CASE
毎朝1時間の広告データ取り込みを15〜20分に。10〜15媒体のデータを統合し、分析を効率化する環境を構築
株式会社Techouse
複数の広告媒体を運用しているものの、媒体ごとにデータが分散し、成果の全体像が見えにくい——。
人材プラットフォーム「ジョブハウス」を運営する株式会社Techouse様は、マーケティング担当者が1人だった立ち上げ期にBigQueryを軸としたデータ基盤の構築に着手し、現在は広告データの取り込みから集計・分析、AIによる日次レポートの配信までを自動化しています。
2022年11月の着手から現在まで、何をどの順番でやってきたのかを伺いました。
こんな課題をお持ちの方へ
この事例は、次のいずれかに当てはまる企業で特に参考になる内容です。
- 広告媒体を複数運用していて、媒体ごとにデータが分かれている
- 広告運用を内製しており、運用の手数がそのままチームの負荷になっている
- レポート作成の手作業に、毎日まとまった時間が取られている
1. 立ち上げ期：マーケター1人、10〜15媒体、毎朝20分の手作業
中村様｜執行役員・人材プラットフォーム事業部担当
——ご支援が始まった2022年11月当時は、どのような体制だったのでしょうか。
中村様「当時の人材プラットフォーム事業部には、1人目のマーケティング担当として私が入社したばかりで、同じ年に初めての専任エンジニアも加わったところでした。
それまではエンジニアの業務も代表が兼務していて、プロダクトとマーケティングを担うメンバーがようやく揃い始めた時期です。」
——マーケティング業務は、ほぼお一人で担われていたのですね。具体的にはどのような業務をされていたのでしょうか。
中村様「当時の業務は、ほとんどが広告運用でした。特に当時のジョブハウスは、広告からの集客がそのまま事業の成長に直結していたので、広告にはかなり力を入れていました。運用していた媒体は10〜15ほどで、広告費は月1億円ほどです。
毎朝まず、媒体ごとの管理画面からレポートをCSVでダウンロードして、スプレッドシートに貼り付けていました。媒体ごとの成果をざっくり把握するためのもので、これだけで20分ほどかかっていました。」
——その後の分析にも、さらに時間がかかりますよね。
中村様「そうですね。主要な媒体は、キャンペーンや広告単位など、もっと細かい粒度のデータを改めてダウンロードして分析していました。これにかなり時間がかかっていて、本当はほかの媒体も細かく見たかったのですが、手が回りませんでした。
データが増えるにつれて、スプレッドシートも重くなっていきます。時間をかければできるものの、あまりにも時間がかかりすぎる。なんとかしたい、という状態でした。」
当時はサービス自体が伸びている時期で、使えそうな媒体はどんどん試すという方針でした。媒体が増えるたびに、毎日の手作業も増えていきました。
2. 基盤とパートナーをどう選んだか
基盤づくりに着手するにあたって、まず決めたのは「どの基盤を使うか」と「誰と進めるか」の2点でした。
——データ基盤にはBigQueryを選ばれています。どのように決めたのでしょうか。
中村様「前職でBigQueryを使った経験があり、有力な候補の一つだと考えていました。一方で、Techouseの開発環境はAWSなので、既存のデータベースと同じAWS上で完結できるRedshiftのほうがよいのでは、という意見もありました。
そこで、両方を比べるところから始めています。」
——最終的な決め手は何だったのでしょうか。
中村様「決め手になったのは、コネクテッドシートでスプレッドシートから直接BigQueryのデータを扱えることです。データを一番使うのは、日常的にスプレッドシートで仕事をしているビジネスサイドでした。広告以外にも、SQLでデータベースからデータを抽出してスプレッドシートに取り込む業務が数多くあります。
使い慣れたスプレッドシートのまま大量のデータを扱えれば、そうした業務まで含めて効率化できる。そう考えて、BigQueryを選びました。判断の軸がはっきりしていたので、社内の合意もスムーズに取れました。」
——構築は外部に依頼されています。依頼先はどのような考えで決めたのでしょうか。
中村様「導入支援を専門にしている会社に構築を発注する、という選択肢もありました。ただ、私たちが求めていたのは、つくって納品してもらうことよりも、社内のチームの一員として一緒に進めてもらうことでした。
知見のある方に入っていただいたほうが早く形になる、という考えもあって、INVOXさんにお願いしました。」
外部の専門会社に「発注する」のではなく、社内のチームの一員として動いてもらう。この期待の置き方が、その後の進め方にもそのまま表れています。
——最初は、対象を絞ってスタートされています。
中村様「最初から全社のデータを集めるのではなく、まずはGoogleアナリティクス(GA)と広告データに絞って始めることにしました。応募などのサービスデータには求職者の個人情報が含まれるため、取り扱いには慎重になる必要があります。
まずは個人情報を含まないデータで基盤の効果を確かめ、そのうえで段階的に対象を広げていく進め方をとりました。」
この最初のスコープの切り方が、現在まで続く取り組みの起点になりました。
3. 小さく始めて成果を示し、対象を広げていく
日々の分析依頼への対応やダッシュボードの改善など、細かな取り組みは常に並行して進めていますが、大きな節目となったプロジェクトは次の6つです。
| 対象範囲 | やったこと | |
|---|---|---|
| 1 | GA＋広告 | 最小構成でBigQueryに集約。日次の集計・分析を自動化 |
| 2 | サービスデータ | 個人情報の取り扱いルールを整えたうえで、ジョブハウス側の応募・売上データを基盤に追加 |
| 3 | 媒体連携の自動化 | Fivetranで主要媒体を自動連携。Indeedのみ標準機能に含まれないため、API経由で個別に実装 |
| 4 | 事業セグメント別評価 | セグメントごとに、いくら使っていくら売上が立ったかを見られるようにする |
| 5 | CRM経由売上の還元 | 広告起点でCRMチャネルに発生した売上の一部を、広告の評価に反映するロジックを設計 |
| 6 | AI活用 | BigQueryにClaudeを接続。クリエイティブ別の実績レポートを毎朝Slackへ自動配信 |
——GAと広告データを基盤に載せて、まず何が変わりましたか。
中村様「当時はマーケティングを私一人で担っていたので、マーケティング業務そのものが大きく変わりました。貼り付けたデータの集計や分析が自動化されただけでなく、それまで管理画面の範囲でしか見られていなかったGAのデータを、広告データと合わせて分析できるようになりました。
使い始めて1〜2か月で、主要なKPIを社内で決めた指標に沿って継続的にモニタリングできる状態になっています。『ここまで見られるようになるのか』という手応えがありました。」
——その成果は、社内でどう受け止められましたか。
中村様「数字が同じ基準で継続的に見られるようになったことで、社内からも『これはいいね』という反応がありました。
そこから、応募や売上などのサービスデータも入れて、広告の成果を事業の数字までつなげて見たい、という声が上がり、対象を広げていきました。」
最初に目に見える成果が出たことで、社内の後押しを得ながら対象を広げていく流れができました。その後、媒体連携の自動化、事業セグメント別の評価へと進んでいきます。
——現在は、社内での使われ方も広がっているそうですね。
中村様「今はコネクテッドシートを使って、自分でデータを抽出して分析できるメンバーが、以前よりずっと増えています。」
4. Fivetran導入で、毎朝約1時間のデータ取り込みが15〜20分に
三谷様｜人材プラットフォーム事業部 プロダクト&マーケティングディビジョン ディビジョンリーダー
ここからは、現在マーケティングを統括する三谷様に伺います。
基盤の立ち上げ当初は、コストと工数のバランスを考え、各媒体のデータをスプレッドシートに貼り付ける工程はあえて手作業で残していました。BigQuery側での集計や分析は自動化された一方で、データを入れる入口は手作業のままだったのです。チームでの運用に移り、扱う媒体と見る指標が増えるにつれて、この貼り付け作業は毎朝1時間近くかかるまでに膨らんでいきました。これを解消したのが、Fivetranの導入です。
Fivetranとは
Google広告、Meta広告、Yahoo!広告などの広告媒体や、CRM・SFAのデータを、自動でひとつの基盤に集約するツールです。各媒体の管理画面からCSVをダウンロードして整形する作業を自動化できます。
詳しくは、INVOX代表の佐藤による紹介記事をご覧ください。
——Fivetranを導入する前は、どのような作業をされていたのでしょうか。
三谷様「スプレッドシートに、Google広告、Yahoo!広告、Meta(Facebook)広告と、媒体ごとのシートを用意していました。毎朝、各媒体の管理画面からレポートをCSVで出力し、それぞれのシートに貼り付けていきます。
これを営業日は毎朝、チームの誰かが担当していました。合計すると、1日あたり1時間弱かかっていました。」
——導入後は、どう変わりましたか。
三谷様「主要な媒体はほぼすべて自動で取り込まれるようになり、今は朝の15〜20分ほどの作業で済んでいます。
ゼロにはなっていませんが、残っているのは自動化できない一部の媒体を補う作業だけです。」
現在の取り込み方法は、媒体によって次の3つに分かれます。
- 主要媒体：Fivetranの標準機能で自動連携
- Indeed：Fivetranの標準機能には含まれていないものの、Indeed側がAPIを提供しているため、個別に仕組みを構築して自動化
- その他の一部媒体：APIが提供されていないため、手作業での取得が残る
毎朝の15〜20分は、この3つ目を補う作業です。
——浮いた時間は、何に使われていますか。
三谷様「事業部では毎朝、全体の成果を共有する朝会があります。以前はその1時間ほど前に誰かが出社して、数字を更新しておく必要がありました。それがなくなったのが、まず大きいです。
データを取り込むところまでは、あくまで準備の作業です。本来やりたいのはその先の、ダッシュボードを見て分析し、広告費の配分を最適化するところなので、そちらに時間を使えるようになりました。」
事業セグメントごとに、広告費と売上の対応が見える状態へ
——ダッシュボードでは、どのような単位で成果を見ているのでしょうか。
三谷様「ジョブハウスは、職種の領域ごとに複数の事業セグメントに分かれています。そのため、セグメントごとに広告費をいくら使い、売上がどれだけ立っているのかを見られるようにしたい、というのが前提でした。
多くの媒体は、キャンペーンの構成がセグメント単位に分かれているので、BigQueryの集計だけでそのまま切り分けられます。
ただ、Indeedはキャンペーンの構成上、セグメントごとに分けることができません。そこでIndeedだけは、求人ごとにかかった広告費を集計し、その求人がどのセグメントに当たるかで振り分ける一手間を加えています。」
5. 効果：削れた工数と、変わった判断
数字で見ると、毎朝のデータ取り込みは1時間近くかかっていた手作業から、自動化できない一部の媒体を補う15〜20分の作業だけになりました。朝会の前に数字を更新するための早出も不要になっています。BigQueryに集めたデータやダッシュボードは、マーケティングチームの10名に加え、一部のセールスメンバーも含めて、全社で15名ほどが日常的に使っています。
ただ、より大きかったのは組織側の変化だったといいます。
——基盤ができて、チームの動き方はどう変わりましたか。
三谷様「基盤ができた当初のマーケティングチームは、SQLが書けないと仕事にならない環境でした。それでもメンバーそれぞれが自分でSQLを書いて、必要なデータを引き出し、分析していました。
マーケティングのメンバーがここまで自分で分析できるチームは、前職ではなかなか見られなかったと感じています。」
その後、分析のハードルはさらに下がっています。日常的な集計はコネクテッドシートで完結するようになりました。最近では、BigQueryにClaude(AI)をつなぎ、SQLを書く部分をAIに任せられるようにもなっています(詳しくは7章で紹介します)。SQLを使いこなすメンバーはより踏み込んだ分析に時間を使えるようになり、SQLに慣れていないメンバーも、必要なデータを自分で引き出せるようになりました。
判断の材料が正しくなった
そして、分析できる人が増えたこと以上に大きかったのが、判断の中身そのものが変わったことでした。
——判断の面では、何が変わりましたか。
三谷様「媒体ごとにばらばらだった数字が、同じ基準で並ぶようになったことが大きいと感じています。どのセグメントの、どの媒体の、どのクリエイティブにいくら使い、どれだけ成果につながったのかを正確に把握できます。
そのため、予算配分の見直しや、キャンペーン・クリエイティブの改善といった判断を、より確かな数字に基づいて行えるようになりました。」
集計が速くなったこと以上に、判断の材料が正しくなったこと。それが、約4年間の取り組みでいちばん大きな変化でした。
6. 壁：数百件の設定し直しと、見送った評価モデル
順調に進んだ部分ばかりではありません。
——ここまでの道のりで、苦労した点はありますか。
三谷様「Fivetranの導入で、広告費のデータは自動で取り込めるようになりました。
ただ、クリエイティブ単位の細かい分析、つまり広告1本ごとにどれだけ表示され、そこから何件の応募につながったのかを見るには、媒体側のデータとジョブハウス側の応募データを正確に突き合わせる必要があります。
ところが、もともと広告に付けていた計測用のパラメータは、クリエイティブ単位で計測する設計になっていませんでした。2つのデータを自動で突き合わせるための識別子にもなっていなかったのです。」
——それを、どのように解決したのでしょうか。
三谷様「全媒体のパラメータのルールを作り直し、すべての広告を一つひとつ設定し直していきました。地味な作業ですが、避けては通れません。クリエイティブごとの作業なので、数百件の規模になります。
さすがに一人では終わらないため、スプレッドシートに全媒体のルールをまとめ、Meta広告はこの担当、Yahoo!広告はこの担当というように、媒体ごとの担当者に分担して一斉に書き換えてもらいました。」
数百件のパラメータを、媒体ごとの担当者で分担して一斉に書き換える。自動化の前段には、こうした手作業が必ず残ります。ここを飛ばすと、その後のクリエイティブ単位の分析がすべて成り立ちません。
検証して、やらないと決めたこと
もう一つ、検証したうえで見送った取り組みもあります。
三谷様「一時期、応募直前に接触した広告(ラストタッチ)だけでなく、最初に接触した広告(ファーストタッチ)も評価に含めるアトリビューション評価を、佐藤さんとかなり作り込んだことがあります。
ただ、ラストタッチだけの評価と比べて、媒体の評価に明確な差が出ませんでした。そのため、そちらに切り替えるまでには至りませんでした。」
時間をかけて検証した結果、期待した差は出ませんでした。そこで、評価の見直しは別の形で進めることにしています。
三谷様「現在は形を変えて、CRM経由の売上の一部を広告の評価に含める仕組みを、実際の運用に乗せています。」
——CRM経由の売上を広告の評価に含める、というのはどういうことでしょうか。
三谷様「私たちがCRMと呼んでいるのは、一度ジョブハウスに会員登録したことのある求職者に、こちらから改めてアプローチするチャネルです。メールマガジン、アプリ、LINE公式アカウント、キャリアアドバイザーとのコミュニケーションなどがこれに当たり、既存の求職者からのリピート売上につながっています。
以前は、広告経由の応募とCRM経由の応募を、それぞれ最後の接点(ラストタッチ)で別々に評価していました。ただ実際には、広告をきっかけに初めて応募した求職者が、しばらくしてからCRM経由で別の求人に応募する、という流れが少なくありません。CRM経由の売上は全体の数十%を占めているので、ここを広告と切り離して評価すると、広告の貢献を小さく見積もってしまいます。
そこで、広告経由で応募した求職者が、その後一定期間内にCRM経由で応募した場合は、その売上の一部を広告の成果として評価に含めるようにしました。ロジックの設計にはかなり時間をかけましたが、これで広告の費用対効果を、より実態に近い形で判断できるようになっています。」
やり込んだ末に見送った判断と、そこから形を変えて実装に至った仕組み。どちらも同じ検証プロセスの上にあります。
7. 現在地：BigQuery×AIで、毎朝レポートが届く
——5章でも触れていただいたとおり、最近はClaude(AI)もかなり活用されているそうですね。普段はどのように使われているのでしょうか。
三谷様「日々の定型的な確認は、ダッシュボードで行っています。私がClaudeを使うのは、そこからもう一歩踏み込んだ分析や、全体を俯瞰した分析をしたいときです。
BigQueryにClaudeをつないでいるので、蓄積されたデータをその場で直接抽出し、分析まで進められます。」
6章で触れた、苦労して整えたクリエイティブ単位のデータも、ここで生きています。
三谷様「今は、クリエイティブ単位のデータが自動で取り込まれ、BigQueryの中で応募データと突き合わされます。その結果をClaudeがまとめて、毎朝Slackにレポートとして届けてくれるところまで実現できています。
パラメータの設定し直しは大変でしたが、やって良かったと思っています。」
実際に毎朝届くレポート
——ほかのメンバーの方も使われているのでしょうか。
三谷様「使い方はメンバーによってさまざまですが、活用が進んでいるメンバーはかなり使い込んでいます。たとえば、リード獲得の広告を運用しているメンバーは、その周辺の分析に日常的に使っています。
定期的に見たい項目が出てきたときに、Claudeを使って集計の仕組みそのものを自分でつくってしまうメンバーもいます。」
現在は、役割の異なる3つの層が並行して回っています。
- ダッシュボード：毎日決まって確認する定型の指標
- 毎朝のSlackレポート：Claudeがまとめるクリエイティブ別の実績
- Claudeでの深掘り：その場の疑問に応じた、踏み込んだ分析
これらを使い分けることで、定常的なモニタリングから深い分析までを、チーム全体で回せる体制になっています。
8. これからやりたいこと
——今後、取り組んでいきたいテーマを教えてください。
三谷様「広告の入稿からクリエイティブの制作、分析まで、広告にまつわる一連のオペレーションを、ClaudeとBigQueryを活用して、よりシームレスに自動化していきたいと考えています。
あわせて、サイト内の行動データもより細かく取得し、広告で集客したあとのサイト内での動きまで、一貫して追えるようにしていきたいです。」
——自動化が進んだ先に、チームとしてはどのような状態を目指しているのでしょうか。
三谷様「手を動かすことよりも、考えることに時間を使える状態です。
また、広告運用はどうしても属人的になりがちなので、新しいメンバーが入っても同じ品質で運用できる仕組みを整え、チーム全体の底上げにつなげていきたいと考えています。」
——中村様は、事業全体の視点ではいかがでしょうか。
中村様「広告については、必要なデータがBigQueryに集まり、AIで分析できる状態になりました。次に取り組みたいのは、数字が変化したときに、その『理由』までAIが考えられるようにすることです。
たとえば応募数が急に落ちたとき、データを見れば『落ちた』ことは分かります。ただ、『なぜ落ちたのか』は、その時期にどんな施策を行ったか、求人の掲載状況がどう変わったかといった、データの外にある情報がないと分かりません。今は、そこを人が考えています。
こうした背景の情報もAIに渡せる形で整えておけば、原因の仮説までAIが出せるようになるはずです。そうなれば、広告だけでなく、営業やキャリアアドバイザーの業務にも同じ仕組みを広げていけると考えています。」
9. どんな企業に効果が出やすいか
——同じような取り組みが効果を発揮しやすいのは、どんな企業だと思われますか。
中村様「一つは、多くのチャネルで集客している会社です。チャネルが増えるほどデータは複雑になり、集計の手間もそのぶん増えていきます。私たちも、媒体を増やすたびに毎日の作業が膨らんでいきました。同じような状況にある会社ほど、効果は大きいと思います。
もう一つは、マーケティングの内製比率が高い会社です。代理店に任せるのではなく、自社で運用している割合が大きいところほど、日々のオペレーションを圧縮する効果が大きく出ると思います。」
Techouse様自身も、現在はデジタル広告の運用に代理店をほとんど使っていません。内製で多くの媒体を運用している体制だからこそ、集計と評価の自動化が大きな効果を生んだ事例と言えます。
10. 支援を振り返って
——長くご一緒させていただいていますが、率直なご感想をいただけますか。
中村様「データ基盤の立ち上げ段階から、どう進めるべきかという設計の部分も含めてご支援いただきました。最初にお願いしたとおり、外部の会社というよりチームの一員として動いていただけたことが大きかったと思います。
マーケティングチームが10名規模になった今も、精度高く業務を回せているのは、この基盤があるおかげです。今後とも、引き続きよろしくお願いいたします。」
三谷様「BigQueryは、もう業務と切り離せないものになっています。こうした基盤が組織の中にあること自体が強みになっていて、分析のスピードやチーム全体の底上げにもつながっていると感じます。
評価ロジックのように正解のないテーマも、佐藤さんと一緒に検証しながら形にできたのはありがたかったです。」
同じような課題をお持ちの方へ
INVOXでは、広告データを含む事業データの基盤構築を、設計から実装まで伴走する形でご支援しています。Techouse様の事例のように、まずは対象データを限定して小さく始めることも可能です。
