Andy Granowitz ผู้ประสานงานนักพัฒนาซอฟต์แวร์ Google Analytics – กันยายน 2014
เป้าหมายของบทความนี้คือการส่งเสริมนักสถิติ นักวิจัย และนักวิทยาศาสตร์ข้อมูลที่ยอดเยี่ยมที่กำลังใช้ R ให้มอง Google Analytics เป็นชุดข้อมูลที่มีประโยชน์ และในทำนองเดียวกันก็กระตุ้นให้ผู้ใช้ Google Analytics ใช้ R ตอบสนองความต้องการที่ขาดแคลนข้อมูลมากๆ บทความนี้กล่าวถึงตัวอย่างที่สาธิตวิธีวัดมูลค่าระยะยาวของแคมเปญการตลาดโดยใช้ข้อมูล Google Analytics ใน R.
เกริ่นนำ
R เป็นภาษาโปรแกรมยอดนิยมสำหรับการประมวลผลทางสถิติ เป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์และดึงข้อมูลเชิงลึกจากข้อมูล เมื่อรวม R เข้ากับข้อมูล Google Analytics คุณจะทำการวิเคราะห์ทางสถิติและสร้างภาพข้อมูลเพื่อทำความเข้าใจและปรับปรุงธุรกิจของคุณได้ดีขึ้น
ส่วนที่เหลือของบทความนี้อธิบายขั้นตอนที่จำเป็นในการสร้างข้อมูลและกราฟข้อมูลเชิงลึกบางอย่างโดยใช้ไลบรารี Google Analytics ที่มี R.
ตั้งค่า
ไลบรารี RGoogleAnalytics ช่วยให้คุณดึงข้อมูล Google Analytics จาก R. โดยทำดังนี้
- ยืนยันว่าคุณมีสิทธิ์เข้าถึงบัญชี Google Analytics ที่มีข้อมูลที่สามารถใช้วิเคราะห์ได้
- ติดตั้ง R
- ติดตั้งแพ็กเกจ RGoogleAnalytics
- ทำตาม โค้ดตัวอย่างใน GitHub เพื่อให้แน่ใจว่าคุณจะเข้าถึงข้อมูล Google Analytics ได้ภายใน R
ดูแหล่งข้อมูลการตั้งค่าเพิ่มเติมได้ในคู่มือการตั้งค่า RGoogleAnalytics
คำถาม
มูลค่าระยะยาวของแคมเปญการตลาดของฉันคืออะไร
รายงานมาตรฐานใน Google Analytics ช่วยให้คุณทราบว่าแคมเปญการตลาดทําให้เกิด Conversion ในระยะสั้นหรือไม่ แต่การกําหนดมูลค่าในระยะยาวของแคมเปญอาจทําได้ยากเนื่องจากคุณต้องทำการวิเคราะห์แบบสะสม
การวิเคราะห์
หากต้องการกำหนดมูลค่าระยะยาวของแคมเปญการตลาด คุณสามารถใช้ R เพื่อสร้างกราฟรายได้และธุรกรรมสะสมสำหรับกลุ่มประชากรตามรุ่นที่กำหนด วิธีนี้จะช่วยให้ดูจำนวนธุรกรรมที่กลุ่มลูกค้าได้รับจากแคมเปญการตลาดหนึ่งๆ ในระยะเวลาที่ยาวนานขึ้นได้ ซึ่งตรงกันข้ามกับการวิเคราะห์มาตรฐานมากกว่า ซึ่งคุณสังเกตได้ว่าลูกค้าที่เข้าชมที่พักของคุณจากแคมเปญการตลาดได้ทำการซื้อทันทีหรือไม่
ข้อความค้นหา
หากต้องการทำการวิเคราะห์นี้ คุณจะแก้ไข การค้นหาตัวอย่าง RGoogleAnalytics ได้ ข้อความค้นหาต่อไปนี้ด้านล่างดึงข้อมูลธุรกรรมและรายได้ของผู้ใช้ทุกคนที่เข้าชมเว็บไซต์เป็นครั้งแรกจากแคมเปญ A ระหว่างวันที่ 1 กันยายน - 7 กันยายน 2014 และได้ทำการซื้อในช่วงวันที่ 1 กันยายน - 29 พฤศจิกายน
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)
หากละเว้นกลุ่ม การค้นหานี้จะดึงข้อมูลธุรกรรมและรายได้ของผู้ใช้ทั้งหมดตามวันที่ การเพิ่มกลุ่มจะรวมเฉพาะผู้ใช้ที่เข้าชมเว็บไซต์เป็นครั้งแรกและทำธุรกรรมระหว่างระยะเวลาที่กำหนด
ทำความเข้าใจเกี่ยวกับกลุ่ม
กลุ่มประกอบด้วยเงื่อนไขลำดับ 2-3 ข้อดังนี้
- กลุ่มจะเลือก
users::
เพื่อรวมเซสชันที่ตรงกับเงื่อนไขและเซสชันทั้งหมดจากผู้ใช้ที่ตรงกับเงื่อนไขด้วย - คำนำหน้า
sequence::
ช่วยให้เลือกกลุ่มผู้ใช้ที่ดำเนินการตามชุดขั้นตอนที่ระบุได้ ในกรณีนี้ ขั้นตอนแรกคือการเข้าชมจากแคมเปญนั้นๆ ในช่วงเวลาที่ระบุ และขั้นตอนที่ 2 คือการซื้อ - คำนำหน้า
^
ที่อยู่หน้าga:userType==New%20Visitor;dateOfSession<>2014-09-01_2014-09-07
ช่วยให้แน่ใจว่าเงื่อนไขวันที่ของเซสชัน แคมเปญ และประเภทผู้ใช้เป็นจริงสำหรับ Hit แรกของเซสชันแรกในช่วงวันที่ที่ระบุ ->>perSession::ga:transactions>0
จะระบุขั้นตอนที่ 2 ของการซื้อ ณ จุดใดจุดหนึ่ง
โปรดดู คู่มือนักพัฒนาซอฟต์แวร์เกี่ยวกับกลุ่มสำหรับรายละเอียดเพิ่มเติมเกี่ยวกับกลุ่มที่เป็นไปได้ที่ควรสร้างและรายละเอียดไวยากรณ์ หากคุณต้องการแก้ไขกลุ่มนี้หรือสร้างกลุ่มเป้าหมายของคุณเอง
การทำงานกับผลลัพธ์
ผลลัพธ์ของข้อความค้นหานี้คือ ธุรกรรมและรายได้ต่อวันสำหรับกลุ่มผู้ใช้ที่ระบุ
ธุรกรรมรายวันหรือรายได้ที่เพิ่มขึ้นต่อวันจะเปลี่ยนเป็นตัวเลขสะสมใน R ได้โดยใช้ฟังก์ชัน cumsum
จากนั้นก็จะสร้างกราฟข้อมูลโดยใช้ฟังก์ชัน plot
หรือแพ็กเกจ ggplot2
ได้
แม้ว่าพล็อตธุรกรรมที่เพิ่มขึ้นจะแสดงจำนวนธุรกรรมที่เกิดขึ้นในแต่ละวัน แต่ผังธุรกรรมแบบสะสมจะแสดงจำนวนธุรกรรมทั้งหมดที่เกิดขึ้นจนถึงวันที่แต่ละวัน ดังนั้น แผนธุรกรรมสะสมจึงช่วยให้เราเห็นมูลค่าในระยะยาวของแต่ละแคมเปญ ดังนี้
ผลลัพธ์
เมื่อวิเคราะห์ 2 แคมเปญนี้ เราพบว่าแม้ลูกค้าที่มาจากแคมเปญ A จะทำธุรกรรมมากกว่าลูกค้าที่ได้รับจากแคมเปญ B ในช่วง 4 สัปดาห์แรก แต่ในระยะยาวลูกค้าจากแคมเปญ B ทำธุรกรรมสะสมมากกว่า การดูเฉพาะธุรกรรมที่เกิดขึ้นทันทีหลังจากการเข้าชมจากแคมเปญ A หรือ B อาจนำไปสู่ข้อสรุปที่ไม่ถูกต้องว่าแคมเปญ A มีประสิทธิภาพมากกว่า
เราหวังว่าข้อมูลนี้จะทำให้คุณอยาก วิเคราะห์ข้อมูล Google Analytics ใน R. ไปที่ ฟอรัม Google Analytics Reporting API เพื่อแชร์การวิเคราะห์อันน่าตื่นเต้นที่คุณกําลังทําอยู่
วิดีโอภาพรวม
วิดีโอด้านล่างแสดงตัวอย่างในบทความนี้ นอกจากนี้ ยังมีกรณีการใช้งานอื่นๆ อีก 2 กรณีสำหรับการใช้ R กับ Google Analytics