Google Analyticsのデータ分析手法は、複数ある
Google Analytics(GA4)を、使いこなしていますか。GA4では、指標の変更の他にも、分析ツールの変化も大きいかもしれません。多くの皆さんは、Google Analytics(グーグル・アナリティクス)のダッシュボードで分析しているかもしれません。
しかし、Google Analytics(GA4)の分析方法は、主に３種類存在します。
Google Analytics(GA4)の分析方法の整理
1. ダッシュボードを使う
方法:
GA4 の画面上で用意されている標準ダッシュボードや、自分でカスタマイズできるダッシュボードを使用する。
特徴
手軽さ: GA4 の画面上で簡単にアクセスでき、基本的な分析はすぐにできる。
視覚化: グラフやチャートでデータが視覚化されているため、トレンドやパターンを把握しやすい。
制限: 標準ダッシュボードでは分析できる項目が限られており、高度な分析には不向き。
2. Looker Studioを使う
方法
GA4 データを Looker Studio に取り込み、自由にダッシュボードやレポートを作成する。
特徴
カスタマイズ性: GA4 データだけでなく、他のデータソースと連携して分析できる。
高度な分析: フィルター、計算、集計など、高度な分析が可能。
共有性: 作成したダッシュボードやレポートをチームメンバーと共有できる。
学習コスト: GA4 と比べて設定や操作が複雑なため、ある程度の学習が必要。
3. BigQueryを利用する
方法
GA4 データを BigQuery に取り込み、SQL を使って分析する。
特徴
柔軟性: SQL を使うことで、非常に高度な分析が可能。
大規模データ分析: BigQuery は大規模なデータセットにも対応できる。
機械学習: BigQuery に組み込まれた機械学習機能を使って、データから洞察を抽出できる。
専門知識: SQL や機械学習の知識が必要。
この「所長のBlog」では、
の記事で、Looker Studioの簡単な導入方法を説明してきました。
残っている、GA4のデータをBigQueryで分析する方法を行なってみよう
残っているのは、BigQueryの利用です。上の整理では、「SQLや機械学習の知識が必要」とありますが、「所長のBlog」の「GoogleのBigQueryでは、AIを活用することで、SQLをほとんど知らなくてもデータ分析可能！」で、なんとAIがSQLを作成してくれることがわかりました。
このGemini in BigQueryを使えば、GA4のデータ分析をBigQueryで行うことも簡単かもしれません。なので、実際に行ってみましょう。
GA4のデータをBigQueryにリンクする
さて、今回の説明は、Google Cloudの環境に、BigQueryの設定が完了しているところからスタートします。ちなみに、この部分もそれほど難しくないので、まだの方は、「GoogleのBigQueryでは、AIを活用することで、SQLをほとんど知らなくてもデータ分析可能！」を参考に設定してみましょう。
BigQueryの設定が完了している場合は、まずGoogle Analytics(GA4)のデータ表示画面で、これからBigQueryにリンクしたいデータを選びます。
この画面の左下に「⚙️」マークあるので、それをクリックして、Google Analyticsの管理画面に進みましょう。
(この画面は、Google Analyticsの権限によっては、開けられない、またはすでに設定済みになっていて、変更できない可能性があります。)
この画面の左下にある、「サービス間のリンク設定」の中の、BigQueryのリンクを選びましょう。
Google Analytics(GA4)からBigQueryへのリンクは、１つしか生成できません。なので、すでに、設定されている方は、管理者や担当者の方に、問い合わせてみてくださいね。
上の画面のように「リンクはまだありません」と表示されている場合は、右上の「リンク」ボタンを押して先に進みます。
すると、BigQueryにあるプロジェクトのリストが出てきます。どのプロジェクトで分析するのかを決めて、次に進みます。
次に、データのロケーションを選びます。自分の場所に近い場所のロケーションを選び、「次へ」を押して進みます。
次の画面では、Google AnalyticsからBigQueryのデータのエクスポート方法について設定があります。
最初のエクスポートタイプは、次のような違いがあります。通常は、「毎日」を選択で良いでしょう。
GA4からBigQueryへのデータのエクスポートの整理
1. 毎日エクスポート
仕組み
GA4 で収集したデータが、毎日まとめて BigQuery にエクスポートされます。
特徴
シンプル: 設定が簡単で、運用も比較的容易です。
コスト効率: ストリーミングに比べてコストが低いです。
遅延: データがリアルタイムに反映されるわけではなく、1日遅れで BigQuery に反映されます。
適したウェブサイト
リアルタイム分析が必須ではないサイト:
例: Eコマースサイトで、過去の売上分析やユーザー行動分析など、リアルタイム性が低い分析を行う場合。
コストを抑えたいサイト:
例: 小規模なウェブサイトで、大規模なデータ分析を行わない場合。
2. ストリーミングエクスポート
仕組み
GA4 で収集したデータが、リアルタイムで BigQuery に送信されます。
特徴
リアルタイム分析: データがリアルタイムに反映されるため、最新の分析が可能。
低遅延: データの遅延が最小限に抑えられます。
コスト: 毎日のエクスポートに比べてコストが高くなります。
適したウェブサイト
リアルタイム分析が必須のサイト
例: ライブイベントの視聴状況分析、チャットボットの応答状況分析など、リアルタイムなデータに基づいた意思決定が必要な場合。
大規模なデータ分析
例: 大量のトラフィックを持つウェブサイトで、リアルタイムでユーザー行動を分析し、最適化を行う場合。
最後の、エクポートタイプは「毎日」を選びましょう。これで、毎日１個のデータテーブルが自動で生成されます。
すると、次のような確認画面が表示されるので、「送信」を押します。
これで、Google Analytics(GA4)から、BigQueryへのリンクの設定は完了です。データは、設定のように、毎日生成されますが、最初の日は、翌日まで待たないといけません。
確認画面で、リンクの確認を行って、翌日まで、しばし待つことにしましょう。
Comments