[GA4] 探索ハンドブック

この記事の内容:

サイトまたはアプリで最も閲覧回数が多いのはどのページか

ユニバーサル アナリティクスでは、[ページパス] のディメンションと、[ページビュー]、[ページ別訪問数]、[直帰率] などの指標による詳細なページレポートが表示されていました。Google アナリティクス 4 プロパティではページレポートの表示内容が変わりましたが、探索内でデータ探索を行うことで、必要なレポートを簡単に作成できます。

まず、[探索] の [タブの設定] ペインで、ディメンションを追加するための [+] アイコンを使用して、追加のディメンションを有効にする必要があります。具体的には、[ページパス + クエリ文字列] ディメンションを追加します。ページタイトルごとのデータも表示する場合は（ユニバーサル アナリティクスでは、ページレポートで [ページパス] が使用されます）、[ページタイトルとスクリーン名] のディメンションを有効にします。

次に、[ビュー] の指標を追加してデータ探索に取り込む必要があります。追加するには、[変数] ペインの [指標] セクションにある [+] アイコンをクリックし、追加する [ビュー] 指標を検索します。

ページのデータ探索を作成するには、行と列の設定に適用されているデフォルトの指標とディメンションを削除し、行のディメンションとして [ページパスとクエリ文字列] を、列の指標として [ビュー] を追加する必要があります。比較する場合は、列の指標として [アクティブ ユーザー] を追加すると、各ページの人気度をユニーク ユーザーごとに把握できます。

Google Merchandise Store の場合、ホームページ（/）とカートのページを削除すると、最も人気のある商品ページはウェブサイトの「クリアランス」セクションと「男性向け衣料品」セクションであることがわかります。

最も効果が高い（または最もコンバージョン数が多い）のはどのランディング ページか

ユーザーがサイトまたはアプリの中で最初にアクセスする場所を把握できれば、ユーザー エクスペリエンスを最適化し、マーケティング活動の効果を高めることができます。ユニバーサル アナリティクスでは、レポート画面にこのレポートが表示されますが、Google アナリティクス 4 プロパティではまだご利用いただけません。レポートを確認するには、[探索] でゼロからデータ探索を行ってレポートを作成します。

このデータ探索を実施する際は、[ランディング ページ + クエリ文字列] ディメンションに加えて、[ビュー]、[セッション数]、[ユーザー数] などの関連指標を追加してください。ディメンションを追加するには、[+] アイコンで追加のディメンションと指標を有効にする必要があります。

これらのディメンションと指標を有効にしたら、まず行のディメンションとして [ランディング ページ + クエリ文字列] を追加し、関連する指標（[ビュー]、[セッション数]、[アクティブ ユーザー数] など）を値として追加します。これによって、こうした指標に基づきランディング ページのデータ探索を取得できるようになります。

さらに [購入] の指標を追加すると、購入時に表示されたランディング ページを確認できます。

購入時に表示されたランディング ページが表示されるようになりました。全体の合計と比較することで、ランディング ページの有効性を詳しく把握できます。

ユーザーはサイトまたはアプリで何を検索しているか。サイト コンテンツまたはサイトの操作性を改善できる部分はどこか

[探索] で作成するもう一つの一般的なレポートとして、サイト内検索のデータ探索があります。必要な手順は次のとおりです。

まず、サイト内検索データを収集するには、拡張計測機能イベントまたはカスタム イベントを有効にする必要があります。拡張計測機能を使用している場合、このイベントは「view_search_results」という名前になります。次に、プロパティのカスタム ディメンションとして「search_term」パラメータが有効になっていることを確認します。有効にしたイベントは探索で使用できるようになります。

適切なデータが使用可能になったら、データ探索を設定します。これにはいくつかの手順が必要です。まず、データ探索で使用できるようにするために、「search_term」のディメンションを有効にする必要があります。

有効にすると、このディメンションを [行] の設定でデータ探索に追加できます。画面の表示は次のようになります。

このデータ探索はすべてのイベントを対象としているため、多数の「（未設定）」値が表示されています。煩雑さを解消するには、[イベント名] の [フィルタ] で [完全一致] を選択し、「view_search_results」でフィルタリングして、対象イベントのデータのみを表示する必要があります。

フィルタリングを適用すると、更新されたデータ探索が表示され、各キーワードの検索数が表示されます。つまり、サイト内検索で使用しているキーワードのデータ探索数を確認できます。

ユーザーがサイトで何を検索しているかを把握すると、ユーザー エンゲージメントの増加とユーザー満足度の向上につながるようコンテンツを最適化できます。たとえば、特定の語句で検索が急増している場合は、その検索語句に関連するコンテンツをさらに追加することで、サイトのユーザーは探している情報を見つけたり、疑問を解決したりしやすくなります。

ランディング ページのパフォーマンスはどう推移しているか。ユーザーはさまざまなページに同じ割合でアクセスしているか

データ探索には複数のビジュアル表示オプションがあります。折れ線グラフはその一つで、データの推移を確認するのに便利です。ランディング ページの推移を時系列で確認するには、[タブの設定] ペインにある 6 つの可視化オプションのいずれかをクリックして、可視化のタイプを変更します。

折れ線グラフ表示に変更すると、上位のランディング ページ 10 個の推移が時系列で表示されます。

グラフにカーソルを合わせると、各日付のデータポイントが一覧表示されます。

異常なデータがある場合は、中抜きの円でハイライト表示されます。円部分にカーソルを合わせると、異常に関する情報を確認できます。次の例では、過去に収集されたデータに基づき、2 月 2 日に約 1,000 人のアクティブ ユーザーがホームページにアクセスすることが予測されていましたが、実際のアクティブ ユーザーの数は 2,200 人であり、予想を 116% 上回っています。

目標到達プロセスは、一連のステップをユーザーがどのように進んでいるかを簡単にビジュアル表示できる、優れたツールです。目標到達プロセスの一般的なユースケースとしては、e コマース ビジネスにおけるショッピング行動や決済行動のフローが考えられます。ゲーム デベロッパーの場合は、ユーザーがゲーム内でどのようにレベルを達成しているかを確認できます。具体的な例を見てみましょう。

ユーザーはショッピングの目標到達プロセスをどのように進んでいるか

ショッピング行動については、商品の閲覧、カートへの追加、購入というショッピング行動の目標到達プロセスを、さまざまなセグメントのユーザーがどのように進んでいるかを分析できます。目標到達プロセスは、ゼロから作成することも、Google Merchandise Store GA4 デモアカウントで利用できる便利なテンプレートを利用して作成することもできます。これを選択するには、データ探索ハブに移動して下にスクロールし、[デモ] のデータ探索から [ショッピング行動の目標到達プロセス] を選択します。

このデータ探索は読み取り専用で開かれますが、右上の [コピーを作成] をクリックして、このデモデータ探索のコピーを作成し、お客様自身で所有することができます。このコピーは、必要に応じて編集したり調整したりできます。

Google Merchandise Store では Google ブランドの商品を販売しており、人気があるのは Android ブランドの商品と YouTube ブランドの商品の 2 種類です。これら 2 つの商品アイテム カテゴリを比較すると、ショッピング行動を把握する際に役立ちます。そのためには、カテゴリごとに 1 つずつ、2 つの新しいセグメントを作成します。この場合は、イベント「select_item」で、パラメータ「item_name」に「Android」または「YouTube」のいずれかが含まれるという条件でセグメントを作成します。

これらのセグメントには、ショッピング行動の目標到達プロセスを通過したユーザーのうち、少なくとも Android ブランドの商品または YouTube ブランドの商品のいずれかをクリックしたユーザーが表示されます。注目すべき点として、Android ブランドの商品をクリックしたユーザーは、YouTube ブランドの商品をクリックしたユーザーに比べて、購入の可能性が約 2 倍高かったことがわかります。ただしこれは、ブランドの商品をクリックしたことを示すだけであり、購入に至ったことを示すわけではありません。特定のブランド商品の購入のみを分析する場合は、次のように「purchase」イベントを使用します。

これらのセグメントを適用すると、ショッピング行動の目標到達プロセスの比較は次のようになります。

Google アナリティクス 4 の目標到達プロセスには、目標到達プロセスを時系列で表示する機能が追加されています。時系列で表示するには、[タブの設定] パネルで [ビジュアル表示] のタイプを [使用する目標到達プロセスのグラフ] に変更します。これにより、ファネルのトレンドグラフが開き、すべてのステップの経過が時系列で表示されます。グラフの線上にカーソルを合わせると、各ステップとセグメントのその日のデータを確認できます。

時系列の変化をよりわかりやすくビジュアル表示するために、一度に 1 つのステップだけを表示することもできます。この例では、3 月 10 日の時点で、前のグラフでは明確に読み取れない購入数の急増があったことがわかります。注目すべき点として、Android と YouTube の商品を閲覧したユーザー間の購入数の差は、この急増後に発生しているらしいことがわかります。これは、サイトのレイアウトやマーケティング活動を変更したことで、それ以降 Android 製品がより目立つようになった可能性があることを示しています。

ユーザーはゲームのレベルアップ時にどのように行動しているか

多くのデベロッパーにとって、ユーザーが自社のゲームまたはアプリでのレベルアップ時にどのように行動するかは重要な情報です。これは目標到達プロセスで分析できます。

まず、レベルアップの状況に対応するステップを作成する必要があります。この例では、Google アナリティクス 4 のデモアカウントを使用した Flood-it! 向けに、「level_up」イベントを使って 5 つのレベルに対し 5 つのステップを作成します。

この手順を適用すると、ゲームのレベルアップ時におけるユーザーの状況を確認できるようになります。

レベル 1 を完了したユーザーは引き続きプレイする可能性が高くなります。この情報は、ユーザーの離脱を減らすため、レベル 1 の完了を支援するヒントやその他の方法を導入する、A/B テストのシナリオに役立ちます。

上記の目標到達プロセスを時系列で見ると、3 月 19 日頃からすべてのステップで増加が見られます。これにより、この時点でゲームの宣伝や露出に何かしらの変化があったことがわかります。

この目標到達プロセスをセグメント化して、さまざまなユーザー獲得チャネルがレベルアップの状況全体に影響を与えているかどうかを確認することもできます。この例では、ノーリファラーと有料のトラフィックでユーザー獲得を比較できます。有料キャンペーンを通じて獲得したユーザーは、ノーリファラーより長く滞在している（放棄率が低い）ことが確認できます。これは、有料広告が意図したとおりに機能している可能性を示しています。

目標到達プロセスデータ探索のもう一つの便利な機能は、離脱者からセグメントまたはオーディエンスを作成できることです。次の例では、放棄率がレベル 4 付近で上昇し始めていることがわかります。レベル 4 で離脱した（レベル 5 に到達しなかった）ユーザーのセグメントを作成して、それをオーディエンスとして使用してリーチを拡大したり、ゲームに戻ってレベルを完了し、プレイを続けるようユーザーに促すプッシュ通知を送信したりできます。

こうしたセグメントを作成するには、対象となるステップを右クリックして、セグメントの作成を選択します。ここで使用するセグメントには、レベル 5 の除外条件も含めることで、適切なオーディエンスをターゲットにできます。

最後に、目標到達プロセスデータ探索に新しい指標「経過時間」を追加することをおすすめします。それには、[設定] ペインで [経過時間を表示する] ボタンを切り替えます。有効にすることで、表に新しい指標の列が追加されます。

ステップからステップへの移行にかかる平均時間を把握すると、ユーザーの成功度（この場合はレベルアップの難易度）を簡単に判断できます。また、プッシュ通知やリマーケティング メッセージの送信といったアクションの対象となるオーディエンスを作成するのにも役立ちます。この例では、レベル 2 の完了には平均 3 時間 53 分かかっています。離脱したユーザーのオーディエンスを作成するには、次のオプションを右クリックして選択します。

これは、ゲームまたはアプリから離脱しないよう、なんらかの働きかけをするのに適したオーディエンスであると言えます。

Google アナリティクス 4 の [探索] の機能に、新たに [経路データ探索] が加わりました。特定のイベント、ページまたはスクリーンを選択して前後に移動し、ユーザーがサイトまたはアプリをどのように進んでいるかを確認できるようになりました。サイト内のユーザーフローを把握できる機能については、これまで長い間ご要望をいただいていましたが、Google アナリティクス 4 の新しい経路データ探索でようやく実現しました。

ユーザーがカートに商品を追加するきっかけは何か

多くの e コマースサイトにとって、ユーザーがカートに商品を追加するきっかけを知ることは重要です。後方経路分析機能を使用することで調査できるようになりました。

まず、新しい経路データ探索を開き、右上の [やり直す] をクリックします。これでエンドポイントを選択できるようになります。[イベント名] を選択します。

次に、スライドアウト メニューで、後方経路を分析するイベントを選択します。この例では、ユーザーがカートに商品を追加したきっかけを確認するため、[カートに追加] を選択します。適切なイベント名が表示されない場合は、[さらに読み込む] をクリックするか、上部にある検索バーを使用して検索します。

データ探索は、イベント名に基づいていくつかのステップが入力された状態で読み込まれます。ページ名で経路を確認する場合は、ステップごとに変更できます。次の例では、[ページタイトルとスクリーン クラス] に変更しており、相当数のユーザーが [セール] ページでカートに追加したことがわかります。そのうえで、[セール] ページで詳細を確認し、特に人気を集めている商品を特定することでマーケティング戦略に役立てることができます。

ユーザーがアプリを削除するきっかけは何か

アプリ デベロッパーにとって、離脱（ユーザーがアプリを削除すること）は大きな懸念事項です。後方経路分析は、アプリで離脱したユーザーの行動を把握するのに役立つリソースです。まず、経路データ探索の上部にある [やり直す] ボタンをクリックして、新しい後方経路を作成します。次に、出発点としてイベント名「app_remove」を選択します。

いくつかのステップを遡ると、離脱につながった可能性があるアクティビティが明らかになってきます。この場合、離脱したユーザーのおよそ 13% で、アプリを削除する前の 2 ステップのうちに広告のインプレッションが発生したことがわかります。これはかなり大きな割合であり、ユーザーへの悪影響を緩和して離脱を減らすには、広告の表示方法を最適化する必要があることを示しています。

データのセグメント間に特筆すべき重複点はあるか

「セグメントの重複」手法は、異なるユーザー セグメントの相互作用を簡単にビジュアル表示するのに便利です。たとえば、サイトのニュースレターに登録したパソコン ユーザーとモバイル ユーザーの重複をビジュアル表示することが可能です。これにより、表で探索データの内訳を確認することなく、ニュースレターの登録者の大半がどこから来たかを簡単に把握できます。

これには、まず分析するセグメントを [変数] ペインに追加する必要があります。[+] アイコンをクリックして新しいセグメントを追加します（クリックするとセグメント ビルダーが開きます）。

「ニュースレターの購読」イベントを作成するには、イベント セグメントを選択し、フィルタを適用する適切なイベント（この場合は [sign_up]）を選択します。

ビジュアル表示するセグメントを作成したら、そのセグメントをダブルクリックして適用し、[タブの設定] ペインに追加する必要があります。一度に 3 つまでセグメントを追加して、ベン図で重複を確認できます。

この例では、ニュースレター登録の大半がどこから発生しているか確認するため、「PC トラフィック」、「モバイル トラフィック」、「ニュースレターの購読」のセグメントを追加しています。

ベン図と下の表の 6 行目が示すとおり、ニュースレター登録の多くはパソコン ユーザーによるものです。これは、モバイル エクスペリエンスが目的に適うよう調整されていないか、またはユーザー エクスペリエンスの問題によりユーザーがニュースレターに簡単に登録できない可能性があることを示しています。この場合は、開発チームおよびユーザー エクスペリエンス チームと協力して詳細を精査する必要があるかもしれません。

「セグメントの重複」手法には、重複から新しいセグメントを作成するという便利な機能があります。たとえば、パソコンでのトラフィックとニュースレターの登録数を含む新しいセグメントを作成する場合は、ベン図または表でデータの該当箇所を右クリックし、セグメントを作成するオプションを選択します。

これにより、セグメント ビルダーが開きます。選択したセグメントに基づいた条件が事前に選択されています。組み合わされた条件を表す名前がセグメント名として割り当てられますが、必要に応じて変更できます。

また、右上のチェックボックスをオンにすることで、この重複からオーディエンスを作成することもできます。これにより、このオーディエンスを他の Google マーケティング プラットフォーム サービス（Google 広告など）と共有して、リーチを拡大できます。

サイトに初めてアクセスした日時によってユーザーの行動に違いはあるか

コホートデータ探索は、サイトのユーザー グループがコホートにいつどのように参加したかに基づいて、ユーザーのさまざまな行動を把握できる便利なツールです。分析対象となる指標や計算方法を変更すると、さらに有益な情報が得られます。

[探索] で新しいコホートデータ探索を初めて開くと、[コホートへの登録条件] に「first_touch」（ユーザーがコホートの対象となった方法。この場合はサイトまたはアプリに初めてアクセスした時）、[リピートの条件] に「すべてのイベント」（サイトまたはアプリに戻って行われるなんらかのアクション）、[計算] に「標準」が選択された状態で、アクティブ ユーザーの指標に基づき生成されたデータが表示されます。これにより、基本的なコホートデータ探索が行われ、5 週間の各週でサイトに戻ってきたユーザーは何人か、ユーザーが初めてサイトまたはアプリにアクセスした日時によって違いがあるかどうかが示されます。

データ探索の指標タイプを [合計] から [コホート ユーザーあたり] に変更すると、週ごとのリピーターの割合を把握できます。この指標を使用すると、各コホートでリピーターのデータを比較できるため、[合計] のデータより有用な場合があります。

e コマースサイトの場合、アクティブ ユーザーの指標を [購入による収益] に変更すると、ユーザー数だけでなく各コホートがもたらしている収益も確認できます。データは、コホート全体の合計として見ることも、コホートのユーザー単位で見ることもできます。次の例では、最初の 2 つのコホートでは週ごとの収益はほとんど得られていませんが、3 つ目のコホートから収益が増え始めていることがわかります。

計算タイプを [標準] から [累計] に変更すると、各コホートがビジネス収益に与える全体的な影響を確認できます。

この例では、だいたい 3 月 7 日の週から、コンバージョン率の高いユーザーを Google Merchandise Store に誘導するマーケティング活動が活発化した可能性が高いことがわかります。

最も価値の高いユーザーを生み出している参照元はどこか

この情報を知ることで、マーケティング チームがパートナーとして開拓すべき参照元を特定できます。この場合の「価値」とは、ユーザーが離脱する可能性が低く、期待されるライフタイム収益と過去のライフタイム バリュー（LTV）が高いことを指します。

このデータ探索を作成するには、まず「離脱」、「LTV」、「ライフタイム収益」など、データ探索に必要な指標とディメンションを導入する必要があります。参照元とメディアをディメンションとして使用し、指標については、[変数] ペインにある [+] アイコンをクリックして [ユーザーのライフタイム] セクションから指標を追加します。

これらの指標とディメンションを適用すると、多くの行で離脱の確率の値が表示されないことがわかります。これは、これらのユーザーが離脱予測モデリングの対象とならないためです。離脱の可能性が 0 より大きいフィルタを作成すると、離脱の確率が計算されていないすべてのユーザーを除外できます。その結果、次のようなわかりやすいデータ探索が可能になります。

次に、離脱の確率でデータを並べ替え、ユーザー数が多く、離脱の可能性が低いキャンペーンがあるかどうかを確認します。そうしたキャンペーンでは、離脱の可能性が高いキャンペーンに比べ、より高い関心を持つユーザーを獲得できます。

同様に、予測される購入数、過去の LTV、予測エンゲージメントを調べて、セッションをまたいで獲得したユーザーの価値を特定できます。

次のスクリーンショットの例では、Google Merchandise Store への Google 以外の参照が何行か表示されています。これらはユーザー数は少ないものの、離脱率が低く、エンゲージメント時間が高く、トランザクション数が多く、平均 LTV が高いことを示しています。こうした参照元は Google Merchandise Store にとって有益であると考えられるため、マーケティング チームから連絡して関係を深めることをおすすめします。