GA4ランディングページのSQLをAIに書かせて検算:入口で変わる順位

GA4 のランディングページ別のセッション数と購入率を出す SQL を AI に書かせ、公開サンプル 1 か月分で検算しました。入口を session_start で決めると 7〜10 位が入れ替わります。質問文に書く入口の定義も紹介します。

20分で読めます Data
セッションの枠ごとに先頭の青い四角を入口として扉の形へ集め、右の順位の札 2 枚が入れ替わる様子を虫めがねで確かめている抽象図
この記事は AI が下書きを補助し、運営者が内容を確認して公開しています。

GA4 のランディングページのレポートを毎月見ていて、同じ数字を BigQuery で出す SQL を AI に書かせている方向けの記事です。ランディングページ別の集計を AI に頼み、返った SQL を公開サンプルで検算して、入口の決め方で順位と購入率がどれだけ変わるかを確かめました。読み終わると、AI の SQL がどう入口を決めたかを見分け、質問文で数え方をそろえられるようになります。

この記事で分かること

  • AI にランディングページ別のセッション数を頼んだ時、入口をどう決める SQL が返ったか
  • 入口の決め方(最初の page_view、session_start、entrances)で、上位 10 ページの順位と購入率がどれだけ変わるか
  • 質問文に何を書けば、AI の SQL の数え方がそろうか

ざっくり結論:今回の 1 回の答えでは、決め方を書かないと AI は session_start を選んだ

AI(Claude Sonnet 5.5)に質問文を 3 通り渡し、返った SQL を公開サンプルの 2020 年 12 月分で実行しました(筆者が実行した問い合わせ)。AI は、この記事の調査を担当したのと同じモデルで、質問文ごとに 1 回だけ答えを書かせました。そのため、ここでの AI の振る舞いは今回の 1 回の答えの結果で、いつも同じ答えが返るとは限りません。

決め方を書かない質問文では、今回の AI は session_start のページを入口にし、トップページ(/)を 53,084 セッションと数えました。最初の page_view で数えた 50,915 より 2,169 多い値です。筆者が session_start で入口を決めた検算では、上位 10 ページのうち 7〜10 位の 4 ページの順位も入れ替わりました。

「セッションで最初に表示されたページ」と書いた質問文では、AI の SQL の上位 5 ページのセッション数が検算と一致しました。AI の SQL で出した入口のページの順位を施策の優先順位に使う前に、SQL が入口をどのイベントで決めたかを必ず確かめてください。

GA4 のランディングページの定義と、エクスポートの形

GA4 のディメンション「ランディング ページ」は、「セッションの最初のページビューに関連付けられたページパス」と定義されています(GA4 ディメンションと指標のヘルプ)。ランディング ページ レポートもセッション単位で、同じユーザーが 2 回訪問すると 2 つのランディングページとして数えます(ランディング ページ レポートのヘルプ)。

BigQuery エクスポート(GA4 のイベントを BigQuery の表に書き出す機能)では、1 行が 1 件のイベントです。URL は event_params(イベントの付加情報を key と value で持つ列)の page_location に入り、ランディングページ専用の列はスキーマの説明にありません(BigQuery Export スキーマのヘルプ)。

そのため、SQL を書く人が「どの行を入口とみなすか」を決める必要があります。セッションの区切りには、session_start イベント(セッションの開始時に自動で記録されるイベント)が作る ga_session_id を使います(セッションのヘルプ)。

1 つのセッションのイベントを時刻順に並べ、page_view だけから最初の 1 件を入口に選び、page_view が無ければ入口なしになる流れ図

図 1 のとおり、公式の定義に合わせるなら、セッションごとに page_view だけを時刻順に並べて先頭を取ります。公式のクエリ例も、page_view をセッションの中で時刻順に並べる形です(BigQuery の基本的なクエリ)。

使ったデータ:GA4 公開サンプルの 2020 年 12 月

使ったのは BigQuery の公開データセット ga4_obfuscated_sample_ecommerce で、Google Merchandise Store のイベントを難読化したサンプルです(サンプル データセットの説明)。2020 年 12 月分に絞り、次の数え方にそろえました。

  • セッション: user_pseudo_id(ブラウザごとの識別子)と ga_session_id の組。この月は 133,368 件
  • ページ: URL からクエリ文字列(? より後ろ)を除いたパス
  • 購入率: purchase が 1 件以上あるセッション ÷ セッション数

AI に渡した 3 通りの質問文と、返ってきた SQL

質問文 1 は session_start を入口にして定義と違い、質問文 2 と 3 は最初の page_view を入口にして上位 5 ページのセッション数が検算と一致したことを縦に並べた比較図

図 2 は、質問文ごとに AI が選んだ入口の決め方と、上位 5 ページのセッション数が検算と一致したかをまとめたものです。

質問文 1:入口の決め方を書かない

GA4 の BigQuery エクスポートで、ランディングページ別のセッション数と購入率を出す SQL を書いてください。
対象は bigquery-public-data.ga4_obfuscated_sample_ecommerce の 2020 年 12 月です。
ページは URL のパス(? より後ろは除く)で集計し、上位 10 件を出してください。

返った SQL は session_start の行の page_location を入口にしていて、選んだ理由の説明はありませんでした(入口の部分だけ抜粋)。誤りというより、公式の定義と違う決め方を説明なしで選んだ形です。

FROM `bigquery-public-data.ga4_obfuscated_sample_ecommerce.events_202012*`
WHERE event_name = 'session_start'  -- この行の page_location を入口にする

質問文 2:「最初に表示されたページ」と書く

質問文 1 に、「ランディングページはセッションで最初に表示されたページ、つまり時刻が最も早い page_view のページ」と、セッションの単位と購入率の定義を足しました。返った SQL は page_view の行だけに絞り、セッションごとに時刻順に並べて先頭を取る形です。

ARRAY_AGG(page_path ORDER BY event_timestamp LIMIT 1)[OFFSET(0)] AS landing_page

先に page_view の行だけに絞るため、page_view が無いセッションは黙って外れます。

質問文 3:入口が決まらないセッションも出す

質問文 2 に「page_view が無く入口が決まらないセッションは、『入口なし』の行にまとめて件数を出してください」と足しました。返った SQL は全イベントを使い、入口が無いセッションも残す形です。

ARRAY_AGG(IF(event_name = 'page_view', page_path, NULL) IGNORE NULLS
  ORDER BY event_timestamp LIMIT 1)[SAFE_OFFSET(0)] AS landing_page
-- 集計の時に IFNULL(landing_page, '(入口なし: page_view が無いセッション)')

3 通りの検算 SQL と、上位 10 ページの比較

AI の答えとは別に、筆者が検算の SQL を組みました。

記号入口の決め方単位
a最初の page_viewセッション
bsession_start のページセッション
cpage_view を全部数えるページ表示
dentrances=1 の page_viewセッション

c は入口ではなく全ページ表示を数える、筆者がわざと組んだ誤りの形で、AI の答えではありません。d の entrances(page_view に付くパラメータ)は、公開サンプルに 123,973 件あり、すべて値 1 の page_view でした。

a と b:6 位までは同じで、7〜10 位が入れ替わる

スマホでも読めるように、a と b を 2 つの表に分けました。どちらも a の順位の順にページを並べています。

a(最初の page_view を入口にした検算):

ページセッション購入率順位
トップ50,9152.26%1
Apparel17,3150.33%2
Dino Tee10,3750.01%3
YouTube9,2970.32%4
store5,9601.19%5
Mens Tee2,3190.86%6
signin1,6192.72%7
Mens1,5014.46%8
Brand Google1,4065.97%9
Drinkware1,3481.71%10

b(session_start のページを入口にした検算):

ページセッション購入率順位
トップ53,0692.17%1
Apparel17,6030.33%2
Dino Tee10,4360.01%3
YouTube9,5390.39%4
store6,2600.69%5
Mens Tee2,3650.85%6
signin1,4991.93%10
Mens1,9653.21%7
Brand Google1,6265.29%8
Drinkware1,5111.32%9

ページ名は縮めています。トップは /、store と signin は /store.html と /signin.html、残りは /Google+Redesign/ の下のパスです(例: Mens は Apparel/Mens)。

b ではほとんどのページでセッション数が多く、購入率は低めに出ました。/store.html の購入率は a で 1.19%、b で 0.69% と約 0.5 ポイント違います。

筆者が差を計算すると、Mens は b で 464 セッション(30.9%)多く、購入率は 1.25 ポイント低くなりました。入口の上位 10 ページを下位まで施策に使うなら、入口を最初の page_view で決めた SQL かどうかを先に確かめてください。

a と c:全部数えると、順位が同じなのはトップだけ

上位 5 ページについて、最初の page_view・session_start・page_view を全部数える形の 3 通りの件数を並べ、全部数える形だけが大きく膨らむ横棒グラフ

ページa セッションc 表示数a 順位c 順位
トップ50,91582,08411
Apparel17,31528,57523
Dino Tee10,37511,71139
YouTube9,29713,76748
store5,96027,78554

図 3 のとおり、c だけが大きく膨らみ、トップはセッションで数えた値の約 1.6 倍でした。a の上位 10 ページのうち、c でも同じ順位なのはトップだけです。c の 2 位には /basket.html(カート)が 30,844 件で入りましたが、入口として数えると 1,326 セッションで 11 位でした。

a と d:entrances はほぼ同じ結果

d は上位 10 ページの順位が a とすべて同じで、セッション数の差は最大でもトップの 44 件でした。entrances=1 の 123,973 件と、a で入口が決まった 123,943 セッションの差も 30 件です(筆者計算)。

AI の SQL の検算:どれと一致したか

AI の 3 本の SQL を実行し、上位 5 ページのセッション数を検算と並べました。SQL 3 の上位 5 ページのセッション数は SQL 2 と同じでした。

ページSQL 1SQL 2検算 a検算 b
トップ53,08450,91550,91553,069
Apparel17,60317,31517,31517,603
Dino Tee10,43710,37510,37510,436
YouTube9,5409,2979,2979,539
store6,2615,9605,9606,260

SQL 2 の上位 5 ページのセッション数は、検算 a と一致しました。筆者が記録したのは上位 5 ページのセッション数だけで、購入率と 6〜10 位の値は突き合わせていません。SQL 3 も、確かめたのは上位 5 ページと「入口なし」の行だけです。

SQL 1 は検算 b に近いものの、トップは 15 多くなりました。session_start の行をそのまま数えるため、session_start が 2 件以上あるセッション(38 件)を重ねて数えたからです。

SQL 3 では「入口なし」の行が 9,425 セッションで出て、YouTube(9,297)を上回る 4 位に入りました。SQL 2 では、同じ 9,425 セッションが表に出ないまま消えています。

差が出た理由:入口が決まらないセッションと、ページの食い違い

全セッションの 7% は page_view が無い

全 133,368 セッションを、page_view と session_start の両方あり・page_view だけ・session_start だけ・どちらも無いの 4 つに分けた件数の横棒グラフ

区分セッション数
両方あり122,489
page_view だけ1,454
session_start だけ9,304
どちらも無い121
合計133,368

図 4 のとおり、page_view が 1 件も無いセッションは 9,304 + 121 = 9,425 件(7.07%)で、購入のあるセッションは 0 件でした。一方、ga_session_id が無いイベントは 1,612,725 件中 0 件で、ID が無くて入口が決まらない例はこのサンプルにありませんでした。

ただし Measurement Protocol(サーバーから GA4 にイベントを送る仕組み)由来のイベントには、セッション ID が自動で付かないとヘルプにあります。

b の数字がずれる 2 つの仕組み

b で数字がずれた理由は、次の 2 つと考えられます。

  1. session_start だけあるセッション(9,304 件)は、session_start にページが記録されていれば b で入口を持ちます。購入 0 件のセッションが分母に加わるので、購入率が下がります
  2. 最初の page_view と session_start でページが違うセッションが 2,997 件あり、購入したセッションの入口が別のページに移ります

筆者が「セッション数 × 購入率」から購入セッション数を逆算すると、トップは a で約 1,151、b で約 1,152 とほぼ同じで、分母だけが増えた形でした。/store.html は約 71 から約 43 に減っており、購入したセッションの入口が別のページに移ったと考えられます。

ページごとに 2 つの仕組みが何件ずつ効いたかは、今回は確認できませんでした。

質問文に書くとよい項目

ランディングページの集計を AI に頼む時は、次の 4 点を質問文に書くことを提案します。どれも今回の質問文 2・3 に書いた項目で、その SQL の上位 5 ページのセッション数が検算と一致しました。

書く項目書き方の例
入口の決め方時刻が最も早い page_view
セッションの単位user_pseudo_id と ID の組
購入率の定義購入が 1 回以上のセッションの割合
入口が無いセッション入口なしの行で件数を出す

返った SQL は、ページ別の合計と「入口なし」の和が全セッション数に合うかを見ると、取りこぼしに気付けます。検算の進め方は、GA4 の SQL をセッション数・ユーザー数・購入率で検算した記事や、エンゲージメント率の定義の違いを検算した記事でも紹介しています。

つまずきやすい点

ページ表示の数とセッションの数を取り違える

ページ別のセッション数を page_view の件数で数える形が、いちばん大きくずれます。今回はトップで約 1.6 倍になり、カートのページが 2 位に浮かびました。SQL の集計の行が page_view の行のままなら、ランディングページ別のセッション数ではなくページ表示数として読んでください。

行が増えて数字が膨らむ別の例は、GA4 の商品別売上を AI に書かせて検算した記事で紹介しています。

GA4 の画面とは突き合わせていない

公開サンプルには GA4 の画面が無いため、今回の数字を画面のレポートとは比べていません。画面のセッション数は推定の方法で数えるため、BigQuery とわずかに差が出ることがあるとセッションのヘルプにあります。自社のデータでは、a と b の両方を画面の値と並べてください。

結果は 1 か月・1 回分

対象は 2020 年 12 月だけで、ほかの月や実際のサイトで差の大きさが同じとは限りません。AI の答えは、この記事の調査を担当したのと同じモデルに 1 回ずつ書かせたもので、別の回で同じ SQL が返るとは限りません。

まとめ

  • 入口の決め方を書かない質問文では、今回の 1 回の答えで AI は説明なしに session_start を入口にしました。session_start で決めた検算を公式の定義(最初のページビュー)と比べると、7〜10 位の 4 ページが入れ替わり、/store.html の購入率は 0.5 ポイント違いました。
  • 「セッションで最初に表示されたページ」と書くと、AI の SQL の上位 5 ページのセッション数は検算と一致しました。ただし page_view が無い 9,425 セッション(7.07%)は、「入口なし」の行を頼まないと消えます。
  • page_view を全部数える形では、上位 10 ページのうち順位が同じなのはトップだけでした。質問文には入口の決め方と入口が無いセッションの扱いを書き、返った SQL は検算で確かめます。

次にやること

ランディングページの数字の見せ方は、ダッシュボードの一覧で、このサイトが公開データから作った例をご覧ください。AI が書いた SQL が狙った入口の決め方で数えているかを第三者の目で確かめたい場合は、BigQuery SQL レビューパックもご利用いただけます。

参考にした一次情報

いずれも 2026-11-16 に確認しました。