広告データを自分の手に取り戻す ── 中小企業がBigQuery × AIで広告効果測定基盤を作った話

2026年4月15日

「今月の広告費、何にいくら使って、何件問い合わせが来ましたか？」

この質問に即答できる中小企業の経営者は、かなり少ない。Google広告、Yahoo広告、Meta広告。媒体ごとにバラバラのレポートが月末にPDFで届いて、それをExcelに貼り直して、前月と比べて……。この作業だけで半日潰れる。

しかも、その数字が正しいのかどうか、確かめる術がない。

中小企業経営者の約75%が「広告代理店に不満を持ったことがある」という調査がある（PR TIMES - 株式会社GI調査、従業員20〜200名未満の経営者・役員110名対象）。不満の内訳は「金額の高さ」54.2%、「広告効果の悪さ」51.8%、「新しい提案があまりない」36.1%。レポートの内容が薄い（33.7%）という声も多い。一方で、広告会社の51%が「管理画面からExcelに手作業でまとめている」（SO Technologies / デジタルインファクト調査、2021年）。

代理店が手を抜いているとは思わない。ただ、構造的に「自分のお金で出した広告のデータを、自分ですぐ見られない」という状態は、経営リスクだ。

この記事は、とあるクライアントの広告運用を担当している筆者が、月5,000円でGoogle・Yahoo・Metaの3媒体を含む10以上のデータソースを一元管理する基盤を作った体験記。技術者ではない経営者やマーケ担当者に向けて、「何を使って」「いくらかかって」「どこでハマったか」を正直に書く。

商用ツールは中小企業には重い

広告データの一元管理ツールは、すでに市場にある。

AD EBiS: 月5万円〜（契約開始2年後から月10万円〜）（ebis.ne.jp）
アドレポ: 月3万円〜（ad-repo.com）
Databeat: 月5万円〜（data-be.at）

年間に換算すると36万〜120万円以上。大企業やEC事業者なら投資対効果が合う金額だろう。ただ、広告費が月50万〜200万円規模の中小企業にとっては、ツール代だけで広告費の数%〜20%を占めてしまう。

「データを横断的に見たい」という課題は本物。でも、その課題に年間数十万円〜100万円を払えるかというと、話は別だ。

BigQueryという選択肢

BigQueryは、Googleが提供するクラウド型のデータ分析基盤。ざっくり言うと「超巨大なExcel」のようなもので、何百万行のデータでも数秒で集計できる。

中小企業の広告運用に限って言えば、ほぼ無料で使える。

無料枠: 月1TBのデータ処理 + 10GBのデータ保存（Google Cloud公式）
中小企業3媒体の広告データなら、月のデータ量はせいぜい数GB
GA4（Googleアナリティクス）やGoogle広告は、管理画面から数クリックでBigQueryに自動連携できる
Looker Studio（Googleの無料BIツール）を使えば、SQLを書かなくてもグラフ化できる

「無料で巨大なExcelが手に入る」と聞くと怪しく感じるかもしれない。Googleのビジネスモデルを考えればわかる。BigQueryはGoogle Cloudの入り口であり、大規模に使えば課金されるプラットフォーム。中小企業規模の利用は、Googleにとっては「将来の大口顧客候補」を育てるための無料枠でしかない。

実際にやったこと

ここからが本題。

筆者はとあるクライアントの広告運用を担当している。Google広告・Yahoo広告・Meta広告の3媒体を代理店経由で運用し、こちらは閲覧権限を持っている状態。毎月のレポートは媒体ごとにバラバラで、「先月と比べてMeta広告のCPA（1件あたりの獲得コスト）は下がったのに、Google広告は上がった。トータルではどうなのか？」を確認するのに毎回30分以上かかっていた。

この「毎回30分」を消すために、BigQueryにデータを集約する基盤を作った。

Google広告の取り込み

Google広告はBigQueryとの相性がいい。Data Transfer Service（Googleが用意したデータ自動転送の仕組み）を設定するだけで、毎日自動的にキャンペーン・広告グループ・キーワードの実績データがBigQueryに流れてくる。設定は管理画面のウィザードに従うだけ。所要時間は30分ほど。

Yahoo広告の取り込み

Yahoo広告には、Googleのような自動連携の仕組みがない。そこでn8n（エヌエイトエヌ）という自動化ツールを使った。n8nはプログラミング不要の自動化プラットフォームで、「毎朝7時にYahoo広告のAPI（システム同士のデータ連携口）からデータを取得して、BigQueryに投入する」というワークフローを組んだ。

今回の構築では、基本的な表示回数やクリック数に加えて、インプレッションシェア（広告が表示できるチャンスのうち、実際に表示された割合）やランク損失率（広告の品質が原因で逃した表示機会）といった競合指標も取得している。

これが地味に大きい。「なぜ広告が表示されないのか」が、データで見えるようになった。

Meta広告の取り込み

Meta広告もn8nで取得。毎朝7:30に、キャンペーン・広告セット・広告の3階層でデータを引っ張ってくる。コンバージョン指標（リード数や購入数）、CPA、広告品質スコアも含めて取得した。

「3階層で取る」のがミソ。キャンペーン単位の合計だけだと「どの広告クリエイティブが効いているのか」が見えない。広告単位まで落とし込むことで、「この画像は反応がいいけど、あの動画はコストだけかかっている」と判断できる。

10以上のデータソースを集約

3つの広告媒体に加えて、以下のデータもBigQueryに統合した。

Instagram（投稿データ、リーチ、エンゲージメント）
Clarity（マイクロソフトが提供するUX分析ツール。ユーザーがサイト上でどう動いたかを記録する）
電話問い合わせデータ
フォーム送信データ

広告のクリック数だけ見ていても、「問い合わせにつながったのかどうか」がわからない。電話とフォームのデータを突き合わせることで、「Meta広告経由のクリックは多いが、問い合わせ率はGoogle広告の方が2倍高い」といった判断が初めてできるようになる。

AIコーディングツールが変えたこと

ここまで読んで「いや、APIとかn8nとか、結局エンジニアの仕事じゃないか」と思った人もいると思う。正直、2年前なら間違いなくそうだった。

今回の構築は、ほぼすべてClaude Code（Anthropic社が提供するAIコーディングツール）を使って行った。MIT Technology Reviewが選ぶ2026年の10大ブレークスルーに「ジェネレーティブコーディング」（AIと対話しながらプログラムを作る手法。俗に「バイブコーディング」とも呼ばれる）が選ばれている。非エンジニアがAIの力を借りてシステムを構築するハードルが、大きく下がった年だと感じている。

具体的にどうやったか。

「Yahoo広告のAPIからインプレッションシェアのデータを取って、BigQueryのテーブルに入れて」と日本語で指示する。Claude Codeがコードを生成し、APIに接続し、テーブルを作成し、データを投入する。途中でエラーが出れば、エラーメッセージを解析して自分で修正する。

Meta広告の3テーブル構築 + 過去データの遡及取得で約半日。Yahoo広告の競合指標追加で約2時間。Google系のネイティブ連携設定に約2週間。その後、n8nによる外部媒体の連携を約1ヶ月かけて追加し、10データソース全体の基盤が形になった。合計で約1.5ヶ月。

1.5ヶ月と聞くと長く感じるかもしれない。ただ、同じことをシステム開発会社に外注すれば、見積もりだけで2週間。開発に2〜3ヶ月。費用は数百万円だろう。

一点、はっきり書いておく。AIは実行力を劇的に加速させる。n8nのワークフローを組む、APIの仕様を調べる、エラーを直す。こうした「手を動かす作業」の速度は人間の10倍になる。ただし、「何のデータを取るべきか」「なぜそのデータが必要なのか」を決めるのは人間の仕事だ。方向性が間違っていれば、10倍速で間違った場所にたどり着くだけ。

ハマったこと

きれいごとばかり書いても仕方ないので、つまずいたポイントも正直に書く。

APIのフィールド名が想定と違う。 Yahoo広告のインプレッションシェアを取得する際、データ項目の名前が「IMPS_SHARE」だと思って指示したら通らない。正解は「IMPRESSION_SHARE」だった。Claude Codeがエラーログを読んで「このフィールド名ではないですか？」と提案してくれたので助かった。が、AI任せで放置していたら気づかなかったかもしれない。

取りたい指標がAPI仕様上取れない。 Yahoo広告のインプレッションシェア損失率（予算）は、広告グループ単位では取得できず、キャンペーン単位でしか返ってこない。クリックシェアに至っては、Yahoo広告のAPIにそもそも存在しなかった。Meta広告のコンバージョン指標（リード数など）は、テーブルに項目を用意しても、Meta Pixel側のイベント設定が完了していなければ値は0のまま。API側の制約とプラットフォーム側の設定、両方を確認する必要がある。

Google広告はAPI権限の壁がある。 代理店がMCC（統合管理アカウント）を持っていて、こちらには閲覧権限しかない場合、APIで直接データを引けないケースがある。ここは代理店に「BigQueryへのData Transfer Serviceを設定させてほしい」と交渉する必要があった。

つまり、「全部自動化できます」とは言えない。筆者の環境でも、Google広告の一部指標はAPI権限の問題で取得保留中だし、Meta広告のコンバージョンデータはPixel設定が完了するまで空のままだ。代理店との協力関係は、データ基盤を作った後も変わらず必要。むしろ「データを見た上で、代理店と具体的な改善議論ができるようになった」というのが正確な表現。