ClaudeとBigQueryを連携する方法｜MCPの接続手順と分析例

広告・GA4・CRM・売上のデータをBigQueryに集めても、分析のたびにSQLを書いたり、エンジニアに抽出を依頼したりしていては、マーケティングの担当者が自分で数字を確かめられるようにはなりません。

データはあるのに、問いを思いついてから答えが出るまでに時間がかかる、という状態です。

BigQueryを生成AIのClaudeに接続すれば、「直近30日のGoogle広告とMeta広告を、CPAと受注まで含めて比べて」と日本語で依頼するだけで、ClaudeがSQLを作成・実行し、集計結果とその解釈を返します。

本記事では、まずClaudeとBigQueryを連携するとどのような分析ができるのかを、当社が用意した3業種のデモ用のデータで紹介します。

そのうえで、つなぐ方法（Web版・Claude Desktop・Claude Code）の違い、接続の手順、費用と注意点を解説します。

ClaudeがBigQueryのデータを集計して作成した画面（デモ用のデータ）

ClaudeとBigQueryを連携する仕組み

全体の流れは次のとおりです。

1. 広告・GA4・サーチコンソール・CRM・ECなどのデータを、BigQueryに自動で集める
2. BigQueryをClaudeに接続する
3. Claudeが、BigQueryに対してSQLを自ら作成・実行し、その結果をもとに回答する

環境の全体像

ClaudeとBigQueryの間をつなぐのが「MCP（Model Context Protocol）」です。MCPは、ClaudeなどのAIが外部のデータベースやツールとやり取りするための標準規格です。

BigQueryには、Google Cloudが提供する「BigQuery リモート MCP サーバー」があり、2026年10月時点では、BigQuery APIを有効にすると、このMCPサーバーも利用できる状態になります（Use the BigQuery MCP server（別タブで開く））。

接続すると、Claudeは次の操作を行えるようになります（BigQuery MCP reference（別タブで開く））。

• データセットとテーブルの一覧を取得する
• テーブルの構造（列の名前や型）を確認する
• SQLを実行し、結果を受け取る

集計はBigQueryの側で行われるため、数百万行のデータでも扱えます。CSVを書き出してClaudeに添付する必要もなく、常に最新のデータで分析できます。

デモ用のデータで見る分析例

ここでは、当社が用意した3業種のデモ環境での分析例を紹介します。いずれも、実在の企業とは関係のない合成データです。

12か月分のデータを、広告のクリックID（gclid・fbclid）、メールアドレス、顧客IDなどの共通のキーで結び付けられるように整えています。

Claudeには、テーブルの説明と指標の定義、回答のルールをまとめたファイル（後述の「前提のファイル」）を渡しています。画面はすべて、Claudeが集計結果をもとに作成したものです。

BtoB SaaS：広告のCPAとROASを、受注まで含めて比べる

プロンプト例
直近30日のGoogle広告とMeta広告を、CPA・ROAS・MQL転換率の観点で比較してください。

広告の管理画面のCPAだけで比べるのではなく、HubSpotの商談・受注のデータまで結び付けて比較します。冒頭の画面がこの依頼の結果です。

デモ用のデータでは、Meta広告はCPAが約46%低い一方、受注金額を基準にしたROASではGoogle広告が約1.9倍という結果になりました。CPAが低いチャネルが、受注まで含めると効率が良いとは限らないことが分かります。

プロンプト例
過去3か月のファネル（Session → Lead → MQL → SQL → Won）を、チャネル別に出してください。

通常はGA4とHubSpotで別々に集計する数字を、Claudeがメールアドレスで結合し、1つのファネルにまとめます。リードは獲得できているのに商談化の段階で落ちている、といったボトルネックが、チャネルごとに見えるようになります。

チャネル別のファネル（デモ用のデータ）

D2C・EC：売れている商品を、獲得チャネルと新規・リピートで分ける

プロンプト例
直近3か月で売上上位5つの商品について、顧客の初回購入チャネルの内訳と、新規・リピートの比率を出してください。

商品マスタ・注文明細・顧客・GA4のセッションを横断する依頼です。商品別・顧客別・広告のレポートを別々に開き、スプレッドシートで突き合わせていた集計が、1回の依頼で返ってきます。

新規の獲得をけん引している商品と、リピーターが支えている商品が分かれば、広告の予算と商品ごとの施策の配分を検討しやすくなります。

売上上位5商品の初回購入チャネルと新規・リピートの比率（デモ用のデータ）

プロンプト例
初回購入チャネル別のF2転換率（2回目の購入に至った割合）を出してください。

顧客の初回の流入チャネルと購入回数を組み合わせると、広告で獲得した顧客とオーガニックで獲得した顧客のリピート率を比べられます。CPAだけでは見えない、獲得チャネルごとの顧客の質を評価できます。

初回購入チャネル別のF2転換率（デモ用のデータ）

サブスク：トライアル中の利用量と、有料転換・継続の関係を調べる

プロンプト例
トライアル中のアプリの利用（視聴分数・完了したレッスン数）が多い人と少ない人で、有料転換率と継続率はどう違いますか。

アプリの利用ログと継続課金のデータを横断する依頼です。よく使った人ほど有料に転換し、継続するという関係が数字で確認できれば、オンボーディングの施策（最初の数日で何を体験してもらうか）を決める根拠になります。

トライアル中の利用量と有料転換率・継続率（デモ用のデータ）

プロンプト例
先月のMRRは、新規・アップグレード・ダウングレード・解約のどれで動きましたか。解約は、自発的な解約と決済の失敗のどちらが多いですか。

継続課金のデータに記録されたMRRの増減を、Claudeが要因ごとに分解します。決済サービスの管理画面と解約の記録を別々に確認する手間がなくなり、MRRが増えた・減った理由を数字で説明できるようになります。

解約の分析の進め方は、「チャーン分析のやり方（別タブで開く）」で解説しています。

MRRの増減の分解（デモ用のデータ）

決済にStripeを使っている場合の分析方法は、「ClaudeでStripeのデータを分析する方法｜MRRの内訳・解約率と3つの接続方法（別タブで開く）」で解説しています。

デモ環境を試したい場合

デモ環境は、Claudeを接続してお試しいただけるよう、当社で個別に準備しています。自社と近い業種のデータで試したい場合は、お問い合わせ（別タブで開く）ください。

自社のデータで同じような分析を行うには、以降の手順でBigQueryをClaudeに接続します。

ClaudeとBigQueryをつなぐ方法

ClaudeからBigQueryにつなぐ方法は、使うアプリによって次のように分かれます。2026年10月時点の情報です。

Claude（Web版）とClaude Desktop

Claudeのコネクタの一覧（ディレクトリ）には、Googleが提供する「Google Cloud BigQuery（別タブで開く）」が用意されています。接続先は、前述のBigQuery リモート MCP サーバー（https://bigquery.googleapis.com/mcp）です。

コネクタはClaudeのアカウントに対して設定されるため、Web版で追加すれば、Claude Desktopやスマートフォンのアプリでも使えます。コネクタの一覧にあるコネクタは、無料プランを含むすべてのユーザーが利用できます（Use connectors to extend Claude’s capabilities（別タブで開く））。

Claude Desktopでは、PCで動かすMCPサーバー（ローカルのMCPサーバー）を設定ファイルに書いて接続する方法もあります。

ただし、PCごとの設定や、サービスアカウントの鍵などの認証情報の管理が必要になります。Googleが提供するリモートのMCPサーバーを使えば、こうした準備は不要です。

Claude Code

Claude Codeは、claude.aiのアカウントでログインしていれば、Web版で追加したコネクタ（BigQueryを含む）をそのまま使えます（Connect Claude Code to tools via MCP（別タブで開く））。Google Cloudのドキュメントでも、Claude CodeからGoogle CloudのリモートMCPサーバーを使う場合は、Web版と同じくコネクタを設定する手順が案内されています（Configure MCP in an AI application（別タブで開く））。

PCにGoogle Cloudのコマンドラインツール（bqコマンド）を入れておき、Claude Codeにコマンドを実行させる方法もあります。Claude Codeでの分析の進め方は、「Claude Codeでデータ分析する方法（別タブで開く）」で解説しています。

いずれの方法でも、接続に必要な準備（Google Cloudのプロジェクト、権限、OAuth クライアント）は共通です。以降では、Web版でコネクタを追加する手順を解説します。

必要なものと権限

以下は2026年10月時点の情報です。

• Google Cloud のプロジェクト：BigQueryにデータが入っているプロジェクトです。BigQuery リモート MCP サーバーは、課金を有効にしていない「BigQuery サンドボックス」でも利用できます（Use the BigQuery MCP server（別タブで開く））。ただし、データを集める側の設定（サーチコンソールの書き出しやFivetranなど）で課金の有効化が必要になることがあります
• Googleアカウントの権限：Claudeの接続に使うGoogleアカウントに、プロジェクトで次の3つのロールが必要です
  • MCP Tool User（roles/mcp.toolUser）：MCPのツールを呼び出す権限
  • BigQuery Job User（roles/bigquery.jobUser）：クエリを実行する権限
  • BigQuery Data Viewer（roles/bigquery.dataViewer）：データを閲覧する権限
• Claude：Web版・Claude Desktop・Claude Codeのいずれか。無料プランでもコネクタを利用できます

BigQueryにまだデータがない場合は、先にデータを集めます。

GA4とサーチコンソールは管理画面の設定だけでBigQueryに書き出せます（「ClaudeでサーチコンソールとGA4を分析する方法（別タブで開く）」の手順2・手順3）。広告媒体やCRMのデータは、Fivetranなどのデータ統合ツールで転送します（「Fivetranとは？広告データ統合でできること・料金・始め方（別タブで開く）」）。

ClaudeとBigQueryを接続する手順

手順1：Google Cloud のプロジェクトとAPIを確認する

1. Google Cloud コンソール（別タブで開く）にログインし、BigQueryのデータがあるプロジェクトを選びます
2. 「APIとサービス」→「有効なAPIとサービス」を開き、「BigQuery API」が有効になっているか確認します。新しいプロジェクトでは、BigQuery APIは最初から有効です
3. プロジェクトの設定ページで「プロジェクト ID」を確認し、控えておきます（プロジェクト番号ではありません）

手順2：接続に使うGoogleアカウントに権限を付与する

1. Google Cloud コンソールの「IAM と管理」→「IAM」を開き、「＋ アクセスを許可」をクリックします
2. 「新しいプリンシパル」に、Claudeの接続に使うGoogleアカウントのメールアドレスを入力します
3. 次の3つのロールを付与し、「保存」をクリックします
   • MCP Tool User
   • BigQuery ジョブユーザー（BigQuery Job User）
   • BigQuery データ閲覧者（BigQuery Data Viewer）

会社のGoogle Cloudを利用していて、自分で権限を変更できない場合は、管理者に依頼してください。

手順3：Google Cloud で OAuth クライアントを作成する

ClaudeからBigQueryにアクセスするには、Google Cloudで「OAuth クライアント」を作成し、次の2つを用意します。

• OAuth クライアント ID：接続するアプリを識別するためのID
• OAuth クライアント シークレット：そのアプリが正規のものであることを証明するための、アプリ専用のパスワード

作成の手順

1. 手順1のプロジェクトで、Google Auth Platform の「クライアント」（別タブで開く）のページを開きます
2. 「クライアントを作成」をクリックします
3. アプリケーションの種類で「ウェブ アプリケーション」を選びます
4. 名前を入力します（例：BigQuery MCP）
5. 「承認済みのリダイレクト URI」に https://claude.ai/api/mcp/auth_callback を追加します（Authentication for connectors（別タブで開く））。Google Cloudのドキュメントでは、Web版で使う場合に「承認済みの JavaScript 生成元」へ https://claude.ai を追加する手順も案内されています（Configure MCP in an AI application（別タブで開く））
6. 「作成」をクリックします

作成したOAuth クライアント

作成すると、クライアント IDとクライアント シークレットが表示されます。クライアント シークレットを確認・ダウンロードできるのは作成時のみのため、安全な場所に控えておきます（OAuth クライアントを管理する（別タブで開く））。

Google Auth Platformを初めて使うプロジェクトでは、クライアントを作成する前に、アプリの名前、サポート用のメールアドレス、対象（内部・外部）の設定を求められます。対象の違いは、後述の「費用と注意点」で説明します。

手順4：Claude にコネクタを追加する

1. Claudeの「カスタマイズ」→「コネクタ」を開き、「＋」ボタンからコネクタの一覧を開きます
2. 「BigQuery」で検索し、「Google Cloud BigQuery」を選びます
3. 手順3で控えたOAuth クライアント IDとOAuth クライアント シークレットを入力します
4. 「続ける」をクリックし、手順2で権限を付与したGoogleアカウントで認証します

Claudeのコネクタの一覧

BigQueryコネクタの設定画面

Team・Enterpriseプランでは、コネクタを使う前に、組織のオーナーがコネクタを有効にする必要があります（Use connectors to extend Claude’s capabilities（別タブで開く））。

手順5：接続を確かめ、分析の前提を渡す

コネクタを追加したら、チャット画面で次のように質問し、データが見えているかを確認します。

プロンプト例
BigQueryのプロジェクト「（プロジェクトID）」にあるデータセットとテーブルの一覧を教えてください。主なテーブルについて、最も古い日付と最も新しい日付も確認してください。

データセットの一覧が表示され、日付の範囲が返ってくれば、接続は完了です。

接続できても、Claudeはどのテーブルが何を表し、CVやCPAをどう定義するかを知りません。前提を伝えずに分析を依頼すると、意図と異なるテーブルを使ったり、期間や定義がそろっていなかったりして、誤った結果が返ることがあります。

そこで、次の内容をMarkdownのファイルにまとめ、分析の前に渡しておきます。

• プロジェクトID、データセットとテーブルの一覧、各テーブルが表すもの
• テーブル同士を結合するキー（広告のクリックID、メールアドレス、顧客IDなど）
• 指標の定義（CPAの分母にするCVの種類、MQLやSQLの条件など）
• 期間の扱い（「直近30日」の基準日、データが届いていない直近の日を除くかなど）
• 回答のルール（使ったテーブル・期間・条件を必ず添える、など）

Claudeの「プロジェクト（別タブで開く）」にこのファイルを追加しておけば、プロジェクト内のどのチャットでも同じ前提で分析でき、毎回添付する必要がなくなります。2026年10月時点では、プロジェクトは無料プランでも5つまで作成できます。

定義のずれは、人が集計する場合にも起こります。当社が支援した株式会社ビビッドガーデン様では、部門ごとに集計方法や定義が異なり、数値の整合性が取れないことがありました。Dataformで定義を統一し、誰が参照しても同じ意味で読み取れるテーブルに整えています（「エンジニアに頼まずに、誰もが自分でデータを引き出せる状態に（別タブで開く）」）。

前提のファイルとあわせて、テーブルの側でも定義をそろえておくと、Claudeも人と同じ定義で集計できます。

前提のファイルの具体例は、Google広告の例を「ClaudeでGoogle広告を分析する方法（別タブで開く）」で、GA4とサーチコンソールの例を「ClaudeでサーチコンソールとGA4を分析する方法（別タブで開く）」で紹介しています。GA4のデータだけを分析する場合の、公式のGA4 MCPサーバーとの違いは「ClaudeでGA4を分析する方法（別タブで開く）」で解説しています。

費用と注意点

BigQueryの料金

ClaudeがMCPで実行するクエリも、BigQueryのクエリとして実行されます。

2026年10月時点で、BigQueryの標準の料金体系（オンデマンド料金）では、クエリが処理したデータ量に応じて料金がかかり、毎月1TiBまでは無料です。ストレージは毎月10GiBまで無料です（BigQueryの料金（別タブで開く））。

マーケティングのデータを集計する程度であれば、無料の範囲に収まることも少なくありません。ただし、GA4のイベントデータのような大きなテーブルを、期間を絞らずに何度も集計すると、処理量が増えます。

費用を抑えるには、次の設定と依頼の仕方が有効です。

• 1日あたりのクエリの上限を設定する：Google Cloud コンソールの「割り当て」で、「Query usage per day」（プロジェクト全体）や「Query usage per day per user」（ユーザーごと）を設定すると、1日に処理できるデータ量を制限できます。初期値は、プロジェクトごとに1日200TiBです（カスタム割り当てを作成する（別タブで開く））
• 期間と列を絞るよう依頼する：前提のファイルに「期間の指定がなければ直近28日に絞る」「必要な列だけを読む」と書いておきます
• 集計済みのテーブルを用意する：日付×キャンペーンのように、よく使う単位で集計したテーブルを作っておくと、Claudeが読むデータ量が減り、回答も安定します

どのクエリで費用が出ているかの調べ方と、料金を下げる方法は、「BigQueryの料金が高い原因と下げ方｜クエリと保存の見直し手順（別タブで開く）」で解説しています。

データを書き換えさせない

BigQuery リモート MCP サーバーのツールのうち、execute_sql は読み取り以外のクエリ（データの追加・更新・削除、テーブルの作成など）も実行できます（BigQuery MCP reference（別タブで開く））。分析だけに使う場合は、接続に使うGoogleアカウントに書き込みの権限を与えないことが基本です。

手順2のBigQuery データ閲覧者のロールでは、データを書き換えられません。より厳しく制限したい場合は、IAMの拒否ポリシーで execute_sql の利用を禁止することもできます（Use the BigQuery MCP server（別タブで開く））。

また、Claudeのコネクタの設定では、ツールごとに、常に許可する・実行前に承認を求める・使わせない（Always allow・Needs approval・Blocked）のいずれかを選べます（Use connectors to extend Claude’s capabilities（別タブで開く））。

execute_sql で承認を求める設定にしておけば、Claudeがクエリを実行する前に内容を確認できます。

処理時間と行数の上限

2026年10月時点で、BigQuery MCP サーバーのクエリには、処理時間が初期設定で3分まで、結果は最大3,000行までといった制限があります（Use the BigQuery MCP server（別タブで開く））。大量の明細をそのまま取得するのではなく、集計した結果を返すよう依頼するのが確実です。

OAuthの「対象」と、接続が切れる場合

手順3で設定するGoogle Auth Platformの対象には「内部」と「外部」があります。Google Workspaceの組織に属するプロジェクトであれば、「内部」を選ぶと、組織のメンバーだけが認証できる状態になります。

「外部」を選んで公開ステータスが「テスト中」のままの場合は、テストユーザーに登録したアカウント（100人まで）しか認証できず、認証は7日で期限が切れます（Manage App Audience（別タブで開く））。

1週間ほどでClaudeからBigQueryにつながらなくなった場合は、コネクタを接続し直すか、対象と公開ステータスを見直します。

分析結果を確かめる

結果が正しいか判断できないときは、「どのような手順で集計したか説明してください」と依頼すると、使ったテーブルや集計の条件を確認できます。想定と異なる集計をしていれば、その場で修正を指示し、前提のファイルにも書き足します。

まとめ

• 仕組み：BigQueryに集めたデータに、Googleが提供するBigQuery リモート MCP サーバーを通じてClaudeを接続する。ClaudeがSQLを作成・実行し、結果を解釈する
• つなぐ方法：Web版でコネクタ「Google Cloud BigQuery」を追加すれば、Claude DesktopとClaude Codeでも同じコネクタを使える
• 手順：接続に使うアカウントに3つのロールを付与し、OAuth クライアントを作成して、コネクタに入力する。テーブルや指標の定義は、前提のファイルにまとめてプロジェクトに入れる
• 費用と注意点：クエリはBigQueryの料金の対象になる。1日あたりの上限を設定し、書き込みの権限は与えない

ClaudeとBigQueryをつなぐ作業そのものは、それほど時間がかかりません。分析の質を左右するのは、その手前で、広告・GA4・CRM・売上のデータを共通のキーで結び付けられる形でBigQueryに集められているかどうかです。

データの集め方は「Claudeでデータ分析する方法（別タブで開く）」で、広告媒体ごとの分析は「ClaudeでGoogle広告を分析する方法（別タブで開く）」などで解説しています。

株式会社INVOXは、マーケティングデータからCRM・売上データまでを統合するデータ基盤の構築と、そのデータに直接アクセスして分析するAIエージェントの開発を一貫して支援しています。本記事のデモ環境は、当社が支援先に構築している環境を小さくしたものです。

支援の内容は「マーケティング分析（別タブで開く）」で、支援実績は「エンジニアに頼まずに、誰もが自分でデータを引き出せる状態に（別タブで開く）」で紹介しています。

デモ環境を試したい、自社のデータで同じような分析環境を整えたいとお考えでしたら、お問い合わせください。