ブラックフライデーチャージボーナス
対象のチャージごとに無料クレジットが付き、他の特典とも併用できます。
11月30日まで
「この製品はいくら稼いでいるのか」は、あらゆるオンラインビジネスについて最も検索される質問のひとつですが、正直なところ社外の誰にも分かりません。Stripeはどの企業の売上も公開しておらず、他の誰も公開していません。外から測れるのは、お金の一歩手前です。つまり、あるサイトが checkout.stripe.com のようなホスト型チェックアウトページへ送る訪問者の数です。そこへの訪問はすべて、「支払う」または「登録する」をクリックした人です。Lovely Router のリファラル流入元ツールは、任意のチェックアウトドメインについて、そこへ訪問者を送っているすべてのサイトを、月あたりの推定訪問数とともに、$0.06 で1回の呼び出しで返します。このページでは、その数値をどう読むか、自分で選んだ仮定でどうやって売上レンジに変えるか、そしてそのレンジがどこから信用できなくなるかを示します。
AI エージェントに任せる
このプロンプトを Claude Code、Cursor、Codex などのコーディングエージェントに貼り付けてください。ドキュメントの場所と API キーの使い方をエージェントに伝えます。
Find which websites send visitors to checkout.stripe.com and give me a table of the domains I name with their monthly checkout visits and change, plus a revenue range from the conversion and price assumptions I give (label it as an estimate). Use the Lovely Router data tools: each returns JSON and is billed per result.
- Docs (read first): https://lovelyrouter.com/docs/tools/find.md and https://lovelyrouter.com/docs/tools/run.md
- Plan first: POST https://lovelyrouter.com/v1/tools/suggest with `{"task": "<my task in plain words>"}` (free). It returns the tools to run in order, each with an example `input`, the `input_required` fields, an estimated cost and a ready-made `run` request. Replace the example values with my task's; if a field is unclear, read the tool with GET https://lovelyrouter.com/v1/tools/<id>. To browse instead, POST https://lovelyrouter.com/v1/tools/discover searches the catalog.
- Show me the plan and its estimated cost (`total_est_cost_usd`) before running anything large.
- Run: POST https://lovelyrouter.com/v1/tools/<id>/run with `{"input": {...}, "max_results": N}`. A 200 has the finished run with `items`; a 202 means it is still running, so poll the `poll` path until `status` is `succeeded`, `failed`, `timed_out` or `stopped`.
- Only delivered results are billed. Keep max_results small on the first run, check the output, then scale up.
- If you support MCP, connect https://lovelyrouter.com/mcp instead (Streamable HTTP, same key; https://lovelyrouter.com/docs/tools/mcp.md) and use suggest_tools, get_tool and run_tool.
- Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys.
- Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large.
- Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt.
My task: <the domains to compare and the conversion and price ranges to assume>分かることと分からないこと
| 測れること | 測れないこと |
|---|---|
| どのサイトがチェックアウトドメインへ訪問者を送っているか、ランク付きで | その訪問者のうち何人が支払ったか |
| 各サイトのそこへの推定訪問数、6か月分を月ごとに | いくら支払ったか、どのくらいの頻度で更新するか |
| あるサイトのチェックアウト流入が伸びているか衰えているか | 返金、割引、税金、通貨 |
| 同じチェックアウト上で、あるサイトが競合とどう比べられるか | 販売者自身のドメインや他のプロバイダーのチェックアウト経由の売上 |
つまり結果は傾向付きの流入ランキングであり、売上そのものではありません。そこに並べる売上の数字はすべて、あなたが仮定するコンバージョン率と価格から組み立てたあなたのモデルです。製品同士を比較するための仮説として扱い、1社についての事実としては決して扱わないでください。
仕組み
チェックアウトドメインを調べる
site-referralsを"website": "checkout.stripe.com"で実行します。1回の実行で、レポート内のすべての参照元サイトが大きい順に返り、それぞれに過去6か月の各月の訪問数が付きます。気になるサイトを見つける
比較したい製品の
domainで行を絞り込むか、リストの上位をそのまま見て、誰が最も多く支払いへ人を送っているかを確認します。categoryでグループ化すれば、どんな種類の製品が上位なのかが分かります。仮定を加える
各サイトの月間チェックアウト訪問数に、自分で選び、説明できるコンバージョン率のレンジと価格のレンジを掛けます。共有するすべての数値の隣に、その仮定を書き添えてください。
参照元サイトごとのチェックアウト訪問数を取得する
curl https://lovelyrouter.com/v1/tools/site-referrals/run \
-H "Authorization: Bearer $LOVELY_API_KEY" \
-H "content-type: application/json" \
-d '{"input": {"website": "checkout.stripe.com"}, "max_results": 1}'下のPythonはルックアップを実行し、レポートの全ページを読み(ページの読み取りは無料です)、指定したサイトのレンジを出力します。コンバージョンと価格のレンジはプレースホルダーです。市場について知っていることから設定してください。
import os, requests
BASE = "https://lovelyrouter.com/v1"
H = {"Authorization": f"Bearer {os.environ['LOVELY_API_KEY']}"}
res = requests.post(f"{BASE}/tools/site-referrals/run", headers=H, timeout=90,
json={"input": {"website": "checkout.stripe.com"}, "max_results": 1})
run = res.json()
while res.status_code == 202: # a report can take a few minutes
res = requests.get(f"{BASE}/tools/runs/{run['id']}", headers=H, params={"wait": 60}, timeout=90)
run = res.json()
rows, offset = [], 0
while offset is not None:
page = requests.get(f"{BASE}/tools/runs/{run['id']}", headers=H, params={"offset": offset}, timeout=90).json()
rows += page["items"]
offset = page.get("next_offset")
by_domain = {r["domain"]: r for r in rows}
# YOUR assumptions, not data: what share of checkout visits pay, and what a payment is worth.
CONVERSION = (0.10, 0.30) # 10-30 % of checkout visits complete a payment
PRICE = (15, 40) # average amount per payment, in your currency
for site in ["example-ai-app.com", "rival-one.com", "rival-two.io"]:
r = by_domain.get(site)
if not r or not r["monthly"]:
print(f"{site:<22} not in the report")
continue
last = r["monthly"][-1]
low = last["visits"] * CONVERSION[0] * PRICE[0]
high = last["visits"] * CONVERSION[1] * PRICE[1]
print(f"{site:<22} {last['month']}: {last['visits']:>9,} checkout visits "
f"({r['change_percent']}% over the period) -> modelled {low:,.0f}-{high:,.0f} a month")レンジが広いのは意図的です。コンバージョンの3倍の幅に価格の2倍の幅を掛けると6倍のレンジになり、それが実際にあなたが知っていることの程度に近いのです。
レポートの見え方
checkout.stripe.com について、2026年4月から9月を対象としたレポートには2,402の参照元サイトが並び、そのチェックアウトは月に3,800万から4,500万のリファラル訪問を受けていました。各行は次のような形です。
{ "domain": "elevenlabs.io", "visits": 7261497, "share_percent": 3.7, "change_percent": -2.4, "is_new": false,
"global_rank": 1128, "category": "Programming and Developer Software", "period": "2026-04-01..2026-09-30",
"monthly": [{ "month": "2026-04", "visits": 1405290 }, { "month": "2026-05", "visits": 1160215 }, { "month": "2026-06", "visits": 1113851 },
{ "month": "2026-07", "visits": 1090064 }, { "month": "2026-08", "visits": 1261235 }, { "month": "2026-09", "visits": 1230843 }] }visits はその期間のそのサイトの合計、share_percent はチェックアウトが受けた全リファラル訪問に占める割合、monthly は同じ訪問数を月ごとに並べたものです。実行結果の report には、チェックアウト自身の月間合計と、どのサイトにも紐付かない訪問数が加わります。フィールドの全リストはサイトリファラルのユースケースにあります。
数値は慎重に読む
数値はSimilarwebによる訪問数の推定値で、サイトのランク付けや傾向の把握には向きますが、正確なカウントには向きません。小さいサイトはまったく出てこないことがあります。
人はチェックアウトを開き、プランを比べ、離れ、また戻ってきます。1人の購入者が複数の訪問になることもあり、多くの訪問は何も買いません。
自社アプリや料金ページからチェックアウトへ人を送る製品は、自社ドメインの下に現れます。決済プロバイダーのページが現れることもあり、上のレポートでは paypal.com が2番目に大きい参照元でした。
自社ドメインのチェックアウト、埋め込み型の決済フォーム、アプリストア、他のプロバイダーを使う販売者は、そこへほとんど、あるいはまったく訪問を送りません。リストにない製品でも、たくさん売れている可能性はあります。
Stripeのホスト型ページはすべてが1つのドメインにあるわけではなく、他のプロバイダーにもそれぞれのドメインがあります。ドメインごとに別のレポートであり、別の $0.06 のルックアップです。
「いくら稼いでいるか」より良い問い
同じデータで、実際に信頼できる問いに答えられます。
各競合の monthly 訪問数の最初の月と最後の月を比べます。チェックアウト流入が6か月で2倍になった製品は、売上がどうであれ成長しています。
この期間にチェックアウトへ人を送り始めたサイトを is_new で絞り込みます。
あるサイトの月間チェックアウト訪問数を、ウェブサイト流入(1サイトあたり$0.003)による月間総訪問数で割ります。比率が高いほど、その訪問者の多くが支払いページに到達していることを意味します。
category ごとに訪問数を合計し、どんな種類の製品が最も多く人を支払いへ送っているかを見ます。
エージェントにやらせるには、MCPサーバーに接続してこう尋ねてください: 「checkout.stripe.com で site-referrals を実行し、行の中からこの5つのドメインを見つけて、月間チェックアウト訪問数と変化の表を出して。売上は推定せず、ランク付けだけして。」
料金
任意のサイトや決済ページにトラフィックを送っているサイトを、直近 6 か月の参照元すべて、訪問数順に。参照元ごとの月別訪問数、割合、増減、新規の参照元、世界ランク、カテゴリ付き。実行結果の report にはサイトの月別の参照流入合計も入ります。
Similarweb による Web サイトのトラフィック推定:月間訪問数、ランク、流入元、上位国、エンゲージメント。
調べるチェックアウトドメイン1つにつき$0.06で、そのレポートに何件の参照元サイトが含まれていても変わりません。ページを再度読むのは無料です。失敗した実行は課金されません。ウェブサイト流入は1サイトにつき$0.003が加わります。サブスクリプションはありません。$5からチャージでき、1つの残高がデータツール、モデル、ブラウザエージェントの支払いに使えます。料金をご覧ください。
よくある質問
企業のStripe売上は見られますか?+
いいえ。Stripeも他の誰も公開していません。このツールが測るのは、あるサイトがチェックアウトページへ送る推定訪問数であり、それを売上レンジに変えられるのは自分自身の仮定があってこそです。
この方法で作った売上推定はどのくらい正確ですか?+
1社について言えば、あまり正確ではありません。コンバージョン率も価格も大きくばらつき、訪問数はモデル化された値です。同じ誤差が全員に等しくかかる、競合同士のランク付けや誰が伸びているかの把握に向いています。
知っている製品がリストにないのはなぜですか?+
自社ドメインのチェックアウト、埋め込み型の決済フォーム、アプリストア、他のプロバイダー経由で販売しているか、測れないほど小さい可能性があります。使っているかもしれない他のチェックアウトドメインを試してみてください。
データはどこまで遡れますか?+
6か月分で、各月の訪問数が付きます。毎月ルックアップを再実行して結果を保存すれば、より長い履歴を築けます。
SimilarwebやStripeのアカウントは必要ですか?+
いいえ。Lovely Router のAPIキーとともにドメインを送れば、JSONが返ります。
同じレポートでパートナーやアフィリエイトを調査するにはあらゆるウェブサイトへの流入元を、競合リスト全体の総訪問数については競合のウェブサイト流入ベンチマークをご覧ください。さっそく調べますか? ツールページを開いて、チェックアウトドメインを入力してください。