GA4の探索レポートとは？｜標準画面の外で分析する

GA4のリリースノートには、2025年12月に会話でデータを尋ねられる分析支援機能（Analytics Advisor）が、2026年2月にはホーム画面へAIによる変動要約が追加されたと案内されています。分析画面の入口はどんどん親切になっていますが、それでも「知りたいことが標準レポートに載っていない」という壁は残ります。標準レポートは、あらかじめ決められた組み合わせを速く見せるための画面で、こちらの問いに合わせて軸を組み替える用途には作られていないからです。その壁の外側にあるのが探索（データ探索）です。本記事では、探索とは何か、7つの手法をどう使い分けるか、ディメンションと指標をどう組むか、上限やサンプリングといった実務仕様、そしてBtoBでそのまま使えるテンプレ3種までを、現行のUI名称に沿って整理します。

標準レポートで止まる理由：GA4の分析画面は二層になっている

GA4の分析機能は、大きく二層に分かれています。手前にあるのがレポート（標準レポート）で、集客・エンゲージメント・収益化といったテーマごとに、よく使われる組み合わせがあらかじめ用意されています。表示は速く、日次の確認には十分です。しかし用意された軸から外れた問いには答えられません。「資料請求したユーザーだけの流入元を、初回接触と最終接触の両方で見たい」といった要求は、手前の層では組み立てられないのです。

奥の層にあるのが探索です。こちらは表示のたびにイベント単位のデータへ問い合わせを投げるため、行と列と値を自分で決められます。加えてセグメントを当てられる点が決定的で、「特定のキーイベントを達成したユーザー」「特定の記事を読んだセッション」といった集団に絞った上で、その集団の行動だけを見比べられます。標準レポートではセグメントが使えないため、この絞り込みができません。

つまり、標準レポートは定点観測、探索は問いに答えるための道具です。役割が違うので、どちらが優れているという話ではありません。実務では「毎朝レポートで異常を検知し、気になった点を探索で掘る」という往復が基本形になります。探索を触る前に、答えたい問いを1文で書いておくだけで、無駄な操作がかなり減ります。

探索（データ探索）とは何か——標準レポートとの違い

探索は、GA4の左メニューから開く分析用のワークスペースです。1つの探索の中に複数のタブを持てて、タブごとに手法（テクニック）を選び、変数を配置していきます。画面は3つのペインに分かれており、左が変数（データ探索名、期間、セグメント、ディメンション、指標）、中央がタブの設定（手法、ビジュアリゼーション、セグメントの比較、行、列、値、フィルタ）、右が結果の表示エリアです。

Googleのヘルプは探索の位置づけを、「レポートに掲載されないデータや分析手法を利用でき、データを詳細に探索できるため、データに関する複雑な質問への答えが得られます」と説明しています。逆に言えば、簡単な質問に探索を使うのは遠回りです。日次のセッション数やページ別の閲覧数のように標準レポートで足りるものは、そのまま標準レポートで見るのが正解です。

差を実感しやすいのは、データが「その場で集計される」性質です。標準レポートは事前に集計された形に近い応答をしますが、探索は指定した条件でイベントを読み直します。そのため柔軟な代わりに、条件を広く取ると表示に時間がかかり、後述するサンプリングの対象にもなります。自由度と応答速度・正確性がトレードオフになっている、と理解しておくと使い方を誤りません。

探索で使える手法を使い分ける

探索を開くと、テンプレートギャラリーから手法を選ぶ画面になります。公式ヘルプでは次の手法が挙げられています。それぞれ答えられる問いの形が違うので、「知りたいことの文型」で選ぶのがコツです。

手法	答えられる問い	使いどころ
自由形式	AをBで分けると数字はどう違う？	クロス集計。まず開くならこれ。表・グラフに切り替え可
目標到達プロセスデータ探索	どの段で人が落ちている？	フォームや申込の段階別の離脱率を見る
経路データ探索	この前後でどこへ動いた？	特定ページの流入元・離脱先を樹形図でたどる
セグメントの重複	3つの集団はどれだけ重なる？	施策の対象が被っていないかの確認
コホートデータ探索	初回接触の週ごとに定着はどう違う？	継続率・再訪の推移を週単位で追う
ユーザーエクスプローラ	この1人は何をした？	個別ユーザーのイベント列を時系列で確認
ユーザーのライフタイム	どの流入元が長く使うユーザーを連れてくる？	獲得チャネル別のLTV傾向の評価

BtoBサイトで使用頻度が高いのは、上の4つです。とくに自由形式と目標到達プロセスデータ探索の2つで、日常の疑問の大半は片づきます。コホートやライフタイムは、会員制サービスやSaaSのように継続利用が前提のモデルで効きます。ユーザーエクスプローラは数字ではなく個別の行動を読む道具で、フォーム改修の前に実際の動きを数人分たどると、仮説の精度が上がります。

自由形式の作り方：変数とタブ設定

自由形式は探索の基本形です。操作の流れは決まっているので、一度覚えれば他の手法にも応用できます。手順を追ってみます。

つまずきやすいのはセグメントとフィルタの違いです。セグメントは「ユーザー」「セッション」「イベント」のいずれかの単位で集団を定義するもので、定義した集団の行動全体が対象になります。フィルタは表示している表に対する絞り込みです。たとえば「資料請求したユーザー」をセグメントで作れば、そのユーザーの資料請求前の行動まで含めて見られますが、フィルタで資料請求イベントだけに絞ると、そのイベント行しか残りません。目的が「前後の行動を知ること」ならセグメント、「該当行だけ見たい」ならフィルタです。

目標到達プロセスデータ探索：どの段で落ちているかを見る

目標到達プロセスデータ探索は、ユーザーが目的を達成するまでの段を並べ、各段の到達数と離脱率を見る手法です。段（ステップ）にはページの閲覧だけでなく、クリック、スクロール、動画再生、任意のイベントなどを条件として設定できます。BtoBなら「サービスページ閲覧→料金ページ閲覧→フォーム表示→送信完了」といった並びが定番です。

設定で必ず意識したいのがオープンとクローズドの切り替えです。既定のオープンなファネルは、途中の段から入ってきたユーザーもその段以降の対象に含めます。クローズドにすると、最初の段を通ったユーザーだけを追いかけます。検索から料金ページに直接着地する人が多いサイトでオープンのまま見ると、実際より通過率が高く出て「フォームまでは順調」と誤読しがちです。導線を検証したいときはクローズド、実態の分布を知りたいときはオープンと覚えておくと迷いません。

読み方のコツは、離脱率の高い段を探すのではなく、離脱の絶対数が大きい段を探すことです。率が90%でも通過者が20人なら改善の効き幅は小さく、率が40%でも通過者が2,000人なら影響は桁違いです。率の悪い段より、失っている人数の多い段から手を付けるのが優先順位の付け方です。あわせて「経過時間を表示」を有効にすると、段の間で滞留している時間が見えます。時間が長い段は、情報が足りず迷っている可能性が高い箇所です。

経路データ探索：始点と終点（逆算）の使い分け

経路データ探索は、ユーザーの遷移を樹形図でたどる手法です。特徴は、始点から前へ進む見方と、終点から後ろへ戻る見方の両方ができる点です。前者は「トップページに来た人がどこへ散っていくか」、後者は「フォーム完了に至った人はその直前にどこを見ていたか」という問いに向きます。実務で強いのは後者、つまり逆算の使い方です。

操作としては、始点または終点を選び、ノードの種類（イベント名、ページタイトルとスクリーンクラス、ページパスなど）を鉛筆アイコンから切り替えます。ノードをクリックすると次の段が展開され、経路を段階的に追えます。BtoBサイトではページパスを選ぶと、記事単位の遷移が読みやすくなります。イベント名のままだと page_view が並ぶだけで、示唆が出ません。

注意点は、経路データ探索が「多数派の道」を示す道具であり、因果を示すものではないことです。フォーム完了の直前が料金ページだったとしても、料金ページが決め手だったとは限りません。決め手はもっと前に読んだ導入事例かもしれません。経路で見えるのは順序の分布だけなので、経路で仮説を作り、検証は別の手法や施策で行うという分担にしてください。

セグメントの重複：集団の重なりから示唆を取る

セグメントの重複は、複数の集団がどれだけ重なっているかをベン図で示す手法です。重ねられるのは最大3つのセグメントで、たとえば「導入事例を読んだユーザー」「料金ページを見たユーザー」「フォームを送信したユーザー」を並べると、どの組み合わせが成果に近いかが視覚的に分かります。

BtoBで有効な読み方は2つあります。1つは成果に近い行動の組み合わせを探す使い方です。フォーム送信者の多くが導入事例と料金ページの両方を見ているなら、その2つを行き来しやすい導線を強化する価値があります。もう1つは施策の重複を確認する使い方です。メール配信の対象と広告のリターゲティング対象が大きく重なっているなら、同じ人に二重に費用をかけていることになります。

重なりの図はそのまま数字としても取り出せます。ベン図の下に出る表で、各交差部分のユーザー数や指標を確認できるので、「両方を見た人の商談化率が単独の2倍」といった比較が可能です。ただしユーザー数が小さいと後述のしきい値の影響を受けやすいので、期間を広めに取って母数を確保してから読んでください。

ディメンションと指標の組み方の原則

探索で最も多い失敗は、スコープ（適用範囲）が噛み合っていない組み合わせを作ってしまうことです。GA4のディメンションと指標には、ユーザー単位・セッション単位・イベント単位・アイテム単位といった範囲があります。範囲の違うものを掛け合わせると、表に「（not set）」が大量に並んだり、合計が全体と一致しない表ができあがります。

実践的な回避策は3つです。第一に、行に置くディメンションと値に置く指標の範囲を揃えること。セッション単位のディメンションにはセッション単位の指標を当てます。第二に、ページ単位の分析では「ページパスとスクリーンクラス」のようなイベント範囲のディメンションに、表示回数やイベント数といったイベント範囲の指標を合わせること。第三に、迷ったらまず1ディメンション×1指標で表を作り、合計が標準レポートと一致するか確認することです。

組み合わせの設計そのものにもコツがあります。行に「切り口」、列に「比較したい軸」を置くと読みやすい表になります。たとえば行にランディングページ、列に月、値にキーイベント数を置けば、ページごとの成果の推移が一覧できます。逆に行と列の両方に細かいディメンションを置くと、行数が爆発して意味を持たない表になります。列に置くのは、値が5〜12種類くらいに収まる軸だけが実用的な目安です。

BtoBテンプレ①：資料請求に至ったユーザーの経路を棚卸しする

ここからは、そのまま作れるテンプレを3つ挙げます。1つ目は、成果に到達したユーザーの経路を棚卸しする構成です。手法は経路データ探索を使い、終点に資料請求や問い合わせ完了のイベント（またはサンクスページのパス）を指定して逆算します。ノードの種類はページパスに切り替えます。

見るポイントは、直前1段だけでなく2〜3段前まで展開することです。直前はフォームページなので情報量がありません。2段前、3段前に何度も現れるページが、意思決定を後押ししている候補です。そこで見つかったページを、記事の下部や関連リンクから到達しやすい位置に置き直すのが施策になります。

組み合わせて使いたいのが、同じ問いを自由形式で数値化する作業です。行に「セッションのランディングページ」、値に「キーイベント数」と「セッション数」を置き、成果率（キーイベント数÷セッション数）を確認します。経路で見つけた候補ページが、実際に成果率でも高いかを裏取りする流れです。経路は分布、自由形式は率——2つを往復させると、思い込みで施策を決めずに済みます。

BtoBテンプレ②：フォーム離脱を段で切るファネル

2つ目は、フォームの離脱を段で切る構成です。手法は目標到達プロセスデータ探索。段は「サービスページ閲覧」「料金または導入事例の閲覧」「フォームページ表示」「フォーム操作の開始」「送信完了」の5段が基本形です。フォーム操作の開始は、GA4の拡張計測機能やGoogleタグマネージャーでフォーム関連のイベントを取得しておくと段として使えます。

この構成の価値は、離脱がフォーム内なのかフォーム前なのかを切り分けられる点にあります。フォームページに来ているのに操作を始めない人が多ければ、入力項目の多さや個人情報の扱いの説明不足が疑われます。操作を始めているのに完了しない人が多ければ、必須項目やバリデーション（入力チェック）の作りが原因かもしれません。原因の場所が違えば打ち手も違います。

さらに「内訳」にデバイスカテゴリや初回参照元を置くと、離脱の偏りが見えます。スマートフォンだけ操作開始からの完了率が極端に低いなら、入力欄の設計やキーボードの切り替わりが疑わしいと当たりが付きます。1つのファネルに内訳を1つ足すだけで、示唆の粒度は大きく変わります。

BtoBテンプレ③：コンテンツ×初回接触チャネルのクロス集計

3つ目は、コンテンツの評価を流入の質と合わせて見る構成です。手法は自由形式。行に「ページパスとスクリーンクラス」、列に「セッションの最初のユーザーのデフォルトチャネルグループ」、値に「表示回数」「アクティブユーザー数」「キーイベント数」を置きます。ここに「初回訪問ではないユーザー」などのセグメントを当てると、再訪者にどの記事が読まれているかも分かります。

この表が効くのは、同じ記事でも流入元によって成果が違うという事実が見えるからです。検索から来た人には効いている記事が、広告から来た人には響いていない——そんな差が出たら、広告のランディング先を変える判断ができます。ページ単体の表示回数だけを見ていると、この違いは永遠に見えません。

読み方の注意として、表示回数の多い記事が上位に並ぶだけの表にしないことです。値に率の列を作れないGA4の探索では、いったんCSVやスプレッドシートに書き出して成果率を計算するほうが早い場合もあります。探索は分析の入口で、最終的な意思決定用の集計は外に出して整えてもよいと割り切ると、作業が楽になります。

実務仕様：上限・保持期間・サンプリング・しきい値

探索を業務に載せる前に、押さえておくべき仕様があります。知らないまま使うと、数字を誤読したり、あるはずのデータが見えずに慌てたりします。公式ヘルプに記載のある主要な数値をまとめます。

項目	仕様	実務での意味
作成できる探索の数	1ユーザーあたり、1プロパティごとに最大200件	使い捨ての探索が溜まると上限に当たる。定期的に整理する
共有できる探索の数	1プロパティあたり最大500件	チーム共有用は用途別に絞って作る
セグメント／フィルタ	1タブあたりそれぞれ最大10個	比較しすぎず、問いごとにタブを分ける
ディメンション／指標	それぞれ最大20個まで適用可	変数に足しすぎると探索が重くなる
サンプリング	クエリに1,000万件を超えるイベントが使われる場合にサンプリングデータが用いられることがある	大規模サイトでは期間短縮や条件絞り込みで回避を図る
データ保持期間	イベントデータの保持は既定2か月、設定で14か月まで延長可（無償版）	延長設定をしていないと昨年比が取れない

加えてデータのしきい値があります。選択した期間のユーザー数が少ない場合や、Googleシグナルを有効にしていてユーザー属性・インタレストの情報が絡む場合、プライバシー保護のためにデータの一部が表示されなくなります。適用されると表の近くに三角の記号が出るので、そこが目印です。対処は、期間を広げて母数を増やす、属性系のディメンションを外す、といった方向になります。

• データ保持期間は探索にも効く。既定の2か月のままだと、前年同月比のような長期比較ができない（設定変更後の遡及はできない点にも注意）
• サンプリングが入っているかは、レポート上部のアイコン表示で確認できる。数値を社内共有する前に必ず確認する
• 三角の記号（しきい値の適用）が出ている表は、合計が実態より小さくなる。断定的な結論を出さない

保存・共有・権限とプロパティ間コピー

作った探索は自動で保存され、既定では作成者本人しか見られません。同僚に見せるには共有の操作が必要で、共有すると、そのプロパティで閲覧者の権限を持つユーザー全員が参照できるようになります。ただし共有されたものは閲覧のみで、編集はできません。相手が触りたい場合は複製してもらう形になります。

この仕様には運用上の意味があります。第一に、複数人でのリアルタイム共同編集には向いていないということ。第二に、共有した探索は「見せるための完成品」として作る必要があるということです。実務では、自分用の作業探索と、チーム共有用の定型探索を分けて管理するのが現実的です。名前の付け方も「【共有】月次_成果率_ページ別」のように用途を頭に付けると、200件の上限に近づいたときの整理が楽になります。

機能面では改善が進んでいます。探索で作ったセグメントをプロパティに保存して他の探索から再利用できるようになったこと（2024年10月に案内）、そして探索レポートをプロパティ間でコピーできるようになったこと（2025年1月に案内）は、複数プロパティを運用する組織にとって効果が大きい変更です。以前は同じ設定を1つずつ作り直す必要がありました。セグメントの定義をプロパティに保存しておけば、担当者ごとに微妙に違う「見込み客」の定義が乱立する事故も防げます。

AIに読ませて示唆を出す手順

探索の結果は表なので、そのままでは示唆になりません。ここは生成AIの出番です。手順は3段階に分けると安定します。第一に、探索の右上からCSVまたはスプレッドシートにエクスポートする。第二に、行の意味・期間・指標の定義を添えてAIに渡す。第三に、出させるものを「事実の要約」「異常値の指摘」「次に確認すべき切り口」の3点に限定する——この形です。

渡し方で結果が変わります。表だけを貼っても、AIはサイトの前提を知らないので一般論を返します。サイトの目的、成果の定義、閲覧期間、比較したい相手を先に書いてから表を貼ると、出力は具体的になります。GA4側にも会話でデータを尋ねられる分析支援機能（2025年12月に案内されたAnalytics Advisor）やホーム画面の変動要約（2026年2月に案内）が載ってきているので、定型の要約はGA4内で、深い解釈は外部のAIでという分担も現実的になってきました。

最後に、検証の手順を必ず自分の手に残してください。AIが「モバイルの成果率が低い」と書いたら、その数字が本当に表にあるかを目で確認します。表の合計と一致しない主張、期間の取り違え、サンプリングされたデータを断定的に読む——このあたりはAIがやりがちな誤りです。示唆の候補を増やすのがAI、結論を決めるのは人という線引きを守れば、探索の分析速度は確実に上がります。

探索でやりがちな失敗

最後に、探索を使い始めた組織でよく起きる失敗を挙げます。多くは仕様の理解不足か、問いの設計不足に原因があります。

• 答えたい問いを決めずに探索を開き、ディメンションを片端から試して時間だけ使う
• スコープの違うディメンションと指標を組み合わせ、「（not set）」だらけの表を根拠にしてしまう
• データ保持期間を延長しないまま運用し、前年比較をしようとした時点でデータがないことに気づく
• サンプリングやしきい値の表示に気づかず、小さな母数の数字を社内資料に断定的に載せる
• 目標到達プロセスをオープンのまま見て、導線が機能していると誤解する
• 使い捨ての探索を消さずに溜め込み、必要な探索がどれか分からなくなる

裏返せば、対策はどれも単純です。問いを1文で書く、スコープを揃える、保持期間を14か月にする、警告アイコンを確認する、ファネルの開閉を意識する、命名規則を決める。この6つを最初に習慣化しておけば、探索は「たまに開く難しい画面」から「毎月使う道具」に変わります。

探索を運用に載せるチェックリスト

業務として回すために、環境と運用の両面で確認しておきたい項目を挙げます。分析の腕前より先に、この土台が効きます。

• データ保持期間を14か月に変更している（探索で長期比較を行う前提）
• キーイベント（コンバージョン）の設定が済み、成果として数えたい行動が計測されている
• 答えたい問いをタブ名またはデータ探索名に書き、後から用途が分かる状態にしている
• チーム共有用の探索と個人の作業用探索を分け、命名規則を決めている
• よく使うセグメントはプロパティに保存し、定義をチームで統一している
• サンプリングとしきい値の表示を確認する手順を、社内共有前のチェックに入れている
• 探索の結果を持ち出す先（スプレッドシートや報告書）の形式を決めている

運用に載せるうえで意外に大事なのが、作る探索の数を絞ることです。上限は200件ありますが、実際に毎月見る探索は5つもあれば十分です。定型で見るものを固定し、単発の問いは使い終わったら消す。この整理をしないと、半年後には自分でも中身を思い出せない探索が並びます。

まとめ

探索（データ探索）は、標準レポートで用意されていない切り口を自分で組み立てるためのGA4の機能です。セグメントを当てられるのが最大の違いで、成果に到達した集団だけの行動を追う、といった分析が可能になります。手法は問いの形で選び、自由形式でクロス集計、目標到達プロセスで段別の離脱、経路データ探索で前後の遷移、セグメントの重複で集団の重なりを見ます。組むときはディメンションと指標のスコープを揃えること、そして作成数200件・タブごとのセグメント10個・1,000万件超のサンプリング・データ保持期間・しきい値という仕様を頭に入れておくことが、誤読を防ぐ最短の道です。探索の実力は、操作の巧拙より問いの立て方で決まります。まずは自社の成果イベントを終点にした経路データ探索を1つ作り、2段前・3段前に何が並ぶかを確かめてみてください。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。