【実践解析特集vol.5】コンテンツマーケティングのウェブ解析の方法

寄稿記事本記事は、ウェブマーケティングの設計・効果測定コンサルティングサービスを提供する、and,a株式会社の取締役CAO中田吉彦氏による寄稿記事です

コンテンツマーケティングのウェブ解析

過去4回にわたって、コンテンツマーケティングとウェブ解析をどう紐づけて運用するべきかを解説させていただきました。今回はその最終回。コンテンツマーケティングの解析手法について解説させていただきます。この連載はウェブ上で展開されるコンテンツマーケティングについて解説させていただいていますので、ここでいうコンテンツマーケティングの解析はウェブ解析のことを指します。

一般的にウェブ解析には２つの大きな役割があります。

ウェブサイトの健康診断的な現状把握
ウェブサイトのパフォーマンスを上げるためにはどうすればいいか仮説を立て、改善策を実装して、前後比較の解析をする

健康診断をするだけだとコンテンツマーケティングに掛けた費用を回収することはできないので、ここでは2番の解説を行います。

2016年4月がウェブ解析の転換点

2016年4月11月から、Google Analyticsで、ユーザー一人一人について、「どのページを見て、コンバージョンしたか」等を確認できる機能「ユーザーエクスプローラー」が正式リリースされました。（「ユーザーエクスプローラーは2016年3月下旬から確認され始めていましたが、4月11日に正式アナウンスがありました。）

図1 Google Analytics の「ユーザーエクスプローラー」は「ユーザー」メニューの中から利用できます。

「ユーザーエクスプローラー」のリリースが転換点となり、ウェブ解析のトレンドが大きく変化し始めました。短い言葉で表現すると、

「サイトがどう使われているのかの解析」から

「ユーザーがどうサイト使っているのかの解析」への転換

です。

つまり「このページがどう使われているか」という議論は「ページ」が主語なので、2016年以前のウェブ解析です。「ユーザーがどう使っているか」というのが、2016年以降のウェブ解析なのです。

Google Analytics 「ユーザーエクスプローラー」とは

「ユーザーがどう使っているか」を知るためには、具体的にどんな解析をすればよいのでしょうか。実際に、Google Analytics 「ユーザーエクスプローラー」の画面を見ていただくのが一番早いと思います。

下記の図2が「ユーザーエクスプローラー」の画面で、赤線で囲んである部分の1行が1人分のデータです。ここには、1行に1人分のデータが保存してあり、ドリルダウンすると、たとえば過去に20回サイトを訪れたユーザーであれば、20セッション毎のデータが保存してあります。その20回のそれぞれの訪問の際に、どのページを見たのかという情報が記録されています。

図2 Google Analytics のユーザーエクスプローラーのレポート画面

上記、図2のレポート画面で1人のユーザーをクリックすると、下記のような画面になります。

図3 Google Analytics のユーザーエクスプローラー　ユーザー別の画面

この画面では、この1人のユーザーが、

何月何日にサイトを何回訪れているか
それぞれの訪問時に、サイトにどれくらいの時間滞在していたか
ウェブページを何ページ閲覧したか

といったことが分かります。

ここでたとえば、10月27日の2回目の訪問をクリックすると、下記のような画面が開きます。

図4 Google Analytics のユーザーエクスプローラー　ユーザー別の画面

ユーザーがいつ、どのページを見ていたのかが時系列で分かります。このようにして、下記の図5にあるようなイメージでユーザー毎の行動データを集めることができます。

図5 Google Analytics のユーザーエクスプローラー　で集める行動データのイメージ

上記の状態でも、1人1人の行動から、その背景にある心理を推測し、様々なインサイトを得ることができます。しかしこのままでは、サイト改善にとって使いやすいデータであるとは言えません。

サイト改善に役立つ解析データの条件は、下記のことが分かる解析データです。

こういうタイプのユーザーには
こういうタイミングで、
こういうコンテンツを見せなくてはならない。

これが分かるデータが、サイト改善に役立つデータです。こうしたデータを得るためには、下記の図6にあるような、複数のユーザーのデータをとりまとめた、統合されたデータを作る必要があります。

図6 統合されたユーザー行動のイメージ

問題は、複数のユーザーのデータをどうやって統合するかです。AIを使って統合するのが最も効率的ですが、それについては後述します。まだAIが導入できないという場合は、人力で統合するしかありません。この場合は、次の手順で解析を行います。

ある程度のまとまりを作る
まとまりを作った中から、一人一人のデータを取り出して解析する

ユーザーエクスプローラーで「ある程度のまとまり」を作るためには、右上にある「アドバンス」を使用します。

図7 ユーザーエクスプローラーの「アドバンス」

図8 「アドバンス」で「セッション5回以上」かつ「トランザクション1回以上」を抽出する

決済機能のあるサイトであれば、たとえば、上記図8のような、「セッション5回以上」かつ「トランザクション1回以上」のユーザーを抽出することができます。

図9 訪問6回、トランザクション1回のあるユーザーに注目

そこから抽出したユーザーの一人を赤線で囲みました（上記、図9）。このユーザーは、訪問6回、トランザクション1回というユーザーです。このユーザーのクライアントIDをクリックしてみましょう。

図10 4回目の訪問でトランザクションが発生

図10にあるように、

初回訪問　8月10日

2回目の訪問　8月14日

3回目の訪問　8月25日

4回目の訪問　9月4日　　ここでトランザクション発生

という、このユーザーの行動履歴がわかります。

8月10日の初回訪問の時には何をしていたのかを見てみると、

図11　初回訪問のページ閲覧行動

下が古い行動になっていますので、下から順に見ます。

「サイトのトップ」　⇒　「ブログのトップ」　⇒　「コーンブレッドの記事」を読んだ

ということが分かります。

以上が、ユーザーエクスプローラーによる、「ある程度のまとまりを作る」⇒「まとまりを作った中から、一人一人のデータを取り出して解析する」の解析例となります。

ユーザー行動の統合を助けてくれるツール

上記の「ある程度のまとまりを作る」⇒「まとまりを作った中から、一人一人のデータを取り出して解析する」という解析手法は、ユーザー行動の統合作業を人力で行うので、アナリストの力量と解析に使える時間の長さにアウトプットのクオリティが左右される点がネックです。

身も蓋も無い話ですが、たとえば、1,000人の行動データから、共通する行動パターンを解析するというタスクは、人間はあまり得意ではありません。現在、日本だけでなく、世界的に見て、この「共通する行動パターン」をくくり出す性能で一歩リードしているのが日本のBeBit社の「ユーザーグラム」というツールです。優れたウェブマーケティングツールはたいてい北米かEUからやって来ますが、この分野に関しては、現在BeBit社が最もリードしています（2018年10月現在）。Google Analyticsのユーザーエクスプローラーのデータをインポートして解析することはできませんので、ユーザーグラムの独自解析コードをタグマネージャー等で実装する必要がありますが、導入の手間は、一般的な解析ツールと変わりません。ユーザーグラムの機能が優れている点は次の2点です。

膨大なユーザーデータの中から、似た行動をくくり出すことができる
その「似た行動」が全ユーザーの何パーセントくらいに共通するものなのかが分かる

こうした解析にはもちろんAIが使われていて、ユーザーグラムのAIは現在進行形で開発が進んでいます。

コンテンツマーケティングとMA（マーケティングオートメーション）ツールの連携

分かっている方には当たり前の話になってしまいますが、もしBtoBのサイトでコンテンツマーケティングを行うなら、ウェブ解析ツールとMA（マーケティングオートメーション）ツールを連携させなくてはなりません。たとえば「ウェブページの閲覧」と「キャンペーンメールの開封」は、同じ土俵に載せて評価（スコアリング）しなくてはならないからです。具体的には、下記のようにスコアを付けます。

表1 MAツールによるスコアリングのイメージ

ユーザーの行動	スコア
ウェブでの価格表の閲覧	20
キャンペーンメールの開封	50

ウェブ解析の目的が「データを解析してサイトを改善すること」であるのに対して、MAの目的は「ユーザーのスコアに応じてコミュニケーションの質と量を最適化すること」です。本来この２つは一体化させるべきものです。

MAツール自体は、サイト解析に利用されることを目的として開発されたものではないため、ユーザー行動の統合という点に関しては、まだまだ進化を待ちたいところですが、ユーザー行動の背後にある心理を知るためのツールとしては、現時点で既にリアルでなまなましいデータを提供してくれています。筆者が所属する会社でもGoogle AnalyticsとPardot（MAツールの一つ）を併用した解析を行っています。