広告データ分析基盤をBigQueryで作る｜Google・Yahoo・Meta広告を集約した実例

公開: 2026年4月15日更新: 2026年10月26日約15分で読めます

広告データ分析基盤とは、Google広告・Yahoo広告・Meta広告など媒体ごとに分かれた実績データを1か所に毎日自動で集め、媒体をまたいで費用・クリック・問い合わせを比べられるようにする仕組みのことだ。この記事では、BigQueryを集約先にして、3媒体を含む10以上のデータソースをまとめた実例を書く。ランニングコストは、別の業務にも使っているClaude Codeの利用料（月100ドル）を除いた、広告データ基盤の分だけで月4,200円ほどだった。構築と保守にかかる自分の作業時間は含めていない。

「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、2023年1月実施、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。

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4,200円ほどで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。

自社の広告データを、実は自分たちで握れていない。代理店の管理画面を覗くしかなく、生の数字は手元にない。この状態は、判断の主導権を外に預けているのと同じだ。

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〜（比較サイトの掲載値。計測量に応じて変わるため詳細は要問い合わせ）（ebis.ne.jp）
アドレポ: 要問い合わせ（ad-repo.com）
Databeat: 月5万円〜（data-be.at）

月5万円〜で年間に換算すると、60万円以上。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。作業そのものは30分ほどだ（代理店から権限をもらうまでの調整を含めると、Google系の連携には約2週間かかった）。

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（入札額や広告の品質で決まる広告ランクが足りず、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。費用もそれなりにかかるはずだ（見積もりを取ったわけではない）。

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」は、自分でやるより格段に速く進んだ。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、速く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。

かかったコスト

月額ランニングコストを並べる。

BigQuery: 実質0円（無料枠の範囲内）
n8n（自動化ツール）: 約4,200円（月額24ユーロを2026年10月の為替で換算。年払いなら月20ユーロ）
Claude Code: 約15,000円（月100ドル、Max plan。広告データ基盤以外にも業務全般で使用）

広告データ基盤だけに限れば、月4,200円ほど。年間約5万円。

商用ツールの年間60万円以上と比べると、1桁安い。代わりに「自分で設計して、自分で運用する」という手間がかかる。この手間を許容できるかどうかが、判断の分かれ目になる。

中小企業こそデータを持つべき理由

「データは21世紀の石油」というフレーズが流行ってだいぶ経つ。ただ、月50万〜200万円の広告費を使っている中小企業にとって、最も身近な「データ資産」は自社の広告データだ。毎月お金を払って生み出しているのに、自分ではすぐに見られない。代理店のレポートを待つしかない。

年間数十万〜100万円以上のツール代を払うか、月4,000円で自前構築するか。二択ではない。

まずはGA4とBigQueryの連携から始めればいい。Google Cloudの管理画面から数クリック。費用は0円。これだけで、自社サイトのアクセスデータがBigQueryに蓄積され始める。そこから先は、必要になったタイミングで広告データを足していけばいい。

「代理店に任せる」ことと「自分でもデータを見る」ことは、矛盾しない。むしろ、自分でデータを見ているからこそ、代理店に「この広告グループのCPAが先週から1.5倍になっているけど、何が起きていますか？」と聞ける。根拠のある質問は、根拠のある回答を引き出す。

AIの力を借りれば、エンジニアを雇わなくてもデータ基盤は作れる時代になった。完璧じゃなくていい。まず自分のデータを、自分の手元に置くこと。その第一歩は、思ったより簡単だ。

よくある質問

Q. 広告データ分析基盤とは何ですか？

媒体ごとに分かれた広告の実績データを1か所に自動で集め、媒体をまたいで比べられるようにする仕組みだ。この記事の例では、Google広告・Yahoo広告・Meta広告を含む10以上のデータソースをBigQueryに毎日集めている。

Q. BigQueryで広告データ分析基盤を作ると費用はいくらかかりますか？

この記事の構成では、BigQueryは無料枠（月1TBの処理と10GBの保存）の範囲に収まり実質0円、自動化ツールのn8nが月24ユーロ（2026年10月の為替で約4,200円）で、広告データ基盤の分は月4,200円ほどだった（別用途と兼用しているClaude Codeの利用料は除く）。データ量や使うツールによって変わる。

Q. プログラミングができなくても作れますか？

Google広告とGA4は管理画面の設定だけでBigQueryに自動連携できる。Yahoo広告とMeta広告はAPIからの取り込みが必要で、この記事ではn8nとAIコーディングツールを使って組んだ。代理店経由で運用している場合は、APIの権限を代理店と調整する必要がある。

広告データを自分の手に取り戻す、という話の本質は、意思決定の主導権を社内に戻すことにある。生の数字が手元にあれば、代理店の見せ方に依存せず、自分たちの視点で切り分けられる。どこにお金を使うのが効いているか、その判断を人任せにしなくて済む。データを集める基盤を作るのは面倒だが、一度組めばあとは自動で溜まる。これはワークフロー自動化の中でも投資対効果が読みやすいところだ。まずは現在地を知るだけで十分。無料の診断（6問・約1分）で、どの業務からAIに任せられるかの目安がその場で出る。

自動化の現在地を診断する（無料・6問・約1分）