GoogleAnalyticsにイベント仕込んでデータをAPI取得、Pandasを利用し広告価値評価を行う

やりたいこと

すごいニッチな内容。Webサイトに置いてECであれば、GoogleAnalyticsで[ページの価値]を[eコマース]設定で把握している会社も多いのではないかと思う。Criteoの自動最適化に使われているROASの概念もこれに通ずる。ただ、世の中にはECサイト型で収益をあげるものの他に、メディアとして情報を自サイトに掲載することで収益をあげるものもある。仮にこういった手法を掲載課金型モデルとして、メディア側はこの掲載課金の中にある、広告メニューの価値をどう推し量るべきか？

今回は、GoogleAnalyticsのPVをベースに、PVと広告メニュー売上を比較。どの広告メニューのPVが価値が高いのかを可視化したい。

最終的にできあがるもの

Jupyter Notebookのhtmlを最初に見た方が全体像がわかりやすいです。またGitHubにJupyter NotebookとCSVを公開しています。

全体の流れ

GoogleTagManagerで広告メニュートラッキングを行う
GoogleAnalytics APIにおいて対象データの取得
対象データの整形
PVと広告メニュー売上を比較
グラフ化

※社内のSQLを利用しない理由：会社にもよるが、メディア運営しているなら、各広告メニューによるPV推移はとってるだろうし、SQLで見れる。ただ、自社DBのSQL接続権限を持ってないというマーケターも多いように思う。そこでGoogleAnalyticsのAPIを使うことで、マーケターにとってデータ把握が容易になる。また、自社のPVカウントってボットを多量に含んでいるのであまり信頼の置けない数値だったりする。・・・と個人的に思っている。

必要なもの

Jupyter Notebook
matplotlib
google2pandas　※これはマジでいい
pandas
GoogleAnalyticsアカウント
GoogleTagManagerアカウント
GoogleCloudPlatformのちょっとした知識

1. GoogleTagManagerで広告メニュートラッキングを行う

仮にWebサイトが下記のようなディレクトリ構造になっている場合、課金対象になっているのは色の付いているところ。いわゆる詳細ページ。色合いがそれぞれの広告メニューで金額が違う。まずやりたいことは、この各広告メニューにおいてのPVの総和をカウント。

この総PVというものが、広告メニュー毎にGoogleAnalyticsで計測できていなければいけない。GoogleTagManagerにおいて、[変数]に格納して[GAイベント]としてGoogleAnalyticsに送信する方法を考えていく。

<div class="hoge">
<img src="img1.png">
</div>
<p>ほにゃらら</p>
<div class="hoge">
<img src="img1.png">
</div>
<p>ほにゃらら</p>
<div class="hoge">
<img src="img1.png">
</div>

</div>

<p>ほにゃらら</p>

</div>

<p>ほにゃらら</p>

</div>

例えば、ある広告メニューではclass名が”hoge”となっているものがimgを囲っているとする。そしてimgの点数が広告メニューを分けている場合。GoogleTagManagerでhogeの回数をカウントする変数を「カスタムJavascript」で作ればよい。こんな感じ。

これでGoogleTagManagerではhoge回数をカウントしてclassCount変数に格納することができるようになった。タグマネのプレビュー画面をみてもclassCountが取得できていることがわかる。

では早速GoogleAnalyticsにこの情報を送る。さらっと解説すると下記。タグマネで簡単に実装できる。[カテゴリ][アクション][ラベル]を任意の値を設定。今回はimgの枚数によって、仮想広告メニューT1〜T4まで売ってるということで[ラベル]に変数を利用した。イベント発火のトリガーはこんな感じで設定。

そしてテスト発火させてみて。GoogleAnalyticsを確認。うん、取れたみたいです。

GoogleAnalytics APIにおいて対象データの取得

GoogleAnalyticsのAPIを使いこなしている人は、Webプロダクトを作っているエンジニアの人以外ではそんなにいないのではないかと思う。というのもGAのダッシュボード自体が優秀で、使いやすい。「API叩くまでも・・・」ということ。ただ、データの[セグメント][メトリックス]を日時なんかで細かく切る場合は、ダッシュボードだと行数オーバーして対応できない。また、データの先の加工はエクセルなんかでやっている人が多いので、だったらAPIも利用できた方がよいかと思います。

先ほどはのイベントを取得してみましょう。

Get started exploring Google Analytics data with Python Pandasでgoogle2pandasをpip
はじめてのアナリティクス API: インストール済みアプリケーション向け Python クイックスタートのステップ１まで実行
client_secret.jsonを保存
下のコードをJupyter Notebookで実行

ids、start_date、secrets等は条件に応じて変更します。

%matplotlib inline
from google2pandas import *
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt

# API接続
start_index = 1

query = {
    'ids'           : 'YOURVIEWID',
    'metrics'       : 'ga:totalEvents',
    'dimensions'    : ['ga:eventCategory', 'ga:eventAction', 'ga:eventLabel'],
    'start_date'    : 'yyyy-mm-dd',
    'end_date'      : 'yyyy-mm-dd',         
    'start_index'   : start_index,
    'max_results'   : 10000}

conn = GoogleAnalyticsQuery(
        token_file_name='my_analytics.dat',
    secrets='client_secret.json')

df, metadata = conn.execute_query(**query)
df

%matplotlib inline

from google2pandas import *

import pandas as pd

from pandas import Series, DataFrame

import matplotlib.pyplot as plt

# API接続

start_index = 1

query = {

'ids' : 'YOURVIEWID',

'metrics' : 'ga:totalEvents',

'dimensions' : ['ga:eventCategory', 'ga:eventAction', 'ga:eventLabel'],

'start_date' : 'yyyy-mm-dd',

'end_date' : 'yyyy-mm-dd',

'start_index' : start_index,

'max_results' : 10000}

conn = GoogleAnalyticsQuery(

token_file_name='my_analytics.dat',

secrets='client_secret.json')

df, metadata = conn.execute_query(**query)

本来は上記の通りGAから値を取得するのですが。サンプルデータを代わりにCSVで用意。DataFrameで表示するとこんな感じです。

#本来は上記の通りGAから値を取得する・・・。サンプルデータをGAで作るのが面倒だったため。「sample_ga.csv」を用意した。
df = pd.read_csv('sample_ga.csv')
df = df.rename(index=df['eventLabel'])
df

#本来は上記の通りGAから値を取得する・・・。サンプルデータをGAで作るのが面倒だったため。「sample_ga.csv」を用意した。

df = pd.read_csv('sample_ga.csv')

df = df.rename(index=df['eventLabel'])

	eventCategory	eventAction	eventLabel	totalEvents
T1	Ad_Rank	view	T1	45803
T2	Ad_Rank	view	T2	972235
T3	Ad_Rank	view	T3	798452
T4	Ad_Rank	view	T4	734943

対象データの整形

また広告メニューT1〜T4はそれぞれ「価格」と「広告の数」が違います。その内容をdf2として以下作ります。

# 広告ランクと価格と広告数
ad_rank_and_price ={'T1':10000, 'T2':20000, 'T3':30000, 'T4':40000}
ad_total = {'T1':3768, 'T2':3155, 'T3':2422, 'T4':1398}

#値が入ってない空のデータフレーム作成
df2 = pd.DataFrame(index=['T1','T2','T3','T4'], columns=['ad_price', 'ad_total'])

#広告価格と広告数を代入
for price in ad_rank_and_price.keys():
    df2['ad_price'][price] = ad_rank_and_price[price]
    
for total in ad_total.keys():
    df2['ad_total'][total] = ad_total[total]    

df2

# 広告ランクと価格と広告数

ad_rank_and_price ={'T1':10000, 'T2':20000, 'T3':30000, 'T4':40000}

ad_total = {'T1':3768, 'T2':3155, 'T3':2422, 'T4':1398}

#値が入ってない空のデータフレーム作成

df2 = pd.DataFrame(index=['T1','T2','T3','T4'], columns=['ad_price', 'ad_total'])

#広告価格と広告数を代入

for price in ad_rank_and_price.keys():

df2['ad_price'][price] = ad_rank_and_price[price]

for total in ad_total.keys():

df2['ad_total'][total] = ad_total[total]

df2

できました。

	ad_price	ad_total
T1	10000	3768
T2	20000	3155
T3	30000	2422
T4	40000	1398

dfとdf2をインデックスをキーにしてマージします。

#dfとdf2のマージ
df3 = pd.merge(df, df2,left_index=True, right_index=True)
df3

#dfとdf2のマージ

df3 = pd.merge(df, df2,left_index=True, right_index=True)

df3

	eventCategory	eventAction	eventLabel	totalEvents	ad_price	ad_total
T1	Ad_Rank	view	T1	45803	10000	3768
T2	Ad_Rank	view	T2	972235	20000	3155
T3	Ad_Rank	view	T3	798452	30000	2422
T4	Ad_Rank	view	T4	734943	40000	1398

PVと広告メニュー売上を比較

ここからさらにT1〜T4までの広告がいくら売上をあげているのか（＝’ad_earnings’）を計算して、そこから計PV（＝’totalEvents’）で割り戻します（＝’ad_value’）。

df3['ad_earnings'] = df3['ad_price'] * df3['ad_total']
df3['ad_value'] = df3['ad_earnings'] / df3['totalEvents']

1 2	df3['ad_earnings'] = df3['ad_price'] * df3['ad_total'] df3['ad_value'] = df3['ad_earnings'] / df3['totalEvents']

計算できましたね。

	eventCategory	eventAction	eventLabel	totalEvents	ad_price	ad_total	ad_earnings	ad_value
T1	Ad_Rank	view	T1	45803	10000	3768	37680000	822.654
T2	Ad_Rank	view	T2	972235	20000	3155	63100000	64.902
T3	Ad_Rank	view	T3	798452	30000	2422	72660000	91.0011
T4	Ad_Rank	view	T4	734943	40000	1398	55920000	76.0875

ad_valueに関する考え方

ad_valueは「1PVあたりの売上高」を示しています。コンテンツ自体がPVを生み出すものというサイトでは、あまり馴染まない考え方かもしれません。ただ、週間で広告が入れ替わるような掲載課金型のメディアの場合は少し違います。メディアのプロモーションのアロケーションを考えるときに、限りあるパイからどの広告に追加で投資すべきか？または今後の広告の価格はどう扱うべきか考えることが重要になります。このad_valueは定点観測していくことで、その２点を考えていく指標として使えます。

グラフ化

最後にせっかくなのでグラフ化。Seriesを棒グラフのpandas.plotメソッドに渡して、showするのみ。X軸は指定しなければ、自動でインデックス渡してくれます。楽ですね。

df3['ad_value'].plot(kind='bar')
plt.show()

1 2	df3['ad_value'].plot(kind='bar') plt.show()

できた。

（再掲）最終的にできあがったもの

Jupyter Notebookのhtml
GitHub

ZoomやChatworkでファイル共有している方へ

リモートワークが一般的になってきた今「誰が」「どこで」「何を」ファイル共有しているのかしっかりと把握する必要があります。easyDBを利用すればセキュリティ上で安全なファイル共有をクラウド上で行えるだけでなく、ファイルのバージョン管理等も簡単にできます。
ZoomやChatworkでファイル共有するならセキュリティ上で安全なeasyDB
>>>リモートワーク時代の安全なファイル共有「easyDB」はこちら

この記事のURLとタイトルをコピー

GoogleAnalyticsにイベント仕込んでデータをAPI取得、Pandasを利用し広告価値評価を行う

やりたいこと

最終的にできあがるもの

全体の流れ

必要なもの

1. GoogleTagManagerで広告メニュートラッキングを行う

GoogleAnalytics APIにおいて対象データの取得

対象データの整形

PVと広告メニュー売上を比較

ad_valueに関する考え方

グラフ化

（再掲）最終的にできあがったもの

ZoomやChatworkでファイル共有している方へ

この記事に関連する記事