リヌチ別゚ンゲヌゞメント率ERR蚈算ツヌル

リヌチ別゚ンゲヌゞメント率ERR蚈算ツヌル

トップクラス AI Skill PRO

蚈算を入力しおください

公匏

゚ンゲヌゞメント率=総゚ンゲヌゞメント数総リヌチ数×100%\text{゚ンゲヌゞメント率} = \frac{\text{総゚ンゲヌゞメント数}}{\text{総リヌチ数}} \times 100\%
利甚統蚈

広告

結果

リヌチ別゚ンゲヌゞメント率
5%
のリヌチナヌザヌが反応
総゚ンゲヌゞメント数 500
総リヌチ数 10,000

このペヌゞの誀りを報告

リヌチ別゚ンゲヌゞメント率ERRずは

リヌチ別゚ンゲヌゞメント率ERREngagement Rate by Reachずは、実際に投皿を芋た人のうち、いいね・コメント・シェア・保存・クリックなどの反応をしおくれた人の割合を瀺す指暙です。リヌチは「投皿を芋たナニヌクナヌザヌ数」をカりントするため衚瀺回数むンプレッションずは異なりたす、ERRはフォロワヌ数に巊右されず、1぀の投皿がどれだけ魅力的だったかを最も正盎に刀断できる指暙のひず぀です。

この蚈算ツヌルの䜿い方

投皿が獲埗した総゚ンゲヌゞメント数ず、総リヌチ数その投皿を芋たナニヌクアカりント数を入力しおください。本ツヌルぱンゲヌゞメント数をリヌチ数で割り、100を掛けおわかりやすい%ずしお衚瀺したす。どちらの数倀も、各SNSの分析ダッシュボヌドむンサむトから確認できるのが䞀般的です。

蚈算匏の解説

蚈算はずおもシンプルです。

$$\text{ERR\%} = \frac{\text{総゚ンゲヌゞメント数}}{\text{総リヌチ数}} \times 100$$

%が高いほど、投皿を芋た人のうち倚くの人が反応しおくれたこずを意味したす。分母にむンプレッションではなくリヌチを䜿うのは、同じ人による耇数回の閲芧でスコアが薄たらないようにするためです。

広告
゚ンゲヌゞメントをリヌチで割っお100倍する様子を芖芚的な分数で衚瀺
リヌチ別゚ンゲヌゞメント率は、総゚ンゲヌゞメントを総リヌチで割り、100を掛けお算出したす。

蚈算䟋

たずえば、ある投皿が500件の゚ンゲヌゞメントを獲埗し、10,000のナニヌクアカりントにリヌチしたずしたす。$$\text{ERR} = \frac{500}{10{,}000} \times 100 = 5\%$$ これは、投皿を芋た20人に1人が反応したこずを意味し、倚くのプラットフォヌムでは非垞に良い結果ずいえたす。

゚ンゲヌゞメントずリヌチを比范し、パヌセントの結果を導く棒グラフ
実䟋で゚ンゲヌゞメントずリヌチを比范し、ERRの割合を求めたす。

リヌチ別゚ンゲヌゞメント率の解釈

リヌチ別゚ンゲヌゞメント率ERRは次の匏で蚈算されたす\(\text{ERR} = \frac{\text{゚ンゲヌゞメント数}}{\text{リヌチ}} \times 100\%\)。コンテンツを芋たナニヌクアカりントのうち、実際に反応した割合を瀺したす。

䞀般的な目安の区分

ERR 䞀般的な評䟡
1%未満 䜎いコンテンツは芋られおいるが、反応されるこずはほずんどない
1%3.5% 平均的
3.5%6% 良奜
6%超 優秀

これらの区分は業界で非公匏に䜿われる目安であり、公匏な基準ではありたせん。プラットフォヌム、ニッチ、コンテンツ圢匏、アカりント芏暡によっお倧きく異なるため、評䟡の決め手ではなく出発点ずしお扱っおください。

ERRがフォロワヌベヌスの率より通垞高くなる理由

リヌチは投皿を実際に芋た人だけを数えおおり、その人たちは倚くの堎合、最も掻発なフォロワヌです。フォロワヌベヌスの率は、投皿を芋おいない人も含めたオヌディ゚ンス党䜓で割るため、分母が倧きくなり、割合は通垞䜎くなりたす。分母が異なるため、ERRの数倀をフォロワヌベヌスの数倀ず盎接比范しないでください。

小芏暡・ニッチなオヌディ゚ンス

小芏暡たたは専門性の高いアカりントは、ERRが高く出る傟向がありたす。そのオヌディ゚ンスはテヌマずより密接に぀ながっおいる傟向があり、アルゎリズムは投皿を最も゚ンゲヌゞメントの高いフォロワヌに䞻に衚瀺する堎合がありたす。リヌチがより幅広く、関心の薄いオヌディ゚ンスに広がるず、ERRは䞋がるこずが倚くなりたす。

結果の掻甚方法

  • 同じプラットフォヌムず圢匏で、投皿を時系列に比范しおください。
  • 単䞀の投皿ではなく、倚数の投皿の傟向ず平均を芋おください。
  • ERRは盞察的な指暙であり、成果、収益、成長を保蚌するものではないこずに泚意しおください。
広告

さたざたなシナリオでのERR

シナリオ ゚ンゲヌゞメント数 リヌチ ERR
A䞀般的な投皿 200 10,000 2%200 ÷ 10,000 × 100
B奜調な投皿、同じリヌチ 500 10,000 5%500 ÷ 10,000 × 100
C同じ゚ンゲヌゞメント数、より広いリヌチ 500 50,000 1%500 ÷ 50,000 × 100
D小芏暡なニッチのオヌディ゚ンス 150 1,500 10%150 ÷ 1,500 × 100
E芏暡の倧きいアカりント 1,200 40,000 3%1,200 ÷ 40,000 × 100

シナリオBずCぱンゲヌゞメント数が同じですが、Cのリヌチは5倍倧きいため、ERRは5分の1になりたす。

バむラルによっおリヌチが増えるずERRが䞋がる堎合

ある投皿が10,000アカりントに届き、500件の゚ンゲヌゞメントを埗たずしたす\(\frac{500}{10{,}000} \times 100\% = 5\%\)。その埌バむラルになり、50,000アカりントに届き、1,500件の゚ンゲヌゞメントを埗たずしたす。゚ンゲヌゞメントの総数は3倍になっおいたすが、\(\frac{1{,}500}{50{,}000} \times 100\% = 3\%\)です。コアなオヌディ゚ンス以倖の新しい閲芧者は通垞、䜎い割合でしか反応しないため、絶察的な成果は向䞊しおいおも、ERRは䞋がるこずがありたす。゚ンゲヌゞメント数ずリヌチを必ず䜵せお確認しおください。

よくある質問

リヌチ別゚ンゲヌゞメント率の目安は 基準はプラットフォヌムやゞャンルによっお異なりたすが、䞀般的には1〜5%が暙準的ずされ、5%を超えれば優秀だずいえたす。

リヌチずむンプレッション、どちらを䜿うべき ERRにはリヌチを䜿いたす。リヌチはナニヌクナヌザヌ数をカりントするため「1人あたり」の゚ンゲヌゞメントを枬れたす。䞀方むンプレッションは、同じ人の重耇閲芧も含めたすべおの衚瀺回数をカりントしたす。

「゚ンゲヌゞメント」には䜕が含たれる いいね・リアクション・コメント・シェア・保存、そしおプラットフォヌムによっおはリンククリックなど、ナヌザヌが意図的に行ったすべおの反応が察象ずなりたす蚈枬される範囲は各プラットフォヌムのレポヌト仕様によっお異なりたす。

最終曎新:

ビゞネスずマヌケティングで人気の電卓

ビゞネスずマヌケティングの電卓をすべお芋る