「広告の購入率（CVR）も訪問数も伸びているのに、売上の伸びが想像より小さい」。EC 事業者でよく見る違和感です。多くの場合、見落とされているのが 客単価（AOV：Average Order Value）。AOV は「注文 1 件あたりの平均売上」 というシンプルな指標ですが、計測の落とし穴と CVR / RPS（訪問あたり売上）との相互作用を取り違えると、改善の手が真逆に振れます。
本記事では AOV の正しい計算方法と上げ方を、売上分解式から整理します。10 の打ち手を効果レンジと併せて提示し、「AOV だけ追ってはいけない理由」 と自社実測の 3 step まで扱います。先に言っておくと、AOV の考え方そのものは簡単です。むずかしいのは、チャネル別・新規/リピート別に数字を毎月そろえ、「客単価は高いのに効率は低い」 流入を見分け続けるところ。そこまで含めて、実務目線で扱います。
まとめ解説動画
目次
この記事のまとめ#
- AOV は「売上 ＝ 訪問数 × CVR × AOV」 の 3 要素のうち 1 つ。単独で追うと CVR や訪問数の動きと打ち消し合い、結果として売上が伸びない
- AOV 改善の打ち手は 10 種類: クロスセル / アップセル / バンドル / 送料無料閾値 / 会員制 / 数量割引 / 価格改定 / パーソナライゼーション / カゴ落ち対策 / 補完商品提示。考え方はやさしいが、無料の手作業だけで効果まで判定し続けるのは続かない
- AOV だけ追うと「送料無料閾値の引き上げで AOV ↑ / CVR ↓」 の罠。AOV × CVR ＝ RPS（訪問あたり売上）で見て、初めて「客単価は高いのに効率は低い」 流入が見える
- 自社の AOV は 3 step で実測できるが、本番はそこから。チャネル別・新規/リピート別に毎月そろえて「AOV だけ高い罠」 を見分け続けるのが重い
1.AOVとは—売上分解式の中での位置づけ#
結論から言うと、AOV は「売上 ＝ 訪問数 × CVR × AOV」 という 3 要素の 1 つで、単独で最適化すると CVR や訪問数と打ち消し合います。
AOV（Average Order Value）は「注文 1 件あたりの平均売上」 を指す指標で、国内では「客単価」 と訳されます。厳密には「客単価 ＝ 1 顧客あたりの売上」「AOV ＝ 1 注文あたりの売上」 と定義が分かれますが、実務ではほぼ同義に扱われます。
売上 ＝ 訪問数（セッション数）× 購入率（CVR）× 客単価（AOV）
3 要素を分けて見ないと「広告で集客は増えたのに AOV が落ちた」 という打ち消し合いに気づけません。経産省調査[7]によれば、日本国内の BtoC-EC 物販系市場規模は 2024 年に 15 兆 2,194 億円、EC 化率 9.78% まで拡大しており、3 要素を切り分けて見る重要性は年々増しています。
2.AOVの正しい計算—4つの落とし穴#
結論から言うと、計算式そのものはシンプルですが、割引 / 税 / 送料 / 返品の 4 つの定義で実装が分かれ、社内で 1 つに統一しないと議論がかみ合いません。
AOV の計算式はシンプルです[1][2]。
AOV ＝ 期間内の売上総額 ÷ 同期間の注文件数
月間売上 1,000 万円・注文件数 2,000 件なら AOV 5,000 円。Shopify 公式は AOV を「割引適用後の純売上 ÷ 注文件数」 と定義[1]。この定義が落とし穴の起点です。
| 落とし穴 | 何が起きるか | 推奨する扱い |
|---|---|---|
| ① 割引適用前 vs 後 | クーポン重課時に AOV が過大評価 | 割引適用後（純売上）で AOV を定義 |
| ② 税込 vs 税抜 | 税込 AOV と税抜 AOV が社内で混在し議論がズレる | 全社で 1 つに統一（税抜推奨） |
| ③ 送料含む vs 除く | 送料無料閾値施策の効果がブレる | 商品売上のみで AOV を定義（送料は別指標） |
| ④ 返品 / キャンセル反映 | 返品率の高い商材で実態と乖離 | 返品 / キャンセル後の確定売上で再集計 |
特に ④ は要注意で、返品率 10% 超の商材ではダッシュボードの AOV と月次決算の AOV が 2-3 割ずれます。「注文時点」 と「確定後」 の AOV を両方持つのが安全です。グローバル平均 AOV は Shopify 公開データで約 $145[1]・米国 2024 年 11-12 月オンライン売上 $241.4 B (前年比 +8.7%)[6]・自社業種に近いベンチマークを毎年更新する運用が必要です。
3.AOVを上げる10の打ち手#
結論から言うと、10 の打ち手は訪問内アップ系 / 設計型インセンティブ / 継続関係型の 3 タイプに分かれ、最初は送料無料閾値 / クロスセル / バンドルの 3 つから始めるのが現実的です。
AOV の改善打ち手は、突き詰めると 10 カテゴリに整理できます。Shopify 公式 7 パターン[1] + WooCommerce 補完[2]を統合し、効果レンジ付きで一覧化しました。
10 の打ち手は 3 タイプに分かれます:
- 訪問内アップ系（#1 クロスセル / #2 アップセル / #3 バンドル / #10 購入後の補完提示）: その注文の積み増し・期待効果 AOV +10〜40%[4]
- 設計型インセンティブ（#4 送料無料閾値 / #6 数量割引 / #7 価格改定）: 価格構造を動かす・CVR への副作用に注意[3]
- 継続関係型（#5 メンバーシップ / #8 パーソナライゼーション / #9 カゴ落ち復帰）: LTV +20〜40%[5] や売上 +1〜2% / 利益 +1〜3%[5]・AOV 単体ではなく長期収益で効果
効果レンジの読み方と最初の3つ#
効果レンジは「中央値前後」。クロスセル +10〜30% は設計次第で +0〜5% or +30% 超。McKinsey は「ターゲット型プロモで売上 +1〜2% / 利益 +1〜3%・推薦精度で個社 +5〜25% の差」 と整理[5]。
10 全てを同時投入すると施策どうしが干渉して、どれが効いたか見えなくなります。最初は 送料無料閾値（#4） / クロスセル（#1） / バンドル（#3） の 3 つから (実装コスト小・効果計測しやすい)。
打ち手を選ぶこと自体はむずかしくありません。むずかしいのは、入れたあとに「本当に AOV が上がり、しかも CVR を下げていないか」 を毎回数字で確かめ続けることです。次章でその落とし穴に進みます。
4.AOVだけ追ってはいけない理由—CVR・RPSとの相互作用#
結論から言うと、送料無料閾値のように AOV ↑ / CVR ↓ の打ち消し合いが起きるため、AOV × CVR ＝ RPS（訪問あたり売上）で見るのが安全な判定軸です。RPS の詳細はRPSとは｜広告チャネル比較の指標で解説しています。
AOV 改善は単独で見ると CVR と打ち消し合うことがあります。送料無料閾値を $50 → $100 に引き上げれば AOV は上がるかもしれませんが、「あと $20 で送料無料」 のところで離脱する顧客が増えれば CVR は下がります。「AOV ↑ × CVR ↓」 で、訪問あたり売上（RPS）はむしろ下がる現象です。
目指すべきは 右上（高 AOV × 高 CVR）。左上（高 AOV × 低 CVR）に振れる施策は AOV だけ見れば改善でも事業全体としてはマイナス。送料無料閾値の引き上げは左上に振れやすく、クロスセル / バンドルは右上に近づける打ち手です。判断軸として強いのは AOV × CVR の積で表現される RPS（Revenue Per Session）:
RPS ＝ 売上 ÷ 訪問数 ＝ CVR × AOV
AOV が上がっても RPS が下がっていれば、その施策は失敗です。広告予算配分を ROAS で見るときも「売上」 を分解すると AOV × CVR × 訪問数。AOV を単独で見ると ROAS 変動の正体 (CVR なのか AOV なのか) が見えません。だからこそ、AOV と CVR と RPS を同時に並べて見る必要があります。問題は、それをチャネル別・新規/リピート別に毎月そろえると、手作業ではすぐ続かなくなることです。
5.事業フェーズ別の優先順位#
結論から言うと、新規獲得期はクロスセル / 補完提示のような受動的な打ち手から入り、送料無料閾値は訪問数が安定する拡大期以降にまわすのが安全です。
10 の打ち手の投入順序は、事業フェーズと商材タイプで変わります。
- 新規獲得期: LP の引っかかりを最小化するのが優先・送料無料閾値を高く設定すると初回購入のハードルが上がり CVR が下がる → クロスセル / 補完商品提示 の受動的な打ち手から
- 拡大期: 訪問数が安定したら 送料無料閾値 / バンドル / アップセル を投入・施策ごとに A/B テストし RPS ベースで採否判定
- 成熟期: メンバーシップ / パーソナライゼーション で個別最適化・データ基盤が弱いまま個別最適化に走るとレコメンドのノイズで CVR が落ちます
商材タイプでも優先順位は少し変わります。単価が高く購入頻度の低い商材（家具・家電など）は 1 回の注文を厚くするクロスセル / バンドルの効きが大きく、単価が低く購入頻度の高い商材（消耗品・食品など）はメンバーシップや定期購入で継続関係を作るほうが効きます。季節性が強い商材は、繁忙期に送料無料閾値を動かすと CVR への影響が大きく出やすいので、RPS で必ず採否を判定します。いずれの場合も判断の土台は「チャネル別・客層別に AOV と RPS を並べて見る」 こと。商材で変わるのは打ち手の優先順位であって、見る指標は変わりません。
6.自社のAOVを実測する3step#
結論から言うと、GA4 設定 + 4 落とし穴の定義統一 + デバイス・チャネル別の加重平均、という 3 step で実測できます。ただし、これは「一度やって終わり」 ではなく、毎月そろえ続けてようやく判定が回り始める運用です。
AOV の式は単純でも、「自社の数字を出して打ち手の効果を判定する」 ところまで運用に乗せるのは別物です。SMB EC で最短 3 step。
step1:GA4のeコマースイベントを正しく設定する#
GA4 で purchase イベントが各注文で必ず発火している状態を作ります。確認は 3 つ。
- GTM で
purchaseトリガーが「購入完了ページ」 で発火しているか - パラメータ
transaction_id/value/currency/items[]が取得できているか - 探索「デフォルトチャネルグループ × purchase」 の 28 日売上が販売管理システムと ±10% 以内で一致するか
step2:4つの落とし穴の定義を社内で1つに揃える#
§2 の 4 落とし穴（割引 / 税 / 送料 / 返品）を社内で 1 つに統一。Shopify 推奨は割引適用後 + 税抜 + 送料除外 + 返品反映。販売管理システム側と GA4 側で同じ定義になっているか確認します。
step3:デバイス別・チャネル別に分解し、加重平均で全体AOVを算出する#
GA4 の探索でデバイス × チャネル × AOV を 28 日でブレイクダウンし、件数加重で全体 AOV を出します。RPS = CVR × AOV で施策の真の効果も並べて見られるようになります。
この 3 step は、一度組めば自社の AOV を出せます。ただし注意したいのは、ここで手に入るのは「一回ぶんのスナップショット」 だという点です。打ち手の効果を判定するには、これをチャネル別・新規/リピート別に毎月そろえ直す必要があります。手作業の GA4 探索だと、月をまたぐと定義がぶれたり、新規とリピートの切り分けが面倒で省略したりして、続かなくなりがちです。そしてこの 3 step は AOV 単独を出すところまでで、「AOV は高いのに RPS は低い」 という罠を自動で警告してはくれません。そこを毎月見分け続ける部分が、いちばん重いところです。
RevenueScopeの解決策
ここまで見てきたとおり、AOV の考え方そのものは簡単です。むずかしいのは、GA4 標準にはチャネル別・新規/リピート別に AOV / CVR / RPS を1画面で見比べる画面が無いことです。探索でその比較を毎月組み立て直し、「客単価は高いのに効率は低い」 流入を見分け続ける——ここが手作業だと続かず、いちばん重いところでした。
RevenueScope は、その比較を最初から 1 画面にまとめます。チャネル別の売上・RPS（訪問あたり売上）・客単価（AOV）・購入率（CVR）を同じ並びで一覧化し、さらに新規客とリピート客に分けて出すので、「高 AOV ＝ 高効率」 という思い込みが正しいかどうかを、表を上から見ていくだけで確かめられます。下は RevenueScope に聞いたときに返ってくる形のイメージです（表示はデモデータ）。
チャネル別（表示はデモデータ）
| チャネル | 売上 | 客単価（AOV） | 購入率（CVR） | RPS（訪問あたり売上） |
|---|---|---|---|---|
| Google 検索 | ¥625,000 | ¥5,000 | 2.5% | ¥125 |
| メルマガ | ¥517,500 | ¥4,600 | 7.5% | ¥345 |
| Instagram 広告 | ¥288,000 | ¥4,800 | 3.0% | ¥144 |
| 直接（Direct） | ¥210,000 | ¥4,200 | 5.0% | ¥210 |
たとえばこの表で、Google 検索は AOV ¥5,000 で全チャネル中いちばん高い客単価です。ところが RPS は ¥125 と低めで、訪問あたりの稼ぎは振るいません。購入率（CVR）が 2.5% と低いため、「客単価は高いのに効率は低い」 典型です。一方メルマガは AOV ¥4,600 と中位ですが、RPS は ¥345 で全チャネル中の最上位。購入率が 7.5% と高く、客単価がほどほどでも訪問あたりでは最も稼いでいます。
ここで AOV だけを見て「Google 検索は客単価が高い優良チャネル」 と判断すると、本当に効率のいいメルマガへの投資を後回しにしかねません。RPS まで並べて初めて、「AOV × CVR ＝ RPS」 の関係が数字で腹落ちします。
さらに RevenueScope は、この見方を新規客とリピート客に分けて出せます（表示はデモデータ）。
Google 検索の新規/リピート別（表示はデモデータ）
| 客層 | 客単価（AOV） | 購入率（CVR） | RPS |
|---|---|---|---|
| 新規 | ¥5,400 | 1.8% | ¥97 |
| リピート | ¥4,300 | 4.2% | ¥181 |
全体では「AOV ¥5,000・RPS ¥125」 に見えた Google 検索も、分けてみると新規は AOV こそ高いものの CVR が 1.8% と低く、RPS は ¥97。リピートは AOV を抑えても CVR が 4.2% で RPS ¥181。「高 AOV の新規が来ているのに効率は出ていない」 という、全体平均では隠れていた構造が見えます。なお RevenueScope が出すこれらの数字は、自動プログラム（bot）のアクセスを除いたあとの値で、出どころ不明（Unattributed）に紛れた分も切り出して表示します。
ツールにできることの線も引いておきます。RevenueScope が出すのは、チャネル別・新規/リピート別の 売上 / RPS / AOV / CVR と、bot 除外後・出どころ不明の切り出しまでです。LTV や粗利、在庫といった指標は計測しません。RevenueScope が渡すのは「どこに手を打つか」 を決めるための判断材料で、送料無料閾値を動かすのか、クロスセルで CVR を保ったまま積むのか——その一手を選ぶのは、あなたです。
よくある質問（FAQ）#
結論から言うと、AOV はデバイス別 / チャネル別、できれば新規 / リピート別まで分解して見るのが前提で、事業フェーズによって AOV と LTV の優先軸を切り替えます。
Q1.AOVをデバイス別・チャネル別に分けるべき？#
両方分けるべき。モバイル AOV はデスクトップより 20〜40% 低いのが一般的で、全体 AOV だけ追うとモバイル比率の変動で AOV が動いて見えます。指名検索の直接流入は AOV が高く、広告流入は AOV が低い構造になりがちです（GA4 設定: GA4 e コマース設定 30 分チェックリスト）。
Q2.ラストクリック評価でAOVを見ても良い？#
注意が必要。AOV の高い指名検索の直接流入は、Organic Search や SNS 広告の上流刺激の結果である場合が多く、アトリビューションの偏りに注意（ラストクリックの罠）。
Q3.AOVとLTVのどちらを優先すべき？#
事業フェーズで使い分け。新規獲得期〜拡大期は AOV と RPS・成熟期に入ると LTV がメイン軸になり、AOV は LTV の 1 要素として位置づけ直されます（詳細: LTV 計算ガイド）。
Q4.GA4の探索だけで毎月の判定は回せる？#
回せますが、続けるのが大変です。チャネル別・デバイス別・新規/リピート別に AOV / CVR / RPS をそろえる作業を毎月手で組み直すと、定義のぶれや切り分けの省略が起きがちです。AOV 単独の式は簡単でも、「AOV は高いのに RPS は低い」 罠を毎月見分け続ける運用が、いちばん重い部分になります。
まとめ#
- AOV は 売上 ＝ 訪問数 × CVR × AOV の 3 要素のうち 1 つ。単独で追わない
- 計算式は基本シンプルだが、割引 / 税 / 送料 / 返品 の 4 落とし穴で実装が分岐
- 改善打ち手は 10 種類。送料無料閾値 / クロスセル / バンドル から始めるのが現実的
- AOV × CVR ＝ RPS（訪問あたり売上） で見ると、「客単価は高いのに効率は低い」 流入が見える
- 自社の AOV は GA4 + 4 落とし穴 1 統一 + デバイス × チャネル加重平均 の 3 step で実測できる。ただし本番は、それをチャネル別・新規/リピート別に毎月そろえ続けて罠を見分けるところ
- 考え方は簡単。重いのは継続。だからこそ、チャネル別・客層別の AOV / CVR / RPS を 1 画面で出せる土台があると、判断が回り始める
どの広告が売上を生んでいるか、一目でわかる
月5,000セッションまで、AIアナリストもずっと無料。クレジットカード不要。最短5分で導入。
参考文献#
- [1] Shopify 「Average Order Value (AOV): Formula, Benchmarks and 7 Ways to Increase It」 2025 年 9 月
- [2] WooCommerce 「Increase average order value: actionable tips for ecommerce」 2024 年 5 月
- [3] Baymard Institute 「E-Commerce Cart & Checkout Usability Research」 2024 年
- [4] BigCommerce 「Ecommerce Growth with Upselling and Cross Selling Tactics」 2024 年
- [5] McKinsey & Company 「Unlocking the next frontier of personalized marketing」 2025 年 1 月
- [6] Adobe 「Holiday Shopping Season Drove a Record $241.4 Billion Online and Rising 8.7% YoY」 2025 年 1 月
- [7] 経済産業省 「令和 6 年度 電子商取引に関する市場調査」 2025 年 8 月
