ITパスポート 令和4年度 問34：マーケティング・分析に関する問題

答えは a「A/Bテスト」 です。

A/Bテストとは、「2つの案を同時に出して、どっちが良かったか結果で比べる」やり方。

この問題は、新デザイン（A）と古いデザイン（B）を両方見せて、どっちが申込みにつながるか比べています。まさにA/Bテストです。

👉 覚え方：AとBを並べて勝負させる＝A/Bテスト。

ほかの選択肢：b ABC分析＝大事なものを多い順にA・B・Cに分ける／c クラスタ分析＝似たもの同士をグループ分け／d リグレッションテスト＝直したプログラムが他をこわしてないか確かめるテスト。

なぜこれが正解か

正解は a。A/Bテストは、2つ（以上）のパターンを実際の利用者に無作為に振り分けて並行提示し、コンバージョン（申込み・購入など）にどちらが優れるかを比較・検証する手法。問題文の「新旧デザインを並行稼働して申込み率を比較」がそのもの。

各選択肢の解説

• a A/Bテスト：○ 2案を実地比較して効果を検証。
• b ABC分析：✕ 売上・在庫などを重要度順にA/B/Cへ層別する分析（パレート分析の応用）。
• c クラスタ分析：✕ 似た特徴のデータをグループ（クラスタ）に分類する統計手法。
• d リグレッションテスト：✕ プログラム修正後に既存機能へ悪影響がないか確認する回帰テスト。

覚え方・ひっかけ注意

「2案を実際に出して比べる＝A/Bテスト」。dのリグレッションは「regression＝後戻り・回帰」でテスト用語、回帰分析（統計）とも別物。マーケのデザイン・施策比較ならA/Bテスト、と用途で即断する。

理論的背景

A/Bテスト（A/B Testing）は統計学的仮説検定の応用としてWebマーケティング・UX最適化に特化した実験手法であり、「A（コントロール群：従来のデザイン）」と「B（テスト群：新しいデザイン）」を同時並行で実際のユーザーにランダム割り当てして比較する「ランダム化対照試験（RCT：Randomized Controlled Trial）」のWebサービス版である。

A/Bテストの統計的基盤は以下の要素で構成される。

• 帰無仮説（H₀）：AとBの間に差はない（コンバージョン率が等しい）
• 対立仮説（H₁）：BのコンバージョンはAより高い（または異なる）
• 有意水準（α）：通常5%（p<0.05）または1%（p<0.01）で「偶然ではない差がある」と判断
• 検出力（Power）：真の差を検出できる確率（通常80%以上が目標）
• サンプルサイズ：統計的有意性を達成するために必要なユーザー数を事前計算（検出力分析）

本問の「新しいデザインと従来のデザインのWebサイトを実験的に並行稼働し、どちらが有料サービスの申込みに至りやすいかを比較・検証」という記述はA/Bテストの定義を直接説明している。

実務での使われ方

AmazonはA/Bテストを年間数万回以上実施していると報告されており、「カートに追加ボタンの色・サイズ・位置」「製品画像の点数・解像度」「レビュー表示の順序」など細部まで数値化して最適化する文化が徹底している。Google・Netflix・Facebook（現Meta）も大規模なA/Bテスト基盤（ExperimentationPlatform）を持ち、全機能変更をデータで検証してから本番ロールアウトする「実験文化（Culture of Experimentation）」を根付かせている。

A/Bテストの発展形として、3つ以上のバリアントを同時比較する多変量テスト（Multivariate Testing）、ユーザーの行動に応じてリアルタイムでバリアントを切り替えるバンディットアルゴリズム（Thompson Sampling等）がある。SaaS型のA/Bテストツールとして、Optimizely・VWO（Visual Website Optimizer）・Google Optimize（2023年終了）が代表的。

試験での位置づけ

ITパスポートのマーケティング・データ分析分野で出題。「2つのデザインを並行運用→どちらが効果的かを比較→統計的に検証」という3要素の組み合わせがA/Bテストの定義。誤答候補の「ABC分析（在庫管理）」「クラスタ分析（グループ化）」「リグレッションテスト（回帰テスト：ソフトウェアの変更後の動作確認）」との区別が問われる。

上位資格では、A/Bテストの統計的有意性・検出力の計算、マルチアームバンディット問題と従来A/Bテストのトレードオフ、フィーチャーフラグ（Feature Flag）を使った段階的ロールアウト、倫理的配慮（ユーザーへの同意なしテストの問題）まで踏み込んだ問題が出る。

選択肢の発展補足

選択肢b（ABC分析）：在庫管理・顧客管理で使われる分類手法で、品目を売上高・利益貢献度・在庫金額等の指標でソートし、上位（A：約70〜80%寄与）・中位（B：中間）・下位（C：残り）に分類して管理の優先度を決める。小売業の在庫圧縮（A品目は綿密管理、C品目は在庫削減候補）、営業管理（A顧客に集中注力）で活用される。「A/B」という語のABC分析との混同は典型的な誤答パターン。

選択肢c（クラスタ分析）：教師なし機械学習の代表的手法で、類似した特徴を持つデータ点をグループ（クラスター）に自動分類する。K-means法・階層クラスタリング・DBSCAN等のアルゴリズムが代表的。マーケティングでの顧客セグメンテーション（購買行動・属性の類似顧客を自動分類）、生物学での種の分類、医療での患者群の分類に広く使われる。「2つを比較してどちらが良いか」という仮説検証ではなく「データを自動分類する」データマイニング手法。

選択肢d（リグレッションテスト）：ソフトウェアテストの種類の一つで「回帰テスト」とも呼ばれる。ソフトウェアの変更（バグ修正・機能追加・リファクタリング）後に、変更前に正常動作していた機能が引き続き正常に動作することを確認するテスト。CI/CD（継続的インテグレーション・継続的デリバリー）パイプラインでの自動実行が標準的。WebサイトのUIデザイン比較・コンバージョン率の優劣判断という本問の文脈とは全く異なる技術領域。