looker-studio

Looker Studio（Google Data Studio）

Looker Studio に関するエキスパートレベルのガイダンスです。ダッシュボードの構築、データソースへの接続、ビジュアライゼーションの設計、自動化されたマーケティングレポートの作成について説明します。

インストール

git clone https://github.com/thatrebeccarae/claude-marketing.git && cp -r claude-marketing/skills/looker-studio ~/.claude/skills/

主な機能

ダッシュボードの設計

• レイアウトと視覚的階層のベストプラクティス
• エグゼクティブサマリーと詳細な運用ダッシュボード
• モバイル対応のレポート設計
• インタラクティブなコントロール：日付範囲セレクター、フィルター、ドリルダウン
• テーマとカラーパレットを使った一貫性のあるスタイル設定

データソースとコネクタ

• ネイティブ（無料）：Google Analytics 4、Google Ads、Google Sheets、BigQuery、Search Console、YouTube Analytics
• パートナーコネクタ：Facebook Ads、Microsoft Ads、LinkedIn Ads、HubSpot、Salesforce、Shopify、Klaviyo、Semrush
• コミュニティコネクタ：数百のサードパーティ製データソース
• データのブレンド：共通のディメンションを使って複数のソースを結合
• カスタムクエリ：BigQuery SQL、データソースとしての Google Sheets の数式

計算フィールドと指標

• 正規表現に基づくフィールド作成（REGEXP_MATCH、REGEXP_REPLACE、REGEXP_EXTRACT）
• カスタムのグループ化や分類に使う CASE ステートメント
• 期間ごとの比較に使う日付関数
• 集計（SUM、AVG、COUNT_DISTINCT、MEDIAN）
• ソース間でのブレンドフィールド計算

数式の構文ルール

• コメントは使用できません — Looker Studio の数式は --、//、/* */ 形式のコメントをサポートしていません。数式にコメントを含めないでください。補足情報はフィールドの説明に追加してください。
• 単純なケースではインラインフラグを使用しないでください — 可能な場合は、正規表現より CONTAINS_TEXT()、LOWER()、または完全一致を優先してください。
• RE2 正規表現エンジン — 大文字と小文字を区別しない検索には (?i) をサポートしますが、先読みと後読みはサポートしていません。
• 文字列のエスケープ — 文字列リテラル内の正規表現パターンで、バックスラッシュを文字として扱うには \\ を使用してください（例：空白には "\\s"、縦棒を文字として扱うには "\\|"）。

レポートの自動化

• メールの定期配信（PDF スナップショット）
• ウェブサイトやポータルへのレポートの埋め込み
• クライアント拡大に向けたテンプレートレポート
• データの鮮度の監視

ユースケース別ダッシュボードテンプレート

マーケティングパフォーマンスダッシュボード

Page 1: Executive Summary
|- KPI scorecards (Revenue, ROAS, CPA, Spend, Conversions)
|- Period-over-period trend lines
|- Channel performance table (sortable)
|- Budget pacing gauge chart

Page 2: Paid Media Deep-Dive
|- Google Ads performance (campaign breakdown)
|- Meta Ads performance (campaign breakdown)
|- Microsoft Ads performance
|- Cross-channel spend allocation (pie/donut)
|- CPA trend by channel (combo chart)

Page 3: SEO & Organic
|- Google Search Console: impressions, clicks, CTR, position
|- Top queries table
|- Page-level performance
|- Organic landing page engagement (from GA4)

Page 4: Email & CRM
|- Email campaign metrics (opens, clicks, revenue)
|- List growth trend
|- Flow/automation revenue
|- Subscriber engagement tiers

Page 5: Conversion Funnel
|- Funnel visualization (awareness -> consideration -> conversion)
|- Landing page performance table
|- Device breakdown
|- Geographic heatmap

E コマースダッシュボード

Page 1: Revenue Overview
|- Revenue, Orders, AOV, Conversion Rate scorecards
|- Revenue trend (daily/weekly)
|- Revenue by channel
|- Top products table

Page 2: Customer Acquisition
|- New vs returning customer revenue
|- CAC by channel
|- LTV:CAC ratio
|- First-order source attribution

SEO ダッシュボード

Page 1: Organic Performance
|- Total clicks, impressions, CTR, avg position
|- Trend lines (90-day)
|- Top 20 queries (with position change)
|- Top landing pages
|- Device + country breakdown

主なビジュアライゼーションのガイドライン

データ型	最適なグラフ	避けるもの
比較を伴う KPI	差分付きスコアカード	円グラフ
時系列の傾向	折れ線グラフまたは面グラフ	棒グラフ（期間が7つを超える場合）
カテゴリの比較	横棒グラフ	3D グラフ
全体に占める割合	積み上げ棒グラフまたはドーナツグラフ	スライスが6つを超える円グラフ
分布	ヒストグラムまたはヒートマップ	相関を示さない散布図
地理情報	地図またはヒートマップ	位置データのテーブル
ファネル	カスタムファネル（図形）	棒グラフ
表形式データ	ヒートマップバー付きテーブル	並べ替えられていないテーブル

ワークフロー：ダッシュボードの構築

Looker Studio のダッシュボードを作成するよう依頼された場合：

1. 目的を定義する — 誰が閲覧しますか？どのくらいの頻度で閲覧しますか？どのような意思決定に役立てますか？
2. データソースを特定する — 必要なプラットフォームやコネクタは何ですか？データのブレンドは必要ですか？
3. KPI フレームワークを設計する — 主要指標、副次指標、診断指標
4. レイアウトを計画する — ページ構成、視覚的階層、インタラクティブ性
5. 計算フィールドを作成する — カスタム指標、CASE によるグループ化、正規表現による変換
6. ビジュアライゼーションを構築する — データ型に合ったグラフの種類、一貫性のある書式設定
7. コントロールを追加する — 日付範囲、フィルター、ドリルダウンのパラメーター
8. スタイルを整えて仕上げる — テーマ、色、フォント、ロゴ、余白
9. テストして検証する — 数値をソースプラットフォームと照合する
10. 配信を設定する — メールの定期配信、共有権限、埋め込み

計算フィールドのレシピ

期間ごとの比較

CASE
  WHEN date_field >= DATE_DIFF(TODAY(), INTERVAL 30 DAY) THEN "Current Period"
  WHEN date_field >= DATE_DIFF(TODAY(), INTERVAL 60 DAY) THEN "Previous Period"
  ELSE "Older"
END

チャネルのグループ化（カスタム）

CASE
  WHEN REGEXP_MATCH(source_medium, "google.*cpc|google.*paid") THEN "Google Ads"
  WHEN REGEXP_MATCH(source_medium, "facebook|fb|meta|instagram") THEN "Meta Ads"
  WHEN REGEXP_MATCH(source_medium, "bing.*cpc|microsoft") THEN "Microsoft Ads"
  WHEN REGEXP_MATCH(source_medium, "email|klaviyo|braze") THEN "Email"
  WHEN source_medium = "organic" THEN "Organic Search"
  WHEN REGEXP_MATCH(source_medium, "social") THEN "Organic Social"
  ELSE "Other"
END

ROAS の計算

SUM(revenue) / SUM(cost)

このスキルの使い方

次のような質問をしてください：

• 「Looker Studioでマーケティングパフォーマンスダッシュボードを作成して」
• 「Facebook AdsのデータをLooker Studioに接続するにはどうすればよいですか？」
• 「カスタムチャネルグループ用の計算フィールドを作成して」
• 「KPIスコアカードを使ったエグゼクティブサマリーページを設計して」
• 「Google AdsとGA4のデータを統合するにはどうすればよいですか？」
• 「Search Consoleのデータを使ってSEOダッシュボードを作成して」
• 「期間ごとの比較を表示する最適な方法は何ですか？」
• 「クライアント向けのメールレポートを自動化する設定を手伝って」

Looker Studioの関数リファレンス、コネクタの設定ガイド、高度なテクニックについて詳しくは、REFERENCE.md を参照してください。

---

DTC ダッシュボードのレシピ

Klaviyo + Shopify + GA4を利用するDTC eコマースチーム向けに設計されたダッシュボードテンプレートです。

1. CRM パフォーマンスダッシュボード

Klaviyoのデータを使って、メールおよびSMSマーケティングの効果を追跡します。

Page 1: Email & SMS Overview
|- Scorecards: Total Revenue, Flow Revenue %, Campaign Revenue %, List Size
|- Revenue trend: flows vs campaigns over time (area chart)
|- Channel split: email vs SMS revenue (stacked bar)
|- Engagement tiers donut: Active / Warm / At-Risk / Lapsed

Page 2: Flow Performance
|- Flow revenue table (sortable by revenue, click rate)
|- Welcome Series funnel (sent -> opened -> clicked -> converted)
|- Abandoned Cart recovery rate trend
|- Flow-over-flow comparison (combo chart)

Page 3: Campaign Performance
|- Campaign table: send date, subject, open rate, click rate, revenue
|- A/B test results (winner highlighting)
|- Send time heatmap (day of week x hour)
|- Unsubscribe rate trend

データソース：Google Sheets（data_pipeline.py --action sync-klaviyo からデータを取得）

2. ライフサイクルマーケティングダッシュボード

カスタマージャーニー全体にわたるフローのパフォーマンスを可視化します。

Page 1: Journey Overview
|- Stage funnel: Prospect -> New Customer -> Active -> VIP -> At-Risk -> Lapsed
|- Revenue by stage (horizontal bar)
|- Stage transition rates

Page 2: Stage Deep-Dive
|- Filter control: select lifecycle stage
|- Flow performance for selected stage
|- Customer count trend per stage
|- Revenue per customer by stage (combo chart)

3. 売上貢献分析ダッシュボード

Klaviyoに帰属する売上とShopifyの実績を照合します。

Page 1: Attribution Overview
|- Scorecards: Shopify Revenue, Klaviyo Attributed, Attribution %, Gap
|- Daily revenue: Shopify total vs Klaviyo attributed (dual axis)
|- Channel breakdown: Email, SMS, Flows, Campaigns (stacked bar)
|- Attribution gap trend line

Page 2: Channel Detail
|- Channel performance table (Klaviyo revenue per channel)
|- Shopify source breakdown (UTM-based)
|- Overlap analysis notes

データソース：統合データ — Shopifyの注文シート + Klaviyoの売上シート

4. キャンペーンROIトラッカー

A/Bテストの分析情報を含む、キャンペーン単位のROIです。

Page 1: Campaign Scorecard
|- Filter: date range, campaign type, channel
|- Campaign table with conditional formatting (green/red on benchmarks)
|- Revenue per recipient trend
|- Best-performing subject lines (top 10)

Page 2: Send Optimization
|- Send time analysis (heatmap: day x hour)
|- Audience size vs performance scatter
|- Frequency analysis: sends per subscriber per month

DTC 計算フィールドライブラリ

Looker Studioでよく使うDTC指標の数式をコピーして貼り付けられます。

顧客生涯価値（LTV）

SUM(total_revenue) / COUNT_DISTINCT(customer_email)

顧客獲得単価（CAC）

SUM(ad_spend) / COUNT_DISTINCT(CASE WHEN order_number = 1 THEN customer_email ELSE NULL END)

LTV:CAC 比率

(SUM(total_revenue) / COUNT_DISTINCT(customer_email)) / (SUM(ad_spend) / COUNT_DISTINCT(new_customer_email))

リピート購入率

COUNT_DISTINCT(CASE WHEN order_count > 1 THEN customer_email ELSE NULL END) / COUNT_DISTINCT(customer_email) * 100

フロー売上比率

SUM(CASE WHEN source_type = "flow" THEN revenue ELSE 0 END) / SUM(revenue) * 100

エンゲージメント層

CASE
  WHEN days_since_last_open <= 30 THEN "Active (0-30d)"
  WHEN days_since_last_open <= 90 THEN "Warm (31-90d)"
  WHEN days_since_last_open <= 180 THEN "At-Risk (91-180d)"
  ELSE "Lapsed (180d+)"
END

受信者あたりの売上

SUM(revenue) / SUM(recipients)

割引の影響

SUM(discount_amount) / SUM(gross_revenue) * 100

データソースの設定

Klaviyoデータの接続（無料の方法）

有料コネクタ（Supermetrics、月額30〜100ドル）も利用できますが、必須ではありません。無料で利用できる方法は次のとおりです。

1. データパイプラインスクリプトを実行して、KlaviyoデータをGoogle Sheetsに送信します：

   python scripts/data_pipeline.py --action sync-klaviyo --sheet-id YOUR_SHEET_ID
   

2. Looker Studioで、データソースを追加 > Google Sheets > スプレッドシートを選択します
3. データソースの設定で日付フィールドの種類を「日付」に設定します
4. 同期をスケジュールします — cronまたはn8nを使って、パイプラインを毎日実行します

Shopifyデータの接続（無料の方法）

1. 注文データをSheetsに送信します：

   python scripts/data_pipeline.py --action sync-shopify --sheet-id YOUR_SHEET_ID --days 30
   

2. Looker Studioでシートを接続します
3. アトリビューションビュー用に、「日付」ディメンションでKlaviyoシートとデータを統合します

GA4データの接続（標準機能 — 無料）

1. Looker Studioで、データソースを追加 > Google Analytics > GA4プロパティを選択します
2. 中間サービスは不要です — 標準コネクタは包括的で無料です

書式設定済みシートの作成

# Create a sheet with correct headers for a CRM dashboard
python scripts/data_pipeline.py --action create-sheet --template crm-dashboard

# See all available templates
python scripts/data_pipeline.py --action list-templates

分析例

ダッシュボードの完全な作成手順とユースケースについては、EXAMPLES.md を参照してください。

スクリプト

このスキルには、データをGoogle Sheetsに送信するデータパイプラインスクリプトが含まれています。

Klaviyoデータの同期

python scripts/data_pipeline.py --action sync-klaviyo --sheet-id SPREADSHEET_ID

Shopify注文の同期

python scripts/data_pipeline.py --action sync-shopify --sheet-id SPREADSHEET_ID --days 30

ダッシュボードシートの作成

python scripts/data_pipeline.py --action create-sheet --template crm-dashboard

トラブルシューティング

データが更新されない：Looker Studio の Google Sheets データは約 15 分間キャッシュされます。Looker Studio の「データを更新」ボタンで強制的に更新するか、レポート設定でデータソースのキャッシュを 1 分に設定してください。

計算フィールドのエラー：一般的な原因は次のとおりです。

• 数式内のコメント — Looker Studio は --、//、/* */ のコメントをサポートしていません。計算フィールドの数式にはコメントを含めないでください。代わりにフィールドの説明に記載してください。
• 型の不一致 — データソースの設定で、日付フィールドがテキストではなく日付として指定されていることを確認してください。型を変換するには CAST() を使用してください。
• 正規表現のエスケープ — パターンは文字列リテラル内に記述するため、バックスラッシュは二重にエスケープする必要があります（例：空白には "\\s"、パイプ文字そのものには "\\|"）。

ブレンドで null が表示される：左外部結合では、右側のデータソースに一致しない行は null として表示されます。結合キーが完全に一致していること（大文字と小文字を区別し、日付形式も同じであること）を確認してください。

Sheets の行数制限：Google Sheets の上限は 1,000 万セルです。大規模なデータセットでは、書き込み前に集計する（イベントごとのデータではなく日次の概要データにする）か、代わりに BigQuery を使用してください。

サービスアカウントの権限エラー：サービスアカウントのメールアドレスを、対象の Google Sheet で編集者として共有する必要があります。Drive API の呼び出しに失敗する場合は、IAM 権限を確認してください。

セキュリティとプライバシー

• API 認証情報をスクリプトにハードコードしないでください — .env ファイルを使用してください
• サービスアカウントの JSON はバージョン管理の対象外に保存してください
• .env と認証情報ファイルを .gitignore に追加してください
• データパイプラインは、管理下にある Google Sheets に書き込みます — データは Google Workspace 内に保管されます
• パイプラインのスクリプトは、Klaviyo および Shopify の API に対して読み取り専用です
• 最小権限の API スコープ（読み取り専用キー）を使用してください