最近、とはいっても去年ですが、
GA4のMCPサーバーがリリースされました、
Claude Codeと連携すると、プロンプトで、
解析ができるとのことだったので、
試してみました。
■環境を構築するために必要なもの。
①Googleアナリティクスのアクセス権を用意
②Pythonのインストール
https://www.python.org/downloads/
③Google Cloud CLIをインストール
https://docs.cloud.google.com/sdk/docs/install-sdk?hl=ja
④Node.jsのインストール
https://nodejs.org/ja/download
⑤pipx のインストールは以下の通り、
Windowsのコマンドラインでインストールします。
①pip でインストール
py -m pip install --user pipx
②PATHを通す（重要)py -m pipx ensurepath
⑥Claude Code のインストール
curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd
※セットアップガイドはhttps://code.claude.com/docs/ja/setup
■ステップ1: OAuthクライアントIDの作成
Google Cloudの認証情報ページにアクセスします。
「認証情報を作成」から「OAuth クライアント ID」を選択します。
アプリケーションの種類は必ず「デスクトップ アプリ」を選んでください。
作成後、クライアントIDのJSONファイルをダウンロードします。このファイルは一度しかダウンロードできません！
■ステップ2: gcloud CLIでの認証
コマンドラインで下記を入力
gcloud auth application-default login \
--scopes https://www.googleapis.com/auth/analytics.readonly,https://www.googleapis.com/auth/cloud-platform \
--client-id-file=ここに先ほどダウンロードしたファイル名を記載.json
■ステップ３
Claude CodeとMCPを繋ぐ設定
ホームディレクトリにある「～.claude.json」を探す
通常ならCドライブ→ユーザー→パソコン名内にあるはずです。
内容を以下に書き換え。
{
“mcpServers”: {
“analytics-mcp”: {
“command”: “pipx”,
“args”: [
“run”,
“–spec”,
“git+https://github.com/googleanalytics/google-analytics-mcp.git”,
“google-analytics-mcp”
],
“env”: {
“GOOGLE_APPLICATION_CREDENTIALS”: “PATH_TO_ADC_JSON”
}
}
}
}
PATH_TO_ADC_JSONの部分は先ほど生成した、
.jsonファイルのパスを記入して、
コマンドラインで実行。
■ステップ４
コマンドラインで起動
claudeと入力すれば、Claude Codeが起動するはずです。
■実施する命令を入力
例：
プロパティ ID = 123456789 limit=100 offset=0 について、マーケティングチャネルごとのセッション、コンバージョン、コンバージョン率を分析して改善案を探してください。
とプロンプトを入力。
IDの部分はGoogleアナリティクスから拾ってきます。
途中なんどもYesかNoか聞かれるけど、
ぜんぶYesで進行します。
しばらくたつと、
下記のように簡易的な診断結果をだしてくれました。
改善案
優先度 高：今すぐ対処
- Paid Social — CVR 0%・直帰率 94.3% は危機的
- 563セッションで1件もコンバージョンなし
- 直帰率94%はほぼ全員が即離脱している状態
- 改善策: 広告クリエイティブとランディングページの内容の乖離を確認し、LP
を広告訴求に合わせて再設計するか、効果が出るまで予算を一時停止する
- Email — CVR 0.14%（全体平均 0.68% の 1/5 以下）
- ウォームオーディエンスのはずが最低水準のCVR
- 改善策: メール本文のCTA
と遷移先LPの訴求内容が一致しているか確認。件名・本文のパーソナライズ、配信タイミング、LPのファーストビュー改善を実施
- Unassigned — 直帰率 84.8% + トラッキング漏れ疑い
- 4,828セッションが未分類。UTMパラメータ未付与の流入が多い可能性
- 改善策: UTMタグの付与漏れを洗い出し、すべての広告・外部リンクに適切なパラメータを設定してチャネル分類を正確化する
優先度 中：投資対効果の最大化
- Paid Search — CVR 1.16%（最高）はスケールアップ余地あり
- 全チャネル最高CVRながらセッション構成比は11.3%に留まる
- 改善策: 検索クエリレポートで高CVRキーワードを特定し、入札予算を増額。Organic Search（CVR
0.76%）との重複キーワードを整理してROIを最大化
- Organic Search — 量・質ともに主力だが CVR を 1% 台へ引き上げる余地あり
- セッション50%を担うが直帰率は39.5%
- 改善策: 流入キーワードをCVR高/低でセグメントし、低CVRキーワードの LP
コンテンツを改善。購買意欲の高いキーワード（指名・比較・価格）ページを重点強化
- Organic Social — CVR 0.07%・直帰率 48%
- 流入は一定あるが全チャネル最低CVR
- 改善策: SNS投稿からの遷移先をトップページではなく商品・サービス詳細ページやLP
に変更。コンテンツと遷移先の一貫性を高める
優先度 低：育成・モニタリング
- Cross-network — 直帰率 24.5%（最低）で質は高い
- セッション数は少ないが、エンゲージメントは全チャネル最高水準
- 改善策: どのキャンペーン・広告から流入しているかを詳細確認し、成功パターンを他チャネルに横展開
- Referral — バランス良好（CVR 0.64%・直帰率 41.9%）
- 改善策: 流入元サイトを特定し、質の高いリファラル元とのパートナーシップ・掲載機会を拡大
なんとか無事に設定できてよかったです、
解析のたたきにはなるかなー。
しかしこの程度の分析でかなりトークンを使用してしまうのは難点ですね。
コメント