GA4とBigQueryを連携する5つのメリットは？手順や料金体系、注意点なども解説

こんにちは。「AIアナリスト」ライターチームです。

Webサイト上で成果を出すためには、「BigQuery」と「GA4」への理解を深める必要があります。これらを活用することで、データを効率的に分析できるようになるでしょう。

本記事では、BigQueryの概要やGA4との連携方法などについて解説します。SQLコードのサンプルも紹介しているので、ぜひ参考にしてください。

弊社では、BigQuery活用でお困りの方にむけて、ご支援をしております。
Looker Studioダッシュボード構築（BigQuery活用支援）サービスをみる≫

BigQueryとは

「BigQuery」は、Googleが提供するデータウェアハウスサービスで、さまざまなシステムから収集した大量データを保管するための仕組みです。データウェアハウスとして、分析目的で集めたデータをまとめて蓄積しておく「大規模なデータ倉庫」の役割を果たしています。

大きな特徴は、TB（テラバイト）〜PB（ペタバイト）規模の巨大データでも、高速に処理できる点です。また、有料サービスでありながら、同種製品のなかでは比較的コストを抑えて利用できます。

そのため、ビッグデータを扱う現場において欠かせないツールとして広く活用されています。

活用するためにはSQLの基礎知識が必要

BigQueryは、SQLを使ってデータ抽出・集計・分析を行います。活用するためには、基本的なSQL知識が必要です。

しかし、近年は生成AIにクエリを作成してもらうこともでき、SQLが苦手でもある程度問題ありません。ただしその場合は、AIが出力したクエリが正しいかどうかを判断しなければならないため、やはり基本的なSQLの理解が欠かせないでしょう。

GA4とは

「GA4」とは、Googleが提供している無料のアクセス解析ツール「Googleアナリティクス」の最新バージョンで、2020年10月に公開されました。

アクセス解析とは、Webサイトにどのようなユーザーが訪れているのか、どのページが閲覧されているのか、どのような行動を取っているのかを多角的に分析する取り組みを指します。

GA4を利用すれば、登録したWebサイト上でのユーザー行動を把握したり、年齢や地域といった属性情報・閲覧ページ・成果の達成状況など、さまざまなデータを確認したりができます。また、広告効果や反響の測定も可能で、多くの企業が導入しているツールです。

関連記事：Googleアナリティクス（GA4）とは？導入方法から設定・使い方まで解説

GA4とBigQueryを連携するメリット

ここでは、GA4とBigQueryを連携するメリットについて解説します。

ローデータを使った分析

ローデータ（生データ）とは、1PV（ページビュー）や1イベントが1行ずつ記録された未加工のログ情報を指します。集計や加工が施されていないため、ユーザーの行動をそのままの形で把握できる点が特徴です。従来このようなローデータを用いて分析するには、有償版の「Googleアナリティクス360」を利用する必要があり、月に150万円以上という高額な費用が発生していました。

しかし、GA4とBigQueryを連携することで、ローデータを無料で扱えるようになります。BigQuery上でSQLを用いた分析を行うことで、より自由度の高いデータ抽出や集計ができ、多角的な観点でPVや離脱率などの分析が可能です。結果として、ユーザー行動の詳しい把握を実現できるでしょう。

また、ローデータを活用すれば、平均値だけでなく最頻値や分布といった指標も算出できるため、滞在時間の実態や一部のユーザーに偏らない傾向分析が行えます。集計済みデータだけでは見えにくかったユーザー行動の特徴を捉えられる点も、大きなメリットです。

データの表やグラフによる可視化

BigQueryは、BIツールと連携することでGA4のデータを視覚的に扱えるようになります。数値やログのままでは把握しにくい情報も、表やグラフとして可視化すれば理解しやすくなるでしょう。

ドラッグ＆ドロップ中心で操作できるので、専門的なプログラミング知識がなくてもグラフ化や表が作成できます。そのため、分析担当者だけではなく、エンドユーザー自身が閲覧履歴などを自由にクロス集計しながら分析できる環境が整います。

また、BIツール側にあらかじめテンプレートが用意されている場合は、初期設定をするだけでGA4のデータをレポート形式で確認できます。

Googleスプレッドシートとの連携

BigQueryに保存したデータは、必要に応じてGoogleスプレッドシートへ取り出して活用できます。逆に、スプレッドシートに蓄積されたデータをBigQuery側へ取り込むことも可能で、それぞれのシステムを双方向で連携できます。

この仕組みによって、BigQueryだけでは扱いにくい帳票形式の集計や細かな分析作業をスプレッドシート上で行える点が大きなメリットです。

GA4のデータとスプレッドシートの情報を組み合わせることで、扱えるデータの量や種類は大幅に広がります。目的に応じて分析環境を使い分けられるため、柔軟なレポート作成が実現するでしょう。

カスタマージャーニーの作成

BigQueryは「Looker Studio（旧：Google データポータル）」や「Tableau」「Power BI」といった主要なBIツールと連携でき、オンラインとオフラインを横断した多様なデータを一元的に蓄積・分析できます。複数のデータを統合すれば、断片的だった情報をつなぎ合わせ、より明確にペルソナを設定できる点が大きなメリットです。

BigQueryとGA4を組み合わせると、Webサイトの閲覧履歴やイベントデータと、店舗などで収集したオフラインの購買データを掛け合わせた分析が可能になります。これにより、オンライン行動とリアルの購買行動の関連性を把握でき、これまで見えにくかった顧客の行動プロセスを時系列で可視化できるようになるでしょう。結果として、どのタイミングで興味を持ち、どの接点が購入につながったのかを明確にできます。

また、GA4では訪問回数ごとのCVR（コンバージョン率）を確認でき、初回訪問では成果につながらなくても、再訪を重ねることでCVRが上昇した顧客の情報を把握できます。初回のCPA（顧客獲得単価）が合わない場合でも、長期的にLTV（顧客生涯価値）が高まる顧客をデータに基づいて見極められるため、中長期的なマーケティング戦略の立案にも役立つでしょう。

過去データの保存

GA4とBigQueryを連携するメリットは、過去データを保存しやすくなる点です。

GA4では、データ保持期間が最大14か月に制限されています。そのため、長期でのユーザー行動を継続的に把握するには限界があるでしょう。有償版のGoogleアナリティクス360を利用すればデータ保持期間を最大50か月まで延長できますが、導入・運用コストが高く、全ての企業が簡単に採用できるわけではありません。

しかし、GA4とBigQueryを連携することで、GA4上では一定期間を過ぎて消えてしまう古いデータも、BigQuery側に継続的に保存できるようになります。

長期間にわたってログデータを蓄積しておけば、年単位でのユーザー行動の変化や、施策の効果を時系列で検証することが可能です。分析期間の制限がなくなるため、より深いデータ検証や戦略立案に役立ちます。

連携前に把握しておくべきポイント

ここからは、連携前に把握しておくべきポイントについて解説します。

連携で取得できるデータ

BigQueryと連携することで、GA4で計測されているさまざまなデータをローデータとして取得可能です。代表的なデータとしては、以下が挙げられます。

・スクロール数：ユーザーがページをどこまで閲覧したかを示すデータで、コンテンツが実際に読まれているかを判断する指標

・離脱クリック：外部リンクや特定のボタンがクリックされ、サイト外へ移動した際に記録されるデータ

・サイト内検索：サイト内検索で入力されたキーワードや検索回数を把握できるデータ

・動画エンゲージメント：動画の再生開始、再生時間、視聴完了などの行動を記録したデータ

・ファイルのダウンロード：PDFや資料などのファイルがダウンロードされた回数を示すデータ

これらのデータは全てローデータとしてBigQueryに蓄積されるため、事前に集計された数値ではなく、自由な切り口で分析できる点が特徴です。条件を細かく設定した抽出や複数イベントを組み合わせた分析も可能で、より柔軟で実態に即したデータ活用が行えるようになります。

連携にかかる料金

GA4とBigQueryの連携機能そのものに、費用はかかりません。GA4で収集したデータをBigQueryへエクスポートすること自体は無料で行えます。ただし、BigQueryを利用する際には「分析料金」と「ストレージ料金」という2種類の費用が発生する点を押さえておきましょう。

分析料金は、SQLクエリを実行した際に、読み取ったデータ量に応じて課金されます。また、ストレージ料金は、BigQueryに保存しているデータ量に応じて課金されます。

【分析料金】

【ストレージ料金】

参考：BigQuery の料金｜Google Cloud

BigQueryでは、課金される最大バイト数を事前に設定することが可能です。この上限を設定しておけば、想定以上のデータを読み込むクエリが実行されても自動的に停止され、上限を超えて料金を支払う必要はありません。

GA4とBigQueryを連携する手順

GA4とBigQueryを連携する手順について見ていきましょう。

プロジェクトを作成する

・Google Cloudの管理画面からログインする

・「プロジェクトの選択」をクリックする

・「新しいプロジェクト」を選択する

・プロジェクト名、組織、場所を入力し、「作成」をクリックする

まずは、BigQueryを利用するためのプロジェクトを作成します。Google Cloudにログインしたら、画面左上にある「プロジェクトを選択」をクリックし、「新しいプロジェクト」を選びます。次に任意のプロジェクト名を入力して、作成を実行してください。

作成が完了すると、指定した名前のプロジェクトが利用できるようになり、BigQueryや各種APIをひもづける準備が整います。

APIを有効化する

プロジェクトを作成したら、BigQueryを利用するためにAPIを有効化します。

・ナビゲーションメニューより「APIとサービス」をクリックする

・「ライブラリ」を選択する

・「カテゴリ」の「ビッグデータ」を選択する

・「BigQuery API」を選択する

・「APIが有効です」と表示されるかを確認する

Google Cloudの左側にあるメニューから「APIとサービス」を選択し、「ライブラリ」へ進みます。カテゴリ一覧のなかから「ビッグデータ」を選ぶと関連するAPIが表示されるので、「BigQuery API」を選択しましょう。画面上に「APIが有効です」と表示されれば、有効化は完了です。

GA4とBigQueryを連携する

APIを有効化したら、GA4側でBigQueryとの連携設定を行います。

・GA4のプロパティの「管理」より「BigQueryのリンク」を選択する

・「リンク」を選び、「BigQueryのプロジェクトを選択」をクリックする

・データロケーションや頻度などを選択したら、「送信」をクリックする

GA4の管理画面を開き、「BigQueryのリンク設定」を選択してください。表示された画面で「リンク」をクリックし、先ほど作成したBigQueryのプロジェクトを指定します。その後、データロケーションや頻度などを設定し、「送信」を押せば連携は完了です。

連携が完了すると、GA4の管理画面内に対象のBigQueryプロジェクトが表示されるようになります。データはリアルタイムではなく、設定後おおむね24時間以内にBigQueryへ反映されます。

連携できたかを確認する

最後に、正しく連携できているかをBigQuery側で確認しましょう。

Google CloudのBigQuery画面を開き、GA4からリンクしたプロジェクトを選択してください。プロジェクト内にGA4用のデータセットが自動的に作成され、日付ごとにテーブルが追加されていれば、連携は正常に完了しています。

BigQueryに連携したデータを確認する方法

BigQueryに連携したデータを確認する方法について解説します。

プロジェクト画面を開く

まずはGoogle Cloudの管理画面にアクセスし、GA4とひもづけたプロジェクトを開きます。画面左上のプロジェクト選択メニューから、連携設定したプロジェクト名が正しく表示されているかどうかをチェックしましょう。

BigQuery上で確認する

次に、画面左側のメニューから「BigQuery」を選択し、対象のプロジェクトへ移動します。プロジェクト内に、GA4連携によって自動生成されたデータセットが作成されているかをチェックしましょう。

データセットを開くと、配下に日付ごとに生成されたテーブルが並んでいます。テーブルが日次で追加されていれば、GA4からBigQueryへのデータ連携は正常に行われています。もしテーブルが存在しない場合は、設定内容に誤りがないかを確認してください。

GA4とBigQueryを連携する際の注意点

ここからは、GA4とBigQueryを連携する際の注意点について解説していきます。

集計数値に差が出る

GA4とBigQueryを連携する際には、集計数値に差が出る点に注意しましょう。

GA4の管理画面で確認できる数値は、一定のルールに基づいて統合・集計された後のデータです。そのため、表示されている数値は加工前の状態ではなく、あくまでレポート用に最適化された数値となっています。一方、BigQueryに保存されるデータは処理前のローデータであり、データの情報がそのまま格納されています。そのため、GA4のレポートとBigQuery上で集計した数値が一致しないケースがある点を押さえておいてください。

例えば、セッションの扱いが一致しないケースが考えられます。GA4では、日をまたいだアクセスであっても1つのセッションとして処理される仕様になっています。BigQuery上で正確なセッション数やランディングページを算出するには、日またぎを考慮して集計する必要があるでしょう。

また、BigQueryには以下の情報が含まれないため、完全一致の比較はできません。

・「Google シグナル」由来の属性情報（性別・年代）

・「Google 広告」関連の数値（広告費・インプレッション・キーワードなど）

このように、GA4とBigQueryは仕組みが異なります。それぞれ独立したデータとして分析する意識が重要です。

無料版はエクスポート数が制限される

GA4とBigQueryを連携する際には、GA4の無料版はエクスポート数が制限される点を考慮しておいてください。

GA4の無料版では、BigQueryへエクスポートできるイベント数に制限があり、1日あたり最大100万イベントまでと定められています。この上限を超えると、その日のデータエクスポート自体が停止し、停止前の分も後から再処理されることはありません。イベント数が上限に達しそうな場合は、BigQueryに出力するイベントをイベント名単位で絞り込んでおくことが重要です。

なお、有料版のGA4ではイベント数の上限がなく、ストリーミングエクスポートにも制限がありません。大量データを安定して扱いたい場合は、有料版の利用も検討するとよいでしょう。

SQLのサンプル

最後に、SQLのサンプルを紹介します。GA4と連携する際の参考としてください。

合計PV数を集計するサンプルSQL

SQLを使えば、指定した期間内にサイトで発生した合計PV数を簡単に集計できます。

下記は、合計PV数を集計するための汎用的かつ定型的なサンプルSQLコードです。期間は2025年1月1日から2025年12月31日としています。

【サンプルコード】

SELECT

device.browser,

SUM (totals.pageviews) AS total_pageviews

FROM `YOUR_TABLE.events_*` — PLEASE REPLACE WITH YOUR TABLE NAME.

WHERE

_TABLE_SUFFIX BETWEEN ‘20250101’ AND ‘20251231’

GROUP BY

device.browser

ORDER BY

total_pageviews DESC

平均PV数を集計するサンプルSQL

SQLでは、サイト内の平均PV数を集計することも可能です。

下記は、平均PV数を集計するための汎用的かつ定型的なサンプルSQLコードです。期間は2025年1月1日から2025年12月31日としています。

【サンプルコード】

SELECT

transactions,

( SUM(total_pagesviews_per_user) / COUNT(users) ) AS avg_pageviews

FROM

(SELECT

fullVisitorId AS users,

totals.transactions AS transactions,

SUM(totals.pageviews) AS total_pagesviews_per_user

FROM `YOUR_TABLE.events_*` — PLEASE REPLACE WITH YOUR TABLE NAME.

WHERE

_TABLE_SUFFIX BETWEEN ‘20250101’ AND ‘20251231’

GROUP BY

users,totals.transactions)

GROUP BY transactions

ORDER BY transactions

平均サイト滞在時間を集計するサンプルSQL

SQLでは、ユーザーがサイト内にどれだけ滞在していたかの、平均サイト滞在時間が集計できます。

下記は、サイト内の平均サイト滞在時間を集計するための汎用的かつ定型的なサンプルSQLコードです。期間は2025年1月1日から2025年12月31日としています。

【サンプルコード】

SELECT

( SUM(total_timeOnSite_per_user) / SUM(total_visits_per_user) ) AS

avg_timeOnSite_per_visit

FROM (

SELECT

fullVisitorId,

SUM( totals.visits ) AS total_visits_per_user,

SUM( totals.timeOnSite ) AS total_timeOnSite_per_user

FROM `YOUR_TABLE.events_*` — PLEASE REPLACE WITH YOUR TABLE NAME.

WHERE

_TABLE_SUFFIX BETWEEN ‘20250101’ AND ‘20251231’

AND

totals.visits > 0

AND totals.transactions >= 1

AND totals.timeOnSite IS NOT NULL

GROUP BY

fullVisitorId )

まとめ

GA4とBigQueryを連携することで、より詳しいユーザー行動や施策効果を、自社の目的に合わせて柔軟に分析できるようになります。GA4とBigQueryの特性を理解し、分析業務をより高い精度で進めましょう。

分析をスムーズに進めたい方には、株式会社WACULのLooker Studioダッシュボード構築（BigQuery活用支援）がおすすめです。
GA4とBigQueryを連携し、目的に応じた指標設計からダッシュボード構築までを支援します。ローデータを活用した分析環境を整えることで、日々のレポーティングや施策判断を効率化できます。

GA4×BigQuery×Looker Studioを活用した分析基盤を検討中の方は、ぜひ詳細をご覧ください。
Looker Studioダッシュボード構築サービスを見る≫