へ配信を自動的に寄せることがある点です。これは配信効率の面では合理的ですが、「純粋なAB比較」という観点では、両LPに均等な機会が割り当てられないため、統計的なテストとしては不正確になりがちです。

厳密にCVRを比較したいなら、配信を均等にする設定にするか、専用ツールで振り分ける方が安全です。逆に「とにかく成果の良い方に配信を寄せたい」だけなら媒体の最適化に任せる選択もありますが、その場合は「テスト」ではなく「最適化」であり、得られる結論の性質が変わる点を意識しておきましょう。LPの改善PDCA自体の進め方は、LPO×広告運用の考え方も参考になります。

※ 媒体ごとの機能名・挙動は2026年6月時点の一般的な傾向の目安です。最新仕様は各媒体のヘルプをご確認ください。

3-1. 要素①：必要CV数

ABテストの判定は、最終的には各LPのCVR（CV数 ÷ 訪問数）を比べることで行います。CV数が少ないと、CVRの数字が1件のCVで大きく揺れてしまい、安定しません。たとえば訪問100でCVが2件なら2%、3件になっただけで3%と、1件で1.5倍に跳ねます。これでは「Aが勝った」と言っても説得力がありません。各LPに十分なCV数が貯まることが、判定の前提になります。

3-2. 要素②：サンプルサイズと有意水準

サンプルサイズは「各パターンにどれだけの訪問・CVが集まったか」という量、有意水準は「観測された差が偶然ではないと言える確からしさの基準」です。実務では有意水準95%（＝偶然でこの差が出る確率が5%以下）がよく使われます。差が小さいほど、それを「偶然ではない」と言い切るには多くのサンプルが必要になります。この関係を理解せず、少ないサンプルで「有意差あり」と判断すると、誤った結論を出しやすくなります。

3-3. 要素③：曜日・時間帯の偏り

3つ目が見落とされがちな曜日・時間帯のバイアスです。多くの商材で、平日と週末、昼と夜でユーザー層やCVRが変わります。テスト期間が短いと、特定の曜日・時間帯に偏ったデータで判断してしまい、別の曜日では結果が逆転する、ということが起こります。これを打ち消すには、少なくとも曜日が一巡する期間（7日）を確保する必要があります。

4-1. 曜日バイアスを排除できない

3日間（たとえば火・水・木）のテストは、平日の特定の傾向しか拾えません。BtoBであれば週末はCVが激減することが多く、逆にBtoCの一部商材は週末や平日夜にCVが伸びます。3日だけ回して「Aが勝った」と判断しても、それは「その3日の曜日構成では」という条件付きの結果にすぎません。金・土・日の3日なら、今度は週末バイアスがかかります。曜日を一巡（7日）させない限り、曜日の影響を比較から取り除けないのです。

4-2. サンプル不足によるノイズ（数字のぶれ）

3日間ではCV数が少なくなりがちで、少数のCVによるノイズが結果を支配します。前述のとおり、CVが2件か3件かで数値が大きく動くような状態では、観測されたCVR差のほとんどが「たまたま」で説明できてしまいます。サンプルが少ない序盤ほど、勝ち負けが日替わりで入れ替わるのは、実力差ではなくノイズが大きいからです。

4-3. フロック（偶然）の早期判定

3日テストで最も危険なのが、偶然の差（フロック）を実力差と誤認して早期に判定してしまうことです。サンプルが少ない序盤は数字が大きくぶれるため、「今Aが勝っている」という瞬間が偶然に生まれます。そこで打ち切ると、本当はBの方が優れていたのに、たまたま勝っていたAを採用してしまう——という誤りが起こります。これは「覗き見問題（peeking）」とも呼ばれ、サンプルが貯まる前に何度も結果を見て早期終了することのリスクとして知られています。

4-4. 配信初期の学習が安定していない

運用型広告は、配信開始直後は媒体の機械学習が最適化の途中段階にあり、配信先・入札・表示の傾向が安定しません。この不安定な初期データでLPを比較すると、LPの良し悪し以前に、配信側の揺らぎが結果に混ざります。学習が落ち着くまでに一定期間（一般に数日〜1〜2週間が目安と言われます）かかるため、その途中である3日時点のデータは、LP比較の材料としても不安定になりがちです。機械学習の挙動と付き合い方の基礎はGoogle広告の機械学習の仕組みでも解説しています。

5-1. 必要サンプルを決める4つのインプット

必要なサンプルサイズは、おおむね次の4つから決まります。これらは概念であり、具体的な数式の暗記より「何が必要数を増やすのか」の感覚をつかむことが実務では重要です。

• ベースラインCVR：現状（または基準となるLP）のコンバージョン率。これが低いほど必要サンプルは増えやすい。
• 最小検出効果（MDE）：「これくらいの改善幅は検出したい」という目標差。小さい差を検出したいほど必要サンプルは大きく増える。
• 有意水準：偶然でないと言う基準。一般に95%（α=5%）がよく使われる。
• 検出力：本当に差がある場合にそれを検出できる確率。一般に80%程度が目安とされる。

5-2. 「差が小さいほど多くのサンプルがいる」という感覚

最も実務的に効くのは、「検出したい差が小さいほど、必要なサンプルは急激に増える」という感覚です。CVRが2%から4%へ倍増するような大きな差なら比較的少ないサンプルで見えますが、2.0%から2.2%のようなわずかな改善を「偶然ではない」と言い切るには、各LPで数百件規模のCVが必要になることも珍しくありません（これはあくまで例です）。

※ 上表の数値はすべて理解のための「例」であり、実際の必要サンプルはサンプルサイズ計算ツールで自社のCVR・目標差を入力して算出してください。2026年6月時点。

6-1. 期間は「7日の倍数」で揃える

曜日バイアスを打ち消す最もシンプルな方法は、テスト期間を7日の倍数（7日・14日・21日…）にすることです。これにより、両LPがまったく同じ曜日構成（月〜日を同じ回数）を経験するため、曜日の影響が比較から相殺されます。「3日」「5日」のような半端な日数は、特定曜日が多く含まれるぶん偏りが残りやすいので避けるのが無難です。最低ラインは7日、安心ラインは14日、と覚えておくと実務で迷いません。

6-2. CV数の目安（例・ヘッジ付き）

CV数については、各パターン（各LP）あたり最低でも数十件以上のCVが一つの目安とされることが多いです。ただしこれは、LP間の差がそこそこ大きい場合の話で、小さな差を検出したいなら各LP数百件規模が必要になることもあります。逆にCVRの差が極端に大きければ、もっと少ないCVでも傾向は見えます。「数十件」という数字は絶対的な閾値ではなく、サンプルサイズ計算の代わりに使う粗い当たりとして捉えてください。

※ 数値はすべて理解のための一般的な目安・例であり、保証された基準ではありません。実際は自社のCVR・差の大きさで変わります。2026年6月時点。

7-1. マイクロCV・上位指標で代替する

最終CV（購入・申込・問い合わせ）は発生数が少なく、貯まるのに時間がかかります。そこで、その手前にある「上位指標（マイクロコンバージョン）」を判定の主指標に使う方法があります。最終CVより圧倒的に発生数が多いため、少ないトラフィックでも差を検出しやすくなります。

• ファーストビュー突破率：最初の画面で離脱せず読み進めた割合。LPの第一印象の良し悪しが出やすい。
• スクロール到達率：ページの一定地点まで読んだ割合。コンテンツの引き込み力を測る。
• CTAクリック率：申込ボタン等のクリック率。訴求とボタン設計の差が出る。
• フォーム到達率・入力開始率：フォームまで進んだ／入力を始めた割合。CV直前の意欲を測る。

7-2. トラフィックを集約する

テストするパターンを増やしすぎると、1パターンあたりのサンプルが薄まり、いつまでも判定できません。比較するLPは原則2つに絞り、トラフィックを集中させるのが、早く結論を出すコツです。3パターン以上を同時に走らせると、必要サンプルが倍々で増えていきます。また、配信を複数キャンペーンに散らさず1本に寄せて振り分けることで、振り分け以外の条件を揃えつつサンプルを集めやすくなります。

7-3. 差が大きく出る仮説からテストする

必要サンプルは「検出したい差の大きさ」に強く依存します。だからこそ、最初は小さな差しか生まないであろう微調整（ボタンの色など）ではなく、大きく差が出そうな仮説（ファーストビューの訴求やオファーそのものの違い）からテストすると、少ないサンプルでも判定しやすくなります。大きな方向性を先に決め、細部のチューニングは後回しにするのが、限られたトラフィックを有効に使う順序です。

ステップ1：仮説を立てる

「なんとなく2案作った」ではなく、「誰の・どんな課題に対して・この変更でCVRが上がるはず」という仮説を言語化します。仮説が明確だと、何を指標にするか・どれくらいの差を期待するかが決まり、サンプルサイズの見積もりもしやすくなります。

ステップ2：検証する要素を1つに絞る

原則は「1テストにつき検証する要素は1つ」です。ファーストビュー・見出し・CTA・価格表現を一度に全部変えると、勝ってもどの要素が効いたか分からなくなります。ただし、まったく方向性の違うLPを大きく比べて方向性を決める探索的な段階では、あえて大きく変えることもあります。その場合も、勝った方向性が決まったら、次は1要素ずつ詰めるテストに移行します。

ステップ3：必要サンプル・期間を先に固定する

テスト開始前に、サンプルサイズ計算で必要な訪問・CV数を見積もり、「最低◯日（7日の倍数）回す」「各LPに◯件のCVが貯まるまで判定しない」とルールを決めて文書化します。これを先に固定しておくことが、後述する「途中で勝者判定してしまう」失敗を構造的に防ぎます。

ステップ4：期間まで判定を保留し、結論を出す

テスト中は途中経過を参考に見るのは構いませんが、設定した期間・サンプルに達するまでは判定（勝者の確定・配信停止）をしないのが鉄則です。期間到達後、CVR差が有意か（偶然で説明できないか）を確認し、勝者を採用します。差が有意でなければ「引き分け／判定不能」という結論も立派な結果です。無理に勝者を作らないことも大切です。