日本語で「Shopify A/Bテスト」を検索すると、ほぼすべての記事が「Shopifyに標準のA/Bテスト機能はありません。だからアプリが必要です」と書いています。

2026年9月1日時点で、この前提は正しくありません。

Shopify管理画面の マーケット > Rollouts に、A/Bテストが入っています。ヘルプセンターは「実験」という名前でこう定義しています。

実験とは、変更の有効性を評価するために、コントロールグループと処理グループを比較することで新しい戦略をテストするロールアウトのタイプ

changelogによれば、ロールアウトの実験は2026年3月31日に提供が始まり、2026年6月5日にテーマ全体とチェックアウト設定の丸ごと差し替えテストまで拡張されています。Shopify Plus限定でもありません。

ただし、これで有料アプリが全部不要になるかというと、そうはなりません。実験には3つの明確な壁があります。プラン、テストできる対象、そして実験にすると分析画面から売上と平均注文額が消えるという設計です。

この記事では、Rolloutsで到達できる範囲をヘルプセンターの記述で確定させ、そこから先をアプリが埋めている構造を整理します。調査日は2026年9月1日、アプリ料金はすべてShopify App Store掲載のUSD表記です。

先に結論

テーマのリニューアル前後を比べたいだけなら、Rolloutsで足ります。Growプラン以上なら追加費用はゼロです。

「PDPのボタンの色だけ」「この商品画像だけ」を試したいなら、Rolloutsではできません。実験の単位がメインテーマ全体かチェックアウト設定全体のどちらかしかないためです。

勝ち負けを売上・平均注文額・利益で判断したいなら、Rolloutsでは無理です。テーマの実験で表示される指標は、コンバージョン率・直帰率・チェックアウト到達率・カート追加率の4つだけで、カスタマイズもできません。

価格を出し分けたいなら、Rolloutsは対象外です。アプリ側もほぼ全社が最上位プランに置いています。

アプリを入れる場合、条件別の推奨は次のとおりです。

• 日本語UIとBuilt for Shopifyバッジを両立したい：Shogun ‑ AB Testing（39ドル/月〜、ただし同時稼働3テストまで）
• 月100注文以下の規模で始めたい：Visually A/B Testing & CRO（15ドル/月、注文数課金）
• 月間1万UUまでで金額を確定させたい：Personizely: A/B Testing & CRO（39ドル/月、訪問者数課金）
• 価格・送料・チェックアウトまで一気にテストしたい：Intelligems: A/B Testing（価格テストを含むのは349ドル/月のUnlimited）または ABConvert: A/B Testing（価格テストは199ドル/月のGrowth以上）

そして、日本語の記事で今も見かける「Googleオプティマイズを使いましょう」は成立しません。Google Optimizeは2023年9月30日にサービスを終了しています。皮肉なことに、Shopifyの開発者ドキュメントには今もデバッグ時の目印として googleoptimize.com というドメイン名が例示として残っています。

Shopify標準でどこまでできるか

実験はGrowプラン以上

ヘルプセンターのプラン要件は2行で書き分けられています。

ロールアウトはベーシックプラン以上で利用できます。 実験は、Growプラン以上のストアで利用できます。

つまりベーシックプランでできるのは「ローンチ」だけです。ローンチは変更を段階的に公開したり、日時を指定して公開したり、終了後に自動で元に戻したりするための仕組みで、トラフィックの分割はありません。ヘルプセンターの定義も「変更レベルでのトラフィック分割がないロールアウトのタイプ」です。

季節キャンペーンの予約公開には使えますが、AとBを比べる用途には使えません。ベーシックプランのストアがA/Bテストをしたいなら、Growへのアップグレードかアプリの二択になります。

テストできるのは2種類のリソースだけ

ロールアウトに追加できる変更は、ヘルプセンターの表で明確に区切られています。

リソース	変更	コンテンツの変更
オンラインストアのテーマ	メインテーマを編集	不可
オンラインストアのテーマ	メインテーマを置き換える	可
チェックアウトとアカウント	設定を置き換える	可

そして「ロールアウトには、以下のタイプの変更をそれぞれ1つだけ追加できます」と明記されています。

要素単位のテストという概念がありません。「送料無料バーの文言を変える」「レビュー星の位置を上げる」といった検証も、テーマ丸ごとの勝負として実行することになります。変更点が1つなら理屈は通りますが、複数の改修を同時に走らせたい場合は、どの改修が効いたのか分離できません。

なお、テーマを手作業で複製する必要はありません。ヘルプセンターは「テーマを複製する代わりに、メインテーマ上で直接カスタマイズを下書きする」ことをロールアウトの利用シナリオとして挙げており、6月5日のchangelogも「公開中のテーマまたは設定のコピーが自動的に作成される」と説明しています。実験中もライブのテーマを独立して編集できます。

加えて、次の3つは公式に対象外と書かれています。

• Liquidテンプレートの変更はロールアウトに含められない
• ヘッドレス／カスタムストアフロントのチェックアウトは非対応
• ヴィンテージテーマ（Online Store 2.0以前のテーマ）は非対応

実験にすると、売上と平均注文額が消える

ここがRolloutsで最も見落とされやすい仕様です。同じテーマ変更でも、ローンチと実験で見られる指標がまったく違います。

指標	ローンチ	実験
総売上	○	—
平均注文額	○	—
注文数	○	—
販売合計の推移	○	—
セッションの推移	○	—
新規のお客様とリピーター	○	—
コンバージョン率の内訳	○	—
コンバージョン率の推移	○	○
直帰率	○	○
チェックアウト到達率	—	○
カート追加率	—	○

テーマの実験で表示されるのは右列の4つだけです。しかもヘルプセンターは「ロールアウトで利用できる指標をカスタマイズすることはできません」と明記しています。チェックアウトの実験にいたっては、指標がチェックアウトのコンバージョン率1つです。

CVRは上がったが客単価が下がって売上は減った、という結果はA/Bテストでは頻繁に起きます。Rolloutsの実験では、その判定に必要な数字が画面に出ません。有料アプリが「訪問者あたり収益」「利益」「COGS」を売りにしている理由が、そのままここにあります。

同じページにはもう1つ、実務上重要な注記があります。

同じ一連の変更をロー​​ンチのロールアウトおよび実験として実行した場合、同じ指標に対する結果が異なる場合があります。これは、各ロールアウトのタイプでわずかに異なるアルゴリズムが使用されているためです。

なお、Shopifyは勝者判定の統計手法（ベイズ推定か有意差検定か、判定基準は何か）を公開していません。ここはブラックボックスです。

ローンチリーチと実験の分割は掛け算になる

トラフィック配分の仕様も把握しておく必要があります。ヘルプセンターの例文がそのまま答えです。

たとえば、ローンチリーチを50%に設定し、対象となる訪問者の割合を50%に設定した場合、実験の対象となる訪問者の割合は、ローンチリーチにおける全対象訪問者の50%になります。

リーチ50%×分割50%なら、実際にテストに乗るのは全訪問者の25%です。慎重にリーチを絞るほど、統計的な判定に到達するまでの期間が伸びます。

なぜアプリのA/Bテストはストアを遅くするのか

Shopifyの開発者ドキュメントには「テストを実行していないときはA/Bテストのアンチフリッカースニペットを外せ」という専用ページがあり、性能コストの数字まで書かれています。

この性能コストはFirst Contentful Paint（FCP）で2秒を超えることが多く、Largest Contentful Paint（LCP）を直接悪化させます。

同じページはFOOCとFOUCを区別して定義しています。FOOC（Flash of Original Content）は、A/Bテストのスクリプトが差し替える前に元のページが一瞬見えてしまう現象です。これを防ぐために、多くのA/Bテストツールは同期実行のJavaScriptでページを隠してからテストスクリプトの読み込みを待ちます。隠している時間がそのまま描画の遅延になる、という機序です。

Shopifyはトレードオフをこう書いています。

性能コスト（FCP 2秒以上が一般的）と、テスト精度（アンチフリッカーはFOOCを防ぐ）と、インサイトのビジネス価値のトレードオフ

そして解決策としてサーバーサイドテストを挙げています。

サーバーサイドA/Bテストにはアンチフリッカーの性能コストがありません。コンテンツは正しいバリアントで事前レンダリングされて届きます。

Rolloutsは、ストアフロントにアンチフリッカースニペットを追加しません。Shopify側が対象訪問者を判定して配信を切り替える仕組みであるため、上記の2秒問題は発生しないと考えられます（Shopifyは公式ドキュメントでRolloutsの内部実装を明示していないため、ここは仕様の記述ではなく構造からの推定です）。「無料だから」だけでなく「描画コストを持ち込まないから」がRolloutsを先に検討すべき理由になります。

逆に言えば、アプリを選ぶときは「ちらつきがない」「テスト専用アーキテクチャ」という訴求が実際に何を指しているのかを確認する価値があります。Shoplift ‑ CRO & A/B Testing は紹介文に「zero page flicker」、Visually A/B Testing & CRO は「AB test-focused architecture」と書いています。

価格のA/Bテストだけは仕組みが違う

Rolloutsのリソースは前述の2つだけで、価格は含まれません。そしてShopifyには、同じ市場・同じ商品に2つの価格を同時に持たせる標準的な手段がありません。

ではアプリはどうやっているのか。答えはアプリが要求する権限に出ています。ABConvert: A/B Testing のデータアクセス欄には「Shopify Functions（カート変換、配送カスタマイズ、決済カスタマイズ）の編集」と「ディスカウントの編集」が並んでいます。Shogun ‑ AB Testing も「Shopify Functions: Cart transforms」の編集権限を要求します。

つまり価格テストの正体は、表示価格を書き換えたうえで、カート側の変換関数と割引で辻褄を合わせる実装です。商品を複製して2つのURLに分ける方式ではないので、レビューや被リンクが分散する問題は起きません。その代わり、テーマとカートとチェックアウトの3層に手が入ります。

この重さが料金にそのまま反映されています。価格テストが使えるようになるプランは、Personizely が Premium 59ドル、Elevate A/B Testing Price Test が Standard 99ドル、ABConvert が Growth 199ドル、Intelligems が Unlimited 349ドル、Shoplift が Advanced 399ドル（リスティング上は「Price testing (beta)」）、Shogun が Unlimited 499ドルです。価格テストを目的にするなら、比較の起点は最低プランではなく「価格テストが解禁されるプラン」です。 最低額の並び順と、この並び順はまったく違います。

A/Bテストアプリ10本の比較

2026年9月1日時点で、各アプリのApp Storeページから取得した値です。レビュー数は日々変動します。

アプリ名	無料プラン	最低額（USD/月）	最高額	評価（件数）	BFS	日本語UI	課金の分母
Shogun ‑ AB Testing	なし	39	499	4.3（42）	あり	あり	同時テスト数
Personizely: A/B Testing & CRO	なし	39	149	5.0（86）	なし	なし	月間UU
Visually A/B Testing & CRO	開発ストアのみ	15	80	4.7（124）	なし	なし	月間注文数
Theme Scientist A/B Testing	なし	9.99	29.99	3.5（10）	なし	なし	月間注文数
Elevate A/B Testing Price Test	なし	49	499	4.9（130）	なし	なし	注文量連動
Intelligems: A/B Testing	なし	69	349	4.7（164）	なし	なし	注文量連動
Shoplift ‑ CRO & A/B Testing	なし	99	999	4.9（120）	なし	なし	月間UU
ABConvert: A/B Testing	なし	99	599	4.7（72）	あり	なし	テスト注文数
Nelio A/B Testing	あり（500PV）	55	449	0.0（0）	なし	なし	テスト対象PV
Tenpla ‑ A/B Testing for Japan	なし	19	39	0.0（0）	なし	あり（日本語のみ）	同時テスト数

課金の分母が5種類あるので、表示価格の比較は意味を持たない

上表の右端が最も重要です。月間UU課金、月間注文数課金、テスト注文数課金、テスト対象ページビュー課金、同時テスト数課金の5種類が混在しています。

たとえば月間3万UU・月400注文のストアなら、Personizely は10,000UUの枠を超えるため50,000UU枠の Premium Plus 149ドルに上がります。一方 Visually は600注文までの80ドルで収まります。月間5万UU・月80注文のストアなら順序が逆転します。自店のUU数と注文数を代入して初めて比較になるという、単純ですが日本語記事がほとんど書かない前提です。

Shoplift・Intelligems・Elevate の3本は、リスティングに「サイト全体の訪問者数／注文量に応じて価格が変動する」旨の注記があります。Shoplift の Core プランは「$99」と表示されつつ「Starting at $74」とも書かれており、表示額は上限値です。見積もりを取るまで確定しません。

日本語で使えるのは実質2本

対応言語を確認すると、日本語UIを持つのは Shogun ‑ AB Testing と Tenpla ‑ A/B Testing for Japan の2本だけでした。残り8本は英語（一部スペイン語・中国語）のみです。

Shogun は Built for Shopify バッジを持ち、12言語に日本語が含まれ、39ドル/月から始められます。ただし Pro プランは同時稼働3テストまでで、価格テストは499ドルの Unlimited プランです。評価は4.3で、42件中5件（12%）が★1です。レビューが100件を超えるアプリはいずれも4.7以上なので、この数字は相対的に低い部類に入ります。

Tenpla ‑ A/B Testing for Japan は大阪の開発元による日本語専用アプリで、19ドル/月から、リスティングに「This app is not translated into English」と明記されています。2026年1月16日公開でレビューは0件です。日本語で使いたいという要件が最優先なら候補になりますが、実績はまだありません。

なお、日本語の比較記事で「ABテストプロ」という名前を見かけますが、同じURL（apps.shopify.com/ab）のアプリは現在 Tenpla ‑ A/B Testing for Japan という名称で掲載されています。リスティングに旧名の記載はありませんが、プライバシーポリシーのURLに ab-test-pro という文字列が残っています。いずれにせよ、古い名称で紹介している記事は料金プランも現行と一致しない可能性があるため、App Storeの表示を直接確認してください。

アンインストール後にコードが残る

A/Bテストアプリを選ぶ際に確認しておきたいのが、削除したあとの残り方です。

Shogun ‑ AB Testing の2026年7月の★1レビューは、アンインストール後もテーマに shogun-optimizer.liquid というスニペットが残っていたこと、商品のメタフィールドが残っていたこと、そのために価格表示が変わり続けたことを具体的に報告しています。開発元の公開返信は事実関係を否定せず、こう説明しています。

アプリがアンインストールされると、Shopifyは即座に当社のAPIトークンを無効化します。そのためクリーンアップの一環としてテーマを変更したりファイルを削除したりすることができません。

そのうえで「約24時間、設定の更新を受け取らなかった場合は自動的に停止する安全策がある」「カート変換関数はShopifyが管理しており、アンインストール時に自動的に削除される」とも回答しています。

これはShogun固有の問題というより、テーマにコードを書き込むタイプのアプリに共通する構造です。Shopify自身もヘルプセンターで「アプリをアンインストールしても、そのコードがテーマから自動的に削除されるわけではありません」と書いています。テスト終了後にアンチフリッカースニペットが残り続ければ、前述のFCP 2秒がそのまま常設のコストになります。

そもそもテストが成立する規模か

最後に、アプリを入れる前に確認すべき数字の話をします。

A/Bテストで有意な差を検出するには、一定のサンプル数が必要です。有意水準5%（両側）・検出力80%という一般的な条件で、必要なセッション数を計算すると次のようになります。以下は公開ページの掲載値ではなく、標準的な2標本比率検定の式による本記事の計算値です。

元のCVR	検出したい相対変化	必要セッション数（1パターンあたり）
1%	20%	約42,700
2%	20%	約21,100
2%	30%	約9,800
3%	20%	約13,900
3%	30%	約6,500

CVR 2%のストアが「2.0%→2.4%」を検出したい場合、1パターンあたり約21,100セッション、AB合計で約42,200セッションが要ります。月間セッションが1万のストアなら4か月以上かかる計算です。その間に季節性も広告出稿も在庫状況も変わるため、検定として成立しません。Rolloutsでリーチを絞ればさらに伸びます。

このレンジのストアがまずやるべきなのは、A/Bテストではなく、セッションリプレイやヒートマップ、実際の問い合わせ内容といった定性的な観察です。無料のMicrosoft Clarity: AI Insightsのようなツールで十分に始められます。月39ドルのA/Bテストアプリより先に、自店のGoogle アナリティクスかShopifyアナリティクスで月間セッション数を確認してください。

まとめ

2026年9月1日時点のShopifyでは、A/Bテストの出発点は管理画面のマーケット > Rolloutsです。Growプラン以上であれば追加費用なしで、サーバーサイド方式のため描画の遅延も発生しません。テーマ全体の刷新やチェックアウト設定の比較という、最も判断を間違えやすい大きな意思決定に向いています。

そこから先、つまり要素単位のテスト、価格・送料のテスト、売上や利益での勝敗判定、細かいセグメント配信が必要になった時点で、初めてアプリの検討に入ります。そのとき比べるのは月額の表示金額ではなく、課金の分母（UU数か、注文数か、同時テスト数か）と、価格テストが解禁されるプランの金額です。

そして、月間セッションが1万に届かないストアでは、どのツールを使っても統計的な結論は出ません。ここを先に確認しておくことが、一番確実なコスト削減になります。

---

本記事の数値は2026年9月1日時点でShopifyヘルプセンター、Shopify開発者ドキュメント、Shopify App Storeの各掲載ページを確認したものです。アプリの料金・評価・レビュー数は変動します。導入前に必ず最新のリスティングをご確認ください。