Claude Code

2026.10.12

Claude Codeで広告データ分析を効率化！KPI集計から改善点発見までの全手順

Claude Codeで広告データ分析を効率化！KPI集計から改善点発見までの実践手順

結論：Claude Codeを使えば広告データ分析は「半自動化」できる
Claude Codeで行う広告データ分析の全体像
STEP1：広告データをClaude Codeに取り込む
- 用意するデータとカラム構成
- Claude Codeへのアップロードとプロンプト例
STEP2：KPI指標を定義し、データを整形する
STEP3：媒体別・キャンペーン別にKPIを集計する
STEP4：可視化とセグメント別分析で「伸びしろ」を見つける
STEP5：Claude Codeに改善点の仮説出しと優先度付けをさせる
Claude Codeで広告データ分析を効率化するメリット
Claude Codeで広告分析を行う際の注意点
よくある質問（FAQ）
まとめ：Claude Codeで広告データ分析を「仕組み化」しよう

結論：Claude Codeを使えば広告データ分析は「半自動化」できる

広告データ分析は、これまで「ダウンロード → 整形 → KPI集計 → レポート作成 → 改善案検討」という、時間のかかる手作業が中心でした。
しかしClaude Code（コード編集に特化したClaudeの開発環境）を使うと、データの前処理からKPI集計、仮説出し、改善ポイントの洗い出しまでを一気通貫で効率化できます。

この記事では、Claude Codeを使って広告データ分析を効率化するための全手順を、具体的なプロンプト例と作業ステップに分けて解説します。
「普段はExcelで分析している」「SQLやPythonは少し触れる」「AIを活用して分析時間を短縮したい」という方に向けた、実務に直結する内容です。

Claude Codeで行う広告データ分析の全体像

広告データ分析とは何か

広告データ分析とは、配信した広告の実績データ（インプレッション、クリック、CV、売上、コストなど）を集計・可視化し、成果を評価して改善につなげるプロセスです。
Google広告、Meta広告、X広告、TikTok広告、Yahoo!広告など、複数媒体を運用している場合は、媒体ごと・キャンペーンごと・クリエイティブごとに指標がバラバラで、分析の手間が膨れ上がります。

Claude Codeとは何か

Claude Codeとは、Anthropic社のAI「Claude」をコード編集・データ処理に最適化した開発用環境です。通常のチャットUIと異なり、以下の特徴があります。

エディタ画面でコード（SQL、Python、JavaScriptなど）を編集・保存できる
ファイル（CSV、Excel、JSONなど）をアップロードし、その中身をAIに解析させられる
「この集計ロジックを修正して」「このカラムを追加して」など、自然言語でコード編集を依頼できる
データの可視化（グラフ生成）のためのコードも自動で書かせやすい

つまりClaude Codeは、「データ分析をAIと一緒に行うための作業場」として機能します。

Claude Codeでの広告分析ワークフロー概要

Claude Codeを使った広告データ分析の流れは、次の5ステップです。

① データ準備：広告媒体からCSVをエクスポートし、Claude Codeにアップロード
② データ整形：命名の統一、日付形式の変換、指標の追加（CTR、CVR、CPA、ROASなど）
③ KPI集計：媒体別、キャンペーン別、クリエイティブ別などの粒度でKPIを集計
④ 可視化と比較：グラフ化・テーブル化して傾向・異常値・伸びている要素を発見
⑤ 改善点発見：AIにパフォーマンスの差分要因をコメントさせ、打ち手候補を洗い出す

STEP1：広告データをClaude Codeに取り込む

用意するデータとカラム構成

まずは、対象の広告媒体からレポートをダウンロードします。
典型的なカラム構成の例は次のとおりです。

カラム名	内容
date	配信日
campaign	キャンペーン名
adset / adgroup	広告セット／広告グループ名
ad_name	クリエイティブ名
impressions	表示回数
clicks	クリック数
conversions	コンバージョン数（購入・問い合わせなど）
spend	広告費（コスト）
revenue	売上・CV価値（あれば）

Claude Codeへのアップロードとプロンプト例

Claude Codeでは、画面左側のファイルエリアにCSVをドラッグ＆ドロップするか、「Upload」をクリックしてアップロードします。
アップロード後、次のようなプロンプトで解析準備を依頼します。

このCSVは、ある期間の広告配信実績データです。
カラムの意味を推定し、列名と概要をテーブル形式で説明してください。
また、日付形式と数値カラム（クリック数、表示回数、コストなど）の型を確認し、
分析に使う上での注意点があればコメントしてください。

これにより、AIがデータ構造を把握したうえで分析に入れる状態になります。

STEP2：KPI指標を定義し、データを整形する

広告KPIとは何か

広告KPIとは、広告の成果を定量的に評価するための主要指標です。よく使われるKPIは次のとおりです。

CTR（Click Through Rate）：クリック率 = クリック数 ÷ インプレッション
CVR（Conversion Rate）：コンバージョン率 = CV数 ÷ クリック数
CPC（Cost Per Click）：クリック単価 = コスト ÷ クリック数
CPA（Cost Per Acquisition）：獲得単価 = コスト ÷ CV数
ROAS（Return On Advertising Spend）：広告費用対効果 = 売上 ÷ コスト

Claude CodeにKPI列の追加を依頼する

CSVを読み込んだら、Claude Codeに対して次のような依頼を行います。

アップロードしたCSVを読み込み、以下の新しい列を追加してください。
- ctr = clicks / impressions
- cvr = conversions / clicks
- cpc = spend / clicks
- cpa = spend / conversions
- roas = revenue / spend （revenue列がない場合はスキップ）

Python（pandas）で処理するコードを書き、
欠損値やゼロ除算を避けるように実装してください。

Claude CodeはPythonコードを生成してくれるので、内容を確認し、必要に応じて次のように修正依頼をします。

ありがとうございます。以下の点を修正してください。
- パーセンテージ指標（ctr, cvr）は 0〜100 の%表記ではなく 0〜1 の小数のままにする
- 小数第4位で四捨五入する
- cpa, cpc は小数第2位で四捨五入する

このように、「要件を自然言語で指定し、AIにコードを書かせて調整していく」のがClaude Codeの基本的な使い方です。

命名の統一とカテゴリ列の作成

媒体や担当者によって命名ルールがバラバラな場合、分析の前にカテゴリ列を整理しておくと後工程が楽になります。
例：

campaign_type（例：リード獲得、認知、アプリインストール）
funnel_stage（例：TOFU、MOFU、BOFU）
creative_type（例：静止画、動画、カルーセル）

Claude Codeには次のように依頼します。

campaign列とad_name列に含まれる文字列から、
- campaign_type（lead, awareness, app_install など）
- creative_type（image, video, carousel など）
を推定して新しい列として追加してください。

ルールをコメントで明記し、曖昧なものは "unknown" にしてください。

STEP3：媒体別・キャンペーン別にKPIを集計する

集計とは何か

集計とは、行単位の生データを、分析しやすい粒度（媒体別・日別・キャンペーン別など）にまとめる処理です。
広告運用では、次のような粒度の集計を見ることが多くなります。

媒体別（月次・週次）
キャンペーン別／目的別
広告セット・セグメント別（例：性別・年齢・配信面など）
クリエイティブ別

Claude Codeでの集計コード生成

Claude Codeには、次のような要件を渡せば、pandasのgroupby処理などを自動で書かせられます。

以下の粒度でKPIを集計するPythonコードを書いてください。
- 粒度1：媒体（platform）× 日付（date）
- 粒度2：媒体（platform）× キャンペーン（campaign）

それぞれについて、以下の指標を算出してください。
- impressions, clicks, conversions, spend, revenue の合計
- ctr, cvr, cpc, cpa, roas の再計算（単純平均ではなく、合計値から計算）

結果は2つのDataFrameに分け、CSVとして書き出してください。

ここで重要なのは、率の指標は「単純平均」ではなく「合計値から再計算」させることを明示する点です。
このような集計ロジック上の注意点も、Claude Codeに明示的に伝えることで、より正確な分析が可能になります。

集計結果の確認ポイント

集計が終わったら、次のような観点でチェックします。

媒体ごとのCPA・ROASに大きな差がないか
目的別キャンペーンで、想定と違う指標が悪化していないか
日別推移で、急激な指標の変動（CPC急騰・CVR急落など）がないか

これも、Claude Codeに説明と質問を含めてプロンプトを投げることで、AI側から「気づき」をコメントさせることができます。

媒体別・キャンペーン別の集計結果をもとに、
- CPA が全体平均よりも大きく悪化している媒体・キャンペーン
- ROAS が特に高い媒体・キャンペーン
をリストアップし、なぜそのような結果になっている可能性があるか、
仮説ベースでコメントしてください。

STEP4：可視化とセグメント別分析で「伸びしろ」を見つける

可視化とは何か

可視化とは、集計結果をグラフや図に変換し、傾向や異常値を直感的に把握することです。
数値のテーブルだけでは見落としがちな傾向も、グラフにすることで発見しやすくなります。

Claude Codeに可視化コードを書かせる

Pythonのmatplotlibやseabornを使ってグラフを描画するコードを、Claude Codeに自動生成させます。

媒体別の日次推移を可視化したいです。
以下のグラフを作成するPythonコードを書いてください。

- グラフ1：日付（x軸）× CPA（y軸）、媒体ごとに色分けした折れ線グラフ
- グラフ2：媒体ごとの月次ROASを棒グラフで表示

日本語フォントでラベルを表示し、タイトルと凡例も追加してください。

生成されたコードを実行し、グラフを確認することで、「どの媒体・どの時期に指標が崩れているか・伸びているか」を一目で把握できます。

セグメント別分析で改善余地を特定する

より踏み込んだ分析として、次のようなセグメント別のKPI比較もClaude Codeに任せられます。

デバイス別（PC / Mobile）
配信面別（フィード / ストーリーズ / 検索 / ディスプレイなど）
オーディエンス別（リマーケティング / 類似 / インタレスト）
クリエイティブフォーマット別（静止画 / 動画 / テキストのみなど）

プロンプト例：

デバイス別、配信面別、オーディエンス別にKPIを比較してください。
それぞれについて、
- CPA が全体平均より良いセグメント
- CPA が全体平均より悪いセグメント
- ROAS が高いセグメント
を抽出し、ランキング形式でまとめてください。

また、その結果から考えられる改善施策を3〜5個提示してください。

これにより、人間だけでは見落としがちなセグメントの「おいしいところ」や「穴」を自動で洗い出せるようになります。

STEP5：Claude Codeに改善点の仮説出しと優先度付けをさせる

改善点発見とは何か

改善点発見とは、集計・可視化したKPIから「どこをどう改善すれば成果が上がりそうか」の仮説を立てるプロセスです。
これまでは運用者の経験と勘に依存する部分が大きかったですが、Claude Codeを使うと、データに基づく仮説をAIに大量に出させることができます。

Claude Codeに仮説リストと優先順位を作らせる

集計・可視化まで終わったら、Claude Codeに対して次のような総合的な依頼を行います。

これまで作成した集計結果とグラフをすべて踏まえて、
広告運用の改善施策候補をできるだけ多く列挙してください。

各施策ごとに、以下の情報をテーブル形式で整理してください。
- 施策名
- 対象媒体・キャンペーン・セグメント
- 期待される効果（例：CPA改善、ROAS向上、CVボリューム増加）
- 効果インパクト（大・中・小 の3段階）
- 実行難易度（高・中・低 の3段階）
- 優先度（インパクトと難易度から総合的に判断）

これにより、打ち手の「アイデア出し」「棚卸し」「優先度付け」までをClaude Codeに手伝わせることができます。
運用者は、そのリストを見ながら現実的な制約（社内リソース、予算、クリエイティブ制作体制など）を加味して、実行する施策を決めていきます。

レポート自動生成にもClaude Codeを活用する

最後に、月次・週次レポートの素案をClaude Codeに書かせることで、報告作業も大幅に効率化できます。

今回の分析結果をもとに、クライアント向けのレポートドラフトを書いてください。
以下の構成で日本語で作成してください。

1. サマリー（今月の総括：成果がどうだったか）
2. 媒体別の実績サマリー（テーブル形式）
3. 主要なポジティブ要因・ネガティブ要因
4. 次月以降に実施する具体的な改善施策
5. 補足（注意点や前提条件など）

Claude Codeは、数値とグラフを参照しながら自然な文章でレポートを書いてくれるため、運用者は最終チェックと微修正に集中できるようになります。

Claude Codeで広告データ分析を効率化するメリット

メリット1：集計・整形の時間を大幅短縮できる

人間がExcelやスプレッドシートで行っていた「コピペ」「関数設定」「ピボット作成」といった作業を、ほぼすべてClaude Codeに任せられます。
その結果、レポート作成にかかる時間を数時間単位で削減でき、運用者は「打ち手の検討」に時間を割けるようになります。

メリット2：分析の再現性と標準化が進む

Claude Codeで使ったプロンプトや生成されたコードは、テンプレートとして保存・再利用できます。
これにより、案件ごと・担当者ごとの差が出やすい「分析の深さ」や「指標の定義」が標準化しやすくなります。

メリット3：属人化した「勘と経験」をAIで補完できる

経験豊富な運用者ほど「なんとなくここが怪しい」といった勘で改善ポイントを探しますが、それをすべてのメンバーが即座に真似するのは困難です。
Claude Codeを使えば、データに基づく仮説をAIが大量に出してくれるため、若手メンバーでも抜け漏れの少ない分析が行えます。

Claude Codeで広告分析を行う際の注意点

注意点1：元データの定義と粒度を明確にする

AIは与えられたデータに基づいて分析を行うため、元データの定義が曖昧だと誤った解釈につながります。
レポートをダウンロードする際は、次の点を明示しておきましょう。

CVの定義（購入、リード、資料請求など）
アトリビューション設定（ラストクリック、7日間ビューなど）
集計粒度（日別、広告セット別、クリエイティブ別など）

注意点2：AIの提案は「仮説」として扱う

Claude Codeが出してくる改善案は、あくまでデータに基づいた仮説です。
実行に移す前に、次の観点で人間側がチェックする必要があります。

ビジネスモデルや商品特性と整合しているか
ブランド毀損のリスクがないか
社内ルールや予算制約に反していないか

注意点3：プライバシー・機密情報の扱い

広告データには、機密性の高い情報（CPA、ROAS、売上など）が含まれます。
Claude Codeを利用する際は、社内ポリシーに従い、個人情報や機密情報を適切にマスキング・匿名化した上で活用しましょう。

よくある質問（FAQ）

Q1. Claude Codeと通常のClaude（チャット版）は何が違いますか？

A. 通常のClaudeはテキストベースの質疑応答に最適化されていますが、Claude Codeはコード編集とファイルベースの作業に特化した環境です。データ分析では、CSVやExcelを扱いながらコードを何度も修正する必要があるため、Claude Codeの方が圧倒的に効率的です。

Q2. プログラミングができなくてもClaude Codeで広告分析はできますか？

A. 可能です。「やりたいこと」を日本語で具体的に指示すれば、Claude CodeがPythonやSQLのコードを自動で生成してくれます。コードの細かい文法を理解していなくても、AIが提案する処理内容を自然言語で確認・修正していく形で分析を進められます。

Q3. Excelだけでの分析と比べて、Claude Codeを使う最大のメリットは何ですか？

A. 最大のメリットは、「繰り返し作業の自動化」と「仮説出しの補助」です。Excelでは毎回同じ関数設定やピボット作成が必要ですが、Claude Codeではコードとプロンプトをテンプレート化できます。また、AIに仮説出しや改善案の整理まで任せられる点が大きな違いです。

Q4. どのくらいのデータ量までClaude Codeで扱えますか？

A. 一般的な広告アカウントの月次データ（数万〜十数万行）であれば、Python（pandas）を用いることで十分に処理可能です。ただし、数百万行を超えるようなビッグデータは、外部のデータベースやBIツールと組み合わせることを検討してください。その場合も、SQLクエリや分析ロジックの設計をClaude Codeに手伝わせることができます。