BLOG

ブログ

アナリストはGA4のどこを見て、何を疑うのか。AIで自社ECの改善を加速させるデータの読み方【小川卓登壇レポート】

「GA4もAIも導入しているのに、毎月のレポートは『前月より増えた・減った』の報告で終わってしまう――」

そんな悩みを抱えるEC担当者の方は多いのではないでしょうか。2026年10月30日(金)、ECのプロ(株式会社WUUZY)主催のオンラインセミナー「EC the ハロウィン|本当に怖いECの失敗事例を11個集めました」に、弊社CAOの小川卓が登壇しました。本記事では、セッション「アナリストの思考をAIに 小川卓が語る、自社ECの改善を加速させるデータの読み方」の内容をダイジェストでお届けします。

▼ 本セッションの登壇スライドを無料配布中

セッションで使用したスライド(全27ページ)をPDFでご用意しました。本記事とあわせてご活用ください。

分析のプロが辿る5つのステップ

小川はまず、EC担当者からよく聞く悩みとして次の3つを挙げました。

  • 毎月レポートは作っているが、「前月より増えた・減った」の報告で終わる
  • AIに改善点を聞いても、どのサイトにも当てはまる一般論しか返ってこない
  • やるべきことが多すぎて、何から手を付けるべきか決められない

レポートは「何が起きたか」までを伝えるもの。分析は「なぜ起きたか」「次に何をするか」まで踏み込むものです。小川は、両者の差を生むのはツールではなく「問いの立て方」と「AIへの任せ方」だと指摘し、アナリストの思考を次の5つのステップに分けて紹介しました。

  1. 目的を決める:伸ばしたい要素と、見るKPIを絞る
  2. 分解する:売上を要素に分け、どこが動いたかを特定する
  3. 比較する:期間・セグメント・チャネルで差を探す
  4. 疑う:計測ミスや外部要因で説明できないかを確認する
  5. 決める:インパクトと実行しやすさで選ぶ

このうち手間のかかる「分解」と「比較」はAIが得意な領域です。一方で「目的」「疑う」「決める」の3つは人が握るべき部分だと小川は強調しました。

売上を分解して「動いた場所」を特定する

最初の一歩は、売上を掛け算の要素に分解することです。売上は「セッション数 × CVR × 客単価」に分けられ、CVRはさらにGA4の推奨イベントを使って3段に割ることができます。

要素計算式
商品詳細到達率view_item ÷ セッション
カート投入率add_to_cart ÷ view_item
購入完了率purchase ÷ add_to_cart

「売上が下がった」だけでは打ち手は出てきません。要素ごとに前年同期と比べ、一番動いた要素まで降りていくことがポイントです。なお、この分解はview_item・add_to_cart・purchaseといった推奨イベントが正しく計測されていることが前提になります。

売上を分解して「動いた場所」を特定する

比較で差を探し、疑ってから判断する

分解したら、次は比較です。期間(前年同期・前週同曜日)、セグメント(新規/リピーター、スマホ/PC)、チャネル(検索・広告・SNS・メール)で分けると、平均に隠れた差が見えてきます。説明用のサンプルでは、全体のCVRが1.8%でも、スマホ×新規は0.9%、PC×リピーターは4.2%と大きな差がありました。

差が見つかっても、すぐに信じてはいけません。小川は「その変化は本物か」を、計測(purchaseの二重計上・タグ変更の時期)、外部要因(セール・広告出稿・在庫切れ・季節性)、異常流入(ボットや社内アクセスの混入)、母数(購入数十件程度の差は偶然かもしれない)の4つの観点で疑うよう勧めました。AIはこうした点を自分からは疑ってくれないことが多いため、人が指示する必要があるといいます。

集客・商品ページ・購入導線のどこに改善余地があるか

購入ファネルで「落差」を探す

GA4の推奨イベントを並べて購入ファネルを作り、各段の通過率を見ます。通過率が最も低い段が、最初に見るべき場所です。ファネルの段を「集客(セッション→商品詳細)」「商品ページ(商品詳細→カート追加)」「購入導線(カート→購入)」の3領域に対応させると、どこから手を付けるべきかが見えてきます。

段階件数(サンプル)通過率
セッション100,000―
商品詳細閲覧52,00052.0%
カート追加6,20011.9%
購入手続き開始3,30053.2%
購入1,80054.5%

※数値は説明用のサンプルです

このサンプルでは、商品詳細からカート追加の通過率が11.9%と最も低く、商品ページに改善余地があることがわかります。

購入ファネルで「落差」を探す

3つの領域それぞれの見方

  • 集客:セッション数の多寡ではなく「質」で見ます。サンプルでは、SNS広告が流入の22%を占めるのに、商品詳細まで進むのは28%にとどまっていました。まずは着地ページと広告訴求の一致を確認します。
  • 商品ページ:商品ごとに閲覧数とカート投入率を散布図にすると、「よく見られているのにカートに入らない商品」が一目でわかります。母数が大きいぶん、改善したときの効果も大きくなります。確認するのは、価格・送料・ポイントの見せ方、サイズや色の選択・在庫表示、画像・レビュー・比較情報の不足、流入元の訴求とページ内容のずれです。
  • 購入導線:begin_checkout → add_shipping_info → add_payment_info → purchase の順に並べ、デバイス別などで比べます。サンプルでは、支払い情報→購入完了のステップでスマホ(72%)とPC(90%)の差が18ptと最も大きくなっていました。会員登録の強制、送料の後出し、決済手段の不足は定番の離脱要因です。

優先順位は「いくら増えるか」で決める

改善余地が見つかったら、改善できた場合に月いくら増えるかを試算します。式は「対象の人数 × 改善幅 × その後の購入率 × 客単価」。精緻でなくても桁がわかれば十分で、これと実行しやすさを掛け合わせて最初の一手を決めます。

施策候補試算月間インパクト実行しやすさ
商品詳細のカート投入率 +1pt52,000 × 1% × 29% × 8,000円約121万円中
スマホ支払いステップ完了率 +5pt1,220 × 5% × 100% × 8,000円約49万円中〜大
SNS広告流入の商品詳細到達率 +5pt22,000 × 5% × 3.5% × 8,000円約31万円小

※サンプルに基づく試算(客単価8,000円、カート追加→購入29%、商品詳細→購入3.5%と仮定)

AIに何を任せ、どう確かめるか

AIは「速くて網羅的な分析担当」

小川は、AIを「速くて網羅的な分析担当」と表現しました。データの取得・集計・整形、多くの切り口での比較、仮説の網羅的なリストアップ、レポートや施策案の下書きはAIに任せられます。一方、目的・KPI・前提条件の設定、自社の事情(セール・在庫・戦略)を加えること、仮説の取捨選択と優先順位付け、最終判断と結果への責任は、人が握る仕事です。

示唆が出ない頼み方、出る頼み方

同じAIでも、頼み方で出力は大きく変わります。「GA4のデータを分析して、ECサイトの改善点を教えて」と頼むと、ページ速度の改善やCTAの強化といった、どのサイトにも当てはまる一般論が返ってきがちです。

一方、目的(例:今月の売上が前年同月比12%減。原因を特定したい)、データ(GA4の今月と前年同月。どちらもセールなし)、手順(売上をセッション×CVR×客単価に分解し、変化が大きい要素をデバイス別・新規/リピーター別に比較)、出力(要因候補を影響の大きい順に3つ。それぞれに根拠の数値と検証方法を添えて)を伝えると、自社データに基づく具体的な仮説が返ってきます。前半の5ステップを、そのままプロンプトに書いているだけです。

示唆が出ない頼み方、出る頼み方

プロンプトは「役割」「目的と前提」「データと比較軸」「手順」「出力の型と制約」の5要素で組み立てます。特に重要なのが5つ目で、小川は毎回入れておきたい一文として「数値には必ず算出根拠(期間・指標・条件)を添えてください。データから言えないことは、推測であると明記してください」を紹介しました。

また、MCPという仕組みを使えば、AIがGA4のデータを直接取得して分析することもできます。データの書き出しが不要になり、気になった切り口をその場で深掘りできる一方、接続は閲覧権限の範囲にとどめる、個人を特定できる情報は扱わない、AIが取得した期間・指標・条件を必ず確認する、といった注意点も挙げました。

AIの出力を鵜呑みにしない5つのチェック

AIの出力を受け取ったら、次の5点を確認します。

  1. 数値は元データと一致するか(GA4の画面で、主要な数値を1〜2個は必ず検算する)
  2. 比較の前提は揃っているか(期間・曜日・セールの有無・計測変更の時期)
  3. 差は意味のある大きさか(母数の小さい差を「傾向」と断定していないか)
  4. 相関を因果と言っていないか
  5. 自社で実行できる打ち手か

特に1つ目の検算は必須です。AIはもっともらしい数字を出しますが、期間や条件の取り違えは珍しくありません。

なお、GA4のイベントでは、ページの中のどのコンテンツが見られたかまではわかりません。セッションの終盤では、そこを補うツールとして、弊社の分析AIエージェント「Content Analytics」も紹介しました。

▼ 分析AIが「次に直すページ」を出すまでを、実際の管理画面でお見せします

2026年11月26日(木)12:00〜13:00、Content Analyticsの機能紹介ウェビナーを開催します(Zoom・参加無料・顔出し不要)。本記事でご紹介した「分解して、比べて、次の一手を決める」流れを、分析AIが管理画面で行うところをデモでご覧いただけます。

まとめ:明日から始める週次15分ルーティン

最後に小川は、明日から実践できる「週次15分ルーティン」を紹介しました。

  1. 前週と比べる(3分):KPI分解ツリーで、どの要素が動いたかを確認
  2. AIに深掘りさせる(5分):変化の大きい段をセグメント別に比較
  3. 5つのチェック(4分):検算と前提を確認し、疑わしい結論は捨てる
  4. 一手を決める(3分):仮説を1つ選び、施策と検証方法を決定

翌週は、決めた施策の結果から始めます。この繰り返しが「データで改善する組織」をつくります。

「アナリストの思考を型にすれば、AIはその型を何倍もの速さで回してくれる」――分解・比較・疑うという型を持ったうえでAIを使うことが、自社ECの改善を加速させる近道といえるでしょう。

小川 卓

【今後の登壇・ウェビナーのご案内】

11月25日(水):小川卓が同じテーマでライブ登壇

ECのプロ主催のオンラインセミナー「【2027年度最新戦略】モールに依存しないEC戦略のつくり方」(参加無料)の第6部(14:40〜15:00)に、小川卓が登壇します。本記事と同じ「アナリストの思考をAIに」のテーマを、ライブでお話しします。

※お申し込みフォームの「セミナーを知ったきっかけ」では「株式会社UNCOVER TRUTHからの案内」をお選びください。

11月26日(木):分析AIの実際の画面をデモでご覧いただけるウェビナー

12:00〜13:00に、分析AIエージェント「Content Analytics」の機能紹介ウェビナーを開催します。分析AIが「次に直すページ」とその理由を出す流れや、施策が本当に効いたのかを検証する方法を、資料ではなく実際の管理画面でお見せします。Zoom・参加無料・顔出し不要です。

【資料ダウンロード】今回の「登壇資料」を無料ダウンロード

本記事でご紹介した、売上の分解ツリー、購入ファネルの見方、改善インパクトの試算表、AIへの頼み方のBefore/After、出力を確かめる5つのチェック、週次15分ルーティンまで、セッションで使用したスライド(全27ページ)をそのままダウンロードいただけます。自社のGA4データを見直す際のチェックリストとしてご活用ください。

サービスのご相談、資料請求、
お問い合わせをお待ちしております。

We are looking forward for your inquiry.

お問い合わせCONTACT US