［開発者向け］開発者のためのデータドリブンマーケティング実践手法

2025-07-21

はじめに

　現代のマーケティング戦略において不可欠な「データドリブンマーケティング」を、開発者の視点からどのように実現していくかについて、具体的な実装方法とともに解説します。優れたマーケティングキャンペーンを構築するためには、もはやデータを単なる結果測定のツールとしてではなく、戦略そのものを動かす羅針盤として活用する必要があります。

　本稿では、Google Developers Blogで公開された記事「Data-driven marketing starts with developers」を元に、開発者がマーケティングデータの価値を最大限に引き出すための3つの具体的なMarTech（マーテック）ソリューションについて、実際の設定手順や実装方法を含めて詳しく解説します。

引用元記事

タイトル： Data-driven marketing starts with developers
著者： Christoph Scherf (Engagement Manager), Mohab Fekry (Customer Solutions Engineer)
発行元： Google Developers Blog
発行日： 2025年5月29日
URL： https://developers.googleblog.com/en/data-driven-marketing-starts-with-developers/

要点

データドリブンマーケティングの成功には、データを処理し、洞察に変えるツールを実装する開発者の役割が不可欠である。
sGTM Pantheonは、サーバーサイドGoogleタグマネージャー（sGTM）を拡張するツール群であり、データ収集の透明性と制御性を高め、プライバシーとパフォーマンスを向上させる。
GA4 Dataformは、Google アナリティクス 4（GA4）からBigQueryに出力された複雑な生データを、分析しやすいように整形・構造化し、データ活用のハードルを下げる。
FeedXは、Googleショッピング広告のフィード変更をテストするためのオープンソースフレームワークであり、信頼性の高いA/Bテストを通じて広告パフォーマンスの最適化を支援する。

詳細解説

データ活用を円滑にするための前提知識

　本稿で紹介するツールを理解するために、いくつかの重要なキーワードについて簡単に解説します。

MarTech（マーテック）： Marketing Technologyの略称で、マーケティング活動を効率化・高度化するための技術やツールの総称です。
データドリブンマーケティング： 勘や経験だけに頼るのではなく、顧客データや市場データなどの様々なデータを収集・分析し、それに基づいて戦略立案や施策実行を行うマーケティング手法です。
サーバーサイドGoogleタグマネージャー (sGTM)： ウェブサイトの訪問者のブラウザ（クライアントサイド）ではなく、自社で管理するサーバー上で計測タグを管理・実行する仕組みです。これにより、ウェブサイトの表示速度が向上し、プライバシー保護が強化され、より正確なデータ計測が可能になります。
Google アナリティクス 4 (GA4)： Googleが提供する最新のアクセス解析ツールです。ウェブサイトとアプリを横断したユーザー行動を分析できるのが特徴です。
BigQuery： Google Cloudが提供する、超大規模なデータを高速に分析できるデータウェアハウスサービスです。GA4の生データをエクスポートする先としてよく利用されます。
A/Bテスト： ウェブページや広告などで、AパターンとBパターンの2つのバージョンを用意し、どちらがより高い成果を出すかを実際に試して検証する手法です。

データ活用を実装する際の注意点

実装を始める際のポイント：

段階的な導入： すべてのツールを一度に導入するのではなく、最も効果が期待できる領域から段階的に実装する
データガバナンス： IAM設定やアクセス権限の管理を適切に行い、セキュリティを確保する
モニタリング： 実装後は継続的にパフォーマンスを監視し、最適化を図る
チーム連携： マーケティングチームと開発チームが密に連携し、ビジネス要件と技術実装のバランスを取る

利用するツールの簡単な説明：

sGTM Pantheon：データ活用の「入口」であるデータ収集の質と安全性を高めるとともに、クラウドサービスとの連携により高度なデータ処理を実現します。
GA4 Dataform：収集したデータを「料理」し、分析しやすい形に整える役割を担います。
FeedX：データ分析から得られた仮説を「検証」し、施策の最適化を実現します。

sGTM Pantheon：データ収集・加工・送信の完全統合ソリューション

　sGTM Pantheonは、サーバーサイドGoogleタグマネージャー（sGTM）の機能を大幅に拡張するツールボックスです。このツール群は、データ収集から変換、送信まで、マーケティングデータパイプラインの全工程をカバーし、企業が自社の第一者データを最大限活用できるように設計されています。

データ収集系ツールの実装ガイド

Artemis：Firestoreデータ統合の実装

　Artemisは、sGTMからFirestoreの全ドキュメントを取得し、複数の値を一度のAPI呼び出しで取得できる効率的なソリューションです。標準のFirestore Lookup変数との違いは、個別の属性値ではなく、ドキュメント全体を取得できる点にあります。

実装手順：

IAM設定の準備
- sGTMコンテナが含まれるGoogleプロジェクトのIAMサービスアカウントページを開き、サービスアカウントのメールアドレスを確認
- FirestoreプロジェクトのIAMページで、上記サービスアカウントに「Cloud Datastore User」ロールを付与
テンプレートのインポート
- Artemis変数テンプレートとextraction テンプレートファイルをダウンロード（.tpl拡張子を維持）
- sGTMコンテナで「テンプレート → 新しい変数テンプレート」を選択
- 3点メニューから「インポート」を選択し、Artemis変数テンプレートファイルを選択
権限設定
- 権限タブでFirestoreの権限を設定し、プロジェクトIDとコレクション名を更新（すべてのコレクションにアクセスする場合は「*」を使用）
変数設定
- Firestoreコレクション名とドキュメントフィールドをsGTMの変数設定で指定
- クライアントサイドコンテナから必要なユーザーIDをイベントパラメータとして送信するよう設定

データ構造例：

{
  "user_id": "user123",
  "customer_type": "returning",
  "is_high_value": true,
  "lifetime_value": 2500,
  "segments": ["premium", "loyal"]
}

Phoebe：Vertex AI機械学習統合

　Phoebeは、Vertex AIの機械学習モデルをsGTMから呼び出し、リアルタイムでの予測分析を可能にします。顧客生涯価値（LTV）の予測やリードスコアリングなどの高度な分析をマーケティングワークフローに組み込むことができます。

実装例：

モデルエンドポイント設定
- 変数設定でモデルエンドポイント情報を設定
- イベントデータからアイテムデータを簡単に取得できるよう設定
- エンドポイントリクエストに追加する特徴量を設定
Artemisとの連携
- Artemisを使用してFirestoreからユーザーデータを取得し、そのデータを使用してモデルが高度にパーソナライズされたメッセージを生成

Apollo：Google Sheets リアルタイム統合

　Apolloを使用することで、Google Sheetsからリアルタイムでデータを取得し、リードスコアリングに活用できます。営業チームが管理するスプレッドシートの情報を即座にマーケティング施策に反映させることが可能です。

Cerberus：reCAPTCHA統合によるデータ品質向上

　CerberusはreCAPTCHAと連携してボット生成イベントをフィルタリングし、データモデルの改善を支援します。これにより、より正確なユーザー行動データの収集が可能になります。

データ送信系ツールの実装ガイド

Hephaestus：Firestoreデータ書き込み

　Hephaestusは、sGTMからGoogle Cloud Firestoreにデータを書き込むためのソリューションです。顧客の行動データをリアルタイムでFirestoreに蓄積し、後の分析や個人化に活用できます。

実装手順：

テンプレートのセットアップ
- write_to_firestore.tplファイルをローカルマシンにダウンロード（.tpl拡張子を維持）
- Google Tag Managerでサーバーサイドコンテナを選択
- 「テンプレート → タグテンプレートセクションの新しいボタン」をクリック
権限設定
- 権限セクションでGCPプロジェクトIDとFirestoreコレクション名を追加
- 複数のプロジェクトやコレクションにアクセスする場合は「*」を使用
タグ設定
- タグ設定で「Hephaestus – Write to Firestore」を選択
- GCPプロジェクトID、コレクション名、ドキュメントIDを入力（ドキュメントIDフィールドは、ユーザーID、セッションID、プロダクトIDなどの変数を使用してFirestoreのドキュメントに動的にアクセス）
データ書き込みオプション
- 「ドキュメント全体を置換」：Firestoreのドキュメント全体の内容を削除し、タグにリストされた属性で置換
- 「ドキュメント&属性を編集または追加」：他の属性に影響を与えることなく、ドキュメント内の個別属性を編集または追加

Chaos：BigQueryデータパイプライン

　Chaosを使用することで、sGTMからBigQueryにデータを送信し、高度な分析、データ復旧、オーディエンス作成、マーケティングデータパイプラインの自動化が可能になります。

Hermes：Pub/Sub イベント駆動アーキテクチャ

　HermesはGoogle Cloud Pub/Subサービスと連携し、真にイベント駆動なアーキテクチャとシームレスなクロスシステム通信を可能にします。

アーキテクチャ例：

sGTMでのイベント受信
- Hermesタグがアイテム配列をGoogle Pub/Subトピックに転送
メッセージキューイング
- トピックがsGTMからのアイテムデータが公開されるメッセージキューとして機能
- プッシュサブスクリプションがトピックから到着したメッセージをCloud Runサービスに転送
バックエンド処理
- Cloud Run上で動作するPythonアプリケーションがPub/Subメッセージを受信し、メッセージ処理のキューを維持し、処理されたデータをFirestoreにバッチで書き込み

ツール連携の実践例

これらのソリューションは非常に柔軟で拡張可能な方法で組み合わせることができます。例えば、ArtemisでFirestoreからデータを取得し、CerberusでreCAPTCHAスコアを生成できます。これら2つの出力は、Vertex AIでホストされているリードスコアリングモデルを呼び出すPhoebeの入力として使用できます。

統合ワークフロー例：

1. ユーザーイベント発生
   ↓
2. Artemis: Firestoreからユーザーデータ取得
   ↓
3. Cerberus: reCAPTCHAスコア生成
   ↓
4. Phoebe: Vertex AIでリードスコア予測
   ↓
5. Hephaestus: 予測結果をFirestoreに保存
   ↓
6. Chaos: 全データをBigQueryに送信
   ↓
7. 広告プラットフォームにデータ送信

GA4 Dataform：複雑な生データを誰もが使える「宝の山」に変える

　GA4は非常に強力なツールですが、その真価を引き出すには、BigQueryにエクスポートされた生データを活用することが鍵となります。しかし、この生データはイベント単位で記録されており、そのままでは非常に複雑で、専門家でなければ分析が困難です。

　ここで活躍するのがGA4 Dataformです。これは、GA4の生データを、分析しやすいように意味のあるまとまり（セッション、ユーザー、トランザクションなど）に変換・整理してくれるデータ変換ツールです。

　GA4 Dataformを利用することで、以下のようなメリットがあります：

データ活用の民主化： SQLの知識が豊富でないマーケターやアナリストでも、データを理解し、分析しやすくなります。
分析の効率化： user_key（ユニークなユーザーキー）や ga_session_key（セッションキー）を自動で生成し、分析の準備にかかる時間を大幅に短縮します。
高度な分析基盤の構築： GA4の標準レポートだけでは見えなかった深い洞察を得るための、独自のデータモデルを構築する基盤となります。

　このツールは、いわば「GA4の生データを調理するためのスターターキット」であり、データドリブンなマーケティング施策への第一歩を力強く後押しします。

FeedX：ショッピング広告を科学的に最適化する

　Googleショッピング広告において、「商品のタイトルや説明文を少し変えたら、売上は本当に上がるのか？」という疑問に明確な答えを出すのは難しいものでした。多くの変更を試しても、何が本当に効果的だったのかを特定するのは困難です。

　FeedXは、この課題を解決するために作られた、ショッピングフィードの変更をテストするためのオープンソースA/Bテストフレームワークです。これにより、広告担当者は推測に頼るのではなく、データに基づいた信頼性の高い意思決定を下せるようになります。

FeedXのテストプロセス：

テスト対象の選定： タイトル変更などをテストしたい商品を1000点以上選びます。
グループ分割： 対象商品をランダムに「コントロール群（変更なし）」と「トリートメント群（変更あり）」の2つのグループに分けます。
テスト開始： トリートメント群の商品に対する変更のみを記述した「補助フィード」を作成し、Google Merchant Centerにアップロードしてテストを開始します。
データ分析： テスト期間終了後、両グループのパフォーマンスを比較分析します。この際、CUPED（Controlled-experiment Using Pre-Experiment Data）という統計手法を用いてテスト前のパフォーマンス差を調整し、より精度の高い結果を導き出します。
結果レポート： 最終的に、統計的な信頼区間と有意性に基づいた、信頼できる指標レポートが出力されます。

　FeedXを使うことで、「この変更はパフォーマンスをXX%向上させる効果がある」と自信を持って判断できるようになり、ショッピング広告の最適化を大規模かつ効率的に進めることが可能になります。