＜弊社参画前の課題＞

アプリのログデータはGA4およびFirebaseからBigQueryにエクスポートされていたものの、データはRawデータ（未加工）のまま蓄積されている状態であった。GA4特有のネスト構造やFirebaseのJSON形式がそのまま残っており、ビジネスサイドがSQLを書いて分析することは困難な状況。そのため、ユーザーの継続率や特定機能の利用状況といった、プロダクト改善に不可欠なKPIが可視化されておらず、意思決定は感覚的に行わざるをえない状態であった。

＜支援内容＞

【複雑なログデータの構造化と前処理】

  • ネストされたGA4データやJSON形式のFirebaseデータのフラット化（UNNEST処理）を実施。分析に耐えうる形式へのクレンジング処理を行うSQLパイプラインを整備。
  • 「誰が・いつ・何をしたか」というイベントログ単位から、ユーザー単位の行動サマリーテーブルを作成し、分析の粒度をビジネス要件に合わせたデータマートを構築。

【分析データマートの多層化】

データマートの発展においては集計効率と再利用性を考慮した3層構造を設計。

  1. ユーザーサマリー: ユーザーごとの全期間の行動履歴を集約。
  2. ステータス分類: 上記を基に、ユーザーの状態（新規・定着・離脱懸念・休眠など）を定義し、ラベリング。
  3. KPI集計: ステータスごとの推移や、機能利用率などの経営指標を集計。

【Looker Studioによるモニタリング環境構築】

  • 整備したデータマートをデータソースとし、Looker Studioでのダッシュボード構築支援を実施。
  • 単なる数値の羅列ではなく、アプリのコア価値である「習慣化」のプロセス（3日継続率、7日継続率など）を重点的にトラックできるよう可視化項目を選定し、プロダクトチームがデイリーで確認すべき指標を定義。

＜実績・成果＞

  • 複雑な生データをビジネスロジックに基づいた使いやすいテーブルに変換したことで、非エンジニアでも容易にデータ抽出ができる土台を構築。
  • ユーザーのステータス定義（定着/離脱など）を明確化したことで、フェーズごとのユーザー数推移が可視化され、ボトルネック箇所の特定と改善施策の議論が可能な状態に。