Google Analytics 4とBigQueryの応用

GA4 Explorationsは、6種類の探索タイプを提供する高度な分析ワークスペースです。自由形式（ドラッグ＆ドロップによる表やグラフの作成）、ファネル探索、経路探索、セグメントの重複、コホート探索、ユーザーのライフタイムがあります。

ディメンションが固定された標準のGA4レポートとは異なり、Explorationsでは、任意のディメンションと指標を組み合わせてカスタムクエリを作成できます。1つのクエリにつき、最大10個のディメンションと10個の指標を使用できます。

GA4のコホート探索では、ユーザーを獲得日（または初回イベント発生日）ごとにグループ化し、その後数週間または数か月にわたる行動を追跡します。これにより、異なるチャネルやキャンペーンから獲得したユーザーをどの程度維持できているかが分かります。

2週目に急激な離脱が見られるコホートグラフは、オンボーディングに問題があることを示します。コンテンツマーケティングから得たコホートの90日間のリテンションが広告経由のコホートより高ければ、持続的な成長に向けてどこに投資すべきかを判断する材料になります。

獲得チャネル別にコホート分析を分けると、オーガニック検索、ソーシャル広告、メール経由の参照、ダイレクトトラフィックから来たユーザーに、時間の経過に伴うリテンションやエンゲージメントのパターンに意味のある違いがあるかを確認できます。

オーガニック検索のコホートの60日間リテンションがソーシャル広告のコホートの3倍高い場合、このデータはSEOやコンテンツへの投資を増やし、顧客生涯価値の低いユーザーを獲得しているソーシャル広告の支出を減らす根拠になります。

GA4には、サンプリングされていないイベントレベルの生データを毎日バッチ処理またはストリーミングモードでGoogle BigQueryにエクスポートするネイティブ連携機能があります。これにより、ユーザーがデジタルプロパティ上で行ったすべてのインタラクションを永続的に保存するデータウェアハウスを構築できます。

エクスポート自体はBigQueryとの接続に無料で利用できますが、BigQueryのストレージとクエリには料金がかかります。設定はGA4の管理にあるBigQuery Linkingから行い、Google Cloudプロジェクトが必要です。

GA4は、イベント単位で整理されたネストされたJSON構造でデータをBigQueryにエクスポートします。各行が1件のイベントを表し、ユーザーやセッションのプロパティは、ネストされたRECORDフィールド内のキーと値のペアとして保存されます。

アナリストは標準SQLを使ってデータをクエリしますが、特定のパラメータ値で絞り込む前に、ネストされたevent_params配列とuser_properties配列を平坦化するためにUNNEST()を使う必要があります。これは、フラットなリレーショナルテーブルとは異なる構文です。

GA4でよく使われるBigQueryクエリでは、セッションレベルのデータとコンバージョンイベントを結合します。session_traffic_sourceデータをアンネストしてチャネルを取得し、指定した期間についてチャネル別にセッション数、ユーザー数、コンバージョン数を集計します。

このタイプのクエリによって、標準のGA4インターフェースでは提供できない、サンプリングされていない完全にカスタマイズ可能なチャネルパフォーマンスデータを取得できます。GA4がレポートでデータサンプリングを適用するトラフィックの多いプロパティでは、特に有用です。

BigQueryでは、GA4の行動データをCRMデータ、広告費データ、商品データと1つのクエリ内でJOINできます。これにより、単一のマーケティングプラットフォーム内では実現できない統合モデルを作成できます。

たとえば、GA4のセッションデータとSalesforceのCRMエクスポートを結合すると、マーケティングチャネルによる顧客獲得と、その後の成約売上を関連付けられます。これにより、ファネル上部の活動とファネル下部のビジネス成果をつなげることができます。

Looker Studio（旧Data Studio）は、データソースとしてBigQueryに直接接続できます。これにより、GA4のイベントデータセット全体に対するカスタムSQLクエリを基盤とした、視覚的なダッシュボードを構築できます。

この組み合わせにより、新しいBigQueryデータが到着すると自動的に更新されるレポートを作成できます。内部ではカスタムSQLの柔軟性を活用しながら、技術者ではない関係者にも使いやすいドラッグ＆ドロップ式のダッシュボードビルダーを利用できます。

BigQueryのスケジュールクエリは、日次、週次、または1時間ごとなど、定義したスケジュールでSQLを実行し、結果を保存先テーブルに書き込みます。これにより、クエリを手動で実行しなくてもデータパイプラインを完全に自動更新できます。

よくある用途は、前日のGA4イベントデータを集計してサマリーテーブルに書き込む日次スケジュールクエリです。Looker Studioがこのテーブルを読み込むことで、アナリストの介入なしに常に最新のデータを表示するダッシュボードを実現できます。

GA4は、3つのスコアに基づいて機械学習で予測オーディエンスを作成します。3つのスコアとは、購入確率（今後7日間に購入する可能性）、離脱確率（再訪しない可能性）、収益予測です。

これらのオーディエンスはGoogle Adsに直接エクスポートし、購入確率の高いユーザーをコンバージョンキャンペーンのターゲットにできます。また、離脱確率の高いユーザーをリテンションキャンペーンの対象から除外することもできます。行動が起きるのを待つのではなく、MLによる予測に基づいて施策を実行できます。

GA4では、カスタムディメンション（デフォルト以外のユーザーレベルまたはイベントレベルの属性。たとえば、サブスクリプションプラン、コンテンツカテゴリ、A/Bテストのバリエーション）と、カスタム指標（閲覧時間や視聴した動画数などの数値）を定義できます。これにより、ビジネス固有のシグナルを取得できます。

カスタムディメンションとカスタム指標は、デフォルトのディメンションと同じようにGA4のレポートや探索全体で使用できます。そのため、デフォルトのGA4データモデルでは見えない、自社の商品やコンテンツ戦略に固有の属性別にパフォーマンスを分析できます。

GA4とBigQueryの高度な機能について、理解度を確認します。

GA4の探索では、ワークスペース内でサンプリングの制限を受けずに、ファネル分析、コホート分析、経路分析などの高度な分析を利用できます。BigQueryへのエクスポートでは、生のイベントレベルデータをSQL環境に取り込み、完全にカスタマイズした分析を実行できます。

BigQueryをLooker Studioに接続すると、カスタムモデルに基づく自動ダッシュボードを作成できます。また、GA4の予測オーディエンスを使えば、機械学習による予測をGoogle Adsのターゲティングに直接活用できます。