Braze Currents データエクスポートとDWH連携 施策効果分析のパイプライン設計
目次 クリックで開く
カスタマーエンゲージメントプラットフォーム「Braze」を導入した企業が、次に直面する課題が「データのサイロ化」です。Brazeの管理画面内でも開封率やクリック率は確認できますが、それらの行動が最終的に店舗での購入やLTV（顧客生涯価値）にどう寄与したかを可視化するには、自社のデータウェアハウス（DWH）との連携が不可欠です。
本記事では、Brazeが提供する高頻度データエクスポート機能「Braze Currents」を活用し、Google BigQueryやSnowflakeといったDWHへデータを統合するためのパイプライン設計を、実務的な視点で徹底解説します。
Braze Currentsを活用したデータ統合の重要性
Braze Currentsは、Braze内で発生するあらゆるイベントデータを、外部のストレージやDWHへほぼリアルタイムに自動転送する機能です。通常、MAツールやCRMツールからのデータ抽出はAPIを介して行われますが、数百万ユーザー規模のイベントデータをAPIで逐次取得するのは、レートリミットや保守コストの面で現実的ではありません。
Braze内部分析と外部DWH連携の違い
Brazeのダッシュボードは非常に優秀ですが、あくまで「Braze内での完結した行動」の集計に特化しています。外部DWHにデータを出すことで、以下のような高度な分析が可能になります。
- クロスチャネル分析：アプリ内メッセージを見たユーザーが、その後LINEや実店舗でどのような行動をとったかの紐付け。
- アトリビューション分析：どのキャンペーンが、どの程度のリードタイムを経てコンバージョンに寄与したかの算出。
- 機械学習への活用：エクスポートした生の行動ログを学習データとして使い、独自のレコメンドエンジンや離脱予測モデルを構築。
こうしたデータ活用の基盤として、BrazeとDWHをシームレスにつなぐ「パイプライン」の設計が、マーケティングDXの成否を分けます。特に複雑なデータ構造を持つLINE等のチャネルを併用する場合、共通のIDで名寄せを行うデータ基盤が重要となります。このあたりの全体像については、以下の記事が参考になります。
【図解】SFA・CRM・MA・Webの違いを解説。高額ツールに依存しない『データ連携の全体設計図』
Brazeデータ出力手法の比較（API vs Currents）
Brazeからデータを取得する方法には、主に「User API」「Export API」「Currents」の3種類があります。実務において、これらをどう使い分けるべきか比較表にまとめました。
| 比較項目 | Export API | Braze Currents | 主な用途 |
|---|---|---|---|
| データの粒度 | ユーザー属性・セグメント単位 | イベント単位（行レベル） | Currentsは1つ1つの開封・クリックを記録 |
| 更新頻度 | オンデマンド（リクエスト時） | 継続的（ストリーミング/バッチ） | Currentsは数分間隔で転送 |
| データ量 | 小〜中規模（レート制限あり） | 大規模（テラバイト級対応） | 全ログを転送する場合はCurrents一択 |
| 実装負荷 | スクリプト開発が必要 | コネクタによるノーコード設定 | 一度設定すれば自動走行 |
| コスト | APIコール制限内なら無料 | 追加ライセンス費用が発生 | 契約プランにより異なるため公式へ確認 |
結論として、「過去のすべてのユーザー行動をSQLで分析したい」というニーズであれば、Currentsの導入が必須となります。逆に、特定のユーザーの最新ステータスだけを知りたい場合はAPIで十分です。
Currents連携先（DWH・ストレージ）の選定ポイント
Currentsは多くの出力先に対応しています。選定にあたっては、自社の既存インフラとの親和性が最も重要です。
- Google BigQuery：Google Cloudを利用している場合、最も設定が容易でクエリ速度も速い。パーティション分割テーブルが自動作成されるメリットがあります。
- Snowflake：マルチクラウド対応が強み。BrazeからのデータをS3等に一度置き、Snowpipeで自動取り込みする構成が一般的です。
- Amazon S3 / Google Cloud Storage：RAWデータをそのままアーカイブしたい場合や、独自のETL処理を挟みたい場合に選択します。
特に広告運用とのシナジーを考えるなら、Google Cloud（BigQuery）への統合は強力な選択肢になります。コンバージョンAPI（CAPI）との連携による広告最適化など、Currentsデータを「攻め」の施策に転用できるからです。
広告×AIの真価を引き出す。CAPIとBigQueryで構築する「自動最適化」データアーキテクチャ
【実践】Braze Currents × BigQuery 連携パイプラインの構築手順
ここからは、実務で最も要望の多い「BigQuery」への連携手順を解説します。作業は「Google Cloud側」と「Braze側」の両方で行います。
Step 1: Google Cloud側の準備
- プロジェクトの作成/選択：データを蓄積するプロジェクトを選択します。
- データセットの作成：Brazeデータ専用のデータセットを作成します（例：
braze_currents_raw）。 - サービスアカウントの作成：BrazeがBigQueryに書き込むための権限を持つサービスアカウントを作成します。
- 必要なロール：
BigQuery Data Editor,BigQuery Job User
- 必要なロール：
- JSONキーの生成：作成したサービスアカウントの「鍵」を発行し、JSONファイルをダウンロードしておきます。
Step 2: Braze管理画面でのCurrents設定
- Braze左メニューの「Currents」を選択。
- 「Create New Current」をクリックし、出力先に「Google BigQuery」を選択。
- Integration Detailsの入力：
- Google Cloud Project ID
- Dataset ID
- Step 1で取得したサービスアカウントのJSONキーの内容をペースト
- Event Selection（イベント選択）：転送したいイベントにチェックを入れます。
- Message Engagement（配信、開封、クリックなど）
- User Behavior（カスタムイベント、購入、アプリインストールなど）
- 「Launch Current」で開始。
注意：一度Currentsを起動すると、Braze内の全ユーザーの該当ログが流出開始します。BigQueryのストレージコストに影響を与えるため、不要なイベント（例：頻繁に発生しすぎる特定のカスタムイベント）はチェックを外しておくことが運用上のポイントです。
エクスポートデータの種類とデータ活用（スキーマ解説）
Currentsで送られるデータは、イベントの種類ごとにテーブルが分かれます（BigQueryの場合）。代表的なテーブルとその意味を理解しておくことで、SQLでの分析がスムーズになります。
1. メッセージエンゲージメント・イベント
プッシュ通知、メール、アプリ内メッセージなどの反応を記録します。
users_messages_send：メッセージが送信された記録。users_messages_open：開封（メールやアプリ内メッセージ）。users_messages_click：メッセージ内のリンククリック。users_messages_bounce：メール等の不達。リストのクレンジングに必須。
2. ユーザー行動イベント
SDKを通じてBrazeに送られたアクションの生ログです。
users_behaviors_customevent：アプリやWebでの特定アクション。users_behaviors_purchase：購入ログ。priceやcurrencyカラムを含みます。
これらのデータには必ず user_id (または external_user_id) が含まれています。これをキーにして、社内の顧客マスタと結合することで、「Aというキャンペーンメールをクリックしたユーザーが、3日後に店舗で購入したか」を判定できるようになります。名寄せやID統合の詳細については、こちらの記事も参考にしてください。
WebトラッキングとID連携の実践ガイド。ITP対策・LINEログインを用いたセキュアな名寄せアーキテクチャ
施策効果分析のためのデータモデリング設計
Currentsから届くRAWデータ（生データ）は、そのままでは分析しにくい構造をしています。例えば、タイムスタンプがUnix時間であったり、特定のプロパティがJSONの文字列内にネストされていたりします。そこで、dbt（data build tool）などを用いた「データ変換」の工程を挟むのがモダンな設計です。
dbtを活用した変換の例
RAWデータのテーブルから、以下のような「分析用マート」を定義します。
- fact_daily_engagements：ユーザー×日単位での開封・クリック・コンバージョンをまとめたフラットなテーブル。
- dim_campaign_performance：キャンペーンIDごとのコスト、送信数、開封率、直接売上をまとめた集計テーブル。
このように、「高額なCDP」を導入せずとも、BigQueryとdbt、そしてBraze Currentsを組み合わせることで、自社に最適化されたデータ基盤を構築することが可能です。これは「モダンデータスタック」と呼ばれる手法であり、コストパフォーマンスに優れています。
高額なCDPは不要？BigQuery・dbt・リバースETLで構築する「モダンデータスタック」ツール選定と公式事例
運用時の注意点とコスト管理
最後に、Currentsを安定運用するための実務的なポイントを3点挙げます。
1. エラー監視と再試行
サービスアカウントの権限不足やDWH側の不具合で、データの書き込みが失敗することがあります。Braze管理画面の「Currents Alert」の設定を有効にし、失敗時にSlack等へ通知が飛ぶようにしておきましょう。なお、Braze側でデータが一定期間（通常数日間）保持され再試行されますが、それ以降はデータが消失するリスクがあるため早期対応が必要です。
2. DWH側のコスト増大への対策
Currentsは大量のデータを流し込みます。特にBigQueryの場合、ストリーミング・インサート料金が発生します。また、何も考えずに SELECT * で全期間のログをスキャンすると、分析コストが跳ね上がります。必ず time カラム等によるパーティション分割を利用し、必要な期間のみをスキャンするようにSQLを記述してください。
3. データ削除（GDPR/CCPA/改正個人情報保護法）への対応
ユーザーからデータ削除依頼があった場合、Braze内のデータだけでなく、CurrentsでエクスポートしてDWHに蓄積されたデータも削除する必要があります。user_id をキーに、特定ユーザーのレコードを一括削除できるスクリプトや運用フローを事前に決めておきましょう。
まとめ：Brazeを「配信ツール」から「データ中核」へ進化させる
Braze Currentsは、単なるデータ転送機能ではありません。Brazeを「施策を実行するだけのツール」から「顧客の熱量をリアルタイムに把握するセンサー」へと進化させるための鍵です。DWHと連携し、施策結果をSQLで深掘りできる環境を整えることで、マーケティングのPDCAは劇的に高速化します。
「高額なツールを買ったけれど、効果測定が曖昧で改善が進まない」という状況を打破するために、まずはCurrentsによるパイプライン設計から着手してみてはいかがでしょうか。設定に関する詳細は、Brazeの公式ドキュメント（Braze User Guide）も併せてご確認ください。
Braze Currents導入前に確認すべきチェックリスト
Braze Currentsは強力なツールですが、ノーコードで設定できる反面、事前の設計不足により「DWH側のストレージコストが想定を超えた」「期待した形式でデータが届かない」といったトラブルが発生しがちです。実装前に以下の3点を必ず確認してください。
- データ更新の遅延（レイテンシ）： Currentsはストリーミング配信に近い挙動をしますが、ネットワーク状況により数分のタイムラグが生じます。秒単位のリアルタイム性が求められる処理（決済直後の在庫連動など）には、Webhookの併用を検討してください。
- データボリュームの試算： 特に「Push Sent」や「Message Engagement」は、配信通数に比例して膨大な行数になります。BigQueryの「物理ストレージ料金」と「長期保存によるコスト変動」を事前にシミュレーションしておくことが推奨されます。
- スキーマの不変性： Braze側で仕様変更（新規カラムの追加など）があった場合、DWH側のスキーマ定義によってはエラーが発生する可能性があります。dbt等の変換レイヤーでエラーを検知できる体制が理想的です。
主要なイベントと分析上の価値（比較表）
Currentsでエクスポート可能なイベントのうち、分析のコアとなるものを整理しました。これらを組み合わせることで、従来のMAでは難しかった高度な分析が可能になります。
| イベントカテゴリ | 代表的なテーブル | 分析の「一歩先」の活用例 |
|---|---|---|
| 配信・到達 | users_messages_send |
配信頻度の最適化（メッセージ・ファティーグの防止） |
| エンゲージメント | users_messages_click |
クリエイティブ別のLTV寄与度算出 |
| ユーザー行動 | users_behaviors_purchase |
広告接触から購入までの「アトリビューション」分析 |
| アプリ制御 | users_behaviors_app_uninstall |
離脱直前の行動パターンの特定と予測モデル構築 |
更なるデータ活用のためのリソース
パイプライン構築後の「次の一手」として、蓄積したデータをBrazeへ戻す「リバースETL」や、LINE等の他チャネルと組み合わせた顧客体験の最大化が挙げられます。以下の技術解説も、アーキテクチャ設計の参考にしてください。
- 高額MAツールは不要。BigQueryとリバースETLで構築する「行動トリガー型LINE配信」の完全アーキテクチャ
- LIFF・LINEミニアプリ活用の本質。Web行動とLINE IDをシームレスに統合する次世代データ基盤
設定の詳細なパラメーターや最新のコネクタ仕様については、Braze公式ドキュメント（英語版が最新であることが多いため推奨）を必ず参照してください。
公式参考資料：
ご相談・お問い合わせ
本記事の内容を自社の状況に当てはめたい場合や、導入・運用の設計を一緒に整理したい場合は、当社までお気軽にご相談ください。担当より折り返しご連絡いたします。