【BigQuery公開データ分析】ソーシャルメディアデータ分析！消費者の声を捉えてマーケティングに活かす

2024年9月24日2024年11月28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】

顧客の声分析
マーケティング戦略
商品開発
競合分析
ブランドモニタリング
炎上対策
ソーシャルメディア活用

【解消できるお悩み】

ソーシャルメディアで自社製品がどう評価されているか知りたい
顧客のニーズや不満を把握して、商品開発やサービス改善に活かしたい
競合他社のソーシャルメディア戦略を分析したい
自社ブランドの評判を監視し、炎上リスクを事前に察知したい
ソーシャルメディアデータを効果的にマーケティングに活用したい

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

ソーシャルメディアは、現代のマーケティングにおいて欠かせない存在となっています。企業は、ソーシャルメディアを通して、顧客と直接コミュニケーションを取り、製品やサービスに関する情報を発信し、ブランドイメージを構築することができます。そして、ソーシャルメディア上に蓄積された膨大なデータは、顧客のニーズや嗜好、市場トレンドなどを把握するための貴重な情報源となります。

しかし、ソーシャルメディアデータは、非構造化データであるため、分析が難しいという課題があります。そこで今回は、Google Cloudのデータウェアハウス「BigQuery」と、自然言語処理技術を活用したソーシャルメディアデータ分析の方法を紹介します。BigQueryの強力な分析機能と、自然言語処理を組み合わせることで、大量のテキストデータから、顧客の意見、感情、興味関心などを効率的に抽出することができます。この記事では、BigQueryを使ってソーシャルメディアデータを分析する方法と、そこから得られたインサイトをマーケティングに活かす方法について解説します。データ分析初心者の方でも、BigQueryを使えば、ソーシャルメディアデータ分析に挑戦し、顧客理解を深め、効果的なマーケティング戦略を立案することができるでしょう。

BigQueryでソーシャルメディアデータ分析を行うメリット
BigQueryで利用可能なソーシャルメディアデータ分析手法
ソーシャルメディアデータ分析に役立つBigQueryの無料公開データセット
BigQueryでソーシャルメディアデータを分析する手順
BigQueryを使ったソーシャルメディアデータ分析例
FAQ：BigQueryに関するよくある質問
まとめ：BigQueryでソーシャルメディアデータを分析し、マーケティングを成功させよう！

1. BigQueryでソーシャルメディアデータ分析を行うメリット

BigQueryは、ソーシャルメディア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： 膨大なソーシャルメディアデータを高速に分析できるため、リアルタイムに近い分析が可能となり、迅速な意思決定をサポートします。
様々なデータソースとの連携： Twitterデータ、Facebookデータ、Instagramデータなど、様々なソーシャルメディアのデータを統合して分析できます。また、自社データや外部データと組み合わせることで、より深い分析を行うことも可能です。
豊富な分析機能： SQL、機械学習、自然言語処理など、高度な分析機能を利用できるため、複雑なソーシャルメディア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. BigQueryで利用可能なソーシャルメディアデータ分析手法

BigQueryではSQLとNatural Language APIなどを組み合わせて、様々なソーシャルメディアデータ分析手法を実行することができます。以下は代表的な手法の例です。

感情分析： 投稿に含まれる感情（肯定的、否定的、中立的）を分析します。
トピック抽出： 多くのユーザーが話題にしているテーマやキーワードを抽出します。
インフルエンサー分析： 発信力を持つ influential なユーザーを特定します。
競合分析： 競合他社のソーシャルメディア活動を分析します。
キャンペーン効果測定： マーケティングキャンペーンの効果を測定します。

3. ソーシャルメディアデータ分析に役立つBigQueryの無料公開データセット

BigQueryには、ソーシャルメディアデータ分析に直接利用できる無料公開データセットは多くありません。しかし、ソーシャルメディアデータはAPIなどで取得することができるため、BigQueryにデータをロードして分析することが可能です。また、他の公開データセットと組み合わせることで、ソーシャルメディアデータ分析を補完することもできます。

例えば、Google Trendsデータセットと連携することで、ソーシャルメディアでの話題と、検索トレンドとの関連性を分析することができます。

4. BigQueryでソーシャルメディアデータを分析する手順

BigQueryでソーシャルメディアデータを分析する手順は以下の通りです。

4.1 1. データ収集

まず、分析の目的を明確にし、必要なソーシャルメディアデータを収集します。Twitter API、Facebook Graph APIなど、各プラットフォームが提供するAPIを利用してデータを収集する方法や、サードパーティのデータ収集ツールを利用する方法などがあります。データ収集の際には、各プラットフォームの利用規約を遵守する必要があります。

4.2 2. データ加工

収集したデータは、分析しやすいように加工する必要があります。例えば、データのクリーニング、変換、匿名化などを行います。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。

4.3 3. 感情分析

Natural Language APIの感情分析機能を用いることで、投稿に含まれる感情（肯定的、否定的、中立的）を分析することができます。感情分析の結果は、製品やサービスに対する評判を把握したり、顧客満足度を向上させたりするのに役立ちます。

4.4 4. トピック抽出

Natural Language APIのエンティティ分析やコンテンツ分類機能を利用することで、ソーシャルメディア上の投稿から、主要なトピックやキーワードを抽出することができます。トピック抽出の結果は、顧客の関心事を把握したり、市場トレンドを分析したりするのに役立ちます。

4.5 5. インフルエンサー分析

ソーシャルメディア上で影響力を持つユーザー（インフルエンサー）を特定します。インフルエンサーの投稿は、多くのユーザーに拡散される可能性が高いため、マーケティング活動に活用することができます。インフルエンサーを特定するには、フォロワー数、投稿のエンゲージメント率、言及されている回数などを分析します。

4.6 6. 考察と分析結果の活用

感情分析、トピック抽出、インフルエンサー分析などの結果を総合的に分析することで、ソーシャルメディアデータからどのようなインサイトが得られるかを考察します。例えば、自社製品に対するネガティブな意見が多い場合は、その原因を調査し、製品の改善や顧客対応の改善を行う必要があるでしょう。また、特定のトピックが話題になっている場合は、そのトピックに関連したキャンペーンを実施することで、マーケティング効果を高めることができるかもしれません。

5. BigQueryを使ったソーシャルメディアデータ分析例

今回はBigQueryの公開データを使って、映画レビューから消費者の意見を分析し、マーケティングに活かす方法を紹介します。

分析に使うデータは、bigquery-public-data.imdb.reviewsです。このテーブルには、IMDbのユーザーレビュー、レーティング、映画IDなどが含まれています。

このデータはいわゆるソーシャルメディアではありませんが、消費者の意見(いいねのようなもの)、レビュー等がソーシャルメディアデータに近しいため、参考事例として活用していきます。

BigQuery分析例：レーティングごとのレビュー件数

まずはレーティングごとのレビュー件数を集計してみましょう。

SELECT reviewer_rating, COUNT(*) AS review_count
FROM bigquery-public-data.imdb.reviews
WHERE reviewer_rating IS NOT NULL
GROUP BY reviewer_rating
ORDER BY reviewer_rating;

実行結果

X軸が評価(reviewr_rating)でY軸が評価数です。※評価5と6の評価件数は0件で理由は不明

【BigQuery SQL解説】

reviewer_ratingとCOUNT(*)で、レーティング値とレビュー件数を取得します。
WHERE reviewer_rating IS NOT NULLで、レビューレーティングがNULLでないレビューのみを抽出します。
GROUP BY reviewer_rating句で、レーティング値ごとに集計します。
ORDER BY reviewer_rating句で、レーティング値順に並べ替えます。

【BigQuery分析での活用例】

レーティングの分布を把握することで、映画の全体的な評価を理解できます。
高レーティングのレビューと低レーティングのレビューの内容を比較分析することで、消費者が映画のどの要素を評価しているのかを把握できます。
消費者の評価ポイントを理解することで、マーケティング戦略に活かすことができます。

BigQuery分析例：レビューの文字数ごとの件数

次にレビューの文字数ごとの件数を集計してみましょう。

SELECT
  CASE
    WHEN LENGTH(review) < 100 THEN '100文字未満'
    WHEN LENGTH(review) BETWEEN 100 AND 500 THEN '100-500文字'
    WHEN LENGTH(review) BETWEEN 501 AND 1000 THEN '501-1000文字'
    ELSE '1001文字以上'
  END AS review_length_group,
  COUNT(*) AS review_count
FROM bigquery-public-data.imdb.reviews
GROUP BY review_length_group
ORDER BY review_length_group;

【BigQuery SQL解説】

CASE文とLENGTH(review)を使って、レビューを文字数ごとにグループ分けします。
COUNT(*)で、各グループのレビュー件数をカウントします。
GROUP BY review_length_group句で、レビューの文字数グループごとに集計します。
ORDER BY review_length_group句で、レビューの文字数グループ順に並べ替えます。

【BigQuery分析での活用例】

レビューの文字数分布を把握することで、ユーザーがどの程度のボリュームで意見を表明しているかを理解できます。
文字数の多いレビューは、詳細な意見や感情が含まれている可能性が高いため、重点的に分析する価値があります。
各グループの代表的なレビューを分析することで、マーケティング施策における訴求ポイントの改善に役立ちます。

注意事項

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

6. 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。

7. まとめ：BigQueryでソーシャルメディアデータを分析し、マーケティングを成功させよう！

BigQueryは、ソーシャルメディア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、そして自然言語処理を活用することで、消費者の声を捉え、マーケティング戦略を最適化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！