---
title: GA4 ランディングページ 抽出クエリの解剖学
tags: 
author: [渋谷TAIZI](https://image.docswell.com/user/4514287294)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/GJ8DDKKLJD.jpg?width=480
description: GA4 ランディングページ 抽出クエリの解剖学 by 渋谷TAIZI
published: April 26, 26
canonical: https://image.docswell.com/s/4514287294/ZR8QPG-2026-04-26-174835
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/GJ8DDKKLJD.jpg)

SELECT event_date,
event_name,
(SELECT value.string_value
FROM UNNEST(event_params) WHERE key = 'page_location') as page_location
FROM `your-project.analytics_xxxxxx.events_YYYYMMDD`
WHERE event_name = 'session_start'...
THE DEFINITIVE BLUEPRINT FOR GA4 BIGQUERY ANALYSIS
GA4 ランディングページ
抽出クエリの解剖学
堅牢で保守性に優れたBigQuery SQLアーキテクチャの
構造的分解

# Page. 2

![Page Image](https://bcdn.docswell.com/page/LJLMMZZQER.jpg)

なぜこのクエリが「決定版」と呼ばれるのか？
Precision
GA4仕様に忠実な着地判定。
entrances = 1 を利用し、セッションの入り口を正確に特定。
Cleanliness
適切なデータクレンジング。
URLのクエリパラメータを除去し、同一ページへのセッション分散を防止。
Efficiency
効率的なデータ絞り込み。
_TABLE_SUFFIX によるスキャン量の大幅な削減とコストコントロール。

# Page. 3

![Page Image](https://bcdn.docswell.com/page/47MYYV4K7W.jpg)

The Master Blueprint: 5つの論理ブロック
CREATE TEMP FUNCTION date_from() RETURNS STRING AS ('20260301');
CREATE TEMP FUNCTION date_to() RETURNS STRING AS ('20260331');
WITH LP_Session_Daily AS (
SELECT ymd, page_location AS landing_page, SUM(entrances) AS _ss
FROM (
SELECT PARSE_DATE("%Y%m%d", event_date) AS ymd,
REGEXP_REPLACE((SELECT value.string_value FROM UNNEST(event_params) p
WHERE p.key = 'page_location'), r"?. *", "") AS page_location,
(SELECT value.int_value FROM UNNEST(event_params) p WHERE p.key =
'entrances') AS entrances
FROM <project>.<dataset>.events_*
WHERE _TABLE_SUFFIX BETWEEN date_from() AND date_to() AND event_name =
'page_view'
)
WHERE entrances = 1
GROUP BY ymd, landing_page
ORDER BY ymd ASC, _ss DESC
)
SELECT * FROM LP_Session_Daily
[1] 期間指定の関数化
(変数初期化)
[2] メインクエリ構造
(CTE定義)
[3] サブクエリ
(抽出と加工)
[4] 絞り込みと集計
[5] 最終出力

# Page. 4

![Page Image](https://bcdn.docswell.com/page/P7R992W6E9.jpg)

[Block 1] 期間指定の関数化によるメンテナンス性の向上
CREATE TEMP FUNCTION date_from() RETURNS STRING AS ('20260301');
CREATE TEMP FUNCTION date_to() RETURNS STRING AS ('20260331');
期間変更
クエリ内に直接日付を記述する
のではなく、一時関数(TEMP
FUNCTION)として定義。
集計期間を変更する際はこの
2行を書き換えるだけで完了し、
人為的ミスを防止する。

# Page. 5

![Page Image](https://bcdn.docswell.com/page/PJXQQDPD7X.jpg)

[Block 2] メインクエリの構造 (CTE)
WITH LP_Session_Daily AS (
. . .
)
集計処理全体を
LP_Session_Daily という一つ
の「CTE (共通テーブル式)」
としてパッケージ化。最終的
な処理をシンプルにし、コード
の可読性を劇的に高める。
LP_Session_Daily

# Page. 6

![Page Image](https://bcdn.docswell.com/page/3JK99XDDJD.jpg)

[Block 3] サブクエリ：データの抽出と加工のコアエンジン
SELECT . . .
FROM <project>.<dataset>.events_*
WHERE event_name = 'page_view'
events_*
(生データ)
抽出と加工
(Extraction & Transformation)
ymd page_location entrances
'20260301' /home 1
'20260301' /home 2
'20260301' /home 1
このブロックがクエリの核。生データの型変換、ネストの解除、不要な文字列の
除去を行い、集計可能なクリーンデータへと変換する。

# Page. 7

![Page Image](https://bcdn.docswell.com/page/LE3WW5RPE5.jpg)

[Block 3-A] データ型の最適化と大幅なコスト削減
PARSE_DATE
('%Y%m%d',
event_date)
AS ymd
'20260301' -> [PARSE_DATE]
文字列である event_date を日付型へ変換し、分析を容易に。
WHERE
_TABLE_SUFFIX
BETWEEN
date_from()
AND date_to()
Total Data
_TABLE_SUFFIX
Cost
Optimization
Scanned Data
ワイルドカードテーブルを日付で絞り込み、スキャンデータ量を
最小化。クエリコストを大幅に削減する必須テクニック。

# Page. 8

![Page Image](https://bcdn.docswell.com/page/8EDKKDY37G.jpg)

[Block 3-B] UNNESTによるネストデータの展開
(SELECT value.string_value
FROM UNNEST(event_params) p
WHERE p.key = 'page_location')
event_params
UNNEST
page_location entrances
/home 50
/product/123 20
GA4特有のキーバリュー形式で配列として格納されたデータ構造。これを
UNNESTで展開(平坦化)しなければ、特定の値(パラメータ)を取りことは
できない。GA4分析における最重要ステップ。

# Page. 9

![Page Image](https://bcdn.docswell.com/page/V7PKKX6PJ8.jpg)

[Block 3-C] 正規表現によるURLの「正規化」
REGEXP_REPLACE(..., r"?. *", "")
AS page_location
Before
example.com/page?utm=abc
example.com/page?gclid=123
After
example.com/page
Merged session count (e.g., 2)
クエリパラメータ(?以降)を REGEXP_REPLACE で取り除く。
これにより、同一のページがパラメータ違いで別々に集計(分散)される
されるのを完全に防ぐ。

# Page. 10

![Page Image](https://bcdn.docswell.com/page/2JVVVL3VJQ.jpg)

[Block 4-A] 仕様に忠実な「着地(ランディング)」判定
WHERE entrances = 1
AND event_name = 'page_view'
page_view events
Gatekeeper
entrances = 1
セッションの入り口となるイベントのみに絞り込む。entrances = 1
を条件とすることが、GA4において「ランディングページ」を特定する
唯一にして最も確実なフラグである。

# Page. 11

![Page Image](https://bcdn.docswell.com/page/5EGLLX31JL.jpg)

[Block 4-B] レポートの構造化とソート
GROUP BY ymd, landing_page
ORDER BY ymd ASC, _ss DESC
... 134
... 233
... 146
... 90 ... 160
... 106 16 ...
... 7
... 50 ... 150
GROUP BY
Date Page Session Count
2023-01-01 landing_page 150
2023-01-02 landing_page 120
2023-01-03 Page 90
2023-01-04 landing_page 60
2023-01-05 Page 30
2023-01-06 landing_page 15
抽出したデータを日付(ymd)とページ(landing_page)ごとにセッ
ション数(_ss)として合計(SUM)。さらに日付順・セッション数の多
い順にソートし、分析しやすい形へ整える。

# Page. 12

![Page Image](https://bcdn.docswell.com/page/4JQYY85N7P.jpg)

[Block 5] 最終出力：カプセル化された処理の実行
SELECT *
FROM LP_Session_Daily
LP_Session_Daily -> Execute
CTEで定義・構築した一連の複雑な処理結果を、最後にシン
プルに呼び出してテーブルとして出力する。

# Page. 13

![Page Image](https://bcdn.docswell.com/page/K74WW293E1.jpg)

Synthesis: なぜこれが「決定版」のクエリなのか
SELECT
FROM
_TABLE_SUFFIX & event_name & event_name =
,
,
WER
"
"
&
SQL Technique Business Value
_TABLE_SUFFIX & event_name 効率的なデータ絞り込み(高速化とコスト最適化)
REGEXP_REPLACE 適切なデータクレンジング(データの分散防止・精度の向上)
entrances = 1 GA4仕様に忠実な着地判定(正確なトラフィック評価)
この3点が完全に押さえられているため、
実務で安心して使える堅牢なデータ基盤となる。

# Page. 14

![Page Image](https://bcdn.docswell.com/page/LJ1YYMKZEG.jpg)

Next Steps: アーキテクチャの拡張
LP_Session_Daily
JOIN
CV_Events
(CVイベント)
LP別 CVR
(Conversion Rate)
このクエリは拡張性も高い。構築したこの基盤に対して「CVイベント」を結合(JOIN)させ
ることで、ランディングページ別のコンバージョン率(CVR)を算出するような高度な分析へ
もスムーズに展開できる。

# Page. 15

![Page Image](https://bcdn.docswell.com/page/GJWGG3D672.jpg)

The GA4 Analytics Engine: Assembled.
美しいコードは、正確で効率的な意思決定の基盤となる。
WITH base_events AS (
SELECT
event_date,
event_timestamp,
event_name,
user_pseudo_id,
(SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'page_location') AS page_location,
(SELECT value.int_value FROM UNNEST(event_params) WHERE key = 'entrances') AS entrances
FROM
`analytics_XXXXXXXX.events_*`
WHERE
_TABLE_SUFFIX BETWEEN '20240101' AND '20240131'
),
session_starts AS (
SELECT
user_pseudo_id,
event_timestamp,
page_location
FROM
base_events
WHERE
entrances = 1
),
daily_sessions AS (
SELECT
DATE(TIMESTAMP_MICROS(event_timestamp)) AS session_date,
REGEXP_REPLACE(page_location, r'\?. *', '') AS landing_page,
COUNT(DISTINCT user_pseudo_id) AS users,
COUNT(*) AS sessions
FROM
session_starts
GROUP BY 1, 2
)
SELECT
session_date,
landing_page,
users,
sessions
FROM
daily_sessions
ORDER BY
session_date,
sessions DESC
EOF
SYSTEM TEARDOWN COMPLETE.