שימוש ב-Google Analytics עם R

אנדי גרנאוביץ', אחראי על מפתחי אפליקציות ב-Google Analytics – ספטמבר 2014

מטרת המאמר הזה היא לעודד את הסטטיסטיקאים, החוקרים ומדעני הנתונים הדגולים שמשתמשים כיום ב-R לחפש את Google Analytics כמערך נתונים שימושי, ובאופן דומה, לעודד את משתמשי Google Analytics להשתמש ב-R כדי לענות על הצרכים הרציניים שלהם לעיבוד נתונים. המאמר הזה כולל דוגמה שממחישה איך למדוד את הערך לטווח הארוך של קמפיינים שיווקיים באמצעות נתוני Google Analytics בקטע R.

מבוא

R, שפת התכנות הפופולרית למחשוב סטטיסטי, היא כלי רב עוצמה לניתוח ולהפקת תובנות מנתונים. כשמשלבים R עם נתוני Google Analytics, אפשר לבצע ניתוח סטטיסטי וליצור תצוגות חזותיות כדי להבין טוב יותר את העסק ולשפר אותו.

בהמשך המאמר הזה מתוארים השלבים שיש לבצע כדי ליצור תרשימים ונתונים עם תובנות באמצעות ספריית Google Analytics עם R.

הגדרה

ספריית RGoogleAnalytics מאפשרת לך לאחזר נתוני Google Analytics באופן מקורי מ-R. כדי להתחיל:

1. לוודא שיש לך גישה לחשבון Google Analytics שמכיל נתונים שאפשר להשתמש בהם לניתוח
2. התקנת R
3. התקנת החבילה של RGoogle Analytics
4. פועלים לפי הקוד לדוגמה ב-GitHub כדי לוודא שאפשר לגשת לנתוני Google Analytics ב-R

למשאבים נוספים להגדרה, אפשר לעיין במדריך ההגדרה של RGoogle Analytics.

שאלה

מהו הערך של הקמפיינים השיווקיים שלי בטווח הארוך?

הדוחות הרגילים ב-Google Analytics יכולים לעזור לך לקבוע אם קמפיינים שיווקיים מובילים להמרות בטווח הקצר, אבל לפעמים קשה לקבוע את הערך של הקמפיינים בטווח הארוך, כי לשם כך צריך לבצע ניתוח מצטבר.

ניתוח

כדי לקבוע את הערך לטווח הארוך של קמפיינים שיווקיים, ניתן להשתמש ב-R כדי ליצור תרשימים של עסקאות והכנסה מצטברת לקבוצות בעלות מאפיינים משותפים. כך תהיה לך אפשרות לראות כמה עסקאות קבוצה של לקוחות השיגה מקמפיין שיווקי נתון במהלך תקופת זמן ארוכה יותר. זאת בניגוד לניתוח סטנדרטי יותר, שבו אפשר לראות אם לקוח שביקר בנכס שלך מקמפיין שיווק ביצע רכישה באופן מיידי.

השאילתה

כדי לבצע את הניתוח הזה, ניתן לשנות את השאילתה לדוגמה של RGoogleAnalytics. השאילתה הבאה מאחזרת את הטרנזקציות וההכנסות מכל המשתמשים שביקרו באתר בפעם הראשונה מקמפיין א' בין 1 בספטמבר ל-7 בספטמבר 2014, והם ביצעו רכישה בשלב כלשהו בין 1 בספטמבר ל-29 בנובמבר.

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)

אם הפלח לא מופיע, השאילתה מחלצת עסקאות והכנסות לכל המשתמשים לפי תאריך. הוספת הפלח כוללת רק משתמשים שביקרו באתר בפעם הראשונה שביצעו עסקה בין תקופות הזמן שצוינו.

הבנת הפלח

המקטע מורכב מכמה תנאים של הרצף:

1. הפלח בוחר באפשרות users:: כדי לכלול לא רק את הסשנים שתואמים לתנאים, אלא את כל הסשנים של משתמשים שתואמים לתנאים.
2. הקידומת sequence:: מאפשרת לבחור קבוצת משתמשים שהשלימו סדרת שלבים מסוימת. במקרה הזה, השלב הראשון הוא לבקר בקמפיין נתון בפרק זמן נתון, והשלב השני הוא ביצוע רכישה.
3. ^ הקידומת לפני ga:userType==New%20Visitor;dateOfSession<>2014-09-01_2014-09-07 מבטיחה שהתנאים 'תאריך סשן', 'קמפיין' ו'סוג משתמש' יתקיימו עבור ההתאמה הראשונה בסשן הראשון בטווח התאריכים הנתון.
4. השדה ->>perSession::ga:transactions>0 מציין את השלב השני בביצוע רכישה בשלב כלשהו.

אם ברצונך לשנות את הפלח הזה או ליצור פלחים משלך, מומלץ לעיין במדריך למפתחי פלחים לפרטים נוספים על פלחים אפשריים ליצירת פלחים ולתחביר.

עבודה עם התוצאות

התוצאה של השאילתה הזו היא עסקאות והכנסה ליום עבור קבוצת המשתמשים שצוינה. אפשר להמיר את העסקאות וההכנסות היומיות או המצטברות של יום למספרים מצטברים ב-R באמצעות הפונקציה cumsum. לאחר מכן אפשר להציג את הנתונים האלה בתרשים באמצעות הפונקציה plot או החבילה ggplot2.

בתרשים עסקאות מצטברות מוצג מספר העסקאות שהתרחשו בכל תאריך, בתרשים עסקאות מצטברות מוצג המספר של סך כל העסקאות שהתרחשו עד וכולל כל תאריך. לכן, התרשים של העסקאות המצטברות מאפשר לנו לראות את הערך לטווח הארוך יותר של כל קמפיין:

תוצאה

מניתוח שני הקמפיינים האלה עולה כי לקוחות שצורפו מקמפיין א' השלימו יותר עסקאות מאשר לקוחות שצורפו מקמפיין ב' בארבעת השבועות הראשונים, אבל בטווח הארוך, לקוחות מקמפיין ב' השלימו יותר עסקאות מצטברות. עיון רק בעסקאות שהתרחשו מיד לאחר ביקור מקמפיין א' או בקמפיין ב' היה מוביל למסקנה שגויה שקמפיין א' היה יעיל יותר.

אנו מקווים שזה עורר בך תיאבון לניתוח נתוני Google Analytics מומלץ להיכנס אל הפורום של Google Analytics Reporting API כדי לספר על ניתוחי הנתונים הנהדרים שלך.

סרטון סקירה כללית

הסרטון הבא מתוארת הדוגמה במאמר זה. בנוסף, מוצגים שני תרחישים לדוגמה אחרים לשימוש ב-R עם Google Analytics.