Google Analytics mit R verwenden

Andy Granowitz, Google Analytics Developer Advocate, September 2014

Mit diesem Artikel möchten wir Statistiker, Forscher und Data Scientists, die derzeit R verwenden, dazu anregen, Google Analytics als nützliches Dataset zu verwenden. Außerdem sollen Google Analytics-Nutzer dazu ermutigt werden, R für ihre ernsthaften Anforderungen bei der Datenverarbeitung zu verwenden. In diesem Artikel wird anhand eines Beispiels gezeigt, wie Sie den langfristigen Wert von Marketingkampagnen mithilfe von Google Analytics-Daten in R messen.

Einleitung

R, die beliebte Programmiersprache für das statistische Computing, ist ein leistungsstarkes Tool zur Analyse und Gewinnung von Erkenntnissen aus Daten. Wenn Sie R mit Ihren Google Analytics-Daten kombinieren, können Sie statistische Analysen durchführen und Datenvisualisierungen erstellen, um Ihr Geschäft besser zu verstehen und zu verbessern.

Im weiteren Verlauf dieses Artikels werden die Schritte beschrieben, die zum Generieren einiger aufschlussreicher Daten und Grafiken mithilfe der Google Analytics-Bibliothek mit R erforderlich sind.

Einrichtung

Mit der RGoogleAnalytics-Bibliothek können Sie Google Analytics-Daten nativ aus R abrufen. So gehts:

1. Sie müssen Zugriff auf ein Google Analytics-Konto haben, das Daten enthält, die für Analysen verwendet werden können
2. R installieren
3. RGoogleAnalytics-Paket installieren
4. Folgen Sie dem Beispielcode auf GitHub, um sicherzustellen, dass Sie in R auf Google Analytics-Daten zugreifen können.

Weitere Ressourcen zur Einrichtung finden Sie im Einrichtungsleitfaden für RGoogleAnalytics.

Frage

Welchen langfristigen Wert erzielen meine Marketingkampagnen?

Mit Standardberichten in Google Analytics können Sie feststellen, ob Marketingkampagnen kurzfristig zu Conversions führen. Es kann jedoch schwierig sein, den langfristigen Wert von Kampagnen zu bestimmen, da Sie dafür kumulative Analysen durchführen müssen.

Analyse

Um den langfristigen Wert von Marketingkampagnen zu bestimmen, können Sie mit R Diagramme zum kumulativen Umsatz und Transaktionen für bestimmte Kohorten erstellen. So können Sie sehen, wie viele Transaktionen eine Kundengruppe über einen längeren Zeitraum hinweg über eine bestimmte Marketingkampagne gewonnen hat. Das steht im Gegensatz zu einer eher standardmäßigen Analyse, bei der Sie möglicherweise beobachten, ob ein Kunde, der Ihre Property über eine Marketingkampagne besucht hat, sofort einen Kauf getätigt hat.

Die Abfrage

Zum Durchführen dieser Analyse kann die RGoogleAnalytics-Beispielabfrage geändert werden. Mit der folgenden Abfrage werden die Transaktionen und Umsätze für alle Nutzer abgerufen, die die Website zwischen dem 1. und 7. September 2014 über Kampagne A besucht und zwischen dem 1. September und dem 29. November etwas gekauft haben.

query.list <- Init(start.date = "2014-09-01",
        end.date = "2014-11-29",
        dimensions = "ga:date",
        metrics = "ga:transactions,ga:transactionRevenue",
        segment = "users::sequence::^ga:userType==New%20Visitor;dateOfSession<>2014-09-01_2014-09-07;ga:campaign==Campaign%20A;->>perSession::ga:transactions>0",
        max.results = 10000,
        sort = "ga:date",
        table.id = tableId)

Wenn das Segment weggelassen wird, extrahiert diese Abfrage Transaktionen und Umsatz für alle Nutzer nach Datum. Es werden nur Nutzer berücksichtigt, die die Website zum ersten Mal besucht und innerhalb der angegebenen Zeiträume eine Transaktion durchgeführt haben.

Das Segment verstehen

Das Segment besteht aus einigen Sequenzbedingungen:

1. Das Segment wählt users:: aus, um nicht nur die Sitzungen einzubeziehen, die die Bedingungen erfüllen, sondern alle Sitzungen von Nutzern, die die Bedingungen erfüllen.
2. Mit dem Präfix sequence:: können Sie eine Gruppe von Nutzern auswählen, die eine bestimmte Gruppe von Schritten ausgeführt haben. In diesem Fall besteht der erste Schritt darin, die Website von einer bestimmten Kampagne in einem bestimmten Zeitraum aufzurufen, und der zweite Schritt besteht darin, einen Kauf zu tätigen.
3. Mit dem Präfix ^ vor ga:userType==New%20Visitor;dateOfSession<>2014-09-01_2014-09-07 wird sichergestellt, dass die Bedingungen für Datum der Sitzung, Kampagne und Nutzertyp beim ersten Treffer der ersten Sitzung im angegebenen Zeitraum erfüllt sind.
4. ->>perSession::ga:transactions>0 gibt den zweiten Schritt eines Kaufs an.

Im Entwicklerleitfaden für Segmente finden Sie weitere Informationen zu möglichen erstellten Segmenten. Wenn Sie dieses Segment ändern oder ein eigenes Segment erstellen möchten, finden Sie außerdem Syntaxdetails.

Mit den Ergebnissen arbeiten

Das Ergebnis dieser Abfrage sind Transaktionen und Umsatz pro Tag für die angegebene Nutzergruppe. Die täglichen oder inkrementellen Transaktionen und der Umsatz pro Tag können mit der Funktion cumsum in R in kumulative Zahlen umgewandelt werden. Diese Daten können dann mit der plot-Funktion oder dem ggplot2-Paket grafisch dargestellt werden.

Während ein Diagramm mit inkrementellen Transaktionen die Anzahl der Transaktionen anzeigt, die an jedem Datum aufgetreten sind, zeigt ein Diagramm kumulierte Transaktionen die Gesamtzahl der Transaktionen bis einschließlich des jeweiligen Datums an. Daher ermöglicht das Diagramm der kumulativen Transaktionen, den längerfristigen Wert jeder Kampagne zu sehen:

Ergebnis

Bei der Analyse dieser beiden Kampagnen sehen wir, dass Kunden, die Sie über Kampagne A gewonnen haben, in den ersten vier Wochen zwar mehr Transaktionen abgeschlossen haben als Kunden, die Sie über Kampagne B gewonnen haben, auf lange Sicht jedoch mehr kumulative Transaktionen von Kunden aus Kampagne B ausgeführt haben. Wenn wir uns nur die Transaktionen ansehen, die unmittelbar nach einem Besuch von Kampagne A oder B stattgefunden haben, wäre zu dem Schluss gekommen, dass Kampagne A effektiver ist.

Hoffentlich hat dies Ihr Interesse an der Analyse von Google Analytics-Daten in R geweckt. Im Forum für die Google Analytics Reporting API können Sie sich über einige interessante Analysen austauschen.

Video – Überblick

Im folgenden Video wird das Beispiel in diesem Artikel beschrieben. Außerdem werden zwei weitere Anwendungsfälle für die Verwendung von R mit Google Analytics vorgestellt.