Webログ分析の実践事例

ログ設計の初手：意思決定に使える粒度を決める

Webログは「何が起きたか」を残すだけでは価値になりません。「どの意思決定に使うか」から逆算し、最初に粒度と定義を固めます。ありがちな躓きは、イベント名の乱立、セッション定義の揺れ、流入（UTM）の表記ゆれです。分析の前に、以下を最小構成で確実に揃えます。

イベント設計の実務ポイント

• イベントは5種に圧縮: page_view / view_item / add_to_cart / begin_checkout / purchase。カスタムはネーミング規約を明文化（snake_case、動詞始まり）。
• アイデンティティ: cookieベースIDに加え、ログイン時はuser_idで統合。クロスデバイスは24時間以内の同一メールハッシュで突合。
• タイムスタンプはUTCで秒精度、タイムゾーンは別フィールド。日次集計時のズレを防ぎます。
• リファラとUTMは正規化: utm_source/medium/campaignの空欄は“(not set)”で統一、cpc/paid-socialなど媒体の辞書を持つ。
• 商品属性は正規化テーブルへ（category、price、margin）。後から粗利ベースの意思決定がしやすくなります。

セッションと流入の定義を固定する

セッションは「ユーザーID×30分無操作」で区切るのが基本です。広告クリックでの再開時は新セッション扱い、ただし直前5分以内の同一キャンペーンは同一セッションに吸収すると、広告効果の二重計上を防げます。Directは上書き不可（直前の非Direct流入を尊重）。クロスドメインは計測パラメータを遷移先へ引き継ぐ設計にします。

GA4を使う場合は生データをBigQueryにエクスポートし、上記のビジネス定義でビューを切ると、UIの自動集計との差異に悩まされにくくなります。

分析の型：仮説→切り口→指標→決定

数字を見る順番を固定すると迷いが減ります。おすすめは「流入×行動×成果」を週次で回す型です。

1. 仮説を1行で書く（例：検索流入の意図ずれがカート到達を阻害）。
2. 切り口を決める（新規/既存、媒体、ランディングページ、デバイス）。
3. 指標を揃える（セッション、CTR、ファネル到達率、CVR、LTV/CPA、読み込み指標LCP）。
4. 決定案を列挙（広告停止/文言差し替え/ナビ改修/価格テスト）。
5. 影響範囲×工数で優先度をつけ、A/Bテスト計画に落とす。

ファネルを見るときの着眼点

• ランディング→商品閲覧の遷移で落ちるなら、内部検索とカテゴリ回遊を強化。検索離脱はクエリログの意図クラスタで補正。
• カート→決済で落ちるなら、送料・支払い手段・フォーム摩擦（オートフィル可否、エラー文言）を点検。
• 媒体別の「粗利CVR」を出し、CPAだけで判断しない。返品率の高いキャンペーンは除外。

生成AIは補助輪として有用です。例えばChatGPTやGeminiで正規表現やクエリの雛形を出し、サンプルデータで差分検証を行えば、実装速度が上がります。

身近な企業の実践例：D2C菓子メーカーA社のやり直し

広告費を増やしたのにCVRが1.8%→1.4%へ低下。「Direct」が急増し、どの施策が効いているか不明に。さらにLPで自動再生の動画を導入した直後、直帰率が悪化しました。

失敗の構造

• UTMの付与漏れと表記ゆれ（utm_medium=paid_social/paidsocial/psが混在）。Directに吸収。
• SPA化したのにpage_viewイベントが仮想PVに未対応で、遷移が計測できず。
• LPのLCPが4.2秒に悪化（ヒーロー動画が重い）。
• Bot流入（データセンターASN）を除外せず、セッション膨張。

打ち手と実装

1. イベント/流入の定義をリセット。GA4→BigQueryに出し、ビジネス定義で「セッション」「キャンペーン」を再計算。
2. UTM辞書を作成し、ETLで正規化。未設定はcampaign=“(not set)”に統一し、アラートを設定。
3. SPAのルーターイベントでpage_viewを送信。仮想PVにtitle/URL/前後ページを付与。
4. CDNログから既知Bot/ASNを遮断。残差はUser-AgentパターンをClaudeで抽出、手動レビュー後に除外リストへ。
5. LPを軽量化（動画はクリック再生、画像WebP化）。LCPを2.3秒まで改善。
6. 内部検索のクエリをChatGPTとGeminiで意図クラスタリング。「ギフト/個包装/日持ち」セグメント別にカテゴリ導線を新設。
7. A/Bテストを2週で3本回す：価格訴求の文言、送料の明記位置、フォームの郵便番号オートフィル。

結果（4週間）

• Direct比率40%→18%に正常化。媒体別CVRが可視化され、ROASの低い広告セットを停止。
• 全体CVR1.4%→2.4%、CPAは18%改善、粗利ベースROASは1.6→2.1。
• 商品閲覧到達率が+9pt、検索経由のCVRは+32%。
• 「ギフト」セグメントは平均注文単価が+14%で、特集LPを常設に意思決定。

重要なのは「定義の固定→ノイズ除去→小さなテストの反復」です。ツールよりも、意思決定のリズムを設計したことが、再現性のある改善につながりました。

運用のコツと落とし穴：継続して勝つために

定義は“コード化”、可視化は“１枚”

SQLビューと用語定義書をリポジトリで管理し、変更はPRでレビュー。ダッシュボードは「週次会議用の１枚」を作り、見る指標を固定します（セッション、ファネル3点、CVR、粗利ROAS、LCP）。

ノイズの管理を日課にする

社内IP・監視ツール・ステージングの除外を徹底。新規のBotは週次で検知ルールを更新。正規表現のドラフト生成はClaude等で時短しつつ、必ずサンプル照合で誤爆を確認します。

プライバシーと計測の両立

同意管理（CMP）下での計測欠損は避けられません。モデリング用に、同意ありトラフィックでの比率推定を用意して、同意なしを過度に楽観しない判断フレームを持ちます。

Webログ分析は、定義と運用の地味な積み重ねが収益を押し上げます。散在するログをつなぎ、定義を一元化し、反復可能な分析を回す基盤づくりは、データ解析プラットフォーム事業の土台そのものです。GA4やBigQueryといった既存資産、そしてChatGPTやGeminiの補助を組み合わせ、意思決定までの距離を最短にする設計が、中長期の競争力につながります。