webマーケター必見！Pythonを使って業務を効率化しよう

こんにちは。
ゆるっとITです。

今回は、Pythonの簡単なコードを使って、webマーケターが業務を効率化できるような例を書いていこうと思います。

はじめに

Webマーケティングは、多くの企業にとって重要な業務ですが、その一方で手作業や繰り返しの作業が多く存在します。

Pythonは、読みやすく、使いやすいプログラミング言語であり、Webマーケターが日々の業務を自動化するのに適しています。

この記事では、簡単なPythonコードを使用して、Webマーケターの業務を効率化する方法を解説します。

Pythonを用いた業務自動化の例

以下に、Pythonを使用してWebマーケターの日々の業務を自動化する例を紹介します。　

1. Webページから情報をスクレイピング

Webマーケターは、競合他社のウェブサイトから価格情報や製品情報を定期的に収集することがあります。

PythonのrequestsとBeautifulSoupライブラリを使用すると、簡単にWebページから情報を抽出できます。

import requests
from bs4 import BeautifulSoup

url = "https://example.com/products"
response = requests.get(url)

soup = BeautifulSoup(response.text, 'html.parser')
product_elements = soup.find_all(class_='product')

for product in product_elements:
    name = product.find(class_='name').text
    price = product.find(class_='price').text
    print(f"{name}: {price}")

このコードは、指定されたURLのWebページから製品名と価格情報を抽出し、コンソールに表示します。

スケジューラ（Windowsの場合はTask Scheduler、Linuxの場合はcron）を使用して、このスクリプトを定期的に実行することができます。

2. Googleスプレッドシートのデータ操作

Webマーケターは、Googleスプレッドシートを使用してデータを管理することがよくあります。

Pythonのgoogle-api-python-clientライブラリを使用すると、スプレッドシート内のデータを簡単に操作できます。

まず、google-api-python-clientライブラリをインストールしましょう。

pip install google-api-python-client

以下のコードは、Googleスプレッドシートからデータを取得し、データを加工して再度スプレッドシートに書き戻す例です。

from google.oauth2 import service_account
from googleapiclient.discovery import build

# APIキーとスコープの設定
key_file = "path/to/your-key-file.json"
scopes = ["https://www.googleapis.com/auth/spreadsheets"]

# 認証とAPIの構築
credentials = service_account.Credentials.from_service_account_file(key_file, scopes)
sheets_api = build("sheets", "v4", credentials=credentials)

# スプレッドシートIDと範囲を指定
spreadsheet_id = "your_spreadsheet_id"
range_name = "Sheet1!A1:C"

# スプレッドシートからデータを取得
result = sheets_api.spreadsheets().values().get(spreadsheetId=spreadsheet_id, range=range_name).execute()
data = result.get("values", [])

# データの加工
new_data = []
for row in data:
    row_data = [cell.upper() for cell in row]
    new_data.append(row_data)

# 加工したデータをスプレッドシートに書き込み
update_body = {"values": new_data}
sheets_api.spreadsheets().values().update(spreadsheetId=spreadsheet_id, range=range_name, body=update_body, valueInputOption="RAW").execute()

このコードは、指定されたスプレッドシートからデータを取得し、すべてのセルの内容を大文字に変換してから、元のスプレッドシートに書き戻します。

スケジューラを使用して、このスクリプトを定期的に実行することも可能です。　　

3.Pythonを用いてGoogle Analytics 4からデータを取得し、レポーティング

Google Analytics APIを使用してGA4のデータを取得し、pandasを用いてデータを処理し、グラフを描画する方法を解説します。　

Google Analytics APIの設定

まず、Google Analytics APIを使用するために、Google Cloud Platformのプロジェクトを作成し、APIキーを取得する必要があります。

以下の手順に従って、APIキーを取得してください。

Google Cloud Platform Consoleにアクセスし、新しいプロジェクトを作成します。

1. 左のメニューから「APIとサービス」を選択し、「ライブラリ」をクリックします。

2. 検索ボックスに「Google Analytics 4」と入力し、表示された「Google Analytics Data API」をクリックし、「有効にする」をクリックします。

3. 「認証情報」タブをクリックし、「認証情報を作成」を選択し、「サービスアカウント」をクリックします。

4. 必要な情報を入力し、サービスアカウントを作成します。

5. 「キー」タブから、「キーの追加」をクリックし、「JSON」形式でキーをダウンロードします。

最後にGoogle Analytics 4の管理画面から、作成したサービスアカウントに適切な権限を付与してください。

必要なライブラリのインストール

次に、PythonでGoogle Analytics APIを利用するために必要なライブラリをインストールします。

また、データ処理とグラフ作成のためにpandasとmatplotlibもインストールします。

pip install google-auth google-auth-oauthlib google-auth-httplib2 google-api-python-client pandas matplotlib

GA4データの取得

以下のコードは、Google Analytics APIを使用してGA4のデータを取得する例です。

まず、APIキーのファイルパスとGoogle Analytics 4のプロパティIDを指定してください。

import pandas as pd
from google.oauth2 import service_account
from googleapiclient.discovery import build

# APIキーとプロパティIDの設定
key_file = "path/to/your-key-file.json"
property_id = "your_property_id"

# 認証とAPIの構築
credentials = service_account.Credentials.from_service_account_file(key_file)
analytics_api = build("analyticsdata", "v1beta", credentials=credentials)

# データ取得の設定
start_date = "2021-01-01"
end_date = "2021-12-31"
metrics = [{"name": "activeUsers"}]
dimensions = [{"name": "country"}]

# データ取得
response = analytics_api.runReport(
    body={
        "property": f"properties/{property_id}",
        "dateRanges": [{"startDate": start_date, "endDate": end_date}],
        "dimensions": dimensions,
        "metrics": metrics,
    }
)

# データをpandas DataFrameに変換
data = []
for row in response["rows"]:
    country = row["dimensionValues"][0]["value"]
    active_users = int(row["metricValues"][0]["value"])
    data.append({"Country": country, "Active Users": active_users})

df = pd.DataFrame(data)

このコードは、指定された期間内の国別のアクティブユーザー数を取得し、pandas DataFrameに変換します。

データの処理とグラフ作成

次に、取得したデータを処理し、matplotlibを使用してグラフを作成します。

以下のコードは、アクティブユーザー数が多い上位10ヵ国を抽出し、棒グラフで表示する例です。

import matplotlib.pyplot as plt

# データのソートと上位10ヵ国の抽出
top_countries = df.sort_values("Active Users", ascending=False).head(10)

# グラフの描画
plt.figure(figsize=(10, 6))
plt.bar(top_countries["Country"], top_countries["Active Users"])
plt.xlabel("Country")
plt.ylabel("Active Users")
plt.title("Top 10 Countries by Active Users")
plt.show()

このコードは、取得したデータをアクティブユーザー数で降順にソートし、上位10ヵ国を抽出します。

その後、matplotlibを使用して棒グラフを描画し、画面に表示します。

まとめ

Pythonは、Webマーケターが日々の業務を効率化するのに適したプログラミング言語のひとつです。

Webページから情報をスクレイピングする方法やGoogleスプレッドシートのデータ操作など、簡単なPythonコードを使用して業務を自動化することができます。

これらの方法を活用し、より効率的で生産的なWebマーケティング業務を実現しましょう！