BigQuery公開データ分析】ECサイトデータ分析！顧客の購買行動を理解して売上アップ

2024年9月24日2024年11月9日

記事の対象者と解消できるお悩み

【対象者】

初中級データアナリスト

【興味関心】

顧客行動分析
売上向上
ECサイト改善
マーケティング戦略
データに基づいた意思決定

【解消できるお悩み】

ECサイトのアクセス数はあるのに、売上が伸び悩んでいる…
顧客がどんな商品に興味を持っているのか知りたい
カゴ落ちが多い原因を分析したい
リピーターを増やすにはどうすればいい？
データを使って、効果的なマーケティング戦略を立てたい

記事作成者

【人物】株式会社志庵　代表取締役　佐藤　光　起業6年目

【経歴】株式会社光通信➜光通信同期と起業➜データアナリスト転職➜SaaSで2度目起業

【会社実績】

SaaS 資金調達無しARR2億円

SaaS GMV200億円

【内容】自社AaaSであるStruccle、webスクレイピング、BigQueryに関する記事を作成

各種用語

ARR(Annual Recurring Revenue)
- サブスクリプションサービスの年間売上※当社はSaaS売上
Struccle(ストラクル)
- 株式会社志庵が独自開発しているAaaS
AaaS(アース)
- Data Analytics as a Serviceの意
SaaS(サース)
- Software as a Serviceの意
GoogleCloudPlatform
- Googleが提供するクラウドプラットフォーム。この中に様々なサービスが存在する。
GCP(ジーシーピー)
- GoogleCloudPlatformの略
BigQuery(ビッグクエリ)
- 上記GCPの中に含まれるデータ分析基盤サービス
SQL(エスキューエル)
- データベースを操作するプログラミング言語
クエリ
- SQLで記述した命令文
- クエリ例）
  - SQL構文のクエリ⬇
    - SELECT item_name, price FROM sales_table where price >= 1000;
    - 上記クエリ(命令文)の意味としては「売上テーブル(sales_table)から価格(price)が1000円以上の商品名(item_name)と価格(price)を抽出する」
ペタバイト
- データの単位　ペタバイト＝1000テラバイト＝約100兆行のデータ

概要

ECサイト運営において、顧客の購買行動を理解することは、売上アップに直結する重要な要素です。顧客はどのような商品に興味を持ち、どのような経路で購入に至るのか、データ分析を通して顧客の行動パターンを把握することで、効果的なマーケティング戦略、商品ラインナップの改善、顧客体験の向上などを実現できます。

今回は、Google Cloudのデータウェアハウス「BigQuery」と、公開されているECサイトのデータを使って、顧客の購買行動を分析する方法を解説します。BigQueryの強力な分析機能を活用すれば、膨大なデータから顧客の購買パターン、人気商品、顧客セグメントなどを分析することができます。この記事では、BigQueryを使ってECサイトデータを分析し、売上アップに繋がるインサイトを得る方法を、具体的な例を交えながら紹介します。データ分析初心者の方でも、BigQueryを使えば、複雑なデータ分析に挑戦し、ECサイト運営を成功させるためのヒントを見つけることができるでしょう。

BigQueryでECサイトデータ分析を行うメリット
分析に使用するBigQueryのデータセット
BigQueryで顧客の購買行動を分析する手順
BigQueryを使ったECサイトデータ分析例
FAQ：BigQueryに関するよくある質問
まとめ：BigQueryで顧客理解を深め、ECサイトの売上アップを目指そう！

1. BigQueryでECサイトデータ分析を行うメリット

BigQueryは、ECサイトデータ分析に最適なツールです。その理由は、以下の様なメリットがあるからです。

大規模データの高速処理： 膨大なECサイトデータを高速に分析できるため、顧客行動のパターンを効率的に把握できます。
様々なデータソースとの連携： 公開データ、自社データ、外部データなど、様々なデータソースと連携できるため、ECサイトデータと他のデータを組み合わせて、より深い分析を行うことができます。
豊富な分析機能： SQL、機械学習、統計分析など、高度な分析機能を利用できるため、複雑なデータ分析にも対応できます。
コストパフォーマンスの高さ： 従量課金制なので、必要な時に必要なだけ利用でき、コストを抑えられます。
高いセキュリティ： Google Cloudの強固なセキュリティ基盤により、安心してデータを管理できます。

2. 分析に使用するBigQueryのデータセット

今回の分析では、BigQueryの公開データセット「The Look Ecommerce Data」を使用します。このデータセットは、架空のECサイト「The Look」のデータを模したもので、顧客情報、商品情報、注文履歴、Webサイトの行動履歴などが含まれています。このデータセットは、ECサイトデータ分析の練習に最適です。

3. BigQueryで顧客の購買行動を分析する手順

BigQueryでECサイトデータを分析し、顧客の購買行動を理解する手順は以下の通りです。

3.1 1. データ確認

まず、データセットの内容を確認します。BigQueryコンソールのUIでデータセットのスキーマを確認したり、サンプルデータをプレビューしたりすることで、データの構造や内容を理解することができます。`thelook_ecommerce` データセットには、 `products`、`users`、`events`、`inventory_items`、`order_items` などのテーブルが含まれており、商品情報、顧客情報、イベント、在庫、注文などの情報がそれぞれ記録されています。

3.2 2. データ加工

必要に応じて、データを加工します。例えば、日付データを年、月、日、曜日などに分割したり、特定の商品カテゴリに絞り込んだり、ユーザー属性別にデータをグループ化したりします。BigQueryは、SQLを使ってデータ加工を行うための様々な関数を提供しています。

3.3 3. データ分析

加工したデータに対して、SQLクエリやBigQuery MLなどを用いて分析を行います。例えば、人気商品のランキング、顧客の平均購入単価、リピート率、購入に至るまでの顧客の行動パターン、顧客セグメンテーションなど、様々な分析を行うことができます。

3.4 4. 考察と分析結果の活用

分析結果に基づいて、顧客の購買行動を理解し、ECサイトの改善点や新たな施策を検討します。例えば、人気商品を分析することで、顧客のニーズを把握し、商品ラインナップの改善や、関連商品のレコメンドなどに活かすことができます。また、顧客セグメンテーションを行い、セグメントごとに最適なマーケティング施策を実施することで、売上アップにつなげることができます。

4. BigQueryを使ったECサイトデータ分析例

今回は、BigQueryの公開データセットbigquery-public-data.thelook_ecommerce.eventsを使って、ECサイトにおける顧客の行動を分析してみましょう。

BigQuery分析例：時間帯別イベント発生件数

ECサイトへのアクセスは時間帯によって異なる可能性があります。時間帯別にイベント発生件数を集計することで、ユーザーがいつサイトにアクセスしやすいか、どの時間帯に購入が多いのかを把握できます。

SELECT
  EXTRACT(HOUR FROM created_at) AS hour,
  event_type,
  COUNT(*) AS event_count
FROM `bigquery-public-data.thelook_ecommerce.events`
GROUP BY 1, 2
ORDER BY 1, 3 DESC

実行結果　※20時あたりに減少しているため、おそらく日本時間想定ではない

【BigQuery SQL解説】

EXTRACT(HOUR FROM created_at)で、イベント発生日時の時間帯を抽出します。
COUNT(*)で、イベント種別と時間帯ごとのイベント発生件数をカウントします。
GROUP BY句で、イベント種別と時間帯ごとに集計します。
ORDER BY句で、時間帯とイベント数順に並べ替えます。

【BigQuery分析での活用例】

時間帯別にユーザーの行動パターンを把握し、マーケティング施策のタイミングを最適化できます。例えば、購入が多い時間帯に広告配信を強化したり、アクセスが少ない時間帯にクーポンを発行して購買を促進したりできます。
時間帯別のイベント発生件数の変化を分析することで、曜日や季節によるユーザー行動の変化を捉え、それに合わせたキャンペーンなどを実施できます。

BigQuery分析例：トラフィックソース別購入率

顧客がどこからECサイトに流入しているのか、どのトラフィックソースからの顧客が購入に至りやすいかを把握することは、マーケティング戦略において重要です。

WITH purchase_count_by_traffic_source AS (
  SELECT
    traffic_source,
    COUNTIF(event_type = 'purchase') AS purchase_count,
    COUNT(*) AS total_event_count
  FROM `bigquery-public-data.thelook_ecommerce.events`
  GROUP BY traffic_source
)
SELECT 
  traffic_source,
  purchase_count,
  total_event_count,
  (purchase_count / total_event_count) * 100 AS purchase_rate
FROM purchase_count_by_traffic_source
ORDER BY purchase_rate DESC

【BigQuery SQL解説】

WITH purchase_count_by_traffic_source句で、トラフィックソース別に購入イベント数と総イベント数を集計するサブクエリを定義します。
COUNTIF(event_type = ‘purchase’)で購入イベント数をカウントします。
COUNT(*)で総イベント数をカウントします。
メインクエリでは、サブクエリの結果を用いて、トラフィックソース別の購入率を計算します。
(purchase_count / total_event_count) * 100で購入率を計算します。
ORDER BY句で、購入率の高い順に並べ替えます。

【BigQuery分析での活用例】

購入率の高いトラフィックソースへの投資を強化することで、費用対効果の高いマーケティング戦略を構築できます。
購入率の低いトラフィックソースについては、その原因を分析し、改善策を検討することができます。例えば、サイトへの導線を改善したり、ターゲット層に合わせた広告クリエイティブを作成したりすることで、購入率の向上を目指せます。

注意点

これらのクエリは、BigQuery公開データに基づいています。データの正確性や最新性については、実際のBigQuery公開データをご自身でご確認ください。
当該分析は、様々な要因を総合的に判断する必要があります。これらのクエリは分析の一例であり、意思決定の根拠として単独で使用すべきではありません。

参考記事

5. FAQ：BigQueryに関するよくある質問

Q1. BigQueryの無料枠を超えて利用すると、どのくらい費用がかかりますか？

A1. 無料枠を超えた場合、従量課金制で料金が発生します。料金は、処理したデータ量やストレージ容量などによって異なります。詳しくは、BigQueryの料金ページをご確認ください。

Q2. BigQueryで使えるSQLは、他のデータベースと同じですか？

A2. BigQueryは標準SQLをサポートしており、他のデータベースで学んだSQLの知識を活かすことができます。ただし、BigQuery独自の関数や構文も存在するため、BigQueryのドキュメントで詳細を確認することをおすすめします。

Q3. SQLの学習には、どのような教材がありますか？

A3. SQLの学習には、オンライン学習サイト、書籍、動画教材など、様々な教材があります。初心者向けの教材から、上級者向けの教材まで、レベルに合わせて選ぶことができます。Googleが提供するBigQueryのチュートリアルもSQLの学習に役立ちます。

6. まとめ：BigQueryで顧客理解を深め、ECサイトの売上アップを目指そう！

BigQueryは、ECサイトデータ分析に最適なツールです。BigQueryの高速な処理性能、豊富な分析機能、そして無料公開データセットを活用することで、顧客の購買行動を分析し、売上アップに繋がる施策を検討することができます。ぜひ、BigQueryを導入し、データ分析の力をビジネスに活かしましょう。

BigQuery導入サポート、転職検討中の方はお問い合わせフォームからご相談くださいませ。

誠心誠意精一杯対応いたします。

【参考URL】

GoogleCloudPlatform：https://console.cloud.google.com/welcome/new

BigQuery：https://cloud.google.com/bigquery?hl=ja

BigQueryリリース情報：https://cloud.google.com/bigquery/docs/release-notes

BigQuery料金：https://cloud.google.com/bigquery/pricing

BigQuery料金無料枠：https://cloud.google.com/bigquery/pricing?hl=ja#free-tier

Google Cloud活用事例：https://cloud.google.com/customers/index.html?hl=ja#

Looker Studio：https://cloud.google.com/looker-studio?hl=ja

Looker Studioサンプル：https://cloud.google.com/bigquery/docs/visualize-looker-studio?hl=ja

よかったらシェアしてね！

URLをコピーしました！

URLをコピーしました！