SEOデータ分析と予測モデル

SEOデータ分析と予測モデル

はじめに

SEOの上級者は、感覚や流行ではなくデータで意思決定します。Search Console・GA4・順位計測ツール・クロールデータを組み合わせて分析すると、「どのページを、どの順番で、どう直すと、どれだけ流入が増えるか」を数字で説明できるようになります。予算や人員を確保する場面でも、施策の優先順位を決める場面でも、この説明力が成果を左右します。

このレッスンでは、データソースごとの特性と限界、Search Console APIとBigQueryによるデータ蓄積、CTR分析、キーワードギャップ分析、トラフィック予測モデル、コンテンツパフォーマンス分析、そして分析結果を施策の優先順位に落とす方法までを扱います。

使うデータソースとそれぞれの限界

分析の前に、各データが「何を、どこまで正確に」示すかを理解します。

• ◆Search Console: クエリ・ページ・国・デバイス別のクリック数・表示回数・CTR・平均順位。管理画面とAPIで最大16か月分。プライバシー保護のため、少数のクエリは「匿名化されたクエリ」として除外され、クエリ別の合計はページ別の合計より小さくなる
• ◆GA4: 検索流入後の行動（エンゲージメント・コンバージョン・回遊）。どのクエリで来たかは分からないため、ランディングページ単位でSearch Consoleと結合する
• ◆順位計測ツール: 指定キーワードの日次順位。Search Consoleの「平均順位」は表示された検索結果の平均であり、順位計測ツールの値とは定義が異なる
• ◆クロールデータ（Screaming Frog等）: タイトル・見出し・内部リンク数・ステータスコード・canonical。ページの「状態」を示すデータで、成果データと結合して原因分析に使う

Search Console APIとBigQueryエクスポート

管理画面の1,000行制限を超え、日次でデータを溜めるための基盤です。

• ◆Search Analytics API: クエリ×ページ×日付の組み合わせで最大25,000行ずつ取得できる。日次で取得してスプレッドシートやデータベースに追記すれば、16か月を超える履歴も残せる
• ◆一括データエクスポート: Search Consoleの設定からBigQueryへの日次エクスポートを有効にすると、匿名化クエリ以外の全行がテーブルに保存される。中〜大規模サイトはこちらが基本
• ◆取得の自動化: PythonやGoogle Apps Scriptで毎朝取得し、前日分を追記する。取得日・期間・フィルタ条件を必ず一緒に記録する
• ◆実装の最小例（Python）: searchanalytics().query() に startDate・endDate・dimensions: ["query","page","date"]・rowLimit: 25000 を渡し、startRow をずらして全件を取得する。取得結果はCSVに追記し、BigQueryまたはスプレッドシートに読み込む

CTR分析と改善余地の抽出

同じ順位でも、タイトルと説明文の違いでクリック率は数倍変わります。改善余地を数字で特定します。

1. ◆自サイトの順位別CTRカーブを作る: 直近3か月のクエリ×ページのデータを平均順位1〜20位に丸め、順位ごとの平均CTRを算出する。業界の一般値ではなく自サイトの実績を基準にする
2. ◆期待CTRとの差を出す: 各ページの「実CTR − 同順位の平均CTR」を計算し、マイナスが大きく表示回数が多いページから改善候補にする
3. ◆改善の中身: タイトルに検索語を含める、数字や具体性を入れる、説明文で「このページで何が分かるか」を明示する、FAQや構造化データでリッチリザルトを狙う
4. ◆効果測定: 変更日を記録し、変更後28日と変更前28日を比較する。順位の変動でCTRも動くため、順位が同じ帯のクエリに絞って比較する

注意点として、表示回数が多いのにクリックが0のまま順位が一定で、デバイスがPCに偏っているクエリは、人ではなく順位計測ツールやスクレイパーによる表示の可能性があります。CTR改善の対象にする前に、日別の表示回数の規則性とデバイス比率を確認してください。

キーワードギャップ分析

競合が獲得していて自サイトが取れていないクエリから、新規コンテンツの候補を見つけます。

• ◆競合の特定: 主要クエリ10個の上位10件に繰り返し現れるドメインを3〜5つ選ぶ。事業上の競合ではなく「検索結果上の競合」を選ぶ
• ◆ギャップの抽出: Ahrefs・Semrush等の「コンテンツギャップ」機能で、競合2社以上が10位以内に入り、自サイトが圏外のキーワードを一覧化する
• ◆難易度と価値の評価: 各キーワードについて、検索ボリューム、上位ページのドメイン評価、コンテンツの形式（記事・ツール・比較表）、自社の商材との距離を記録する
• ◆優先順位: 「検索ボリューム × 事業との関連度 ÷ 難易度」で並べ、上位から既存ページの拡張で対応できるものと新規ページが必要なものに分ける

トラフィック予測モデル

施策のROIを事前に示すための、シンプルで説明しやすいモデルです。

• ◆基本式: 予測クリック数 ＝ 月間検索ボリューム × 目標順位の想定CTR。想定CTRは自サイトの順位別CTRカーブから取る（例: 3位で10%、8位で3%）
• ◆コンバージョンまで伸ばす: 予測クリック数 × ランディングページのCVR × 顧客単価 ＝ 予測売上。CVRはGA4のランディングページ別の実績を使う
• ◆感度分析: 目標順位を「楽観（3位）・中立（6位）・悲観（10位）」の3パターンで計算し、幅を持って提示する。単一の数字で約束しない
• ◆投資対効果: 記事制作費・リライト工数・ツール費を月割りし、予測売上との比で施策を比較する。回収期間が短いものから着手する
• ◆精度の検証: 施策実施から3か月後に予測値と実績を比較し、想定CTRとCVRを更新する。モデルは育てるもの

コンテンツパフォーマンス分析

既存ページのどれを直すべきかを、成果データで振り分けます。

• ◆デシル分析: 全ページを表示回数順に10等分し、上位10%のページに共通する特徴（文字数・見出し数・更新頻度・内部リンク数）を下位と比較する。共通点がそのサイトの「勝ちパターン」になる
• ◆コンテンツ減衰（ディケイ）の検出: 月次のクリック数がピークから30%以上落ち続けているページを抽出する。情報の古さや競合の追い上げが原因のことが多く、リライトの効果が出やすい
• ◆カニバリゼーションの検出: 同じクエリに複数のURLが表示されているケースをSearch Consoleのデータから抽出する。順位が入れ替わり続けているなら、統合か意図の分離が必要
• ◆クラスター単位の評価: ページ単体ではなく、テーマ（トピッククラスター）単位で表示回数と順位を集計する。クラスター全体が弱いテーマは内部リンクとハブページの設計を見直す

分析を施策の優先順位に落とす

分析の目的は「次に何をやるか」を決めることです。

• ◆スコアリング: 各施策候補に「見込みインパクト（予測クリック増）」「実現の確度」「工数」を1〜5で付け、インパクト×確度÷工数で並べる
• ◆施策の型に分ける: タイトル改善（工数小・効果小〜中）、既存ページの増強（工数中・効果中〜大）、新規ページ（工数大・効果は不確実）、技術修正（工数変動・インデックス問題なら効果大）
• ◆四半期計画: 上位の施策を月ごとに割り当て、各施策の測定方法と判定日を最初に決めておく
• ◆報告: 「何をしたか」ではなく「予測に対して実績はどうだったか」を報告する。外れた場合はモデルの前提のどこが違ったかを記録する

よくある失敗

• ◆平均順位の罠: 平均順位はクエリの構成で大きく変わる。新しいロングテールクエリで表示され始めると、流入は増えているのに平均順位は悪化して見える
• ◆期間比較の季節性: 前月比だけで判断すると繁閑の影響を受ける。前年同期比と併用する
• ◆サンプル不足での結論: 表示回数が数十回のページのCTR差は誤差の範囲。一定の表示回数（目安として月100回以上）があるページで判断する
• ◆相関と因果の混同: 「文字数が多いページが上位」という相関から「文字数を増やせば上がる」と結論しない。上位ページは情報が網羅されている結果として長い
• ◆ボットの混入: 順位計測ツールやスクレイパーによる表示回数を人の検索と混同すると、CTRも順位も読み誤る。デバイス・国・日別の規則性で切り分ける

🏋️実践ワーク

以下の課題に取り組みましょう。

• ◆Search Consoleの3か月分のデータをエクスポートし、自サイトの順位別CTRカーブ（1〜20位）を作成する
• ◆表示回数上位50ページについて「実CTR − 期待CTR」を計算し、改善余地の大きい5ページを選んでタイトル案を作る
• ◆主要キーワード20個について、目標順位3パターンでのトラフィック予測を作成し、予測売上と工数から優先順位を付ける

よくある質問

Search ConsoleとGA4で検索流入の数が合わないのはなぜですか？

定義が違うためです。Search Consoleのクリックは検索結果上のクリック、GA4のセッションはサイト側で計測できた訪問です。JavaScriptがブロックされた訪問、直帰の一部、リダイレクトを挟んだ流入などで差が出ます。さらにSearch Consoleは少数のクエリを匿名化して除外するため、クエリ別の合計はページ別より小さくなります。両者は突き合わせるものではなく、役割を分けて使います。

SEOのデータ分析を始めるのに必要なツールは何ですか？

最低限はSearch ConsoleとGA4、それにスプレッドシートです。この3つで順位別CTR、ページ別の減衰、ランディングページのCVRまで分析できます。データ量が増えたらSearch Console APIまたはBigQueryエクスポートで蓄積し、競合との比較が必要になった段階でAhrefsやSemrushなどの有料ツールを検討します。

平均順位が下がったのに流入が増えている場合、どう解釈しますか？

多くの場合、新しいロングテールのクエリで表示され始めたことが原因です。順位の低い新規クエリが加わると平均は悪化しますが、流入の総量は増えます。平均順位はサイト全体ではなく、特定のクエリ群やページ単位で追跡し、全体は表示回数とクリック数で評価してください。

まとめ

SEOデータ分析は、限られたリソースを最も効果の高い施策に振り向けるための技術です。データソースの限界を理解したうえで日次のデータを蓄積し、順位別CTRで改善余地を、ギャップ分析で新規機会を、予測モデルで投資判断を、パフォーマンス分析でリライト対象を、それぞれ数字で示します。分析で終わらせず、優先順位表と判定日まで決めて初めて成果につながります。次の最終章では、SEOの組織体制とキャリアについて学びます。