（R + Google アナリティクス）スパークラインからはじめる探索的アクセス解析

はじめに

多くのWeb解析担当者という人たちは日々なにをやっているのでしょうか。

おそらくみんな「注目すべき事象」と「その原因」を探しています。

こういうとむずかしく感じるかもしれませんが、分解していくとその作業は単純です。

「注目すべき事象」と「その原因」というのは言い換えると「変化」と「その内訳」です。

もっというと「データを時系列でみる」→「データを層別でみる」これだけです。

スパークライン

ではデータを時系列でみてみましょう。このブログは特定の商品を売るなどの目的がないため、メディア系サイトよりの思考になります。ご了承ください。

7月に多くのセッション（訪問）があったページはどんな様子だったでしょうか。

Googleアナリティクスの管理画面からダウンロードしてエクセルで集計してもまったく構いません。しかし、似たような作業は毎月発生することが予想され、スクリプト化して省力化したいので、ぼくは R を使います。

データ抽出時のクエリはこんな感じです。

（RGoogleAnalytics について、詳しくは RGoogleAnalytics をいじっている - 廿TTを参照してください。）

#アカウントのオーサライズlibrary("RGoogleAnalytics")
query <- QueryBuilder()
access_token <- query$authorize()

ここでアクセストークンをコピペ。

ga <- RGoogleAnalytics()
ga.profiles <- ga$GetProfileData(access_token)
sta ="2015-07-01"
en ="2015-07-31"
query$Init(start.date = sta,
           end.date = en,
           dimensions ="ga:date,ga:PagePath",
           metrics ="ga:sessions",#           sort= ,
           max.results =10000,
           table.id = paste("ga:",ga.profiles$id[1],sep="",collapse=","),
           access_token=access_token)
PP <- ga$GetReportData(query)

全部みるのは大変なので上位10件の傾向を眺めることにします。

集計はこんな感じです。

Cumulative <-tapply(PP$sessions, factor(PP$PagePath), sum)#ページごとに合算

Cumulative <- sort(Cumulative,decreasing =TRUE)

top10 <- subset(PP, PagePath %in% names(Cumulative[1:10]))#上位10ページ
top10_wide <- spread(top10,date, sessions)
top10_mat <- t(top10_wide[,-1])
colnames(top10_mat)<- top10_wide[,1]
total <-colSums(top10_mat,na.rm=TRUE)
top10_mat <-top10_mat[,order(total,decreasing=TRUE)]#左から大きい順に並べ替えlibrary(YaleToolkit)
sparklines(data.frame(top10_mat),time=1:31)

YaleToolkitパッケージを使うとスパークライン（ミニ折れ線グラフ）が描けます。

この中から特に変な動きをしている系列を探してみます。

上から9番目のページを見ると、ほとんどずっと0に近い値なのに、一日だけぴょこっと高く飛び出しています。

9番目の系列だけプロットするにはこうやります。

plot.ts(top10_mat[,9])

次はこの急増の内訳をみていきます。

積み上げ棒グラフ

セッション（訪問）の数に変化があったのでその内訳は、「なにを経由してサイトに来たか」をみることで明らかにできそうです。

大体の場合、すべての経路（チャネル）からの訪問が均等に増えたり減ったりすることはありません。

チャネルごとのセッションをみるためには次のようにデータを抽出します。

query$Init(start.date = sta,
           end.date = en,
           dimensions ="ga:date,ga:channelGrouping",  
           metrics ="ga:sessions",
           table.id = paste("ga:",ga.profiles$id[1],sep="",collapse=","),
           filters= paste0("ga:pagePath==",colnames(top10_mat)[9]),#9番目のページを閲覧したセッションのみ取り出す
           access_token=access_token)
CG_9 <- ga$GetReportData(query)

この手のデータ可視化はggplot2パッケージを使うと楽です。

library(ggplot2)
ggplot(CG_9,aes(x=date,y=sessions,fill=channelGrouping))+
  geom_bar(stat="identity")

セッションは大多数がOrganic Search（自然検索）でした。これでセッションが増えた理由が、検索経由訪問に絞られました。

自然検索のさらに内訳をみるには検索キーワードをみると良さそうです。

このくらいならGoogleアナリティクスの管理画面でちゃちゃっと確認できます。

「行動」→「すべてのページ」→「/entry/2013/11/03/022616」から「セカンダリディメンション」で「キーワード」を選びます。

もしもし関連ワードが多いようです。

よそのデータをみる

ではなぜ「もしもし　語源」などの検索が増えたのでしょうか。

こういうときはGoogleトレンド（ Google トレンド）をみたりします。

やはり7月15日にもしもしの検索数が増えているようです。

しかし、特に目立ったニュースは見当たりません。

そこで、なにか「もしもし」が話題になっていないか、ツイッターで検索（ もしもし 語源 - Twitter Search）してみたりします。

「もしもし」って言葉は、昔妖怪は同じ言葉を二回繰り返せなかったので相手が人か妖かを確かめるために話の頭で口にするっていうのを知ってから、電話の最初でもしもしも付けずいきなり一方的に話し始める不躾な奴は全員妖怪あずき洗いだってことにしてる

— 爆散おじさん (@SUZU_MOOO1) 2015, 7月 13

こんなツィートがみつかりました。だいぶ拡散されています。おそらくこのツィートの真偽を確認したくて、「もしもし」で検索するユーザーが増えたのではないでしょうか。

示唆を得る

さて「変化」と「その要因」はわかりました。

しかし、セッションが増えたのはうれしい現象としても、「もしもし関連のツィートがバズったらアクセスが増える」ということがわかってもあまりうれしくありません。

風が吹けば桶屋が儲かるとしても、風が吹くのを待っているだけでは桶屋は儲かりにくいでしょう。

そこでこの現象から、サイト改善の示唆が得られないか考えてみます。

この現象はいい傾向でしょうか、悪い傾向でしょうか。

ちょっと気になるのは、セッションの増加が一日に限られており、単発で終わっている点です。

そこでこのもしもし効果で獲得したユーザーがサイトに定着しているか調べてみます。

詳しくは （R + Google アナリティクス）コーホート比較でユーザーの定着具合を測る - 廿TTを参照してください。

sta ="2015-07-15"
en = as.character(as.Date(sta)+89)#ユーザーレベルのセグメントを使用する場合、期間が90日を超えるとエラーになる

query$Init(start.date = sta,
           end.date = en,
           dimensions ="ga:date", 
           metrics ="ga:users",
           table.id = paste("ga:",ga.profiles$id[1],sep="",collapse=","),
           max.result=10000,
           segment ="users::condition::dateOfSession<>2015-07-15_2015-07-15;ga:sessionCount==1;ga:sessionCount==1;sessions::condition::ga:landingPagePath=@/entry/2013/11/03/022616", 
           access_token=access_token)

dat_20150715<- ga$GetReportData(query)
plot.ts(dat_20150715[,2])

なんともしもし効果で獲得したユーザーの再訪はずっと0。

もしもしの語源 - 廿TTはあまり印象に残らない記事だったみたいですね。

関連ページへのリンクを貼るなどして、さらにユーザーの興味を刺激するようにしたらいいかもしれません。

……というようなことをまとめれば、7月分の報告書はだいたい完成です。

付記

本文中の折れ線グラフや積み上げ棒グラフの見栄えをよくするためには、

• RGoogleAnalytics でとりあえず折れ線グラフ - 廿TT
• RGoogleAnalytics で変化の要因を読みとく（折れ線グラフ、帯グラフ、積み上げ棒グラフ） - 廿TT
• RGoogleAnalytics で変化の要因を読みとく（変化量と寄与率のグラフ＋散布図） - 廿TT

などを参照してください。

参考文献

データ解析の実務プロセス入門

• 作者:あんちべ
• 出版社/メーカー:森北出版
• 発売日: 2015/06/20
• メディア:単行本（ソフトカバー）
• この商品を含むブログ (2件) を見る

関連エントリ

abrahamcow.hatenablog.com