GA4データのAI分析ガイド｜Looker Studio×Gemini活用法
GA4の複雑な数値を「もっと楽に、かつ深く分析したい」と考えていませんか？
Geminiなどの生成AIを「分析パートナー」にすれば、数時間かかっていたレポート解析がわずか数分で完了します。
この記事では、GA4データをAIに正しく読み込ませる手順から、改善案を引き出すプロンプト例まで徹底解説。AIを使いこなし、分析業務を劇的に効率化するコツをお伝えします。
【この記事でわかること】
- AI分析でできること
- GA4をAIで分析する3つのアプローチ比較
- Looker Studio×GeminiでGA4データをAIで分析する手順
- 課題抽出から改善提案まで導くプロンプト例
GA4の基本的なレポートの見方や作成のコツは、GA4レポート作成・見方ガイドをご覧ください。
Contents
GA4をAIで分析するべき理由
GA4（Google Analytics 4）は非常に高機能ですが、
- 画面構成が複雑
- 指標や用語が多い
- どのメニューから何を見れば良いか分かりづらい
と感じる方が多いツールです。その結果、
- 「どこが悪いのか分からない」
- 「数値変動の理由をうまく説明できない」
といった悩みにつながりやすくなります。
このGA4分析のハードルを下げてくれる手段として、近年注目されているのが ChatGPT や Gemini を活用した「AI分析」です。
AIを使うことで、人力では時間のかかる分析作業を効率化し、数値の要約 → 変化の理由 → 課題整理 → 改善案まで短時間で整理できるようになります。
AIが特に得意とする4つの領域
AI分析はさまざまな面で役立ちますが、特に次の領域で真価を発揮します。
① 要約（全体像の整理）
大量の数値を短時間で整理し、「今月は何が起きたのか？」をコンパクトにまとめられます。
② 傾向把握
人力では見落としがちな微細な変化も、一定のロジックで判定し続けられるため、トレンドの把握に向いています。
③ 課題抽出
チャネル・ページ・デバイスなど、複数の切り口を同時に比較しながら、
- なぜセッションが減ったのか
- どのページがボトルネックになっているのか
といった、GA4の課題の深掘りに適しています。
④ 改善案の生成
見つかった課題に対して、
- UI改善
- 導線改善
- LP改善
など、施策レベルの提案まで自動で出せます。
GA4をAIで分析する方法｜3つの主要アプローチを徹底比較
GA4をAIで分析する方法は、ざっくり分けると次の3つです。
- 方法①：GA4標準の「インサイト」「予測」機能を使う
- 方法②：GeminiにGA4データを読み込ませる
- 方法③：BigQuery × AIモデルで高度分析する
それぞれ、手軽さ・専門性・自由度が異なります。自分のスキルや目的に合わせて選ぶことが重要です。
方法① GA4標準の「インサイト」「予測」機能を使う
GA4には標準で「インサイト」と「予測」といったAI的な機能が備わっています。
■ メリット
- 自動で変化点を検出して通知
- 異常値（急増・急減）が分かる
- 今後の売上やコンバージョンの予測が見られる
- 操作が簡単で初心者でも使いやすい
特に「変化に気づける」という点で、初歩的なGA4分析としては優秀です。
■ デメリット
- 深い分析はできず、原因までは分からない
- ロジックがブラックボックスで説明がしづらい
- 絞り込みや比較軸を自由に設定できない
- カスタマイズ性が低い
■ 向いている人
- GA4初心者
- まずは「大きな変化に気づく」レベルから始めたい人
方法② Geminiに GA4データを読み込ませる
より深い分析を行いたい場合は、ChatGPTやGeminiにGA4データを直接読み込ませる方法が有効です。
■ メリット
- PDFやCSVを読み込み、要約・変化点・課題抽出を自動生成
- 問題の原因を論理的に整理
- 施策レベルの改善案まで提案
- プロンプト次第で自由度の高い分析が可能
■ デメリット
- 入力データ（PDF / CSV）の質によって精度が大きく変わる
- プロンプト設計が必要
- 比較軸が不足していると分析が浅くなりがち
■ 向いている人
- GA4の全体像を素早くつかみたい人
- 改善案までほしい人
- レポート作成を効率化したい人（AIレポートの自動生成など）
方法③ BigQuery × AIモデルで高度な分析を行う
最も自由度が高いのが、「BigQueryにGA4データを蓄積 → AIモデルに学習させる」という高度なアプローチです。
■ メリット
- 生データを自由に加工・集計できる
- 高精度なAIモデルによる予測・クラスタリングが可能
- 企業規模の大きいデータ分析に最適
- LTV分析や行動ログ分析など、複雑な分析も実現できる
■ デメリット
- SQLやBIツールなど専門知識が必要
- セットアップに工数がかかる
- BigQueryのコストが発生する場合がある
- 初心者向けではない
■ 向いている人
- データアナリストなどの上級者
- 大規模データを扱う企業
- 独自のAIモデルを構築したいチーム
3つの方法の比較表（初心者／中級者／上級者の最適解）
以下は、手軽さ・専門性・自由度・コスト の4軸で整理した比較表です。
| 方法 | 手軽さ | 自由度 | コスト | 向いている人 |
|---|---|---|---|---|
| ① GA4標準インサイト / 予測 | ◎ | △ | 無料 | 初心者 / まず変化点を知りたい人 |
| ② GeminiでAI分析 | ○ | ◎ | 低〜中 | 中級者 / 改善案が欲しい人 |
| ③ BigQuery × AIモデル | × | ◎◎ | 中〜高 | 上級者 / 大規模データを扱う企業 |
結論、もっともバランスが良いのは「方法② ChatGPT × Gemini」です。
- 手軽さ：非エンジニアでも実装可能
- 自由度：プロンプトで分析内容を柔軟にコントロール可能
- コスト：無料〜低コストでスタート可能
特に、インハウスプラスのような網羅的なLooker Studioテンプレートを使うと、AIが理解しやすいデータ構造になっており、より深い分析が行えます。
データ分析において、なぜChatGPTではなく「Gemini」が最適解なのか
GA4（Google Analytics 4）分析において、Geminiは最強のパートナーです。特に、レポート画面を「見たまま」理解する能力において、他のAIツールを大きく凌駕しています。
役割の違い：視覚情報を理解する「眼」を持っているか
ChatGPTとGeminiの決定的な違いは、「マルチモーダル（多感覚）な処理能力」の高さにあります。Geminiはテキストだけでなく、グラフや表を「画像」として正確に認識する能力に長けています。
| 特徴 | Gemini (Google) | ChatGPT (OpenAI) |
| 得意分野 | 視覚情報（グラフ・図表）を含む資料の正確な読み取り | テキストベースの会話・アイデア生成 |
| データ連携 | GA4のPDFレポートを「画像」として正確に認識（マルチモーダル） | 画像の文字認識（OCR）に頼る部分があり、グラフの誤読が起きやすい |
| 分析の精度 | 数値の推移やトレンドを視覚的に把握できる | テキストデータ化された数値の計算が中心 |
| 例えるなら | 資料を目で見て即座に理解する“凄腕アナリスト” | データ入力が必要な“計算係” |
Gemini一択である3つの理由
- PDFを渡すだけ。圧倒的な「マルチモーダル」認識力ここが最大のメリットです。GA4の複雑な画面をCSV等に加工する必要はありません。レポート画面をそのままPDF化してGeminiにアップロードするだけです。Geminiは高度なマルチモーダルAIであるため、PDF内のグラフの上がり下がりや、表の構造を人間と同じように「目で見て」理解します。文字化けやレイアウト崩れに強いのも特徴です。
- 膨大な情報も「ロングコンテキスト」で一発処理PDF化した月次レポートや詳細なデータは枚数が多くなりがちですが、Geminiは一度に処理できる情報量（コンテキストウィンドウ）が非常に大きいため、複数のPDFをまとめて読み込ませても、内容を漏らさず正確に分析します。
- 「現状把握」から「改善案」までワンストップ正確にグラフを読み取れるからこそ、その後の「原因分析」や「改善提案」の精度も飛躍的に高まります。「画像認識（Gemini）」＋「戦略立案（Gemini）」の一貫体制により、PDFを放り込むだけで、プロ並みの改善レポートが完成します。
結論：Geminiで分析時間をゼロにする
これまでの分析業務で一番手間だったのは、「AIが理解できる形式にデータを加工すること」でした。
しかし、Geminiのマルチモーダル能力を使えば、「GA4を見る → PDFにする → Geminiに聞く」。たったこれだけで完結します。
データの加工に時間を使うのはもう終わりにして、Geminiという「優れた眼」を持つパートナーに分析を任せるのが、間違いなく最短・最適のルートです。
Looker Studio×GeminiでGA4をAIで分析する手順
方法②のGeminiを使ったAI分析は、次の5ステップで進めます。
- GA4 → Looker Studioでデータを整理（テンプレート推奨）
- レポートをPDF化し、AIが読み取りやすい“構造化データ”にする
- GeminiにPDFをアップロードして要約・変化点を抽出する
- レポート化 → 実際の施策へ落とし込む
Step1｜GA4 → Looker Studioでデータを整理（テンプレート推奨）
なぜ最初にLooker Studioで整理するのか？
GA4の管理画面からダウンロードしたCSVをそのままAIに渡すと、画面ごとに切り口がバラバラで「今どこを見ているデータなのか」がAIに伝わりません。AI分析を成功させるには、まず 「すべての重要指標を1つのファイルにまとめる」＝構造化が必要 です。
Looker Studioを使うメリット
- 必要な切り口を 1つのレポートに集約 できる
- 一度作れば 毎月自動更新（GA4と自動連携）
- AIが得意なPDFとして書き出せる
テンプレートを使うとどう効率化できるか？
インハウスプラスのGA4テンプレートなら、以下の切り口が最初から揃った状態で自動生成されます。
- サマリ
- 月別・週別・日別
- ユーザー
- 集客（流入経路）
- ページ
- ランディングページ
- コンバージョン（キーイベント）
- 期間比較（前月比／前年比）
初心者でも AIが分析しやすい“美しい構造のレポート” をすぐに作れます。
AIが分析しやすい構造化されたGA4テンプレートはこちら ＞
GA4のPDFサンプルはこちら（別ウィンドウですぐに開きます）
Step2｜レポートをPDF化し、AIが読み取りやすい“構造化データ”にする
複雑な計算ではなく、レポートの要約などが目的の場合、AI（Gemini）に読み込ませるデータ形式はPDFがおすすめです。
PDFを推奨する理由
- ページ全体の文脈・見出し・表がひとつの構造として保持される
CSVのようにデータがバラバラにならず、AIが内容を一括で理解できます。 - グラフや表の位置関係を正しく読み取れる
グラフの上に説明文があるか、比較表の左右が何を示すかなど、レイアウト情報を保持できます。 - 追加の加工が不要で、普段のレポートをそのまま使える
CSVの整形・結合作業が不要で、PDF化してアップロードするだけで分析が始められます。
具体的なPDF化手順
- Looker Studioの右上「共有」→「レポートをダウンロード」
- 形式を PDF に設定
- ページ全体を含める（推奨）
- ダウンロードして保存
詳細な手順は以下の記事で解説しています。初めての方はぜひ参考にしてください。
[Looker Studio] レポートをPDF形式でダウンロードする方法
このPDFをGeminiにアップロードすると、AIが「全体の構造・推移・比較軸」を正しく読み取れるようになります。
Step3｜GeminiにPDFをアップロードして要約・変化点を抽出する
GeminiはPDFの理解が最も得意なAIのひとつで、特に 表・グラフの読み取り精度が高いことが特徴です。
そのため、PDF化したGA4レポートを渡すだけで、データの要点整理や変化点の抽出をほぼ自動化できます。
Geminiでできること
- レポート全体の要点を高速で要約
- 前月比・前年比の増減を自動で抽出
- グラフから傾向（上昇・下降）を読み取る
- 「異常値・急増/急減ポイント」を見つける
具体的な手順
A. Geminiを開く
GeminiのTOPページを開きます。（Googleアカウントでログインしておくと操作がスムーズです。）
B. PDFファイルをアップロードする
- 画面左下の 「＋」ボタン をクリック
- 「ファイルをアップロード」 を選択
- GA4レポートPDFを選択してアップロード
Geminiはアップロード直後にファイルを解析し、表・グラフの構造を自動で認識します。
PDFのアップロード方法による違い
PDFのアップロード方法には「直接アップロード」と「ドライブ経由」の2種類がありますが、実は選び方によって読み取り精度が大きく変わります。
ファイルを直接ドラッグ＆ドロップすると、AIが表の形やグラフなどの「見た目」も含めて認識できるため、内容を正確に読み取れます。一方、ドライブ経由では文字情報のみが抽出されやすく、レイアウトが崩れて数字の読み間違いが起きやすくなります。
C. プロンプトを入力する
PDFを読み込んだら、以下のような指示（プロンプト）を入力します。
このPDFを読み込み、今月のGA4データを以下の形式で要約してください。
・良かった点（3つ）
・悪かった点（3つ）
・前月比で大きく変動した指標（3つ）
・全体の総括（200字以内）
D. 得られるアウトプット
上記のプロンプトを入力すると、Geminiは以下のような情報を数秒で整理してくれます。
■ Geminiの回答
ご提示いただいた「2025年4月 GA4レポート」に基づき、要点をまとめました。
実績サマリ
- ユーザー数: 5,586（前月比 +6.1%）
- セッション: 8,142（前月比 +3.3%）
- ページビュー数: 5,289（前月比 -8.7%）
- コンバージョン率 (CVR): 0.14%（前月比 -49.3%）
- キーイベント数 (CV): 11（前月比 -47.6%）
良かった点
- ユーザー数・セッション数の増加: 全体のユーザー数が前月比6.1%増、新規ユーザー数も5.1%増と、集客面ではプラスの推移を見せています 。
- 特定コンテンツの集客増: 「Instagramビジネスアカウントへの切り替え」に関する記事が、ユーザー数で前月比27.0%増、セッション数で22.5%増と大きく伸長しました 。
- Direct流入の堅調な推移: Direct（直接流入）チャネルのユーザー数が7.4%増、セッション数が8.9%増となり、CV数も前月と同数を維持しています 。
悪かった点
- コンバージョンの大幅減少: キーイベント数（CV）が前月の21件から11件へと47.6%減少し、CVRもほぼ半減（-49.3%）しています 。
- Organic Searchの質的課題: Organic Searchからの流入ユーザーは7.8%増加しましたが、同チャネル経由のCV数は5件と前月比58.3%減少しており、集客が成果に結びついていません 。
- 回遊性の低下: ユーザー数は増えているにもかかわらず、ページビュー数が8.7%減少しており、ユーザー1人あたりの閲覧ページ数が減少していることが示唆されます 。
前の期間比（前月比）で大きく変動した指標
- キーイベント数（CV）: -47.6%（21件 → 11件）と大きく落ち込みました 。
- 「Instagram…」記事のユーザー数: +27.0%と大幅に増加し、集客を牽引しました 。
- Referral（参照元）のセッション数: -29.1%と大きく減少し、CV数も半減（2件→1件）しました 。
全体の総括
ユーザー数（+6.1%）は自然検索の伸長により増加しましたが、PV数（-8.7%）とCV数（-47.6%）が大幅に悪化しました。特に主力の自然検索経由のCVが半減しており、集客の質やサイト内回遊に課題があります。急増したInstagram関連ページの流入を成果に繋げる導線改善と、CVR低下の要因特定が急務です。
引用元：Gemini
→たったこれだけで、人が30分以上かける分析の下準備が数秒で完了します。
Step4｜レポート化 → 実際の施策へ落とし込む
最後に、Geminiから出た材料をもとに 実務で使えるレポート に仕上げ、施策に落とし込みます。
レポート化の流れ（おすすめ形式）
- 1ページ目：要点サマリ（KPIの増減）
- 2ページ目：原因分析（チャネル別・ページ別）
- 3ページ目：優先度付き改善案（高→低）
- 4ページ目：次月のアクションプラン（TODO化）
これでそのまま上司・クライアントに提出できる品質になります。
AIが正しく分析するためのデータ形式｜PDFとCSVの比較
GA4データをAIに読み込ませる際、多くの方が迷うのが「CSVで渡すべきか？ PDFで渡すべきか？」という点です。結論はシンプルで、AIによる“サマリ・原因分析・改善案出し”はPDFが圧倒的に有利です。
CSVとPDFの違い
| 比較項目 | CSV | |
| 得意なタスク | 複雑な計算、統計分析、グラフ作成 | 要約、傾向の解説、特定の情報の検索 |
| AIの処理 | Python (プログラム実行) | マルチモーダル (視覚+言語) |
| 読み取り精度 | 極めて高い (100%) | 高い |
| 文脈理解 | 低い (数字のみ) | 高い (表やチャート含む) |
| 手軽さ | 切り口ごとのデータ準備が必要で手間がかかる | PDFに書き出すだけでAIがすぐ読み取れる |
なぜPDFはAIにとって“構造化データ”なのか？
PDFは「資料としての見やすさ」だけでなく、AIが誤読しないように必要な文脈がすべて残っている点が本質です。
- 表・グラフのレイアウト ⇒ 「何を比較したページか」が理解できる
- セクション順序 ⇒ 「全体→集客→ページ→CV」の流れを把握できる
- 前月比・前年比・変化率 ⇒ 変動理由・改善案の推定がしやすい
- 1ファイルで完結 ⇒ AIが“全体像”を掴んだ上で深掘りできる
つまり、PDFは「視覚的構造 × 一貫した文脈 × 比較軸」が揃った“AIに最適化されたデータ形式”です。
AIに渡すならPDFが最適
- CSV： 切り口が分断され、文脈をAIに説明する追加作業が必須
- PDF： 一貫した構造と比較軸が揃い、AIが“正確に・深く”読み取れる
GA4の分析をAIでうまく活用したい場合は、PDF形式でデータを渡す方法がもっとも実用的で、精度も安定しやすいと言えます。
インハウスプラスの GA4テンプレートは、「人間にもAIにも読みやすい構造」を前提に設計されています。効率的にGA4データをAI分析したい方は、インハウスプラスのレポートPDFをぜひお試しください。
具体的なプロンプト集｜要約・原因分析・改善案まで網羅
AIでGA4を分析するときに最も重要なのは、「どんな指示（プロンプト）を与えるか」です。同じデータでも、プロンプト次第で分析の深さは大きく変わります。
以下では、要約 → 原因分析 → 改善案 → 戦略化まで一連の流れをそのまま再現できるプロンプトをまとめました。
GA4データのサマリ要約プロンプト
まずは「全体像を短時間で把握する」ための最初の一手です。
Looker StudioのPDFレポートをGeminiにアップロードした直後 に使用します。
プロンプト例（サマリ要約）
「このPDFを読み込み、今月のGA4データを以下の形式で要約してください。
・実績サマリ
・良かった点（3つ）
・悪かった点（3つ）
・前月比で大きく変動した指標（3つ）
・全体の総括（200字以内）」
→ Geminiが得意な“表・グラフの読み取り能力” を活かし、まず全体像を把握するステップです。
異常値・減少理由を深掘りするプロンプト
アクセス急減・CV低下などの「なぜ？」を探るための設定です。
PDF上のデータから背景理由を抽出するのに向いています。
プロンプト（異常値の理由）
「このPDFのデータをもとに、前月比で大きく減少している指標を3つ抽出し、それぞれについて “減少の背景理由” をデータの範囲内で推定してください。」
プロンプト（CV低下の理由）
「CV数が減少している理由を、チャネル／ページ／デバイスの切り口で整理し、データ上確認できる可能性を優先度順に分類してください。」
→ 「何が起きたか」→「なぜ起きたか」 をこの段階で明確化します。
チャネル別・LP別で改善案を出すプロンプト
課題を特定した後は、「改善案の生成」が必要です。
プロンプト（チャネル別改善案）
「各チャネル（Organic／Paid／Referral／Social）の課題を整理し、改善案を “短期施策（すぐできる）” と “中長期施策（構造改善）” に分けて提案してください。」
プロンプト（LP改善案）
「直帰率・エンゲージメント・CVへの寄与度をもとに、改善優先度の高いLPを3つ選び、それぞれの改善施策を具体的に提示してください。」
→ SEO・広告・SNS の複数チャネル運用者向けの標準プロンプトです。
CVR改善（導線・UI/UX）の提案プロンプト
CVR改善は、AI分析のなかでも最も相談の多い領域です。
プロンプト（CVR改善案）
「CVR向上のために、UI/UX・導線設計・ページ速度・コンテンツ改善の4分類で改善案を提案してください。また、改善効果が高い順に優先度をつけて提示してください。」
プロンプト（離脱率の改善）
「離脱率が高いページに対して、検索意図を満たすための改善案を3つ提案してください。」
→ 提案資料レベルのアウトプットが一瞬で作れます。
論理的課題抽出プロンプト
課題の因果関係を整理するプロンプト
「抽出した要点をもとに、課題と原因を因果関係で整理し、それぞれに対応する改善施策をセットで提案してください。」
改善ロードマップ作成プロンプト
「短期（1週間以内）・中期（1〜3ヶ月）・長期（3ヶ月以上）の3つに分けて、GA4改善のロードマップを作成してください。」
このプロンプトにより、実務に落とし込める改善計画が自動で作成できます。
AIが苦手な領域と分析精度を上げるコツ
AIはGA4分析を大きく効率化してくれますが、万能ではありません。特に注意したいのが、次のポイントです。
因果関係と相関の取り違え
AIは数値の変化から「それっぽい理由」を語ることは得意ですが、それが必ずしも正しいとは限りません。
ありがちな誤読の例
- 「Organicが減少 → SEO順位が下がった」と決めつける
- 「CVRが低い → LPの質が悪い」と断定する
- 「直帰率が高い → コンテンツが弱い」と決めつける
多くの場合はただの相関であり、因果ではありません。AIの回答はあくまで「仮説」として扱い、人が検証する前提で使うことが大切です。
CSVをそのまま渡したときの誤読
CSVは便利な形式ですが、AIにとっては文脈を失いやすいデータです。
- 切り口ごとにファイルがバラバラ
- 比較軸（前月比／前年比）が不足
- 期間の異なるデータが混ざる
といった状態だと、AIは「別々の文脈」として解釈してしまい、誤った前提で推論を行うリスクがあります。
正確な分析のために必要な“1ファイル構造”とは？
AI分析の精度を上げるうえで最も重要なのは、「1つの資料の中に、必要な切り口・比較軸が整理されていること」です。
この点で、Looker StudioのPDFレポート、とくにインハウスプラスのGA4テンプレートPDFは、
- チャネル・ページ・コンバージョンを1冊に統合
- 表構造・比較軸（前月比／前年比）がそのまま保持
- Geminiの視覚理解と相性が良い
といった特長があり、AIの誤読を減らす設計になっています。
AI分析用に一つのPDFファイルにまとめられるGA4テンプレートはこちら
AI分析と相性抜群のGA4テンプレート
GA4をAIで分析する際、分析結果の精度は「AIに渡すデータ構造」で大きく変わります。
AIは「文脈のつながったデータ」をもっとも得意とするため、複雑なGA4のデータを整理された1つのPDFファイルにまとめてから渡すのが理想です。
インハウスプラスの GA4テンプレート（Looker Studio）は、この「AIが理解しやすいデータ構造」をテンプレート側で自動的に形成してくれる設計になっています。
まとめ｜GA4をAIで分析するなら「PDF × Gemini」が最適解
GA4の分析はどうしても複雑になりがちですが、AIを正しく組み合わせることで、
- 何が起きているのか（現状）
- なぜ起きたのか（原因）
- どう改善するのか（施策）
を短時間で整理できるようになります。
そのための最適な組み合わせが、「Looker Studio × Gemini」です。
この記事の要点まとめ
- GA4データは、Looker StudioでPDF化するとAIがもっとも理解しやすい“構造化データ”になる。
- GeminiはPDF解析と要点抽出が得意で、「全体像と変化点」を最速で把握できる。
まず試すべき最短ステップ（PDF → Gemini）
初心者の方でも、次の2ステップだけで「今月の課題」を明確にできます。
- Looker StudioのGA4レポートをPDF出力する
- そのPDFをGeminiにアップロードし、サマリと変化点を抽出してもらう
これだけで、どこから改善すべきかの当たりがつきます。今すぐAIのパワーを体感してみましょう。
GA4テンプレでAI分析を加速する
インハウスプラスの GA4テンプレート を使えば、
- サマリ
- 月別・週別・日別
- ユーザー
- 集客（流入経路）
- ページ
- ランディングページ
- コンバージョン（キーイベント）
- 期間比較（前月比／前年比）
といった情報が、最初からAI向けに整理された状態でPDF化できます。GA4のAI分析を「早く・正確に・深く」行いたい方にとって、もっとも手軽で効果の高い方法のひとつです。ぜひお試しください
DeNAのデジタルマーケティング責任者として年間450億円を超えるECプラットフォームのマーケティングを担当。2014年に独立し、上場企業から資金調達後のスタートアップまでさまざまな企業のデジタルマーケティングのプロジェクトに関わり見識を広げた後、2018年3月に株式会社CALLOSUMを創業。