Windsor.ai vs Supermetrics 日本語決定版 — 広告データ統合 SaaS 6 本比較 + BigQuery 連携実装

なぜ統合 SaaS が必要なのか

mixednuts 配下で 5 クライアント案件 × 平均 3 媒体 = 15 媒体アカウントを運用しています。これを毎朝レビューしようとすると:

• Google Ads は自前 API (業界標準、Python google-ads ライブラリ)
• Meta Ads は Facebook Marketing API
• Yahoo JP は Yahoo! 広告 API (QPS 5/sec、OAuth トークンが数時間で失効)
• Microsoft Ads は Bing Ads API

それぞれ認証方式・データ構造・レート制限が違う。15 アカウント × 4 媒体 = 延べ 60 の API 呼び出しを毎日安定稼働させるのは、個人レベルでは難しい。SaaS に委ねるべき領域です。

候補 6 本を実戦比較

Supermetrics (却下)

機能は最強。だが最小プラン $299/月は、mixednuts 規模では コスト構造が見合わない。月広告費 ¥50M 規模のクライアントが 2 〜 3 社程度なら、統合 SaaS の予算は $100 以内に収めたい。

Databeat (検討後却下)

日本語ドキュメントが充実しているのは強み。だが Yahoo JP コネクタの接続が数日に一度切れる 報告を運用会社から受けており、安定性が不安。小規模案件では許容範囲だが、複数クライアントに横展開する基盤には不向き。

Porter Metrics (却下)

価格は魅力だが Yahoo JP 非対応。日本市場で Yahoo JP を無視はできない。

Improvado (却下)

エンタープライズ向け。月 $1,500〜 は mixednuts 規模では論外。

自前 API (一部採用)

Google Ads は自前で実装済みで安定稼働。Meta も実装コストは低い。詰まるのは Yahoo JP:

• エラーコード 0003 = QPS 5/sec 超過。大量バックフィルで即エラー
• OAuth トークンが大きいクエリで数時間で失効する (Yahoo 側の謎挙動)
• /yahoo_japan endpoint が select_accounts + date_from/date_to 非対応 (月次 endpoint しかない)

Yahoo 仕様変更が頻繁で、自前実装の保守コストが他媒体の 3 倍ほどかかる見積もり。

Windsor.ai Basic (採用)

決定打は 4 点:

1. 価格: $23/月 (小規模プラン)
2. Yahoo JP を含む 325 コネクタ: Meta / Microsoft / Yahoo / TikTok / LINE もあり横展開余地
3. BigQuery 公式 Connector: Google 公式の Data Transfer Service (既存の GCP Free 枠で動く)
4. Destination SQL JOIN: データを BigQuery に落とすだけなので、既存の SQL / BI と即接続

Free 30 日トライアル → 本契約 Basic $23/月、という順で導入。

実装 — scripts/integrations/windsor/windsor_sync.py の構成

mixednuts では Windsor.ai の REST API を直接叩かず、BigQuery データセット経由でデータ取得 する設計にしました。理由:

• Windsor.ai → BigQuery は 1 時間おきに自動 sync されるので、こちら側は BigQuery を SELECT するだけ
• BigQuery にデータが溜まっていれば、他のマーケ分析にも即再利用できる
• Windsor の API を叩くと 1 リクエストずつカウントされるが、BigQuery は Free 枠内で大量クエリ可能

# scripts/integrations/windsor/windsor_sync.py (抜粋, 450 行中の核)
 
from google.cloud import bigquery
from google.oauth2 import service_account
 
def fetch_daily(client_id: str, channel: str, start_date: str, end_date: str):
    """Windsor.ai が BigQuery に落とした広告データを取得"""
    creds = service_account.Credentials.from_service_account_file(
        '_secrets/google-service-account.json',
        scopes=['https://www.googleapis.com/auth/bigquery'],
    )
    client = bigquery.Client(credentials=creds, project="ai-agent-mixednuts")
 
    query = f"""
    SELECT
      date, campaign_name, adgroup_name,
      cost, imps, clicks, conv_value, conv, adgroup_id
    FROM `windsor_ai.{channel}_{client_id}`
    WHERE date BETWEEN '{start_date}' AND '{end_date}'
    ORDER BY date DESC
    """
    return [dict(row) for row in client.query(query).result()]

さらに、client 別 Raw Sheet に追記する関数 (append_to_raw_sheet) を組み合わせて、最終的に Meta + Yahoo + Microsoft のデータが mixednuts ダッシュボードの統合シートに自動追記 される構造に。

windsor_sync.py の実行ログ例 (2026-04-24 のバッチ):

• EC クライアント: +4,694 行 (Bing 2,574 + Meta 2,120)
• D2C クライアント: +3,731 行 (Meta のみ)
• EC クライアント: +3,047 行 (Bing 2,725 + Meta 322)

Yahoo JP の Monthly Backfill モード

Yahoo JP だけは日次 API が不安定だったので、月次 endpoint を使ったバックフィルモードを別途実装:

def yahoo_monthly_backfill(client_id: str, months_back: int = 12):
    """Yahoo JP の月次 endpoint で 12ヶ月遡及、Sheet に追記"""
    for m in range(months_back):
        target_month = (datetime.now() - relativedelta(months=m)).strftime("%Y-%m")
        data = windsor_api_call(
            endpoint="yahoo_japan",
            date_preset=f"month_{target_month}",  # date_from/to 非対応のための workaround
        )
        append_to_raw_sheet(client_id, "yahoo", data)

月次の粒度でデータが揃っているだけで、日次モニタリングには物足りないが、中長期トレンド分析と予実対比には十分。日次の厳密なモニタリングは Google Ads に注力。

選定の判断軸 — 3 つのチェック

広告データ統合 SaaS を選ぶときに機械的に確認すべき 3 点:

日本市場を無視しないなら必須。Porter Metrics や一部の欧米系は Yahoo JP 非対応。

データが UI 上でしか見られない SaaS は論外。SQL or Sheets に落とせることで、既存の BI / 分析基盤と統合できる。

経験則として、広告費の 0.05–0.1% が運用ツールの妥当予算。月広告費 ¥50M なら $250〜$500/月まで。Windsor Basic $23/月は余裕。Supermetrics $299 も範囲内だが、機能過多で mixednuts には Basic で十分。

FAQ

Q. Windsor.ai の日本語サポートは？ A. 2026-04 時点でゼロ。ドキュメントとサポートは英語のみ。ただし UI はシンプルで、Google Translate で十分読める。

Q. BigQuery の代わりに Google Sheets に落とすこともできるか？ A. できます。Windsor.ai の Destination 一覧に Google Sheets があり、30 分ごと更新の設定が可能。Sheets 派生の運用なら、BigQuery を挟まず直接 Sheets で完結する選択肢もアリ。

Q. Meta Ads の Conversion Value が Windsor 経由だと Google Ads の値と合わない場合の対処は？ A. これは SaaS の問題ではなく Meta Pixel / Conversion API の計測設定の問題。Windsor は「Meta の API から返ってきた値」をそのまま渡すだけ。乖離があれば Meta 側で確認。

Q. Yahoo JP の OAuth トークン失効への自動対応は？ A. Windsor.ai 側で自動再認証される (refresh token 管理は Windsor が負う)。自前実装だとここの保守が辛い部分を Windsor が肩代わりしてくれる。

Q. データ遅延はどのくらい？ A. Windsor → BigQuery の sync は 1 時間間隔。Meta / Google の API 自体が当日データの確定に 2–6 時間かかるので、当日午後の時点で朝イチの数値が見られる くらいの粒度。日次レビュー用途には十分。

Q. 乗換コストは？ A. BigQuery スキーマが Windsor 標準に合っているので、他社 SaaS からの移行は INSERT INTO ... SELECT ベースで可能。Supermetrics^[1] → Windsor は 1 日仕事。

参考文献 / Sources

Windsor.ai 公式:

• Windsor.ai 公式サイト
• Windsor.ai vs Supermetrics 比較ページ
• Windsor.ai Pricing — Basic $23/月〜

比較記事 (英語):

競合 SaaS:

• Supermetrics 公式
• Porter Metrics

Yahoo JP 広告 API:

• Yahoo!広告 API リファレンス
• Yahoo広告 API エラーコード一覧 — エラー 0003 = QPS 超過

BigQuery 連携:

• BigQuery Data Transfer Service^[3] — Google 公式
• Windsor.ai BigQuery Destination