株式会社HAPPY ANALYTICSの小川卓（id:ryuka01）です。 今回は、全2回で Google アナリティクス4（以下「GA4」) × BigQuery に関して紹介をしていきます。 第1回は、BigQueryについての基本的なご説明と、GA4連携におけるメリットなどについてご紹介していきます。 GA4 × BigQuery を活用することで、オウンドメディアの分析や効果の可視化に大きく役立つと思いますので、ぜひ参考にしてみてください。 BigQueryとは？ 注目される３つの理由とBigQueryの料金体系 GA4と連携するメリット・デメリット 主なメリット GA4のデータを集計前の状態で恒久的に保存することができる GA4の画面だけでは出しにくい（出せないあるいは出すのに手間がかかる）データを簡単に出せる GA4のデータを他のサービスと連携することが可能になる 上記に伴い

こんにちは、JADEの小西です。 広告に携わるみなさまGA4はもう使っていますでしょうか。まだあまり使えてない、ユニバーサルアナリティクスと画面が違って慣れていないだけかもだけど何が変わったの？という段階の方がもう一歩GA4へ踏み込めるよう、ユニバーサルアナリティクスにはできなかったことでGA4ならではのレポーティングで、なおかつごく基本的な設定のみで簡単に確認できることのみをご紹介します。 「カスタムイベントも計測して探索レポート駆使してゴリゴリユーザー行動の分析をしている」くらいの方には特に参考になりませんので今後の村山と郡山の記事を楽しみにお待ちください。 準備：まずトラッキングパラメーターをつける まず、どの広告プラットフォームか、どの広告キャンペーンかなど必要充分な粒度で把握できるようにしましょう。 GA4利用前提でのトラッキングURLのおすすめのつけ方は以前ブログに書きましたの

こんにちはあるいはこんばんは。村山(twitter id:muraweb_net)です。 ユニバーサルアナリティクスを見ようとすると、アラートが表示されるようになりましたね。本格的に GA4 のことを考える方も増えてきたのではないでしょうか。 GA360 のプロパティや GA4 プロパティが存在するのに、アラートが一括で表示される手法は、不必要に不安を煽るだけに思われますが、全ての人を GA4 プロパティへ移行させるためにはこの手法が必要なのかもしれません…。 この手法に効果があったのか不明ですが、Googleアナリティクス のヘルプコミュニティでも GA4 の質問が増えてきたように見えます。また、ヘルプコミュニティへの投稿やお客様のヒアリングから、 GA4 がわからなくてこわいといった心理があるように感じます。 そのため今回は、 GA4 がわからなくてこわい方向けに、 GA4 の理解力を

はじめに Googleタグマネージャー(以下GTMと記載)では2つの変数があります。 「組み込み変数」と「ユーザー定義変数」です。 「組み込み変数」とは よく利用する値をあらかじめ変数として扱えるようGTM側で用意されたものです。 例えばPage Path（現在のURLのPath）やClick Element（クリックが発生した DOM 要素）など利用頻度が多い値を取得することができます。 「ユーザー定義変数」とは ユーザーが設定できる変数です。 複数の変数タイプがあり、変数タイプによってさまざまな値を取得することが可能となります。 自由度の高い変数ですので大変便利な変数ですが、変数タイプによってさまざまな戻り値が存在します。 今回のコラムでは、ユーザー定義変数の変数タイプ別に、各種変数の戻り値のチェックを行いました。 GTM設定の際のご参考にしていただければ幸いです。 ユーザー定義変数の

※この記事はGAの取り扱いについて、初級者～中級者向けの記事です。 Googleアナリティクスの分析報告、こんなことで困っていませんか？ 上司に「このチャネルって具体的になに？」と聞かれても答えられない 顧客に「どの流入経路がどうCVに貢献してるの？」と聞かれても答えられない メルマガや外部メディアからのアクセスを一緒くたに計測してしまい、施策の結果が分からない せっかくGoogleアナリティクス（以下GA）の設定をしたのに、 うまく計測できず、分析結果がうやむやになってしまった経験はないでしょうか。 そんな状態だと、お金をかけて実施した施策がうまくいったかわからないので、社内での報告や予算取りにも苦労しますよね。 そこで、今回の記事ではGAの基本分析である 「どこから入ってきた流入が、結果どうだったのか？」 に関しての基本的な確認方法と目的に合わせ独自に分析しやすくできる 簡単なカスタム

直帰率ってなにかと注目されやすい指標で、改善の対象になることも多いですよね。単純な指標でやることもそんなになさそうなんですが、考えだすと奥が深いのでいろいろ思うことを書いてみようかと。 直帰率の目安って？ 必ず聞かれるやつ。こう答えるようにしています。 企業サイトやECサイト：40%前後 ブログ、LP：90%前後 計測がおかしいとき：10%以下 ホントに目安であって初めて「直帰率」という言葉を聞いた人向けの回答です。 40%は東京の平均気温と同じようなもの 夏もあれば冬もあって、朝もあれば昼もある中での平均気温なので何の役に立つのかと思いますが、海外から初めて日本に来る人には参考になるでしょうし、海外で地理を学んでいる人にも参考になるでしょう。 北極圏に近くて白夜があるような地域のようなのか、赤道直下で毎日暖かい地域のようなのか、とにかくそんなことを知る程度の目安です。 だからこう答えるし

Googleアナリティクスの参照元とは 用語について 参照元やメディアなどの用語については過去の記事で取り上げています。本稿では参照元を各レポートではどのように判定するのかというテーマで解説していくので、用語を確認したい場合は下記記事をご覧ください。 Googleアナリティクスの「参照元」「メディア」「チャネル」とは「参照元」「メディア」「チャネル」とは何か。それぞれの仕様をわかりやすく解説します。参照元情報をどのようなルールでデフォルトチャネルグループにまとめているのか。そしてカスタムチャネルグループを作成する際の注意点とは。... 各レポート共通の原則 Googleアナリティクスではユーザーがサイトを訪問した際、発生したセッションごとに、訪問経路を参照元・メディア・チャネルといった情報で記録します。 ただし、レポートごとに異なる仕様で判定している為、あるセッションが別レポートでは異なる

株式会社WACULはECの競争激化とSEO依存の限界への提言をします。

ちょっと前のツイートがそこそこ広がったので、もう一歩踏み込むというか使いやすくする方法です。 広がったのはこのツイート コンテンツマーケティングをやっている人はこの二つをGoogle アナリティクスの保存済みレポートに登録しておくと便利です。間接的に役立ったページがわかるのと、どこから来た人が・どの検討段階(作成したコンテンツを対応させておく)なのかがわかりますので。 pic.twitter.com/DZQVrrFMJH — 森野誠之 (@uneidou) 2019年5月15日 Google アナリティクスって最終CVには強いんですが間接CVにはちょっと弱いです。ですので、何とかしてコンテンツの間接効果を見ようということですね。 ツイートした画像はこれ。 コンバージョン→マルチチャネル→アシストコンバージョンでプライマリディメンションをランディングページ これだと複数セッションでCVしたユ

タグマネジメントツールはその名前の通り、「タグ（計測タグや広告タグなど）」を「マネジメント（管理）」するためのツールを指します。 ※本記事の内容は2018年12月時点のGTM/Googleアナリティクスの仕様です。 「タグマネジメントツール」が世に誕生してから、早数年。 IT業界の大御所といえるGoogleからもタグマネジメントツールがリリースされたのが2012年で、それを機に急速な速度で普及が進み、もはや一般的になってきた感のある今日この頃です。最近ではWebサイト上での計測タグや広告タグの管理、保守などを行う人であれば、必修になってきたといっても過言ではありません。 GTM（Googleタグマネージャー）とは？GTM導入の流れと設定しておきたい初期設定導入時の注意点 GTM（Googleタグマネージャー）とは？ Googleタグマネージャー（略称：GTM）とは、前述のとおりGoogle

GTM（Googleタグマネージャー）は基本的に「ページのHTMLの編集無しでタグの追加ができる」便利なツールですが、いかんせん、ツールを導入しても使い方がわからなければ設定することはできません。 そこで今回、特に需要が多いトリガーの設定方法や設定例をまとめてみました。 ※本記事の内容は2018年12月時点のGTMの仕様です。 記事最後に設定の見本として「インポートして一部を書き換えればそのまま利用できる」ファイルをダウンロードできるようにしてありますので、よろしければご利用ください。 設定しておきたい5つのトリガーオマケ：設定サンプルのダウンロード 設定しておきたい5つのトリガー GTMにおけるトリガーとは「タグを配信させる条件」を設定するためのものです。 「〇〇へ対してタグを埋め込みたい（配信させたい）」といった場合の「〇〇へ」の部分に該当します。 つまり配信させたいタグが用意できても

GTM（Googleタグマネージャー）は基本的に「ページのHTMLの編集無しでタグの追加ができる」便利なツールですが、Googleアナリティクスと連携して利用する方法は初めての方には少し難しいかも知れません。 そこで今回、特に需要が多いGoogleアナリティクスでの計測に使える設定方法や設定例をまとめてみました。 ※本記事の内容は2018年12月時点のGTM/Googleアナリティクスの仕様です。 Googleアナリティクスで登録しておきたい3つの設定 1. 外部サイトへのリンククリックの計測（アウトバウンドリンクの計測） 2. ファイルダウンロードの仮想URL計測 3. 複数ドメインを計測する場合のクロスドメイントラッキングの設定 設定の見本として「インポートして一部を書き換えればそのまま利用できる」ファイルも記事最後にダウンロードできるようにしてありますので、よろしければご利用ください

Twitterで高校生のインスタ文化などを知りたいので書いたら稼げるかもしれないよって言うツイートを見かけ、大学生ですがお金が欲しいので書こうと思います。 ▪️まえがき  インスタグラムとはインスタグラム(以下 インスタ)とは写真をベースにした共有アプリケーションの事である。インスタは2010年10月アップルのAppStoreに登場して以来、瞬く間に広がり人気アプリとなった。2014年に日本語アカウントが開設され、昨年2017年には利用者数2000万人に達してたと言われている。 そのインスタであるが主に利用者は1.投稿のみする人、2.ストーリーのみする人、3その両方する人4.どれもしない見る専門  に分類することができる 。 (ちなみにストーリーとは、通常の写真メイン投稿とは別枠で短い動画や写真を気軽にシェアでき、24時間で自動消滅する特徴の機能の事である。) 今回、このnoteでは1と3

This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.

昔からGoogle Analyticsではクロスデバイスレポートがあったものの、デバイスを跨いてユーザーを識別するため、User IDの設定が必要でした。しかし、以前のクロスデバイス機能を使うには、サイト側にログイン機能が必要であり、ほとんどのサイトでは使われていませんでした。2018年7月11日にGAは新たな自動クロスデバイストラッキング機能を公表しました。この機能は、今までのクロスデバイス機能と違い、設定をオンにするたけでクロスデバイストラッキングが実現可能だそうです。 この記事は、株式会社プリンシプルのGoogleアナリティクス ブログに掲載された記事「【GA速報】自動クロスデバイストラッキング機能が新登場！User ID設定不要！」を、許諾を得て転載しているものです。 クロスデバイストラッキングとは？本来、GAはユーザーを特定するのに、クライアント ID（ランダムに生成され、ブラウ

本記事で触れているGoogleアナリティクスは、ユニバーサルアナリティクス（UA）を前提としています。 GA4を対象とした記事ではございませんので、ご注意ください。 Google アナリティクスを有効活用するためには、フィルタや目標など事前に設定しておくべき項目があります。Google アナリティクス診断（GA診断）では、Google アナリティクスの現在の設定を確認し、より高度な活用をするための改善点を掘り起こすことが可能です。 弊社でGA診断を診させていただいているお客様のサイトの中でTOP３の設定漏れを紹介したいと思います。 Top１．クロスドメイントラッキングができていない クロスドメイントラッキングの役割 Googleアナリティクスでは、同一ユーザーを識別するために「clientId（クライアントID）」と呼ばれるIDをブラウザのCookieに保存し利用しています。 このCook

ホテルを直前に予約する時に人気のあるHotel Tonightというサービスを提供しているスタートアップがこちらシリコンバレーにあります。そこでデータ分析のチームを率いているAmanda Richardsonが、スタートアップがデータを使うときによく犯す間違いをこちらの"The Four Cringe-Worthy Mistakes Too Many Startups Make with Data"という記事の中で4つにまとめていますが、今日はそちらを紹介したいと思います。これらはもちろんスタートアップに限らず、どのようなサイズの会社でも、とくに新しいデータ分析のプロジェクトを始める時によく見られる失敗パターンだと思いますが、こちらの記事では間違いだけでなく、逆にこうすればいいという提案も最後にわかりやすくまとめられているので、是非参考にしてみて下さい。 それでは、以下抜粋です。 間違い１

(Image by Pixabay) こんな面白い記事が出回っているのを先日見かけたのですが。 この6年弱のデータ分析業界での個人的な経験や業界内で見聞してきた知見の範囲で言うと、そもそも「データ分析は『強者の武器』であって小さな組織が使っても強い武器にはならない」というのがあると思っています。言い換えると「スタートアップと呼ばれているうちはデータ分析以外のところに注力すべき」ということかと。ということで、その辺の話をざっくり書いてみようかと思います。 データ分析の効果は「掛け算」なので、元手が多くないと意味がない これまで色々な場で色々なデータ分析の専門家によって言い古されてきた言葉*1とされるのが「データ分析の効果は『掛け算』」だということ。 つまり、データ分析の効果というのは一般には「売上プラス1億円」とかではなく「売上1%アップ」という感じになりやすい、ということです。すると当然な