GA4 × BigQuery でデータ活用の第一歩！さらなるデータの可視化と活用を目指す

• ツイート
• シェア
• 

「G-gen のサポートで、Google Cloud ( BigQuery ) の導入がスムーズに進みました。次の段階となるデータ分析や、その次の需要予測・出荷予測も G-gen と一緒に取り組んでいく予定です」
タワーレコード株式会社 小峰隆由貴氏

Google Analytics 4 (以下 GA4 ) データのさらなる活用に伴い、Google Cloud ( BigQuery )を導入したタワーレコード株式会社。その導入の経緯と今後の展開について、同社の小峰 隆由貴氏と平林かおり氏に伺いました。

BigQuery を導入した理由

タワーレコード株式会社の e コマースサービス「タワーレコード オンライン」では、多くの顧客データを取り扱っています。その一方で、顧客がどのような流入経路、きっかけで購入に至ったかを把握することは容易ではありません。顧客の行動履歴を把握するためには、Web 分析から CRM 、さらにはマーケティングキャンペーンなどの情報を多角的に分析する必要がありました。従来よりそれらのデータを保存するデータウェアハウスが必要だと考えていました。

そして、そのデータの起点となる GA4 のさらなる活用が、BigQuery 導入を後押しすることになりました。同社ではこれまで GA4 から Looker Studio につないでデータ参照していましたが、いくつかの問題に直面していました。

問題のひとつは、レポート（データ）の保持期間です。同社オンライン事業本部 オンライン事業統括部 統括部長 の小峰 隆由貴氏は、このように振り返ります。「このままではデータの蓄積場所がなくなってしまうということが、BigQuery 導入のきっかけになりました」

タワーレコード株式会社 オンライン事業本部 オンライン事業統括部 統括部長
小峰 隆由貴 氏

タワーレコードが抱えていたデータ活用の課題

別の問題について、オンライン事業本部 オンライン事業統括部 マーケティング企画・推進部の平林かおり氏はこう語ります。「GA4 と Looker Studio を直接つないで使っていましたが、スケーラブルな分析を行う際、自動でサンプリングデータとなってしまったり、表示に時間を要するなどの問題がありました。これらを回避するためには BigQuery を導入して、そこから Looker Studio をつなぐ必要がありました」

• GA4 の膨大なデータを蓄積し、保持し続けること

• スケーラブルな分析でも非サンプリングデータとして参照できるようにすること

• GA4 の探索レポートでは難しいデータの深堀りをできるようにすること

これらのニーズを満たすために、同社では BigQuery を軸にしたデータインフォームド環境を実現するためのクラウド環境を目指す必要がありました。

G-gen とともに実現したスムーズな BigQuery 導入

GA4 との親和性の高さからデータウェアハウスに BigQuery を選定した同社ですが、次の課題はパートナー選びでした。数社と話をしたという平林氏ですが、Google 社から紹介された G-gen は、あらゆる質問に対してその場で適切な回答をしてくれたと当時を振り返ります。

導入時においても同社は、G-gen のサポートを高く評価しています。プロジェクトは、2024年11月からの3ヶ月間という短い期間で Google Cloud、BigQuery の導入と GA4 の連携、Looker Studio でのダッシュボード化を行いました。そのスピード感もさることながら、Google Cloud の仕様との実現したいことのギャップにおいても G-gen から的確なワークアラウンドを示してくれたと平林氏は語ります。

タワーレコード株式会社 オンライン事業本部 オンライン事業統括部
マーケティング企画・推進部 平林かおり氏

「例えばデイリーのレポートについては、BigQuery と GA4 の同期のタイミングの違いから Looker Studio で参照できないデータがありました。それに対して、一部のデータを BigQuery からではなく GA4 の API 経由で取得することで解決するなど、的確かつスピーディーに回避対応をしてもらえました」。

構成図

CRM 連携と AI / ML による販売予測を次のステップへ

タワーレコードにとって BigQuery の導入は、全てのデータを活用するための序章に過ぎません。BigQuery の導入と GA4 、Looker Studio の連携によって Web 解析の可視化の幅が広がりました。しかしその先には、2つのステップが存在すると小峰氏は語ります。

次のステップは、「CRM をはじめ各種データを BigQuery にインポートすること」だといいます。これにより、施策による行動パターンをお客様の属性と組み合わせて分析し、より効果的な施策を行えるようにすることが目的です。

そして最後のステップとして、統合したデータを AI / ML を活用して、需要予測や出荷予測まで踏み込んでいく予定です。

「ロジスティクス部門では日々出荷予測を行っていますが、大きな振れ幅があります。予測から下振れすると人件費のムダが発生しますし、上振れすると出荷が追いつかずお客様に迷惑がかかります。最悪の場合、お客様の離反につながります。そういった点においても、データを活用した需要予測・出荷予測ができるようになるのは非常に大きいです」(小峰氏)。

BigQuery の導入で一定の効果を得たタワーレコード。今後も G-gen と共に、データドリブンの実現を目指していきたいと将来の期待感も含めて締めくくりました。

この課題を解決したサービス