WooCommerce アクセス解析＆ CRO のための AI プロンプト

各プロンプトでの使い方：指定された Statnive レポートから CSV をエクスポートし、貼り付け、プロンプト全文を AI アシスタントにコピーします。これらのプロンプトは、月商 5,000〜50,000 米ドル規模の WooCommerce 個人ストアで Statnive を運用しており、分析の沼ではなく意思決定可能な出力を求めていることを前提としています。

1. #01

   週次レビュー

   使うとき

   毎週月曜の朝。直近 7 日間と前 7 日間の数値を貼り付けて、3 項目のアクションリストを受け取ります。

   対応レポート

   概要＋売上レポート

   注意点

   概要のトラフィック変化と売上レポートのチャネル変化を組み合わせます。v1.0.0 では AI がトラフィックソースの変化と売上の変化を直接結び付けられます。

   プロンプトを表示

   You are a CRO analyst for a solo WooCommerce store. Here is week-over-week data on Sessions, Bounces, and Channels:
   
   [PASTE CSV: 7-day current vs 7-day previous Overview export]
   
   Identify the 3 most important changes. Label each as 'investigate / act / ignore'. Suggest one experiment for the 'act' items. Keep it under 200 words.

2. #02

   ランディングページ CRO

   使うとき

   有料キャンペーンが始まった後、またはトップ入口ページが変動したとき。

   対応レポート

   ページ → 入口ページ

   注意点

   AI は仮説を提案するもので、判定を下すものではありません。変更を反映する前に必ず Baymard のチェックリストで検証してください。

   プロンプトを表示

   Here is Entry Count, Bounces, and Total Duration for my top 10 entry pages:
   
   [PASTE CSV from Statnive Pages report, sorted by Entry Count]
   
   Rank them by CRO opportunity. For the top 3, list 3 hypotheses each and one concrete experiment per hypothesis. Output as a table.

3. #03

   商品ページの最適化

   使うとき

   四半期ごとの PDP 監査、または特定の商品が振るわないとき。

   対応レポート

   ページ（/product/ でフィルタ）

   注意点

   PDP での滞在時間の長さは、本物の関心を示すこともあれば、混乱を示すこともあります。離脱数と組み合わせて切り分けてください。

   プロンプトを表示

   Here is Views, Total Duration, and Exit Count for my product pages (filtered to URLs containing /product/):
   
   [PASTE CSV]
   
   Identify the 3 PDPs with the strongest signal of friction. For each, hypothesize the 3 most likely causes. Recommend the lowest-effort fix per cause.

4. #04

   キャンペーン品質監査

   使うとき

   毎月の有料広告レビュー、またはキャンペーンが予算を浪費していると疑うとき。

   対応レポート

   リファラー（UTM フィルタ）＋チャネル別売上

   注意点

   v1.0.0 以降、売上レポートのチャネル内訳でチャネル別売上を直接取得できます — ソースレベルの ROAS を出すにはリファラー UTM データと組み合わせてください。

   プロンプトを表示

   Here is UTM campaign data: Source, Medium, Campaign, Sessions, Bounces, Total Duration:
   
   [PASTE CSV from Referrers report, UTM dimensions]
   
   Identify campaigns to scale, fix, or pause. For each pause/fix recommendation, give the diagnostic signal and the next step. Output as a table with reasons. Apply the channel-health rule: pass = bounces below site avg AND duration above site avg.

5. #05

   UTM クリーンアップ

   使うとき

   Direct トラフィックの割合が不自然に 25% を超えたとき、または新しい広告プラットフォームを追加する前。

   対応レポート

   リファラー（UTM ディメンション）

   注意点

   AI は命名の不整合を検出しますが、根本的なキャンペーン管理の規律までは直せません。単一の命名規約を採用し、広告プラットフォーム側で徹底してください。

   プロンプトを表示

   Here is my UTM list (Source/Medium/Campaign distinct values for the last 90 days):
   
   [PASTE CSV]
   
   Identify (1) naming inconsistencies (capitalization, duplicates, typos), (2) the most likely consolidations, and (3) propose a standardized lowercase naming scheme with examples. Flag any 'utm_medium' value that does not match Statnive's 8 channel buckets.

6. #06

   モバイル UX のギャップ検出

   使うとき

   四半期ごとのモバイル監査、またはチェックアウトや PDP の変更を反映したとき。

   対応レポート

   デバイス

   注意点

   Statnive はデバイスタイプ別の直帰／離脱は計測しますが、ページ速度は計測しません。速度の観点は Lighthouse／Web Vitals の計測と組み合わせてください。

   プロンプトを表示

   Here is bounce rate by Device Type for my top 10 pages:
   
   [PASTE CSV: Pages × Device Type cross-tab from Statnive]
   
   For each page where mobile bounce exceeds desktop bounce by 15 percentage points or more, list the page and suggest 3 mobile-specific fixes (one for layout, one for speed, one for input/interaction). Skip pages where the gap is within 15pp.

7. #07

   ローカライズ機会のスキャン

   使うとき

   四半期ごとの海外監査、または翻訳・通貨プロジェクトを検討する前。

   対応レポート

   地域＋言語

   注意点

   AI は機会をランキングしますが、実際のローカライズ ROI は国別の送料、サポート体制、税金設定に依存します。出力はショートリストとして扱い、確定事項としては扱わないでください。

   プロンプトを表示

   Here is Geography data: Country, Visitors, Total Duration, Bounces:
   
   [PASTE CSV from Statnive Geography report]
   
   Identify the top 3 countries with: at least 5% share of total visitors AND total duration at least 80% of my domestic visitors' duration. For each, recommend currency-first or language-first as the cheapest first localization test, and explain why.

8. #08

   コンテンツから商品への寄与分析

   使うとき

   ブログ記事が最も成果の高い入口ページなのに、商品売上には結び付いていないように見えるとき。

   対応レポート

   ページ（ブログ＋商品のクロス参照）

   注意点

   次ページのイベントがなければ、これは寄与分析ではなく相関分析です。コンテンツ戦略のシグナルとして扱い、収益モデルとしては扱わないでください。

   プロンプトを表示

   Here are my top 20 blog posts by Views and Exit Count:
   
   [PASTE CSV from Statnive Pages report, filtered to blog URLs]
   
   Which posts are 'bleeding' traffic (high views + high exits + low next-page conversion)? For each, suggest 2 contextual internal links to product pages that would naturally fit the post's topic.

9. #09

   離脱ページの診断

   使うとき

   絶対損失の計算で高離脱ページを特定した後、修正を反映する前。

   対応レポート

   ページ → 離脱ページ

   注意点

   AI が仮説を立て、あなたが検証します。ページタイプ（PDP、カート、チェックアウト）ごとに Baymard のチェックリストと必ずクロスチェックしてください。

   プロンプトを表示

   For this exit page: [PASTE: page URL + Exit Count + Views + Total Duration + which page type (PDP/cart/checkout)]
   
   Hypothesize 5 reasons users leave. Rank by likelihood. For the top 2, suggest one diagnostic check and one experimental fix.

10. #10

    リアルタイムでのローンチ監視

    使うとき

    フラッシュセール、メール配信、インフルエンサー投稿の最中 — 最初の 1 時間が最も重要です。

    対応レポート

    リアルタイム

    注意点

    リアルタイムは監視のためであり、意思決定のためではありません。最初の 15 分のデータでキャンペーンを変更してはいけません。

    プロンプトを表示

    During my flash sale, here is real-time visitor pattern by minute:
    
    [PASTE CSV: Real-time visitor counts in 5-min buckets from launch]
    
    Identify whether the campaign is on track vs. the expected baseline (which I supply). Flag any unusual patterns (sudden spike, abnormal source distribution). Suggest one action only if the deviation is greater than 2x baseline.

11. #11

    ファネル離脱の診断

    使うとき

    v1.0.0 のファネルデータが 7 日以上溜まった後 — 最悪のステップを選んで修正します。

    対応レポート

    売上レポート → ファネル

    注意点

    AI は Baymard に整合した修正を提案します。あなたは 1 つを実装し、2 週間計測してから次のステップに移ります。同時に 3 つのステップを変更してはいけません。

    プロンプトを表示

    Here is my Cart-to-Purchase Funnel for the last 30 days from Statnive Revenue Report:
    
    [PASTE CSV: Viewed product → Added to cart → Started checkout → Completed purchase counts + per-step conversion rate, ideally with per-channel breakdown]
    
    Identify the biggest funnel drop-off step. Suggest 3 fixes specific to that step (PDP issues for view→cart drop; cart issues for cart→checkout drop; checkout-form issues for checkout→purchase drop). Cite which fix Baymard research supports.

12. #12

    チャネル別売上 — 予算配分

    使うとき

    四半期ごとの予算計画、または有料チャネルをスケールする前。

    対応レポート

    売上レポート → チャネル＋リファラー

    注意点

    v1.0.0 以降、チャネル別売上は一級の内訳です — チャネル表とリファラーから同じ期間のセッション数の両方を貼り付けてください。AI アシスタントチャネルは長期成長機会としてここに浮上することが多くあります。

    プロンプトを表示

    Here are Orders, Revenue (net), and AOV per channel from the Statnive Revenue Report, plus session counts from the Referrers report for the same period:
    
    [PASTE CSV]
    
    Calculate revenue per session (RPV) by channel. Rank channels for next-quarter budget. Flag any channel with high session volume but bottom-quartile RPV as a budget-cut candidate. Call out the AI Assistants channel specifically if its RPV beats paid channels — that's a free-acquisition signal worth investing content in.