2022.08.09 コラム

• BigQuery
• GA4
• GTM
• SQL
• データ分析

GTM×GA4×BigQuery|バスケット分析による鉄板コンテンツ

● はじめに

---

本記事は、マーケティング業務に従事している方であれば一度は聞いた事や
触れた事のあるGoogleAnalytics（GA）とGoogleBigQueryを活用した
データ分析事例についてご紹介しております。

DataCurrentでは、クッキーレス対策のひとつとして、Googleソリューションを活用したマーケティング基盤の構築支援を提供しています。クッキーレスに対応したデータ取得方法のみならず、そのデータを活用した機械学習、ダッシュボード開発、分析支援などをサポートします。

本記事では、分析支援についてご紹介致します。

● こんな方におすすめ

• 自社のデータだけでも深掘りできる環境を持ちたい
• 管理画面だけでは施策に活かしづらい
• データを活用して機械学習を実施したい
  

● 従来とGA4の違い

① BigQueryの連携が可能
BigQueryとはGoogle Cloud Platform 内で提供されるサービスで、
大規模なクエリによるデータ解析をすることが出来る、データウェアハウスのことを指します。
BigQueryとの連携はこれまでのユニバーサルアナリティクス（UA）の場合、
有料版のGA360の契約をする必要がありました。
しかしGA4では無料アカウントでもBigQueryと連携することができ、
これまで以上に大規模かつ柔軟な分析が可能になりました。

②GTMのサーバーサイドcookieの活用も可能に！
GTM側でBigQueryエクスポート設定を行うことで、サーバーサイドcookieを
GA4ログと一緒にBigQueryに格納し、活用することが可能になりました。

● 今回の分析目的

---

• 目的
  資料請求に至りやすいユーザーのページ閲覧傾向を知りたい！
  
  
• 背景
  管理画面では集計後の結果のみの可視化であるため
  GA4のログがたまったBigQueryを使用して、様々な分析をしてみる。
  

●実際の分析手順

---

早速BigQueryで集計開始・・・・！

▼GTM×GA×BigQueryコラム
⇒GTM × GA4 × BigQuery|サーバーサイドCookie単位でUB集計してみた

• バスケット分析とは
  特定の商品とあわせて購入される商品を分析する解析手法のこと。
  そのため、商品の相関性を分析することが主な目的となることが多い。
  購買につながりやすい商品、「よくあわせ買いされやすいもの」を見つけることが可能。

▼バスケット分析事例
⇒サイトアクセスログを活用した顧客分析による 見込み顧客の可視化【フィットネス企業事例】

● バスケット分析手順

---

Step1：集計対象カラムをBigQueryににて抜き出し
└サーバーサイドcookieとイベント名とURL)を抜き出し
※user_pseudo_id=サーバーサイドcookie / event_name=イベント名 / page_location=URL

SELECT user_pseudo_id,event_name,
(select case when p.value.string_value is not null then
safe_cast(p.value.string_value as string)
else null end from unnest(event_params) p where p.key = "page_location") dc_url
FROM `sample_table` 
GROUP BY 1,2

Step2：page_viewイベントのみで集計
└DataCurrent URLの組み合わせで確認

SELECT user_pseudo_id,dc_url
FROM table1 
WHERE event_name = ‘page_view’
GROUP BY 1,2

Step3：cvポイントを決めて、CV定義
└弊社機械学習ツールvizの紹介資料と資料請求をCVポイントとする。

SELECT user_pseudo_id,’1’ AS cv
FROM table1 
WHERE dc_url like  ('%https://www.datacurrent.co.jp/documents/%' or 
dc_url like '%https://www.datacurrent.co.jp/viz/%')
GROUP BY 1,2

Step4：pv数とcv数を各urlの組み合わせで集計(ID単位）

SELECT t1.user_pseudo_id,t1.dc_url as dc_url1,t2.dc_url as dc_url2,
CASE WHEN t3.cv = '1' ELSE '0' END AS cv_flag,count(*) as pv,
from table2 as t1
left outer join table2 as t2
on t1.user_pseudo_id = t2.user_pseudo_id
left outer join table3 AS t3
on t1.user_pseudo_id = t3.user_pseudo_id
group by 1,2,3,4
having dc_url1 < dc_url2

Step5：各URL組み合わせで最終集計
└cv確率が高いページ組み合わせを確認！

SELECT dc_url1,dc_url2,SUM(cv_flag) AS cv,SUM(pv) AS pv
FROM D
GROUP BY 1,2
ORDER BY 3 DESC

● データの可視化

---

＜作成内容＞
先ほどのSQL結果を用いて、ダッシュボードを作成致しました。
①組み合わせ、CV数が多い順ランキング
②散布図でCVとPV両方高い、鉄板コンテンツ分析

＜結果＞
①CV数ランキング
　１位：TOPページ×サービス一覧を閲覧者
　２位：TOPページ×会社紹介閲覧者
　３位：TOPページ×会社概要・アクセス閲覧者
②CV×PV両者多いもの
　└会社概要とTOPページ閲覧者はCVに達する可能性が高い
　└TOPページ以外だと、会社概要とサービス一覧を確認している可能性が高い

＜読み解きイメージ＞

また、ダッシュボードを作成することにより、可視化/一元管理することも可能です。

● ご紹介まとめ

---

■本日ご紹介した事例の関連サポート
・GA4導入サポート
・GTMタグ設置サポート
・BigQueryエクスポート設定サポート
・BigQueryのデータを活用したSQL分析サポート
・BigQuery機械学習サポート
　※BigQuery以外にも、弊社自社開発機械学習ツールなども活用可能
・BIツールを用いた可視化サポート
・GCP認定パートナー、リセール可能
⇒ニーズに合わせた分析と可視化、施策提案までサポート可能

その他にも、関連記事や事例をご紹介しているので是非ご覧ください！

▼GA関連コラム記事
⇒Googleアナリティクス４（GA4）とは？導入とそのポイントについて＜前編＞
⇒Googleアナリティクス４（GA4）とは？移行とそのポイントについて＜後編＞
⇒GTM × GA4 × BigQuery|サーバーサイドCookie単位でUB集計してみた

▼バスケット分析関連事例
⇒サイトアクセスログを活用した顧客分析による 見込み顧客の可視化【フィットネス企業事例】

▼GA関連サービス
》「GA4×Google Cloud×GTMを活用したクッキーレス対策」の詳細はこちら

※DC社では、他にもGA4の導入、導入後の活用施策、データを活用した機械学習をご提案させていただいております。ご興味がある方は下記フォームにてお問合せいただければと思います。

本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp