前回までの記事で、Google Analytics 4 (GA4) のデータをBigQueryへ連携し、VSCode上でAI（GitHub Copilot）を使って分析する基盤を整えました。
▼これまでの記事はこちら
今回はシリーズ完結編として、実際にデータをこねくり回して**「どんな人がWebサイトを見ているのか？」**を徹底的に分析していきます。
「プログラミングやデータ分析は難しそう…」と思うかもしれませんが、安心してください。SQL（データベース言語）やPython（プログラミング言語）のコードは、すべてAIが書いてくれます。私たちは「何を知りたいか」を日本語で指示するだけです。
今回は少し遊び心を持って、サイト訪問者の「ペルソナ（人物像）」を勝手に妄想するところまでやってみましょう！
🛠️ 下準備：グラフの日本語文字化けを防ぐ
本格的な分析に入る前に、一つだけ技術的な準備をします。 AIにPythonでグラフを作らせると、日本語が「□□□」のように文字化け（豆腐化）してしまうことがよくあります。これを防ぐために、分析環境（今回はWSLのUbuntu）に日本語フォントをインストールしておきましょう。
手順
VSCodeを開き、WSLに接続した状態でターミナルを開きます。
ターミナルに以下のコマンドをコピペして、エンターキーを押してください。
sudo apt -y install fonts-ipafont
パスワードを聞かれたら、Ubuntuのログインパスワードを入力します（入力中、画面には何も表示されませんが仕様です）。
これで、きれいな日本語ラベルのグラフを作る準備が整いました！
📊 実践1：Pythonでトレンドグラフを一瞬で作る
まずは手始めに、サイトのPV（ページビュー）数のトレンドを見てみましょう。Copilotチャットに以下のように指示を出します。
User: 時間帯別、週別、月別のPV数のトレンドグラフ（日本語ラベルつき）を作成してください。
するとAIは、Pythonのパッケージマネージャーである uv を使い、データ分析ライブラリ pandas とグラフ描画ライブラリ matplotlib を自動でインストール。必要なコードを書いて実行までしてくれます。
出来上がったグラフがこちらです。
📝 初心者向け用語解説
- Pandas（パンダス）: PythonでExcelのように表データを扱える超便利ツール。集計や加工が得意です。
- Matplotlib（マットプロットリブ）: データをグラフにして可視化するツール。
グラフを見ると、以下のことが一目でわかります。
- 時間帯別: 18時〜22時の夜間にアクセスが集中している。
- 月別: 9月に大きなピークがあり、1月はまだこれからの様子。
これだけで「夜にお店を探している人が多いのかな？」という仮説が立ちますね。
🔍 実践2：BigQueryで「熱いファン」を発掘する
ここからが本番です。GA4の管理画面では見られない、ユーザー個別の詳細な動きをBigQueryを使って追跡します。
今回は、某ショットバーのWebサイトデータを例に、**「エンゲージメント（関心度）が高いユーザー」**を抽出してもらいました。さらに、同業者や営業のチェックを除外するように指示しています。
AIへの指示
User: BigQuery MCPを使って、エンゲージメントの高いユーザを3名抽出し、行動履歴や特徴を教えてください。売り込み営業によるチェックは除外して。
AIはBigQueryに対して複雑なSQLクエリを発行し、数億行のデータから条件に合うユーザーを見つけ出してくれます。
その結果、非常に興味深い3名のユーザーが浮かび上がってきました。
🕵️♀️ 分析結果：特定されたトップユーザーたち
AIの分析により、以下の3名が「熱い見込み客」として抽出されました。
👤 ユーザー1：移動中もメニューを熟読するウイスキー愛好家
- 場所: 東京都日野市 → 杉並区（移動中）
- 行動: 19時台にアクセスし、約1時間42分の間に何度もサイトを訪問。特に「ウイスキーメニュー」を2分以上熟読しています。
- 推測: 移動しながら「今日行く店」を真剣に選び、メニューまで決めている可能性が高いです。
👤 ユーザー2：Twitterから来たシガー（葉巻）関心層
- 場所: 東京都世田谷区
- 流入元: Twitter (t.co)
- 行動: わずか3分半で9ページを閲覧。「お店の楽しみ方」や「シガーメニュー」を効率よくチェックしています。
- 推測: SNSで流れてきた情報を見て興味を持ち、「シガーが吸えるか」「雰囲気はどうか」をサクッと確認した情報通です。
👤 ユーザー3：来店直前の最終確認？
- 場所: 東京都青梅市
- 行動: ウイスキーメニューをじっくり見た後、最後に「地図」を確認して離脱。
- 推測: これは**「来店フラグ」**が立っています。地図を見たということは、これから向かう意思の表れでしょう。
🎭 応用編：AIによる「妄想ペルソナ」作成
データだけだと無機質なので、最後にこのデータを基に**「ペルソナ（架空の顧客像）」**をAIに作ってもらいました。これが意外とリアルで面白いんです。
👤 ペルソナAさん（埼玉県朝霞市の慎重派）
設定: 30代後半・男性・会社員 ストーリー: 「YouTubeでウイスキーに興味を持ったけど、本格的なバーは敷居が高い…。Webサイトの『初めての方へ』や『写真館』をじっくり読んで（滞在2分以上）、怖くない店か入念にリサーチ中。週末、勇気を出して行ってみようかな。」
👤 ペルソナBさん（世田谷区の情報通）
設定: 30代・クリエイティブ職 ストーリー: 「Twitterで良さげな店を発見。世田谷からは遠いけど、シガーも置いているなら行く価値ありかも。とりあえずブックマーク。」
👤 ペルソナCさん（常連予備軍）
設定: 40代・管理職 ストーリー: 「前に一度行って良かった店。今日は近くまで来たから寄ってみよう。えーと、場所どこだったっけ？（地図ページだけを2日連続で確認）」
まとめ：データ分析は「想像力」の源泉
いかがでしたか？ただの数字の羅列に見えるログデータも、VSCodeとCopilotを使って深く掘り下げることで、**「画面の向こうにいる生身の人間」**の姿が見えてきます。
プログラミングスキルがなくても、AIと対話するだけでここまで高度な分析ができる時代になりました。 ぜひ皆さんも、ご自身のサイトデータを使って「まだ見ぬ顧客」の姿を想像してみてください！
コメントを投稿するにはログインが必要です。