データ分析で困ったら？ウェブの便利屋相談室

この記事を読むと…

BigQueryを使ってGA4データを分析する方法がわかります
日毎のアクティブユーザー数の分析から、Webサイトの改善点を見つけ出す方法がわかります
具体的なSQLクエリを使って、すぐに分析を始められます
普段なんとなく見ているGA4のレポートデータから、より多くの示唆を引き出せるようになります

なぜBigQueryでGA4データを分析するのか？
日毎のアクティブユーザー数分析でわかること
BigQueryで日毎のアクティブユーザー数を分析する方法
分析結果からわかること
まとめ：BigQueryでデータ分析を始めよう！
読者への質問

なぜBigQueryでGA4データを分析するのか？

Google Analytics 4 (GA4) は、Googleが提供する強力なWebサイト分析ツールです。 GA4単体でも様々な分析が可能ですが、BigQueryと連携することで、さらに詳細な分析や大規模なデータセットの処理が可能になります。

一方でBigQueryは、Google Cloud Platform (GCP) が提供するフルマネージド型のデータウェアハウスサービスです。ペタバイト級のデータを高速に処理できるだけでなく、SQLを使った柔軟なデータ分析が可能です。

そのため、GA4のデータをBigQueryにエクスポートすることで、以下の様なメリットが得られます。

GA4の標準レポートでは得られない詳細な分析が可能に: 例えば、特定のイベント（購入、ページ閲覧など）を行ったユーザーの行動を詳細に分析したり、ユーザーの行動を時系列で追跡したりすることができます。
大量のGA4データを高速に処理できる: BigQueryは、ペタバイト級のデータを高速に処理できるため、大量のGA4データをストレスなく分析できます。
他のデータと組み合わせた分析が可能に: 広告データやCRMデータなど、他のデータソースとGA4のデータを組み合わせて分析することで、より多角的な視点からユーザー行動を理解できます。
機械学習を活用した高度な分析が可能に: BigQuery MLを使って、GA4のデータから将来の売上予測や顧客離反予測など、マーケティング戦略に役立つ情報を引き出すことができます。

日毎のアクティブユーザー数分析でわかること

この記事では、日毎のアクティブユーザー数を分析するためのBigQuery活用についてお話しします。

日毎のアクティブユーザー数とは、1日の中でWebサイトまたはアプリにアクセスしたユーザーの数です。この数値を分析することで、Webサイトの集客状況やユーザーの利用状況を把握できます。

具体的には、以下の様なことがわかります。

曜日や時間帯によるアクセス数の傾向: 平日と週末でアクセス数に違いがあるか、特定の時間帯にアクセスが集中しているかなどを把握できます。
特定のイベント（休日、キャンペーンなど）の影響: 休日やキャンペーンの実施が、アクセス数にどのように影響しているかを分析できます。
Webサイトの改善効果の測定: WebサイトのUI/UX改善やSEO対策などの効果を、アクセス数の変化から測定できます。
長期的なトレンドの把握: 過去のデータと比較することで、アクセス数の長期的なトレンドを把握できます。

これらの情報を把握することで、Webサイトの改善点や効果的なマーケティング施策を検討するためのヒントを得ることができます。

BigQueryで日毎のアクティブユーザー数を分析する方法

BigQueryでGA4の日毎のアクティブユーザー数を分析するには、SQLを使用します。

今回は、BigQueryの公開データセット「bigquery-public-data.ga4_obfuscated_sample_ecommerce」を用いて、『2020年11月1日から2021年1月31日までの期間』における、『purchaseイベントを実行したユーザー』の日毎のアクティブユーザー数を分析します。

使用するSQLクエリは以下の通りです。

SELECT
  event_date,
  COUNT(DISTINCT user_pseudo_id) AS daily_active_users
FROM
  `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_*`
WHERE
  event_name = 'purchase'
  AND _TABLE_SUFFIX BETWEEN '20201101' AND '20210131'
GROUP BY
  event_date
ORDER BY
  event_date;

このクエリを実行すると、以下のような表が出力されます。CSVやGoogleスプレッドシートとしてもエクスポートできますが、LookerStudioにてグラフ化するのがおすすめです。

分析結果からわかること

この結果をグラフ化すると以下のようになります。今回はCSVで出力してGeminiに分析してもらいました。

このグラフから、以下の3つの点が読み取れます。

アクティブユーザー数の傾向: 1日あたり12人から145人と、日によってアクティブユーザー数にばらつきがあることがわかります。
平均と中央値: 平均すると1日あたり約52人がpurchaseイベントを実行しています。一方で中央値は47人であり、平均よりも低い値です。これは、一部の日付で非常に高いアクティブユーザー数が記録されていることを示唆しています。
異常値: 7日間の移動平均から大きく乖離している日（赤い縦線）がいくつか存在します。これらの日は、何らかの異常があった可能性があります。例えば、特定のキャンペーンやプロモーションの影響、季節要因、外部イベントなどが考えられます。

これらの情報を元に、Webサイトの改善やマーケティング施策の検討を行うことができます。例えば、異常値が発生した日には、その原因を特定し、同様の事態を防ぐための対策を検討することができます。また、曜日や週、月ごとの傾向を把握することで、広告配信のタイミングやキャンペーンの設計に役立てることができます。

まとめ：BigQueryでデータ分析を始めよう！

この記事では、BigQueryを使ってGA4の日毎のアクティブユーザー数を分析する方法を紹介しました。 BigQueryは、GA4単体では得られない詳細な分析を可能にする強力なツールです。

この記事で紹介した分析は、ほんの一例に過ぎません。BigQueryを使えば、他にも様々な分析を行うことができます。ぜひこの記事を参考に、BigQueryでのGA4データ分析に挑戦してみてください。

読者への質問

今回の記事は参考になりましたか？
どのようなマーケティング施策に課題を感じていますか？
BigQueryを使ったデータ分析で、他にどのような情報を知りたいですか？

ご意見、ご感想をお聞かせください。

次回のシリーズ記事では、特定のページに訪れたユーザーの行動を分析する方法をご紹介します。お楽しみに！