「LPを作ったが、コンバージョン率が1%から動かない」「どこを直せばいいのか、社内の誰に聞いてもわからない」——LPの改善を任された担当者であれば、こうした行き詰まりに心当たりがあるかもしれません。
これらは、中小企業のLP改善支援で繰り返し見てきた典型的な状況です。原因の多くは「改善ノウハウがない」のではなく、「改善の優先順位がついていない」ことにあります。LP全体をなんとなく直すのではなく、Claudeに課題を診断させて優先度をつけることで、改善の精度が一気に上がります。
- LP診断をAIに任せるための情報整理の方法
- 診断結果から優先度をつけてリライトする手順
- AIに任せきりにせず「人間が判断すべき箇所」の見極め方
LP改善を成功させる2つの原則
具体的な手順に入る前に、改善全体を貫く原則を共有します。これを押さえるかどうかで、AI活用の効果が大きく変わります。
①「全部直す」ではなく「最重要1箇所だけ直す」
ありがちな失敗は、診断結果を見て10箇所も20箇所も同時に直そうとすることです。これでは効果検証ができず、何が効いたのかわかりません。1回の改善で直すのは、最重要の1〜2箇所に絞るのが鉄則です。残りは次回以降の改善サイクルに回します。
たとえば「ファーストビュー」「CTA文言」「価格表示」の3つに課題があった場合、ファーストビューだけをまず直して、2週間検証する。これが正しい順序です。
②「課題抽出」と「リライト」を別工程にする
AIに「LPを診断して書き直して」と一度に頼むと、診断と修正が混ざって判断の根拠が見えなくなります。本記事ではこれを「分業プロンプト」と呼びます。まず課題を抽出する工程、次に課題を選んでリライトする工程、と分けることで、人間が判断を挟む余地ができ、改善の質が上がります。
ステップ1：診断に必要な情報をClaudeに渡す
⏱ 取り組むタイミング：LP改善を始める最初の30分
診断の質は、AIに渡す情報の質で決まります。LPのURLだけを渡しても、AIは表層的な指摘しかできません。
具体的に渡すべき情報は以下です：
- LPの全文テキスト（コピー&ペーストで構わない）
- ターゲット顧客像（誰に、どんな状況で読ませたいか）
- 現在のコンバージョン率と、目標とする率
- 過去にやってみて効かなかった施策（あれば）
- 競合LPがあれば、そのURL or テキスト
これらを1つのドキュメントにまとめてClaudeに渡します。情報を渡す手間を惜しまないことが、診断品質の出発点です。30分かけて情報を整理する価値は十分にあります。
注意点として、商品・サービスの強みを「自社視点」で書きすぎないこと。顧客視点での価値を書くと、AIの診断もそれに合わせて鋭くなります。
情報が薄くて診断が浅くなった失敗例
ある企業では、LPのテキストだけをClaudeに渡して「診断して」と頼みました。返ってきた指摘は「もっと具体的に」「ベネフィットを明確に」など、教科書的なアドバイスばかり。担当者は「これではLP改善のテンプレ通りで使えない」と感じました。後日、顧客像と過去の失敗施策を追加で渡したところ、「価格表示の位置が、想定顧客の購買検討タイミングと合っていない」など、具体的な改善案が返ってきました。
ステップ2：診断結果から「優先度の高い1箇所」を選ぶ
⏱ 取り組むタイミング：Claudeから診断結果が返ってきた直後
Claudeが返してくる課題リストは、多いと10〜15個になります。これを全て直そうとすると改善が止まるので、優先度をつける作業が必要です。
優先度判断の基準は以下に絞ります：
- 影響範囲が大きいか（多くの訪問者が見る箇所か）
- 改善コストが低いか（テキスト修正だけで済むか）
- 仮説検証がしやすいか（効果が数値で見えるか）
この3軸でClaudeに「優先度上位3つを選んで理由を述べて」と再質問するのが効率的です。AIに判断材料を整理してもらい、最終決定は人間が下す。この役割分担を意識してください。
特に「影響範囲」は、ファーストビュー ＞ CTA周辺 ＞ 中段 ＞ フッター、の順で大きくなる傾向があります。改善初期はファーストビューに集中するのが定石です。
優先度をつけたら短期で成果が出た成功例
ある企業では、Claudeに15個の課題を出してもらった後、影響範囲・改善コスト・検証しやすさの3軸で優先度をつけ直しました。最終的に選んだのは「ファーストビューのキャッチコピー」1箇所のみ。1週間でリライトしてA/Bテストにかけたところ、コンバージョン率が改善する結果に。残りの14個の課題は、効果検証が済んでから順番に取り組む計画にしました。1点集中が短期成果の鍵でした。
ステップ3：リライト→A/Bテスト→学習のサイクルを回す
⏱ 取り組むタイミング：優先課題が決まった直後から継続的に
優先度1位が決まったら、Claudeにリライト案を作らせます。ただし1案だけでなく、必ず3〜5案出させて、その中から選びます。
リライト依頼時のポイントは以下です：
- トーンを変えた複数案を出させる（論理的・感情的・ストーリー型など）
- 文字数の制約を明示する（モバイル表示を考えるなら短く）
- A/Bテストにかける前提で「対比が明確な2案」を選ぶ
- 最低1週間は配信して、データを溜める
テスト後の結果も、Claudeに分析させると学習が速くなります。「A案のほうがクリック率が高かった理由を3つ挙げて」と聞けば、次回改善の仮説の精度が上がります。1回のテストで終わらせず、毎回の学習をプロンプトに蓄積していくことで、改善サイクル全体がレベルアップしていきます。
注意点として、A/Bテストの判断は最低1週間、できれば2週間のデータで行いましょう。3日程度のデータで判断すると、ノイズに振り回されます。
サイクルを回し続けた企業と単発で終わった企業の差
同じ業界の2社で、LP改善の進め方に違いがありました。A社は最初の改善で成果が出たあと、満足してそこで止まってしまいました。B社は同じ仕組みを月1回のサイクルとして固定化し、毎回1〜2箇所ずつ改善を積み重ねました。半年後、両社のコンバージョン率には大きな差が生まれていました。改善は単発のイベントではなく、定期サイクルにしたほうが累積効果が出ます。
ステップ4：AIに任せず、人間が判断すべき領域を見極める
⏱ 取り組むタイミング：改善サイクルが回り始めた段階で
ここまでの3ステップでAI活用の基本は組めますが、すべてをAIに任せると判断を誤る領域があります。具体的には以下です：
- ブランドの世界観や、自社らしいトーン
- 業界特有の規制や、表現してはいけない言い回し
- 顧客との長期関係を踏まえた、慎重なメッセージ
- 競合との明確な差別化ポイント
これらは、AI出力をベースにしつつも必ず人間が最終チェックする領域として線引きしましょう。AIが提案した「キャッチーな表現」が、自社のブランド毀損につながるケースは実際に起こります。
判断基準として「過去5年分のメルマガや営業資料を読んだことがある人」が見て違和感がないか、をチェックポイントにしてください。
気づかぬうちにブランドが崩れていた兆候
ある企業では、AIで生成したLPコピーを次々と採用していました。短期のコンバージョン率は改善していましたが、半年後、既存顧客から「最近、何か変わった?」という指摘が増えてきました。当時は流していたものの、振り返るとブランドのトーンが少しずつAI寄りに均質化していた予兆でした。それ以降、ブランド軸の文章だけはAI出力を必ず人間がリライトする運用に変えています。
おわりに
LP改善は、AIに丸投げするものでも、人間が全部抱え込むものでもありません。課題抽出はAIに広く出させ、優先度判断は人間が下し、リライトはAIに複数案出させ、最終判断は人間がする。この役割分担が、短期で成果を出しつつ長期で資産を残す進め方です。
まず今日できる第一歩は、自社のLPテキストと、想定顧客像を1ページにまとめてClaudeに渡してみることです。完璧な情報整理はいりません。15分でできるレベルで構いません。最初の診断結果を見ると、改善の入口が見えるはずです。