データ分析とEC KPI

ECデータ分析・KPI管理——GA4 eコマース設定からLTV予測まで

「データなき施策は勘に過ぎない」——EC事業の成長を再現可能なものにするには、正確なデータ計測と意思決定につながる分析が不可欠です。このレッスンでは、GA4（Google Analytics 4）のeコマーストラッキング設定、ECで必ず管理すべき主要KPI一覧とその計算式、顧客の定着状況を可視化するコホート分析、そして広告・施策投資の判断基準となるLTV予測の考え方まで、データドリブンなEC運営の全体像を学びます。

---

ECデータ分析ダッシュボードの全体像

ECデータ分析ダッシュボード — GA4 + KPI一覧

ECのデータ分析は「CVR・AOV・購入頻度・LTV」の4指標を中心に設計します。GA4で計測できる行動データと、注文管理システム（OMS）から取得できる購買データを組み合わせることで、ファネル全体を可視化できます。

---

GA4 eコマース設定の完全手順

なぜGA4 eコマース設定が重要か

GA4のデフォルト設定ではページビューやセッションは計測できますが、「どの商品がいくら売れたか」「どのセッションが購入に転換したか」といったeコマース固有のデータは取得できません。eコマーストラッキングを正しく設定することで以下のデータが取得できるようになります。

• ◆商品別の売上・購入数・CVR
• ◆カートへの追加率・カート放棄率
• ◆チェックアウト各ステップの離脱率
• ◆プロモーション・クーポンの効果測定
• ◆顧客の購買経路（マルチタッチ分析）

ステップ1: GA4プロパティとデータストリームの設定

1. ◆GA4の管理画面 → 「プロパティを作成」
2. ◆データストリーム → 「ウェブ」を追加
3. ◆ウェブサイトのURLとストリーム名を入力
4. ◆「拡張計測機能」をオンにする（スクロール・クリック・フォーム送信などを自動計測）

ステップ2: Eコマース測定の有効化

GA4でeコマースデータを収集するには、Googleタグマネージャー（GTM）または直接コードでeコマースイベントを実装する必要があります。

実装必須イベント一覧

オプション実装イベント

ステップ3: GTMでpurchaseイベントを実装

購入完了ページでのdataLayer設定例

purchaseイベントには注文ID・売上金額・税額・送料・商品明細（商品ID・名前・価格・数量）をdataLayerにpushします。GTMのタグ設定では「GA4イベント」タグを作成し、イベント名を「purchase」、パラメータを上記のdataLayer変数にマッピングします。

💡 Shopify・ecforceなどのプラットフォーム利用者向け: ShopifyはGA4アプリを導入するだけで基本的なeコマースイベントが自動実装されます。ecforceも管理画面からGA4連携設定が可能です。カスタム実装が不要なプラットフォーム機能を積極的に活用してください。

---

主要KPI一覧と管理ダッシュボード設計

ECファネル別KPI一覧

AOVを上げる施策

クロスセル: 商品ページやカートページに「よく一緒に購入されている商品」を表示します。関連性の高い商品の組み合わせを設計することで、1注文あたりの購入点数が増加します。

アップセル: 「こちらのセットがお得です」「大容量版は15%お得」などのメッセージで、より単価の高い商品・セットへの変更を促します。

送料無料ライン活用: 「あと◯◯円で送料無料」という表示は非常に強力なAOV向上施策です。送料無料ラインを現在のAOVより10〜20%高く設定することで、多くの顧客が「もう少し買おう」という行動を取ります。

⚠️ KPIの優先順位: すべてのKPIを同時に改善しようとすると、リソースが分散して何も改善しません。CVR→AOV→リピート購入率の順に優先し、まず1つのKPIを改善してから次に移るシリアル型の改善が効果的です。

---

コホート分析でリテンションを可視化する

コホート分析とは

コホート分析とは、特定の期間に初めて購入した顧客グループ（コホート）が、その後どのくらいの割合で再購入しているかを時系列で追跡する分析手法です。「2024年1月に初購入した顧客の翌月リピート率は何%か」「2024年4月コホートは6ヶ月後もどれだけ残っているか」を可視化します。

コホート分析でわかること

GA4でコホート分析を行う方法

1. ◆GA4 → 探索 → 「コホートデータ探索」を選択
2. ◆コホートへの追加条件: 「イベント: purchase（初回購入）」
3. ◆コホートへの再エントリー: 「イベント: purchase（再購入）」
4. ◆期間粒度: 「週次」または「月次」
5. ◆コホートサイズ: 過去6〜12ヶ月分を設定

コホート分析結果の解読

健全な定着曲線: 初月（コホート0週/0ヶ月）のリテンション率が高く、その後なだらかに低下して一定水準で安定する。定着率が「底打ち」している水準が高いほど、ロイヤル顧客が多い証拠です。

危険なシグナル: 特定のコホートだけリテンション率が急落している場合、その期間の施策（広告・プロモーション）が質の低い顧客を獲得している可能性があります。CAC回収の観点から獲得施策の見直しが必要です。

---

LTV予測とCAC回収シミュレーション

LTV予測モデルの基本

LTVはECにおける最重要KPIの一つです。LTVを正確に予測できれば「顧客1人を獲得するためにいくらまで広告費をかけられるか（上限CAC）」が計算でき、根拠ある予算配分が可能になります。

シンプルLTV計算式

LTV = 平均注文単価（AOV）× 年間購入頻度 × 平均継続年数 × 粗利率

例: AOV 5,000円 × 年6回 × 2年 × 粗利率40% = LTV 24,000円

上限CACの算出

LTV/CAC比率の目標を3以上とすると、上限CAC = LTV ÷ 3 = 24,000 ÷ 3 = 8,000円/人

このとき、広告のCPA（1件の購入獲得コスト）が8,000円を下回っていれば、長期的に見て利益を出せる広告運用ができています。

LTV改善の3つのレバー

Looker Studio（旧Googleデータポータル）でのダッシュボード構築

GA4とスプレッドシートのデータをLooker Studioで接続することで、毎日自動更新されるKPIダッシュボードを作れます。

推奨ダッシュボード構成

• ◆ページ1: 売上サマリー（日次売上・注文件数・AOV・CVR）
• ◆ページ2: 集客チャネル別パフォーマンス（ROAS・CVR・売上）
• ◆ページ3: 商品別パフォーマンス（売上上位・カート追加率・CVR）
• ◆ページ4: 顧客分析（新規 vs リピート・コホート定着率・LTV推移）

💡 データ分析の落とし穴「分析麻痺」: データが揃い始めると、「もっと分析してから判断しよう」という分析麻痺に陥りがちです。ECのデータ分析は「週次で主要KPIを確認し、月次で施策を一つ改善する」というシンプルなサイクルを回すことが最重要です。完璧な分析より、70%の精度で週次のアクションを続ける方が成果につながります。

---

🏋️実践ワーク

以下のワークを実施してください。

1. ◆GA4 eコマース設定確認: 自社（または担当する）ECサイトのGA4で「purchaseイベント」が正しく発火しているかを確認する。GA4のリアルタイムレポートでテスト購入を行い、イベントが計測されていることを確認する。未設定の場合は設定手順を作成する
2. ◆KPI現状把握: 過去3ヶ月分のCVR・AOV・カート放棄率・リピート購入率をGA4・注文管理システムから抽出し、業界平均（CVR 1〜3%、カート放棄率70%前後）と比較して改善優先KPIを特定する
3. ◆LTV計算とCAC上限設定: 現在の平均AOV・購入頻度・継続期間・粗利率からLTVを計算する。LTV/CAC比率が3になるCAC上限を算出し、現在の広告CPAと比較する
4. ◆Looker Studioダッシュボード作成: GA4データを接続し、売上・CVR・チャネル別パフォーマンスが一目でわかる簡易ダッシュボードを作成する（最低限: 日次売上グラフ・CVR・AOV・チャネル別セッション数）

📝まとめ

ECのデータ分析は「計測→可視化→仮説→改善→再計測」のサイクルを回すことがすべてです。GA4のeコマース設定で正確なデータを取得し、CVR→AOV→リピート率の優先順でKPIを改善し、コホート分析でリテンションを定期的に確認し、LTV/CAC比率で広告投資の健全性を管理する——この4つのフレームワークが身につけば、データに基づくEC運営の基盤が完成します。「データを見る」ことから「データで決断する」ことへ、今日から移行してください。