BigQueryとBraze Currents マルチチャネルROIレポートの骨子

高度なパーソナライズ配信を実現するカスタマーエンゲージメントプラットフォーム「Braze」。その真価を発揮させるには、単なる開封率やクリック率の測定に留まらず、配信したメッセージが最終的にどれだけの売上（ROI）に貢献したかを可視化することが不可欠です。しかし、Brazeの標準レポート機能だけでは、自社基幹システムに存在する「購買データ」と「メッセージ接触ログ」を統合した深い分析には限界があります。

そこで重要となるのが、Brazeのイベントストリーム機能であるBraze Currentsを活用し、Google BigQuery上にデータ基盤を構築する手法です。本記事では、IT実務者の視点から、Braze CurrentsとBigQueryを連携させ、マルチチャネルでのROIレポートを自動化するための完全なアーキテクチャと実装手順を詳述します。

Braze CurrentsとBigQueryを連携させるメリット

Braze単体でも強力な分析機能（Report Builderなど）は備わっていますが、BigQueryへデータを流し出すことで、以下の3つの付加価値が得られます。

1. 外部データとの「名寄せ」によるLTV分析

Braze内にあるのは、あくまで「アプリ内挙動」や「メッセージ反応」のデータです。BigQuery上で自社のECサイト、店舗POS、あるいはCRM基盤の売上データと結合することで、「メールを開封したユーザーが、その後3日以内に店舗で購入したか」といったオフライン・オンラインを跨ぐROI測定が可能になります。

2. 柔軟なアトリビューションモデルの適用

標準機能ではラストクリック（最後に触れたメッセージの貢献）に偏りがちですが、BigQueryに生データ（RAW DATA）を保持していれば、ファーストタッチや線形モデルなど、独自のロジックで各チャネルの貢献度を再計算できます。これは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の考え方と同様、複数の接点を一貫したIDで捉えることが鍵となります。

3. 長期的なデータ保存と高速クエリ

Brazeのセグメントやユーザープロフィールには保持期間の制約がある場合があります。BigQueryにストックすることで、数年前のキャンペーンとの比較や、数億レコードに及ぶ大規模な行動ログの高速な集計が可能になります。

Braze CurrentsからBigQueryへのデータ転送設定

実務において、Brazeから直接BigQueryに書き込むコネクタもありますが、汎用性とエラー耐性を考慮し、Google Cloud Storage (GCS) を経由したパイプラインが推奨されます。公式ドキュメント（Braze Currents Documentation）に基づいた確実なステップを解説します。

Step 1: Google Cloud側の下準備

1. GCSバケットの作成: Brazeからのデータを受け取る専用のバケットを作成します。リージョンはBigQueryのデータセットと合わせる（例：asia-northeast1）のが鉄則です。
2. サービスアカウントの作成と権限付与: Brazeがバケットに書き込むための権限（Storage Object Admin）を持つサービスアカウントを作成し、JSONキーを発行します。

Step 2: BrazeダッシュボードでのCurrents設定

1. Brazeダッシュボードの[Data Settings] > [Currents] を開きます。
2. [Integration Partners] から「Google Cloud Storage」を選択します。
3. Step 1で作成したGCSバケット名とサービスアカウントのJSONキーを入力します。
4. イベントの選択: 送出するイベント（Users, Messages, Conversions等）を選択します。ROI分析には、少なくとも「Sent」「Open」「Click」および「Purchases」が必要です。

Step 3: BigQuery Data Transfer Serviceによる自動ロード

GCSに書き込まれたAvro形式やJSON形式のファイルを、BigQueryに自動インポートする設定を行います。BigQueryコンソールの「データ転送（Data Transfer）」メニューから、GCSをソースとして定期的に読み込むようスケジュールします。これにより、エンジニアがコードを書くことなく、常に最新のBrazeログがBigQueryに同期されます。

主要ツールの比較：データパイプラインの選定

BrazeとBigQueryを繋ぐ方法は複数存在します。それぞれの特性を比較表にまとめました。

コストパフォーマンスと拡張性のバランスを考えると、中〜大規模なプロジェクトではBraze Currentsを選択するのが王道です。なお、より低コストで特定のチャネル（LINE等）に特化した施策を回したい場合は、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」のような構成も検討に値します。

実践：ROI算出のためのSQL設計

BigQueryにデータが格納されたら、次はROI算出のための集計工程に入ります。Braze Currentsのデータは、チャネル（Email, Push, SMS, Content Card等）ごとにテーブルが分かれているか、一つの巨大なイベントテーブルに格納されています。

1. ユーザー接触ログのフラット化

Currentsのデータには、user_id (外部ID) や braze_id が含まれています。これをキーにして、特定のキャンペーン接触履歴を抽出します。

SELECT
user_id,
dispatch_id,
campaign_name,
message_variation_name,
timestamp as interaction_time
FROM
project.dataset.users_messages_pushclick_event
WHERE
_PARTITIONTIME >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)

2. 購買データとの突合（アトリビューション）

次に、自社の購買テーブル（orders）を結合します。ここでは「クリックから7日間以内の購入を有効とする」というアトリビューションウィンドウを設定する例です。

WITH interactions AS (
-- メッセージ接触ログの抽出
SELECT user_id, campaign_name, timestamp FROM project.dataset.braze_clicks
),
purchases AS (
-- 自社購買データの抽出
SELECT user_id, order_id, total_amount, order_timestamp FROM project.dataset.orders
)
SELECT
i.campaign_name,
COUNT(DISTINCT p.order_id) as converted_orders,
SUM(p.total_amount) as total_revenue
FROM
interactions i
JOIN
purchases p ON i.user_id = p.user_id
WHERE
p.order_timestamp BETWEEN i.timestamp AND TIMESTAMP_ADD(i.timestamp, INTERVAL 7 DAY)
GROUP BY
1

このクエリにより、Brazeのキャンペーンごとの売上貢献度が算出されます。これをチャネル別に集計すれば、マルチチャネルROIレポートの基礎データが完成します。さらに高度な最適化を目指す場合は、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を参考に、これらのデータを広告プラットフォームへフィードバックすることで、獲得単価の抑制にも繋がります。

運用コストとパフォーマンスの最適化

BigQueryは処理したデータ量に応じて課金されるため、数千万〜数億件のイベントログを扱うBraze運用では、コスト最適化が実務上の生命線となります。

パーティショニングの徹底

Braze Currentsから出力されるデータには、必ずタイムスタンプ（time または timestamp）が含まれています。BigQueryのテーブルを作成・更新する際は、必ず「日付分割テーブル（Partitioned Table）」として定義してください。これにより、直近1ヶ月のROIを出す際に、過去数年分のデータをスキャンする無駄なコストを回避できます。

スキーマ管理とネスト解除

Brazeのデータは、一つのカラム内に extra_data としてJSONオブジェクトが詰め込まれていることがあります。これらを JSON_EXTRACT_SCALAR などの関数で毎回パースするとクエリが重くなるため、定期的なバッチ処理（dbt等）でフラットな分析用テーブルに変換しておくのが、中長期的な運用のコツです。

まとめ：データ駆動型CRMの基盤として

Braze CurrentsとBigQueryの連携は、単なる「データ転送」ではなく、マーケティングの意思決定を科学するための「基盤構築」です。メールやプッシュ通知の結果を単体で追うのではなく、統合されたデータとしてROIを可視化することで、真に効果のあるチャネルへの予算配分が可能になります。

設定手順は公式ドキュメントに従えば比較的シンプルですが、その後の「名寄せ」や「アトリビューションロジックの設計」こそがIT実務者の腕の見せ所です。まずは最小限のイベントからBigQueryへの転送を開始し、徐々に自社データとの統合範囲を広げていくことをお勧めします。

公式参考資料:

• Braze公式: Currents Overview
• Google Cloud公式: BigQuery Data Transfer Service for GCS