Googleアナリティクスを DMP化して DoubleClick Digital Marketingと連携させる 具体的な方法

この記事では、GoogleアナリティクスをDMP（データ管理プラットフォーム）として扱い、DoubleClickのマーケティングサービスと連携させることで、チャネルを横断して包括的にデータを分析し、さらに、その結果を用いた統合プロモーション施策を実現する具体的な方法を解説する。

昨今の「生活者のオンライン行動の変化」や「ネット広告などアドテクノロジーの急速な進化」という環境のなか、次のような問題を抱えているマーケターは多いのではないだろうか。

アドテクノロジーの高度な機能を完全に使いこなすだけでも難しくなってきている。

「マルチデバイス」「マルチチャネル」「オンライン上の行動履歴」などを包括的に解析し、個別のプロモーション施策を統合管理しなければ、思うような成果を見込めなくなってきている。

複雑化するオンラインプロモーション分野において、チャネルを横断して包括的に分析し、さらに、その結果を用いた統合プロモーション施策を実現できる、ツールの組み合わせがある。そのツールとは、「Google アナリティクスプレミアム（以下「GAP」）」と、「DoubleClick Digital Marketing（以下「DDM」）」だ。

本記事の内容は少し高度だが、Googleアナリティクス プレミアムをDMPとしてとらえ、マーケティングツールを連携させることで、次のようなことが実現できると理解できるようになるはずだ。

• Googleやさまざまな広告データを統合して（Excelなどを使わずに）大量データをシームレスに処理できるようになる
• ディスプレイ広告も含めたメディアプランニングと広告プロモーションのチャネル横断的な効果測定と分析作業を効率化できる
• マルチチャネルの分析をもとにした効果的なリターゲティングを容易に実行できる

GoogleアナリティクスプレミアムをDMP化してDDMを連携させると
シンプルなフローで精緻なデータ分析と活用が可能になる

GAPをDMPとして扱ってDDMと連携すれば、各種Google広告データを統合した大量データ処理が可能になる。

この仕組みをベースに、統合的なマーケティング施策を実行し、統一したKPI指標をもとにPDCAを回すことができれば、マーケティングROI最大化を実現できる環境が整う。

具体的に、どのようなことが実現できるかを図1に示した。

図1　DDMの主要広告管理ツールとの連携イメージ

連携によってもたらされるものは、簡単に言えば、次の2点だ。

• リマーケティングリストの提供
• 配信・レポートデータの共有

従来から、無料のGA（Googleアナリティクス）でも、次の機能はカバーされていた。

• AdWordsへのリマーケティングリスト提供
• AdWordsでのインプレッションデータの共有
• DSへの入札指標の提供

GAPとDDMを連携させると、上記のものに加えて、DCM上で管理している「DCMとDBMのインプレッションとクリックのデータ」を、GAPのデータに統合できる（図1の①）。

さらに、GAで計測するサイト訪問者のCookieを使ってセグメントしたリマーケティングリストをGAPからDBMに戻し、配信リストとして活用することが可能になる（図1の②）。

このようにデータを連携させることで、ディスプレイ広告においても、次のような作業が不要になる。

• 広告効果測定ツールやサイト内解析ツールのデータをばらばらに抽出してデータを統合する作業
• リマーケティングタグの設置

統一されたフォーマット内で、複数チャネルやデバイスをまたいだ分析をシンプルな作業フローで行えるようになるうえに、すべてダブルクリックのシングルクッキーで計測されるため、データの重複を省いた精緻なデータ分析が可能になるのだ。

図2　ファネル上でのDDM活用イメージ
※無料版のGoogleアナリティクス（GA）では、AdWordsから出稿できるGoogle Display Networkのビュースルーのみ確認可能（YouTubeのオークションベースも含む）

これをマーケティング視点で考えると、次のような効果がある。

1. 広告インプレッションを含め、認知から獲得までのユーザーのカスタマージャーニーを可視化できる。

2. カスタマージャーニーに応じたリマーケティングリストの作成が可能になる。

3. これにより、KPIを高めるための、より具体的なアクションの創出が容易になる。

つまり、これまでワンストップでは成し得なかった以下の課題にアプローチができることになるのだ。

最終的な刈り取りチャネルはわかったが、そもそも認知に貢献しているディスプレイ広告は何か。

分析の結果、ユーザーがサイト内でどのような行動をとったかはわかったが、その特定ユーザーに直接的にアプローチするには時間と工数がかかる。

この記事では、「GAP＋DDM」連携のなかから、主にDCMとDBMにフォーカスして解説する。具体的な分析方法やリマーケティングリストの作成については、この記事の後半で解説する。

Googleアナリティクスの無料版とプレミアム、DDM連携ではどう違う？

DDM連携する際、「GAP」と「無料のGA」とでは、次のような機能の違いがある。

図3　DDM連携に関するGoogleアナリティクスとGoogleアナリティクスプレミアムの違い

「GAではできないが、GAPで実現できること」には、大きく次の2点がある。

• DCMで取得するディスプレイ広告のインプレッションやクリックのデータを、GAP上で統合・分析すること
• DCMとGAPそれぞれの指標を掛け合わせて作成したリマーケティングリストを、DBMに共有して配信に活用すること

GAPとの連携に関しては、DDMをすべて連携しなくても部分的に利用できる。ただし、ディスプレイ広告まで含めたオンライン広告チャネル全体を最適化し、サイト内指標を掛け合わせたリマーケティングリストの作成を行いたい場合は、DCM×GAP連携（ダブルクリック連携）を行うことを強くお勧めする。

DCM×GAPの連携（ダブルクリック連携）
GAP上でディスプレイ広告のビュースルー・アトリビューション分析が可能に

GAPとDDMの連携の具体的な手法の1つ目として、GAPを、ディスプレイ広告の第三者配信ツールであるDCMと連携させる手法について解説する。

ここでは、連携イメージを明確にするために、事例をもとに解説する。

本事例は、「DCM」「DBM」「GAP」を連携させ、実際にどのようなデータがGAP上で統合・分析できるのか、またデータをどのように配信に活用できるのかを検証している（図4）。

図4　GAPとDCMおよびDBM連携イメージ

DCMとGAPを連携させると、次のようなことが可能になる。

1. GAPのメニューに［DoubleClick］という項目が追加され、そこから「ビュースルー訪問」「クリックスルー訪問」ごとの分析が可能になる
2. ディスプレイ広告のアシスト効果を考慮したチャネル横断的なアトリビューション分析が可能になる
3. ディスプレイ広告を含めた詳細なコンバージョン経路分析が可能になる

それぞれについて解説していく。

GAPのメニューに［DoubleClick］という項目が追加され、そこから「ビュースルー訪問」「クリックスルー訪問」ごとの分析が可能になる

図5　GAPに追加された［DoubleClick］メニュー

GAPとDCMの連携が完了すると、GAPのメニューに左図のような［DoubleClick］というメニュー項目が追加される（図5）。

実際のレポート画面から、DCMで管理するキャンペーンごとの数値を見てみよう。

DCMで管理しているキャンペーンやクリエイティブなどを軸に、クリック数、ビュースルー訪問数を確認できる（図6）。これにより、ディスプレイ広告のクリックまたはインプレッションが、ユーザーエンゲージメントにどの程度貢献しているかを推測することが可能になる。

図6　ディスプレイ広告のクリックスルー/ビュースルー（DCMキャンペーンレポート）

また、PVや滞在時間などのサイト内指標を掛け合わせて見ることで、ディスプレイ広告のクリエイティブやメディア選択の効果検証ができる。

たとえば、新規訪問者獲得を目的に、大手ポータルサイトなどのブロードリーチ系広告メニューを使ったキャンペーンを設計したのであれば、新規訪問者の割合を見ることが1つの目安になる。

リマーケティングであれば、直帰率を確認することで特定のユーザーに対するターゲティングがずれていないかを確認できる。

今回のキャンペーンで使用したDBMは、参照元/メディアとしては「dfa/cpm」のように表示され、PVなどのサイト分析指標で広告効果の判断ができる。

さらにセカンダリディメンションでも、DCMで設定している「キャンペーン」「クリエイティブ」「クリエイティブに対するインタラクション」などを選択できるので、対象のキャンペーンが最終的にコンバージョンに貢献した数を割り出すことも可能になる（図7）。

図7　セカンダリディメンションでキャンペーンごとの成果を分析（DCMキャンペーンレポート）

ディスプレイ広告のアシスト効果を考慮した
チャネル横断的なアトリビューション分析が可能になる

図8　GAPのアトリビューション関連メニュー（［コンバージョン］メニュー内）

GAPとDCMの連携で得られたデータによるアトリビューションレポートは、GAPのアトリビューションモデリングツールで確認できる（図8）。

無料のGAでも部分的なアトリビューション分析ができるが、GAPとDCMを連携させることで、ディスプレイ広告まで含めた、チャネル横断的なアトリビューション分析を簡単に実施することが可能になる。簡単になった点は主に次の2つだ。

• 経路データを分析しやすくするための事前の再集計作業が不要
• 起点型／終点型／均等型／データドリブン型などの複数のアトリビューションモデルで自動計算

たとえば、オンライン広告チャネルをグループごとにアトリビューション分析した結果が図9だ。キャンペーン特性に応じたアトリビューション分析モデルを選択するだけで、自動的にコンバージョン実績が割り振られ、チャネル貢献度が一覧できる。手間のかかる「事前の集計」「ポイント評価」がほとんど発生しない。

ディスプレイ広告まで含めたチャネル全体のアトリビューション評価を一覧比較できるようになることで、媒体特性や、チャネルごとのプロモーションの強弱のつけ方が見えてくる。

図9　アトリビューションモデル比較レポート

さらに、セカンダリディメンションを「参照元（メディア）」に指定すれば、参照元やメディアごとに個別のチャネルを深堀りした詳細な分析を行うことも簡単にできる。

図10　アトリビューションレポートの参照元/メディア別詳細分析

今回選択したモデルは終点、起点、線形（均等配分）を選択しているが、下記のように使い分けられる。

• 起点 ―― 初回接触型のチャネルの判定
• 終点 ―― 刈り取り型のチャネルの判定
• 均等配分 ―― コンバージョンにいたるまで継続的な効果があるチャネルの判定

アトリビューション分析を行う段階で、「キャンペーンの目的」や「各チャネルのマーケティング施策上の役割」がある程度決まっている場合は、起点／終点／均等配分などの目的別のアトリビューションモデルを当てはめることで貢献度を比較できる。

図11　アトリビューションモデル比較レポート（参照元抜粋）

図11の例は、弊社のセミナーへの申し込み元を分析したものだが、次のように分析できる。

• すべてのチャネルをまたいでアトリビューションを分析する場合、どのモデルにおいても、参照元としてWeb担当者Forumのサイトが強いと判定できる。

• GDN　Googleディスプレイ広告ネットワーク

  DBMやGDNは、効果としては「刈り取り型」というよりも「初回貢献型」であり、初回接触を想定したキャンペーンやクリエイティブにすることで、ユーザーのカスタマージャーニーにおいて効果的なチャネルになると考えられる。

これとは別に、「とにかくアトリビューション分析を行いたいが、どのアトリビューションモデルを使用すればよいかわからない」という場合には、GAP限定機能の「データドリブンモデル」を使用するといい。GAPに蓄積された「コンバージョンにいたらなかったユーザー」のデータも判断要素として使用し、独自のアルゴリズムによってコンバージョンの価値を各チャネルに自動的に割り振ってくれる。

このように、チャネル評価をする場合には、まずはオンライン広告チャネル全体のなかから最も貢献しているチャネルを割り出すことから始めるのがいいだろう。

アトリビューション分析に限らず、最初から部分的な細かい分析をやってしまうと、全体を最適化することはできない。全体を把握したうえでチャネルごとのアトリビューションを把握し、予算の配分を実行していくプロセスをとることをお勧めする。

ディスプレイ広告を含めた詳細なコンバージョン経路分析が可能になる

図12　GAPの［コンバージョン］＞［マルチチャネル］＞［コンバージョン経路］メニュー

コンバージョン経路分析は、マルチチャネルレポート内で見ることができる（図12）。

GAPを使えば、DCMで管理・計測しているディスプレイ広告も統合されたコンバージョン経路分析を行うことができるため、すべてのオンライン広告チャネルをまたぐユーザー行動や勝ちパターンを把握し、次の施策につなげることができる。

GAPとDCMの連携によって得られる効果としては、コンバージョン経路のなかにDCMで計測しているディスプレイ広告の「クリック」と「インプレッション」の情報が入ってくることが挙げられる（図13の赤枠で拡大した部分）。

図13　コンバージョン経路レポート

• 「ディスプレイ」の前に“目のアイコン”が付いている項目は、ディスプレイ広告のインプレッション（ビュー）
• 「ディスプレイ」の文字だけで目のアイコンが付いていないものは、ディスプレイ広告に対するクリック

これにより、コンバージョン経路上において、ディスプレイ広告のインプレッションやクリックが他のチャネルに与える影響を推測できる。

また、ディスプレイ広告まで含めた複数チャネルをまたいだカスタマージャーニーを追うことで、本当の勝ちパターンを見つけることが可能になる。

たとえば図14は、ディスプレイ広告と接触した後、何かしらの自然検索があった場合の経路である。いわゆるビュースルーサーチが経路上でどのようにコンバージョンに貢献しているかを見ることができるうえ、どのクリエイティブが検索に寄与しているか確認することが可能になる。

図14　ディスプレイ広告のインプレッション3回→検索→インプレッション35回→クリック→インプレッション38回→サイト訪問

自然検索のキーワードは「(not provided)」となって詳細に分析できない傾向にあるが、リスティング広告に関してはパラメータを付けることによって特定の検索キーワードを認識できるため、リスティング広告に対してディスプレイ広告がどのように寄与しているのかを可視化することもできる。

また、下記図のようにコンバージョン経路全体を俯瞰しながら、セカンダリディメンションでさらに個別に深堀していくこともできる（この分析は無料版GAでも可能）。

図15　コンバージョン経路レポートのセカンダリディメンションで、パターンごとの参照元ページがわかる

セカンダリディメンションで“キャンペーン（または参照元／メディア）”を選択すると、チャネルグループ別にキャンペーンの内訳や参照元サイトのページ内容が表示され、ユーザーがコンバージョンにいたりやすい経路、いわゆる「勝ちパターン」の判断が可能だ。

さらに、検索キーワードもセカンダリディメンション内で確認することが可能になるので、どのような広告との接触後にどんなキーワードで検索されたかといった情報も確認できる。

このコンバージョン経路分析で得た勝ちパターンを、DBMに共有するリマーケティングリストの作成にも活用できる（詳細は後述）。

DBM×GAPの連携
全体から見えた「勝ちパターン」をリマーケティングで促進

次に、GAPを、DSPのサービスであるDBMと連携させる手法を解説する。

図16 GAPからリマーケティングリストをDBMに共有

GAP×DBMの連携によって、次のメリットが得られる。

1. DCM指標とGAP指標を掛け合わせてリマーケティングリストを作成することが可能になる。

2. DBMに対してリマーケティングリストを共有し、GDN以外のSSPにも広告配信が可能になる。

無料のGAではリマーケティングリストをAdWordsに対してしか共有できないため、AdWords以外の広告プラットフォームを通じて出稿している場合は、GAPとDBMの連携が効果を発揮する。

DBMリマーケティングリストの作成手順

GAPとDBMを連携させてリマーケティングリストを作成する手順は、通常のGAPでのリマーケティングリスト作成とほぼ同じだ。［アナリティクス設定］でプロパティの設定画面からリマーケティングリストの項目を選び、「新しいリマーケティングリスト」をクリックする。

DBMとGAPの連携が完了していれば、［サービスアカウント］の項目として、「DBM」が表示されているはずだ（図17）。

図17　新しいリマーケティング リスト作成画面で、サービスアカウントに表示される「DBM」

リマーケティングリストの作成方法としては、下記の4タイプがある（図18）。

1. サイトを訪問したすべてのユーザー（定義済みリスト）
2. サイト内の特定のページを訪問したユーザー（定義済みリスト）
3. コンバージョン目標に到達したすべてのユーザー（定義済みリスト）
4. ユーザーセグメントを使用して独自のリマーケティングリストを作成する（オプション作成）

図18　リマーケティング タイプの選択肢

上記1から3はすでにGA上でセグメント化してあるリストをDBMまたはアドワーズへリマーケティングリストとして共有するものだ。

4では、ユーザーが自由にセグメントを作成し、GAのサイト計測データやその設定データをリマーケティングリストとして活用できる。この独自リマーケティングリストの作成では、2種類のユーザーフィルタを使ってセグメント化できる（図19）。

図19　セグメント設定のための2種類のユーザーフィルタ

• ディメンションおよび指標フィルタ

  複数回のセッションでのユーザー訪問に対してセグメントを作成することが可能。たとえば、次のようなセグメントが可能だ。

  • ユーザーのサイトに対する訪問手段
  • オーガニック検索で訪問したすべてのユーザー
  • 特定の期間で3万円の買い物をしたユーザー

• シーケンスフィルタ

  複数回のセッションまたは単一のセッションにおけるユーザーフローに基づいてセグメントを作成できる。

  たとえば「広告AをクリックしてランディングページAに到達、その後ページBに到達したが離脱したユーザー」などの一連のフローを指定してセグメントをかけられる。

  シーケンス（順序）は、次の2通りで指定できる。

  • 最初の操作の直後に次の操作が行われる「厳密な連続操作」
  • 最初の操作が行われた後、断続的に次の操作が行われる「大まかな連続操作」

リマーケティングリストの共有

図20　GAPでセグメントした自然検索流入者のリマーケティングリストを使ったDBM配信

GAPではすべてのトラフィックを計測しているため、チャネルをまたいだ リマーケティングリストを作成し、DBMで管理する複数の配信先（SSP）への広告配信に活用できる。

たとえば自然検索流入でサイトに来訪したユーザーを対象とするリストを作成し、ディスプレイ広告以外の広告チャネルから流入してきたユーザーに対して、あらためてディスプレイ広告で接触を試みることで、違う形でのアプローチを行うことが可能になる。

このセグメントに関しては、「ディメンションおよび指標フィルタ」で設定できる。

図21　ディメンションおよび指標フィルタ設定：自然検索流入者のセグメント

セグメント上設定できる項目は多岐にわたるので、慣れるまではトライアンドエラーでリストの作成を行うことをお勧めする。

事例：ユーザー態度変容に則ったリマーケティング

GAPとDBMを連携させることで実現した、リマーケティングの効果的な施策の例を紹介しよう。

• 目標到達プロセスレポート（後述）から発見した目標達成までの課題
• コンバージョン経路レポート（前述）から発見した勝ちパターン

という2つの知見をもとに、ユーザーの行動導線に則ったターゲティングを行った施策で、先ほどと同様に弊社のセミナー申し込みの事例だ。

セミナー申し込みの受付を開始してしばらく経った時点での、GAの目標到達プロセスのレポートが図22だ。

図22　目標到達プロセスレポート

ここでは、広告経由で申し込みフォームまで到達した人（284人）の約半数以上（152人）が離脱しているという課題があった。

そこで、「離脱したユーザーのみを対象に、より訴求力が強いクリエイティブを見せることができれば、セミナー出席をもう一度検討してもらえるのではないか」という想定のもと、シーケンスフィルタを利用した リマーケティングリストを作成し、DBMで強めの入札をかけた。

その手順を見ていく。

シーケンスフィルタ設定のステップ1では、ユーザーが最初に接触するチャンネルを指定する。ここでは今回のセミナーで使用したDBM（cpm）とGDN（cpc）を指定している（図23）。

図23　シーケンスフィルタ設定ステップ1：起点となるチャネル条件にDBMもしくはGDNを指定

シーケンスフィルタ設定のステップ2では、離脱ページの指定を行う。接触タイミングを「随時」としたのは、ビュースルー訪問も今回のターゲットに入れるためである。「直後」を指定して限定すると、ユーザーの行動を指定できる反面、リストのボリュームが小さくなってしまう。

図24　シーケンスフィルタ設定ステップ2：離脱ページにLPもしくはフォームのURLを指定

ターゲティングリストとしては非常に精度の高いものができる反面、リストに含まれるユーザー数はかなり少なくなる。そこで、このリストに含まれる対象ユーザーに出会った際に適切に配信されるように、DBMでの入札金額を上げることで入札に負けないように設定した。

正直なところ配信ボリュームとしてはかなり少ないものの、GAPで絞り込んだターゲットセグメントに対してしっかりと配信されているため、CTRやCVRは、通常よりもかなり良い結果となった。

まとめ

GAPとDDMの連携によって、マルチチャネルの分析、そしてそのデータを活かした広告配信がどのように実現できるのかを紹介してきた。

従来、サイト内解析と広告の分析や配信は、ばらばらのものとして扱われてきた。しかし、GAPというプラットフォームをDMP化してDCMとDBMを連携することで、それぞれのデータを統合・分析し、また分析したデータをそのままセグメント化し、簡単に施策に活かせる環境がようやく整うことになる。

広告配信に特化した簡易的なDMPとして活用してみてはいかがだろう？