এই নথিটি Google Analytics ডেটা API v1-এর বেশ কয়েকটি উন্নত বৈশিষ্ট্য বর্ণনা করে। API এর বিস্তারিত রেফারেন্সের জন্য, API রেফারেন্স দেখুন।
কাস্টম সংজ্ঞা তালিকাভুক্ত করা এবং প্রতিবেদন তৈরি করা
ডেটা API নিবন্ধিত কাস্টম মাত্রা এবং কাস্টম মেট্রিক্সের উপর প্রতিবেদন তৈরি করতে পারে। মেটাডেটা API পদ্ধতিটি আপনার সম্পত্তির নিবন্ধিত কাস্টম সংজ্ঞাগুলির API নাম তালিকাভুক্ত করতে ব্যবহার করা যেতে পারে। এই API নামগুলি উদাহরণস্বরূপ runReport পদ্ধতিতে প্রতিবেদনের অনুরোধে ব্যবহার করা যেতে পারে।
নিম্নলিখিত বিভাগগুলি প্রতিটি ধরণের কাস্টম সংজ্ঞার উদাহরণ দেখায়। এই উদাহরণগুলিতে, আপনার সম্পত্তি ID দিয়ে GA4_PROPERTY_ID প্রতিস্থাপন করুন।
ইভেন্ট-স্কোপড কাস্টম মাত্রা
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মাত্রা খুঁজুন আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মাত্রা উপস্থিত না থাকলে, আপনাকে মাত্রা নিবন্ধন করতে হবে।
"dimensions": [
...
{
"apiName": "customEvent:achievement_id",
"uiName": "Achievement ID",
"description": "An event scoped custom dimension for your Analytics property."
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-09-01", "endDate": "2020-09-15" }],
"dimensions": [{ "name": "customEvent:achievement_id" }],
"metrics": [{ "name": "eventCount" }]
}
ইউজার-স্কোপড কাস্টম মাত্রা
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata
ধাপ 2: প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আপনি আগ্রহী ব্যবহারকারী-স্কোপড কাস্টম মাত্রা খুঁজুন। মাত্রা উপস্থিত না থাকলে, আপনাকে মাত্রা নিবন্ধন করতে হবে।
"dimensions": [
...
{
"apiName": "customUser:last_level",
"uiName": "Last level",
"description": "A user property for your Analytics property."
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"entity": { "propertyId": "GA4_PROPERTY_ID" },
"dateRanges": [{ "startDate": "7daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "customUser:last_level" }],
"metrics": [{ "name": "activeUsers" }]
}
ইভেন্ট-স্কোপড কাস্টম মেট্রিক্স
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মেট্রিক খুঁজুন যেটি আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মেট্রিক উপস্থিত না থাকলে, আপনাকে মেট্রিক নিবন্ধন করতে হবে।
"metrics": [
...
{
"apiName": "customEvent:credits_spent",
"uiName": "Credits Spent",
"description": "An event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মেট্রিক অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "customEvent:credits_spent" }]
}
এক রূপান্তরের জন্য রূপান্তর হার মেট্রিক্স
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata
ধাপ 2: একটি রূপান্তরের জন্য রূপান্তর হার মেট্রিক খুঁজুন আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। রূপান্তর ইভেন্ট উপস্থিত না থাকলে, আপনাকে রূপান্তর ইভেন্ট সেট আপ করতে হবে।
"metrics": [
...
{
"apiName": "sessionConversionRate:add_to_cart",
"uiName": "Session conversion rate for add_to_cart",
"description": "The percentage of sessions in which a specific conversion event was triggered",
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে রূপান্তর হার মেট্রিক অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "sessionConversionRate:add_to_cart" }]
}
ইভেন্ট-স্কোপড কাস্টম মেট্রিক গড়
ধাপ 1: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা এপিআই পদ্ধতিতে প্রশ্ন করুন।
GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata
ধাপ 2: ইভেন্ট-স্কোপড কাস্টম মেট্রিক গড় খুঁজুন আপনি প্রতিক্রিয়া থেকে প্রতিবেদন তৈরি করতে আগ্রহী। মেট্রিক উপস্থিত না থাকলে, আপনাকে মেট্রিক নিবন্ধন করতে হবে।
"metrics": [
...
{
"apiName": "averageCustomEvent:credits_spent",
"uiName": "Average Credits Spent",
"description": "The average of an event scoped custom metric for your Analytics property.",
"type": "TYPE_STANDARD"
},
...
],
ধাপ 3: একটি প্রতিবেদনের অনুরোধে কাস্টম মেট্রিক গড় অন্তর্ভুক্ত করুন। রানরিপোর্ট পদ্ধতিতে নিম্নলিখিত একটি নমুনা অনুরোধ।
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dateRanges": [{ "startDate": "2020-11-01", "endDate": "2020-11-10" }],
"dimensions": [{ "name": "eventName" }],
"metrics": [{ "name": "averageCustomEvent:credits_spent" }]
}
কোহর্ট রিপোর্টের উদাহরণ
সমগোত্রীয় প্রতিবেদনগুলি গোষ্ঠীর জন্য ব্যবহারকারীর ধরে রাখার একটি টাইম সিরিজ তৈরি করে। প্রতিটি API ক্ষেত্রের বিস্তারিত ডকুমেন্টেশনের জন্য, CohortSpec-এর জন্য REST রেফারেন্স দেখুন।
একটি সমগোত্রীয় প্রতিবেদন তৈরি করা হচ্ছে
এখানে একটি নমুনা কোহর্ট রিপোর্ট যেখানে:
- দলটি হল
2020-12-01-এরfirstSessionDateসহ ব্যবহারকারী; এটিcohortsঅবজেক্ট দ্বারা কনফিগার করা হয়। রিপোর্টের প্রতিক্রিয়ার মাত্রা এবং মেট্রিক্স শুধুমাত্র কোহোর্টের ব্যবহারকারীদের উপর ভিত্তি করে করা হবে। - কোহর্ট রিপোর্ট তিনটি কলাম দেখাবে; এটি মাত্রা এবং মেট্রিক্স অবজেক্ট দ্বারা কনফিগার করা হয়।
- ডাইমেনশন
cohortহল কোহোর্টের নাম। - মাত্রা
cohortNthDayহল2020-12-01থেকে দিনের সংখ্যা। - মেট্রিক
cohortActiveUsersহল এখনও সক্রিয় ব্যবহারকারীর সংখ্যা।
- ডাইমেনশন
-
cohortsRangeঅবজেক্টটি নির্দিষ্ট করে যে রিপোর্টে এই দলটির জন্য2020-12-01থেকে শুরু হওয়া এবং2020-12-06এ শেষ হওয়া ইভেন্ট ডেটা থাকা উচিত।- যখন
DAILYএর একটি গ্রানুলারিটি ব্যবহার করা হয়, তখন সামঞ্জস্যের জন্য মাত্রাcohortNthDayসুপারিশ করা হয়।
- যখন
কোহর্টের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" }, { "name": "cohortNthDay" }],
"metrics": [{ "name": "cohortActiveUsers" }],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-12-01", "endDate": "2020-12-01" }
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "DAILY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [
{ "name": "cohort" }, { "name": "cohortNthDay" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "293" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "143" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "123" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "92" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0005" }],
"metricValues": [{ "value": "86" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "83" }]
}
],
"metadata": {},
"rowCount": 6
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট অনুসরণ করে। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি হল যে এই দলটির সক্রিয় ব্যবহারকারীদের মধ্যে সবচেয়ে বেশি হ্রাস প্রথম এবং দ্বিতীয় দিনের মধ্যে।
একাধিক সমগোত্রীয় এবং ব্যবহারকারী ধরে রাখার ভগ্নাংশ
ব্যবহারকারী অধিগ্রহণ এবং ধরে রাখা হল আপনার ওয়েবসাইট বা অ্যাপ বৃদ্ধির উপায়। সমগোত্রীয় প্রতিবেদনগুলি ব্যবহারকারীর ধরে রাখার উপর ফোকাস করে। এই উদাহরণে, প্রতিবেদনটি দেখায় যে এই সম্পত্তিটি দুই সপ্তাহের ব্যবধানে তার 4 দিনের ব্যবহারকারী ধরে রাখার 10% উন্নতি করেছে।
এই প্রতিবেদনটি তৈরি করতে, আমরা তিনটি সমগোত্রকে নির্দিষ্ট করি: প্রথমটি 2020-11-02 এর firstSessionDate সহ, দ্বিতীয়টি 2020-11-09 -এর firstSessionDate সহ এবং তৃতীয়টি 2020-11-16 -এর firstSessionDate সহ৷ যেহেতু এই তিন দিনের জন্য আপনার সম্পত্তিতে ব্যবহারকারীর সংখ্যা আলাদা হবে, তাই আমরা সরাসরি cohortActiveUsers মেট্রিক ব্যবহার না করে cohortActiveUsers/cohortTotalUsers এর ব্যবহারকারীর ধরে রাখার ভগ্নাংশ মেট্রিকের তুলনা করি।
এই সমগোত্রের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dimensions": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metrics": [
{
"name": "cohortRetentionFraction",
"expression": "cohortActiveUsers/cohortTotalUsers"
}
],
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-02", "endDate": "2020-11-02" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-09", "endDate": "2020-11-09" }
},
{
"dimension": "firstSessionDate",
"dateRange": { "startDate": "2020-11-16", "endDate": "2020-11-16" }
}
],
"cohortsRange": {
"endOffset": 4,
"granularity": "DAILY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
"metricHeaders": [{
"name": "cohortRetentionFraction",
"type": "TYPE_FLOAT"
}
],
"rows": [
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0000" }],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0001" }],
"metricValues": [{ "value": "0.308" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0001" }],
"metricValues": [{ "value": "0.272" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0002" }],
"metricValues": [{ "value": "0.257" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
"metricValues": [{ "value": "0.248" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0003" }],
"metricValues": [{ "value": "0.235" }]
},
{
"dimensionValues": [{ "value": "cohort_2" },{ "value": "0004" }],
"metricValues": [{ "value": "0.211" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0002" }],
"metricValues": [{ "value": "0.198" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
"metricValues": [{ "value": "0.172" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0003" }],
"metricValues": [{ "value": "0.167" }]
},
{
"dimensionValues": [{ "value": "cohort_1" },{ "value": "0004" }],
"metricValues": [{ "value": "0.155" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
"metricValues": [{ "value": "0.141" }]
},
{
"dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
"metricValues": [{ "value": "0.118" }]
}
],
"metadata": {},
"rowCount": 15
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট অনুসরণ করে। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি হল যে দুই সপ্তাহের মধ্যে 4 দিনের ব্যবহারকারী ধারণ 10% বৃদ্ধি পেয়েছে। 2020-11-16 এর firstSessionDate সহ পরবর্তী দলটি 2020-11-02 এর firstSessionDate সাথে আগের দলটির ধারণকে ছাড়িয়ে গেছে৷
সাপ্তাহিক সমগোত্রীয় এবং অন্যান্য API বৈশিষ্ট্য সহ সমগোত্রীয়দের ব্যবহার
ব্যবহারকারীর আচরণে প্রতিদিনের বৈচিত্র্য দূর করতে, সাপ্তাহিক দলগুলি ব্যবহার করুন৷ সাপ্তাহিক কোহর্ট রিপোর্টে, একই সপ্তাহে firstSessionDate সহ সমস্ত ব্যবহারকারীরা দল গঠন করে। সপ্তাহ রবিবার শুরু হয় এবং শনিবার শেষ হয়। এছাড়াও এই প্রতিবেদনে, আমরা মেক্সিকোতে কার্যকলাপ সহ ব্যবহারকারীদের সাথে রাশিয়ার কার্যকলাপ সহ ব্যবহারকারীদের তুলনা করার জন্য দলটিকে টুকরো টুকরো করছি। এই স্লাইসিং শুধুমাত্র দুটি দেশ বিবেচনা করার জন্য country মাত্রা এবং একটি dimensionFilter ব্যবহার করে।
এই সমগোত্রের জন্য রিপোর্ট অনুরোধ হল:
POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
"dimensions": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metrics": [{ "name": "cohortActiveUsers" }],
"dimensionFilter": {
"filter": {
"fieldName": "country",
"inListFilter": {
"values": [ "Russia", "Mexico" ]
}
}
},
"cohortSpec": {
"cohorts": [
{
"dimension": "firstSessionDate",
"dateRange": {
"startDate": "2020-10-04",
"endDate": "2020-10-10"
}
}
],
"cohortsRange": {
"endOffset": 5,
"granularity": "WEEKLY"
}
},
}
এই অনুরোধের জন্য, একটি উদাহরণ রিপোর্ট প্রতিক্রিয়া হল:
{
"dimensionHeaders": [
{ "name": "cohort" },
{ "name": "cohortNthWeek" },
{ "name": "country" }
],
"metricHeaders": [
{ "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
],
"rows": [
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Russia" }
],
"metricValues": [{ "value": "105" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0000" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "98" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "35" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "24" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0001" },{ "value": "Russia" }
],
"metricValues": [{ "value": "23" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "17" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0005" },{ "value": "Mexico" }
],
"metricValues": [{ "value": "15" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0002" },{ "value": "Russia" }
],
"metricValues": [{ "value": "3" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0003" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
},
{
"dimensionValues": [
{ "value": "cohort_0" },{ "value": "0004" },{ "value": "Russia" }
],
"metricValues": [{ "value": "1" }]
}
],
"metadata": {},
"rowCount": 11
}
এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের একটি চার্ট অনুসরণ করে। এই প্রতিবেদনের উপর ভিত্তি করে, এই সম্পত্তি রাশিয়ার কার্যকলাপ সহ ব্যবহারকারীদের তুলনায় মেক্সিকোতে কার্যকলাপ সহ ব্যবহারকারীদের ধরে রাখতে ভাল করছে।
