クリックストリーム (Clickstream) とは、ユーザーが Web サイトやアプリ上で行ったクリック (タップ) の一連の流れを、時系列で記録したデータのことです。「ホーム → 商品一覧 → 商品詳細 → カート → 購入完了」のような、ユーザーの行動経路全体を表します。
クリックストリームデータには、アクセスしたページの URL、各ページの滞在時間、クリックした要素、流入元 (リファラー)、使用デバイス・ブラウザ、タイムスタンプなどが含まれます。これらを分析することで、ユーザーがサイト内をどのように回遊し、どこで離脱するかのパターンを把握できます。一方で、1 人の行動が細かく残るデータでもあり、地域によっては取得前の同意や保持期間の扱いが求められます。分析の設計より先に、何をどこまで残すかを決めておくほうが後戻りが少なくなります。
短縮 URL サービスのクリック解析は、クリックストリームの入り口部分にあたるデータです。短縮 URL がクリックされた時点のデータ (クリック時刻、地域、デバイス、リファラー) と、リダイレクト先サイトの Google Analytics データを組み合わせることで、「どの経路から来たユーザーが、サイト内でどのように行動し、最終的にコンバージョンに至ったか」という流れをおおまかにつなぐことができます。ただし両者は別々に集計されたデータで、共通の識別子を持ちません。結び付けるには短縮 URL の遷移先に計測用パラメータ (utm_source など) を付けておく必要があり、それでも分かるのは流入のまとまり単位までで、個人単位の経路がつながるわけではありません。短縮 URL 側のクリック数と遷移先のセッション数も一致しないのが普通で、リダイレクト後にページを開き切らずに離脱した場合や、先読みやボットによるアクセスが混じった場合に差が開きます。
クリックストリーム分析の実務的な活用例として、ファネル分析 (各段階の離脱率の特定)、パス分析 (最もコンバージョンに至りやすい経路の発見)、異常検知 (ボットや不正クリックのパターン検出) があります。パス分析では経路の種類がすぐに膨れ上がるため、上位いくつかの経路だけを見ると全体像を読み違えます。先に離脱が集中している 1 ステップを見つけ、そこに絞って前後の経路を掘るほうが実務では扱いやすいです。
大規模なクリックストリームデータの処理には、Apache Kafka (リアルタイムストリーミング)、Apache Spark (バッチ処理)、BigQuery (分析クエリ) などのビッグデータ技術が使われます。小規模なサイトであれば、まず Google Analytics 4 の「探索」にある経路データ探索で足りることが多く、行動の細部まで追う必要が出た段階で BigQuery へのエクスポートに移るのが現実的です。