ドキュメント分析：追跡する価値のある指標
ページビューは当てになりません。閲覧数の多い上位ページから分かるのは、どのページが人気かであって、どのページが役立つかではありません。実際にドキュメントの品質を向上させる指標は異なります。
これが、私たちがDocsbookのお客様に提供している実用的な指標セットです。
要約#
ユーザーの行動を変える5つの指標：
- 検索失敗 — ユーザーが見つけようとして見つけられなかったもの
- 回答のないAIへの質問 — 同じシグナルを会話形式で示したもの
- 否定的なフィードバック（👎） — ユーザーが積極的に失敗を報告したページ
- ページ遷移 — ユーザーが離脱またはコンバージョンに至る前に行うこと
- 失敗の多い上位ページ — トラフィックを獲得しているものの、最も悪いフィードバックを受けているページ
ページビューと直帰率は背景情報であり、行動を促す指標ではありません。
検索失敗：最も効果の高い指標#
検索失敗とは、ユーザーが何を求めているかを正確に把握して検索語を入力したにもかかわらず、ドキュメントに何も表示されなかった状態です。
検索失敗はすべて、タイトルが明確なコンテンツの不足です。ユーザーが何を書くべきかを教えてくれています。
Docsbook では、get_failed_searches によって頻度順に並べた一覧が返されます。どの月でも上位10件は、通常、そのまま次に作成すべきドキュメントページ10件に対応します。
お客様のドキュメントで実際に確認された例：
- "APIキーを無効にする方法"
- "レート制限ヘッダー"
- "プランの有効期限が切れるとどうなるか"
- "セルフホスト型デプロイ"
- "アカウントを削除する"
これらはすべて、検索クエリ形式のタイトルを持つドキュメントのバックログ項目です。
回答のないAI質問#
ドキュメントでAIチャットを運用している場合、AIが曖昧な回答や空の回答を返した質問を記録します。失敗した検索と同じシグナルですが、多くの場合、より多くのコンテキストが得られます。
get_ai_unanswered はDocsbook MCPでこれらを返します。パターンは次のとおりです。ユーザーが質問し、LLMがコンテンツ内から確信を持って回答を見つけられないため、何を質問されたのかを確認できます。
失敗した検索との違いは、AIへの質問のほうが長く、より文脈に富み、ユーザーのメンタルモデルを明らかにする点です。
失敗した検索：「stripe webhook」
AIへの質問：「Stripe webhookに署名シークレットを追加した後も401エラーが発生し続けます。何が間違っているのでしょうか？」
AIへの質問は、コンテンツ設計にとって非常に貴重です。
ネガティブフィードバック#
ドキュメントページでの低評価は、そのページを読んで役に立たなかったと判断したユーザーを示します。これは最もまれで、最も価値のあるシグナルです。
Docsbook MCP の get_negative_feedback は、ページと任意の記述式フィードバックを返します。
確認すべき点:
- 👎 1件あたりのページビューが10以上のページは、十分に機能している
- 👎 1件あたりのページビューが2～3のページは、問題があるため書き直す
- ページビューが0のページにはシグナルがないため、無視する
ページ遷移#
ページの後にユーザーがどこへ移動するかを見ると、そのページで疑問が解決したのか、それとも別のページへ誘導されたのかがわかります。
Docsbook MCP の get_page_journeys は、一般的な複数ページの経路を返します。
探すべきパターン：
- クイックスタートからの離脱 — クイックスタートが長すぎるか、CTA が適切ではない
- 2つのページ間をループ — ユーザーがどちらを適用すべきか混乱している
- ページビュー → 検索 → 離脱 — ページを見たことでユーザーの疑問が深まり、その後見つけられずに離脱している
ページビューが役立つ場面#
ページビューは背景情報です。規模は示しますが、健全性は示しません。
ページは、どちらか一方だけでなく、ボリュームに失敗率を掛けた値で順位付けしてください。よく読まれているページの否定的なフィードバック率が控えめであっても、ほとんど読まれていないページの率が極端に高い場合より、絶対数では多くの読者に問題を引き起こしています。一方、後者は率で並べたリストでは先頭に表示されます。2つの値の積で並べ替えれば、実際に被害をもたらしているページに取り組めます。
適切な直帰率とは#
ドキュメントにおける直帰率は、誤解を招くことがよくあります。直帰したユーザーは、答えを読んでページを離れた満足したユーザーかもしれません。あるいは、ページを見てすぐにタブを閉じた不満なユーザーかもしれません。
これを区別するには、次を使用します。
- ページ滞在時間（短い + 直帰 = 悪い、長い + 直帰 = 問題なし）
- スクロール深度（スクロールなし + 直帰 = 悪い）
- フィードバックウィジェットの操作
追跡を停止した項目#
- 平均セッション時間 — ノイズが多く、アイドル状態のブラウザータブと混同される
- セッションあたりのページ数 — セッションあたりのページ数が多い場合、ユーザーが検索に失敗している可能性がある
- ページレベルでの地域分布 — 翻訳計画には有用だが、コンテンツの品質評価には適さない
重要なコホート#
3つのスライス：
新規ユーザーとリピーター#
新規ユーザーはクイックスタートを利用し、リピーターはリファレンスを利用します。ページが異なれば、成功の基準も異なります。
ログイン済みユーザーと匿名ユーザー#
ログイン済みユーザーはファネルのより深い段階にいます。離脱シグナルがより強く現れます。
リファラーソース#
ダイレクト、検索、AI検索（perplexity.ai、chat.openai.com、claude.ai）、ソーシャル。各コホートには異なる意図があります。AI検索からのリファラートラフィックは、最も意図が深いことが多くあります。
AI検索からの参照を個別に追跡する#
Docsbookのアナリティクスでは、参照元を次の条件でフィルタリングします：
perplexity.aichat.openai.comclaude.aigemini.google.com
これはユーザー側から見たAI配信チャネルです。これらの参照元からのコンバージョンを個別に追跡してください。Googleからのトラフィックよりもコンバージョン率が高いことがよくあります。
データをどう扱うか#
毎月実施するルーティン：
- 失敗した検索、AIが回答できなかった検索、否定的なフィードバックを抽出する（3件のクエリ、5分）
- トピックごとにグループ化する — 「X」に関する複数のクエリは、1つの不足しているページを意味する
- 頻度 × 収益への影響で上位3件を選ぶ
- 不足しているページを書く
- 翌月に再確認する
これはドキュメントにおける最高のROIループです。各反復によって、既知のコンテンツギャップが、検索エンジンにインデックスされ、AI検索が引用できるページに変わります。
関連する記事#
Docsbookは、失敗した検索、回答されなかったアシスタントへの質問、否定的なフィードバック、ページ遷移をレポートするため、解釈が必要なグラフではなく、執筆すべきページのリストとしてギャップを把握できます。