現在の環境で優れたマーケティング キャンペーンを展開するには、データで成果を測るだけでなく、戦略の方向性まで決める必要があります。データの分析や処理を行うツールがあれば、それを知見やスマートな戦略に変えたり、成果を高めたりすることができます。そのようなツールを実装するうえで重要な役割を果たすのがデベロッパーです。
マーケティング データを最大限に活用するため、以下の 3 つのデベロッパーフレンドリーな MarTech ソリューションを使うことができます。比類のない透明性と制御性でデータを収集する、生データを構造的な知見に変える、A/B テストを自動化して最適なパフォーマンスを得るなど、マーケティング データで実現できることをデベロッパーが変革できます。
パフォーマンスを最適化するには、ボタンのクリックやページのスクロールなど、ユーザーがウェブサイトやアプリをどのように操作しているのかを知ることが不可欠です。サーバーサイド Google タグ マネージャー（sGTM）を使うと、トラフィックの測定やデータフローの管理が可能になるので、このプロセスが簡単になり、プライバシー、パフォーマンス、制御性、生産性の向上につながります。
sGTM Pantheon は簡単に導入できるソリューションのツールボックスです。次のようなさまざまな方法で、sGTM の既存機能を補完できます。
デベロッパーは、ソリューションを柔軟に組み合わせて 1 つのパイプラインを作り、Google と Google 以外のプラットフォームと連携できます。また、sGTM Pantheon はサーバー環境で動作するため、自社のクラウドセキュアな環境で実行でき、ソリューションはプライベートに保たれます。
生きたソリューションである sGTM Pantheon は継続的に成長します。ほかのツールも見てみたい方は、GitHub で sGTM Pantheon 全体をご覧ください。
Google アナリティクス 4（GA4）のマーケティング データには、未知のストーリー、貴重な知見、オーディエンスとつながる新しい方法が含まれていますが、それを簡単に解読できるとは限りません。
GA4 Dataform は、BigQuery の生データをイベント、アイテム、セッション、トランザクションといった明確なモジュール式テーブルに整理できるデータ変換ツールです。そのため、あらゆる技術レベルのユーザーがデータを分析し、データ駆動型のキャンペーンを実施できるようになります。深さとシンプルさの両方を兼ね備えた GA4 Dataform を使うと、デフォルト設定を超えて自分だけのデータモデルを作成し、お客様と交流する新しい方法を見つけることができます。
Google Cloud Dataform プロジェクトである GA4 Dataform は、GA4 BigQuery をエクスポートした生データを変換する SQL データモデルを提供します。このコードは、GA4 をエクスポートした生データからモデルを作成し、データからマーケティング関連の知見を得るためのスターター パックと言えます。
現在利用できる機能は以下のとおりです。
1: 一意な user_key と ga_session_key を作成する。
2: 取り込み可能なセッション テーブルである user_transaction_daily テーブル、イベント テーブルなどを出力する。
3: GA4 GCLID を Google 広告 Data Transfer の click-view GCLID にマッピングすることで、gclid を拡張する（オプション設定）
4: イベントレベルで last-click アトリビューションを行う。
使ってみたい方は、簡単に導入することができます。詳しい方法は、GitHub の GA4 Dataform をご覧ください。
Google 広告のショッピング キャンペーンから推量や手動テストをなくすことができたらどうでしょう。FeedX は、広告主がショッピング フィードの変更を A/B テストするために役立つオープンソース実験フレームワークです。これを使うと、どの調整がパフォーマンスの変化の原因となったのかを確認できます。
インベントリ全体にわたる大規模な最適化を行いたいオンライン広告主には、戦略がパフォーマンスにプラスの影響を与えるという確証が必要です。しかし、明確なフィードバック シグナルがなければ、クリエイティブな変更が良い結果につながるのか、悪い結果につながるのかを知ることはできません。
FeedX を使うと、広告主が信頼性の高い Python A/B テスト フレームワークを使って変更をテストできるようになるので、この問題を解決することができます。Python パッケージである FeedX には、すべてのロジックやメカニズムのほか、パッケージを使って実験を計画したり分析したりする方法を示す Colab ノートブックが含まれています。
FeedX は、業界のベスト プラクティスを活用し、できるだけ堅牢で機密性が高い実験を行います。クロスオーバー デザインを利用し、CUPED（実験前データを使った制御）で実験前のパフォーマンスを補正して、必要に応じて外れ値項目を取り除くことができます。手順の概要は次のとおりです。
1: まず広告主は、タイトルや説明の最適化など、テストしたい項目を決めます。結果の信頼性を保証するには、少なくとも 1,000 項目をテストに含める必要があります。サンプルサイズが小さすぎると、FeedX デザイン ノートブックに警告が表示されます。
2: フィード項目は、対照群と処置群の 2 つのグループにランダムに分けられます。
3: 広告主は、最適化した処置項目のみを含む補助フィードを作成します。この補助フィードを Merchant Center にアップロードすると、実験が始まります。
4: オプションで、クロスオーバー実験を行えます。これにより、グループを交換して処置群と対照群を入れ替えることができます。
5: 実験の最後に、すべての項目のパフォーマンスが分析され、対照群と処置群が比較されます。その結果として、信頼区間と統計的有意性に裏付けられた、信頼できる指標レポートが得られます。
もう推量は必要ありません。データでショッピング広告に革命を起こしてみたい方は、GitHub で FeedX の仕組みを詳しくご覧ください。
これは、マーケティングと開発のギャップを埋めるための 2 回シリーズの 2 回目の投稿です。生成 AI MarTech ソリューションの詳細は、3 つの MarTech ソリューションでマーケティングに生成 AI を導入するをご覧ください。
最新情報は Google for Developers ブログでご確認ください。MarTech ソリューション ガイドでは、すぐに実装できるさらに革新的なツールについて説明しています。
