راه های جدید سفر با Google DataStudio و Google BigQuery

یک تغییر قابل توجه با معرفی Google Analytics 4 (GA4) این است که هم دارایی های پولی و هم دارایی های معمولی GA4 اکنون می توانند به Google BigQuery مرتبط شوند. وقتی BigQuery پیوند داده می‌شود، داده‌های گرانول در سطح رویداد دارد و امکان گزارش‌دهی قدرتمندتر را در خارج از رابط GA4 فراهم می‌کند. Google Data Studio (ابزار گزارش دهی رایگان داشبورد گوگل) می تواند مستقیماً به هر مجموعه داده BigQuery متصل شود. استعدادهای قابل توجه و ارزشمندی وجود دارد که باید از آنها بهره برداری کرد.

بینش خود را از کجا به دست می آورید؟

در دنیای تجزیه و تحلیل دیجیتال، همه ما می دانیم که به تعداد نظرات پلتفرم های گزارش دهی وجود دارد. بسیاری از آنها خارج از جعبه طراحی شده اند تا با نرم افزار تحلیلی خاصی که ممکن است برای ردیابی تعاملات در طول سفر بازدیدکننده استفاده کنید، سازگار باشند. در این مقاله، من بر روی یکی از آن بسته های گزارش، Google Data Studio تمرکز خواهم کرد که برای گزارش دهی در مورد داده های جمع آوری شده در Google Analytics مناسب است. در حالی که ممکن است صدها مقاله در مورد این بسته گزارش خاص پیدا کنید، امروز قصد دارم برخی از گوشه های بسیار قدرتمند و کم استفاده از ویژگی های آن را بررسی کنم.

Google Data Studio یک ابزار آنلاین برای تبدیل داده ها به گزارش ها و داشبوردهای قابل تنظیم و آموزنده است.

در حالی که Google Data Studio دارای یک رابط کاربری آسان برای داده های Google Analytics در هر دو مدل Universal و GA4 است، همچنین دارای یک رابط برای BigQuery است. BigQuery انبار داده Google برای داده های Google Analytics در سطح رویداد است. با توجه به اینکه GA4 اکنون BigQuery را به روی همه مشتریان خود باز کرده است، انتظار داریم تیم های بیشتری برنامه ریزی کنند تا این دو را به هم متصل کنند و کاوش سفر کاربر را که داده های سطح رویداد اکنون فراهم می کند آغاز کنند.

انتشار

هیچ هزینه صورت‌حساب برای صادرات داده‌ها از دارایی Google Analytics 4 به BigQuery وجود ندارد. شما می توانید به یک نمونه BigQuery رایگان (BigQuery sandbox) صادر کنید، اما برای صادرات در خارج از مرزهای sandbox هزینه از شما دریافت می شود.

محدودیت صادرات روزانه

هنگام استفاده از نسخه استاندارد (رایگان) GA4، صادرات روزانه به BigQuery به یک میلیون تراکنش محدود می شود. نسخه GA4 360 (پرداخت شده) GA4 می تواند میلیاردها تراکنش را در روز انجام دهد.

پرداخت از طریق استعلام

شما باید با توجه به پرس و جوهایی که در Google BigQuery انجام می دهید، پرداخت کنید. اگرچه فضای ذخیره سازی بسیار مقرون به صرفه است، اما به ازای هر ترابایت داده پردازش شده فراتر از اولین ترابایت رایگان، ماهیانه 5 دلار از شما دریافت می شود. نظرسنجی معمولاً در جایی انجام می شود که بیشتر هزینه ها را بتوان متحمل شد.

با توجه به اینکه GA4 اکنون BigQuery را به روی همه مشتریان خود باز کرده است، انتظار داریم تیم های بیشتری برنامه ریزی کنند تا این دو را به هم متصل کنند و کاوش سفر کاربر را که داده های سطح رویداد اکنون فراهم می کند آغاز کنند.
کلیک کنید و توییت کنید!

کانکتورهای داده داخلی… یا نه!

اتصال داده استودیو به داده های Google Analytics یک فرآیند ساده با استفاده از اتصال دهنده های داخلی است. Data Studio اعتبار Google Analytics شما را می‌پذیرد و بلافاصله به فهرست بزرگی از ابعاد و معیارهای موجود برای انتخاب دسترسی می‌دهد. با این حال، هدف من گسترش گزارش‌هایم برای استفاده از کنترل «سطح بعدی» بر انتخاب داده‌ها برای استفاده در نمودارهایم است. به عنوان مثال، فرض کنید من یک فروشگاه اینترنتی دارم که در چندین بخش جوراب می فروشد. ممکن است بخواهم گزارشی از نوع قیف ایجاد کنم که فعالیت را بر اساس بازدیدهای محصول، اضافه شده به سبد خرید، سفارشات و نرخ تبدیل کلی بر اساس بخش نشان دهد. کمی سرم را با یک رابط داده استاندارد GA در مورد نحوه ترکیب چندین معیار مختلف در یک بعد در یک نمودار تکان می دادم.

برای مدیریت داده ها در این سطح، می توانم به جای انتخاب کانکتور داده GA از گزینه کانکتور BigQuery استفاده کنم. در نگاه اول، ممکن است این منطقه آشنا نباشد، اما همان داده‌هایی است که در دسترس هر کاربری است که داده‌های Google Analytics خود را به BigQuery ارسال می‌کند (پیوند می‌دهد).

اگر نگاه دقیق‌تری به رابط BigQuery بیندازید، می‌توانید عبارات SQL سفارشی ایجاد کنید تا ابعاد و داده‌های دقیق مورد علاقه را برگردانید. یکنوع بازی شبیه لوتو، دقیقاً همان داده‌ای است که من می‌خواهم بدون مقدار زیادی داده اضافی. رابط Data Studio به من اجازه می دهد حتی متغیرهای محدوده زمانی را با استفاده از فیلتر تاریخ اولیه در داشبورد پر کنم.

مقادیر اضافی پنهان

در حالی که استفاده از رابط داخلی گوگل آنالیتیکس آسان است، چندین دلیل واقعی و خوب برای در نظر گرفتن اتصال به BigQuery وجود دارد.

داده های BigQuery واقعی است!

هنگامی که ما به یک فروشگاه داده ذخیره شده در BigQuery متصل می شویم، هرگز نباید نگران نمونه برداری هایی باشیم که در بسیاری از پیاده سازی های Google Analytics رخ می دهد. اگر هنگام ساخت داشبورد گزارش دهی توانایی دریافت اطلاعات دقیق را داشته باشیم، باید هر بار، ۱۰۰ درصد مواقع، به صحت آن رأی دهیم.

BigQuery همه داده های سطح تراکنش را دارد

چقدر برای GA4 آماده هستید؟ GA4 بسیار رویداد محور است و هنگامی که شروع به یادگیری نحوه پیوستن پارامترهای رویداد به رویدادهای تعاملی مختلف کردید، BigQuery ممکن است تنها مکانی باشد که همه داده‌های رویداد (یا داده‌های دارایی کاربر) را در GA4 مشاهده و بازیابی کند. /ساختار Firebase.

تجزیه و تحلیل مرحله بعدی

وقتی به داده‌های سطح رویداد می‌پردازیم، به راحتی می‌توان فرصت‌هایی را برای پاسخ به این سؤال قدیمی مشاهده کرد، “بازدیدکننده در مرحله بعدی چه کرد؟” در حالی که توانایی تولید مجموعه ای کامل از فلوچارت های کاربر نهایی به پایان ممکن است مفید نباشد، نکات کلیدی تصمیم گیری بازدیدکننده دیگر نیازی به یک راز ندارد.

بهبود گزارش با اطلاعات جدید

BigQuery به شما امکان می دهد داده ها را وارد کنید. آیا منابع داده خارجی در سطح مشتری دارید که بتوان آنها را استخراج کرد؟ در اینجا گزینه ای برای مطابقت با کاربر شناخته شده و تطبیق داده های آفلاین یک بار با آخرین بازدیدکنندگان شما وجود دارد. فکر کنید: داده‌های پلتفرم داده‌های مشتری (CDP)، داده‌های جغرافیایی، داده‌های روند، داده‌های روند، همه با پیچیدگی اتصالات SQL که توسط قدرت BigQuery مدیریت می‌شوند در دسترس هستند.

از قابلیت های یادگیری ماشین BigQuery استفاده کنید

با BigQueryML، اکنون به ابزارهای پیش‌بینی در سطح جهانی دسترسی دارید تا در نهایت بتوانید گزارش‌های پیش‌بینی فروش را که درخواست کرده‌اید، دریافت کنید.

برو جلو و Trailblaze

از آنجایی که پیاده‌سازی‌های GA4 بیشتری اجرا می‌شوند و داده‌های بیشتری در سطح رویداد جمع‌آوری می‌شوند، گسترش قابلیت‌های گزارش‌دهی شما فراتر از حد معمول به نفع شماست.
کلیک کنید و توییت کنید!

همانطور که به نظر می رسد این فرصت های گزارش دهی داشبورد در نوک انگشتان شما هیجان انگیز است، من مطمئن هستم که با درک این موضوع که همه نمی توانند SQL سفارشی را رام کنند، کمرنگ شده است. امید و ماموریت من این است که ابتدا مسیر را به شما نشان دهم و سپس نقشه ای را در اختیار تیم شما قرار دهم تا به مقصد مورد نظر شما حرکت کند. از آنجایی که پیاده سازی های GA4 بیشتری به کار گرفته می شود و داده های سطح تراکنش بیشتری جمع آوری می شود، گسترش قابلیت های گزارش دهی شما فراتر از حد معمول به نفع شماست. ما به شما کمک می کنیم تجارب دیجیتالی مشتریان خود را بهینه کنید و راه رو به جلو باز کنید. با خیال راحت با تیم راه حل های ما تماس بگیرید تا ببینید چگونه می توانیم به شما کمک کنیم تا مسیر اطلاعات آماری مورد نیاز خود را پیدا کنید.

پل مشاور ارشد تجزیه و تحلیل و دانشمند داده در Blast است. او بیش از 20 سال را صرف سرمایه‌گذاری در اعماق توسعه نرم‌افزار، طراحی و پیاده‌سازی راه‌حل‌های تحلیلی برای خودکارسازی فرآیندهای تجاری در موسسات خدمات مالی در هر اندازه کرده است. تجربه پل توسعه نرم افزار، طراحی هوش تجاری، تجارت الکترونیک، طراحی پایگاه داده، مدل سازی پیش بینی و سیستم های تصمیم گیری تطبیقی ​​را پوشش می دهد.

با پل در لینکدین ارتباط برقرار کنید. پل لیر 17 پست در وبلاگ تجربه مشتری دیجیتال و تجزیه و تحلیل بلاست نوشته است.