サイト運営において「閲覧数」はわかっても、それがどれだけ読者を動かしているかは CTR（クリック率）でないと見えません。特に SEO を意識するなら、CTR は読者の関心度を示す重要な指標です。たとえば dirac226.com の全ページの CTR を取得し、上位5ページを抽出し、それらと売上・誘導率との関係を機械学習で分析できれば、タイトルや構成の改訂対象を定量的に選定できます。本稿では、Google Search Console API を用いた CTR 取得方法、そこから得られたデータを使ったモデル化・改善案生成、さらに Rails アプリとの統合構成例までを、具体例を交えて丁寧に整理します。実際のサイトで効果を体感できるような実践手順を目指します。

Table of Contents

Google Search Console APIでCTR取得 → 機械学習活用

～ dirac226.com の手法を例に～

1：CTR（クリック率）の意味と取得方法
2：CTRデータを使った分析とモデル活用
3：実践的用途と自動化構成例
結論
〆最後に〆

1：CTR（クリック率）の意味と取得方法

CTR（Click Through Rate）は、単なる数字ではなく「タイトル・説明文がどれだけ読者に届いているか」を測る信号です。Search Console APIを活用すれば、このCTRを自動取得し、定期的に監視・改善できます。

1.1：CTRとは何か、なぜ重要か

CTR（クリック率）とは、検索結果に表示された回数のうち、実際にクリックされた割合のことです。
計算式は単純に「CTR＝クリック数 ÷ 表示回数 × 100」で求められます。
SEOでは「順位を上げる」ことに注目が集まりがちですが、CTRの改善こそが「読者の反応」を直接変える要素です。
同じ順位でも、タイトルやメタディスクリプションの表現を変えるだけでCTRが倍増することがあります。
また、CTRはGoogleの検索アルゴリズムにおいて「利用者満足度を示す指標」として間接的に評価されているとも言われます。

1.2：Search Console APIでCTRを取得する方法

Google Search Console（GSC）は通常、管理画面からデータを手動でダウンロードできますが、Search Console APIを使えば、PythonやRailsを通じて定期的な自動取得が可能になります。
Pythonでの基本コード例は以下の通りです。

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

SCOPES = [‘https://www.googleapis.com/auth/webmasters.readonly’]
SERVICE_ACCOUNT_FILE = ‘credentials.json’
SITE_URL = ‘https://www.dirac226.com/’

credentials = service_account.Credentials.from_service_account_file(
SERVICE_ACCOUNT_FILE, scopes=SCOPES)
service = build(‘searchconsole’, ‘v1’, credentials=credentials)

request = {
‘startDate’: ‘2025-09-01’,
‘endDate’: ‘2025-09-30’,
‘dimensions’: [‘page’],
‘rowLimit’: 1000
}
response = service.searchanalytics().query(siteUrl=SITE_URL, body=request).execute()

これにより、各ページごとのクリック数・表示回数・CTR・掲載順位などを自動で取得できます。

1.3：API利用の前提条件と注意点

Search Console APIの利用には、対象ドメインのGSC登録と認証設定が必要です。
また、Google Cloud ConsoleでAPIを有効化し、サービスアカウントを作成する必要があります。
結果を扱う際は、日付範囲やサンプリングデータに注意し、過剰なリクエストを避けることが推奨されます。

2：CTRデータを使った分析とモデル活用

CTRデータは単なる記録ではなく、「読者の選択行動の履歴」です。これを統計的・機械学習的に扱うことで、改善すべきページを合理的に抽出できます。

2.1：CTR分布・傾向分析の手法

まず、全ページのCTRを取得した後、平均・中央値・分散を求めて傾向を把握します。
例えば「CTRが上位10％のページ群」は何らかの共通点を持ちます。タイトルの文字数・語彙構成・カテゴリ・更新頻度などを変数にして分析することで、「CTRを上げる構造的特徴」が見えてきます。
単純な例では、タイトルが35〜45文字の範囲にあるページがCTRが高い傾向を示すなどのパターンが抽出されます。

2.2：CTRと売上・誘導の関係をモデル化する

CTR単体では「興味を引いた」ことしか分かりません。そこで次に、コンバージョン率（CVR）や滞在時間などの指標と組み合わせることで、実際に成果に結びつくタイトルや構成を明確化できます。
Pythonではscikit-learnを使って「CTR → CVR予測モデル」を構築する例が多いです。
たとえばランダムフォレスト回帰や線形回帰でCTR上昇が売上に与える寄与度を推定します。
これにより、「CTRを1％上げるとCVRが0.3％上がる」といった実証的な見通しが立ちます。

2.3：CTR低ページの改善案提示ロジック

低CTRページを自動的に検出し、タイトル改訂案を提案するスクリプトも構築可能です。
自然言語処理（NLP）を応用し、上位CTRページのタイトルパターンを抽出、それを基に低CTRページのタイトルを再構築します。
Railsではこの機能を管理画面に統合し、「改善提案をAIが通知する」形にすることもできます。
たとえば「このページのCTRは平均より40％低い。上位ページでは『理由』『方法』といったキーワードを多用しています」といった報告が自動生成されます。

3：実践的用途と自動化構成例

Search Console APIと自動スクリプトを連携させれば、CTR改善を継続的に行う体制を構築できます。
これにより、手作業のSEO運用から、データ主導のサイト改善に移行できます。

3.1：CTR取得 → CSV出力 → 可視化の自動スクリプト

Pythonスクリプトをcronで1日1回実行し、CTRデータをCSVとして保存します。
pandasとmatplotlibを用いれば、CTR推移をグラフ化することも簡単です。
これにより、月次レポートを自動で生成し、dirac226.comの運営における「成長の可視化」が可能になります。

3.2：Railsアプリとの統合（CTR結果をサイト管理画面で閲覧）

Railsでは、ActiveJobでPythonスクリプトをバックグラウンド実行し、CTRデータをDBに保存します。
管理画面にグラフや表形式で表示し、各ページのCTR推移・順位変動をワンクリックで確認できるようにします。
この連携によって、記事更新→効果測定→改善案提示の一連の流れを自動化できます。

3.3：改善案の提案自動化と効果測定フロー

CTRが改善したかどうかを検証するには、改訂前後のCTR変化を比較する必要があります。
改訂日を記録し、その前後30日間のCTR平均を比較すれば「統計的に有意な変化」を測定できます。
この仕組みをRailsで組み込むことで、各ページに「改善効果スコア」を付けられます。
結果的に、手間をかけずにPDCAが回るSEO運用が実現します。

結論

Google Search Console APIを使ったCTR分析は、単なる技術ではなく「データに基づく編集判断」を可能にします。
dirac226.comのように中規模サイトであっても、CTRの変化を追いながら機械学習で改善ポイントを抽出すれば、少ない労力で成果を上げることが可能です。
これまで感覚に頼っていたSEOが、いよいよ「科学的プロセス」に進化する段階にあります。