Come aggiornare i tuoi rapporti per Google Analytics 4 senza problemi

Gli utenti di Google Analytics Universal (GAU) dovranno passare a Google Analytics 4 (GA4) nell'estate del 2023. Il problema principale è che il modello di dati e la logica di calcolo delle metriche sono radicalmente diversi in GA4 rispetto a GAU. Dopo aver effettuato il passaggio a GA4, parte dei dati storici verranno mantenuti nella struttura GAU, mentre i nuovi dati verranno archiviati nella struttura GA4. Per questo motivo, le aziende devono impegnarsi seriamente per valutare le metriche anno su anno (YoY) dopo il passaggio (almeno 100+ ore di lavoro per analisti di dati di medio livello).

Per gli analisti, ciò significa che passeranno giorno dopo giorno a scrivere e organizzare pagine di query SQL per ottenere l'allineamento tra le metriche di Google Analytics Universal e Google Analytics 4. Tuttavia, c'è un modo per aggirare questo problema! Gli analisti possono creare report ad hoc in pochi minuti senza riscrivere costantemente le query SQL e in questo articolo ti spieghiamo come fare.

Universal Analytics scomparirà il 1° luglio 2023 e verrà sostituito da Google Analytics 4. Per i clienti di Google Analytics 360 (la versione a pagamento di GA), il periodo di transizione è stato prolungato fino al 1° luglio 2024. Ma non importa quale versione di GA utilizzi, è solo una questione di tempo prima che i tuoi rapporti vengano aggiornati al nuovo schema di dati.

Alla luce di questo passaggio, uno dei compiti più impegnativi per gli analisti è fornire i dati di Google Analytics Universal e Google Analytics 4 in un formato unificato.

Circostanze che complicano questo compito:

• La logica di calcolo delle metriche differisce in modo significativo tra GAU e GA4. In particolare, queste versioni del prodotto calcolano anche le metriche tradizionali in modo diverso. Non puoi trascinare tutte le metriche da GAU e GA4 in un grafico e aspettarti che tutto vada liscio.
• Anche gli schemi di dati di Google BigQuery sono significativamente diversi. Universal Analytics applica schemi di dati basati sulla sessione, mentre Google Analytics 4 ha schemi di dati basati su eventi.
• I dashboard includono metriche su base annua e trend di stagionalità. Quindi la domanda è come continuare a utilizzare dashboard con tutte queste metriche.

Diamo un'occhiata a un esempio specifico. Supponiamo di avere questa dashboard:

La parte più cruciale di questa dashboard sono le metriche di stagionalità, che rappresentano un confronto di metriche specifiche per il periodo corrente e quello passato. I dati storici e operativi devono essere nello stesso formato per supportare le metriche YoY sui dashboard di marketing.

In questo caso, la sfida dell'analista consiste nell'aggiornare N+ query SQL legacy per fornire report affidabili per il team di marketing. È difficile testare ed eseguire il debug di tutto ciò che può essere influenzato anche da correzioni minori alle query SQL.

Dovrebbero essere considerati anche i rischi di transizione. Dopo aver trasferito un report alla nuova fonte (da GAU a GA4), gli analisti potrebbero non tenere conto delle differenze fondamentali nello schema dei dati e nella logica di calcolo delle metriche. Ad esempio, le sessioni sono formate in modo diverso: solo la prima origine utente viene considerata in GA4 e tutte le altre fonti che portano a una sessione vengono trascurate. Pertanto, alcune sorgenti di traffico non saranno visibili nel rapporto.

All'inizio, questo può passare inosservato. Ma in due o tre quarti, una dashboard errata porterà a una spesa pubblicitaria inefficiente, con una perdita di budget del 30% o superiore.

La preparazione e la creazione di dashboard ci ricorda Jenga. Ogni volta che devono sostituire un blocco in un rapporto, gli analisti incrociano le dita e sperano che l'intera struttura non cada.

In OWOX, stiamo già risolvendo con successo problemi simili durante il trasferimento dei rapporti dei nostri clienti dallo schema di dati di Universal Analytics (o GA 360) allo schema di dati di Google Analytics 4. Ecco perché vogliamo condividere la nostra soluzione e alcune query SQL con i lettori del nostro blog. Si spera che queste informazioni ti aiutino a trasferire i tuoi rapporti senza grattacapi.

Il nostro approccio alla preparazione dei report (indipendentemente dalla sfera aziendale per la quale vengono creati) si basa su dati grezzi piuttosto che modellati.

Un modello di dati descrive le entità di dati, i loro attributi e le relazioni tra le entità. Ad esempio, le azioni degli utenti sul sito Web vengono unite per una determinata sessione e un utente può effettuare diverse conversioni online in una sessione.

Esistono quattro oggetti (Azioni, Utenti, Sessione e Conversione online) e tre connessioni: uno-a-molti tra sessioni e azioni, uno-a-molti tra l'utente e le conversioni online e uno-a-molti tra sessioni e conversioni online.

Il modello di dati riflette la nostra percezione del mondo reale e risponde a domande comeDi cosa trattano i nostri dati?Come è correlato?Quali condizioni e restrizioni applichiamo quando lavoriamo con i dati?Un modello di dati è necessario affinché le persone si capiscano chiaramente.

La modellazione dei dati è il processo di trasformazione dei dati in un formato che soddisfi i requisiti del modello di dati.

• Aumenta il valore e l'efficienza del lavoro di analisi:
• Accelerazione delle modifiche alle strutture dei report e alla logica di calcolo delle metriche
• Riduzione dei costi di supporto di report e dashboard
• Semplificazione delle discussioni e delle approvazioni dei report
• Migliora la qualità dei dati nei rapporti:
• Evitare duplicazioni durante l'implementazione della logica di calcolo dei parametri e delle metriche
• Avere un livello di dati che è la fonte di dati accurati

Il modello dati sostituisce numerosi strumenti e descrive la logica di un report, in quanto descrive gli oggetti e la loro logica di calcolo (valida per tutti i report).

OWOX BI trasforma i dati grezzi in un formato pronto per l'analisi, risparmiando ore di preparazione dei dati. Integra perfettamente i dati di Universal Analytics e Google Analytics 4 nei tuoi rapporti.

Ecco un esempio di un modello di dati creato sulla base dei dati di Google Analytics:

Come puoi vedere, ci sono diversi oggetti, tra cui sessioni, transazioni, pagine e dispositivi.

La cosa più interessante e importante qui è che la struttura di questi oggetti non è interconnessa e non ha nulla a che fare con le origini dati. Non importa quali fonti vengono utilizzate per riempire questi oggetti con dati in tempo reale (Matomo, Adobe, Google Analytics, ecc.). Indipendentemente dall'origine dati, il modello restituisce gli stessi oggetti del modello dati che rappresenta la tua azienda. Illustra gli oggetti e le metriche del mondo reale con cui lavori.

Vediamo come appare nel mondo reale.

Invece di scrivere query SQL su dati non elaborati, come sessioni esportate da Universal Analytics o eventi esportati da Google Analytics 4, puoi creare dati modellati. Sono tabelle universali e di facile comprensione che rappresentano oggetti ed entità del mondo reale, come sessioni, utenti e visualizzazioni di pagina.

Consideriamo esempi specifici e schemi di dati.

Ecco un esempio di dati grezzi. Questi sono screenshot di uno schema di dati di Google BigQuery per Google Analytics Universal (a sinistra) e Google Analytics 4 (a destra).

Come abbiamo scritto sopra, gli schemi dei dati differiscono. Dobbiamo trovare un modo per collegare questi dati alla dashboard di Google Data Studio.

Sulla base della nostra esperienza, la creazione di tabelle modellate è il modo migliore per semplificare la preparazione dei dati. Ecco come possono apparire:

Questi sono gli elenchi di oggetti del modello di dati sopra. Puoi vedere che l'elenco degli oggetti è lo stesso per Google Analytics 360 e Google Analytics 4.

Ciò significa che puoi connettere la query del dashboard con questi dati utilizzando le stesse query. La struttura di questa query è la stessa.

Vediamo i motivi importanti per prendere in considerazione la creazione di rapporti su dati modellati anziché su dati grezzi.

1. I dati sono come la frutta: devi pulirli prima di frullarli.Gli analisti raccolgono dati da servizi e sistemi diversi. Naturalmente, la struttura e il formato di tali dati variano a seconda delle fonti. Per creare report, i dati provenienti da fonti diverse devono essere uniti correttamente. Di per sé, i dati caricati tramite connettori o vari servizi ETL sono imprecisi (contengono errori, duplicati e discrepanze) e mancano di logica e struttura unificate. I dati imprecisi e frammentati devono essere ripuliti e normalizzati in un formato pronto per l'analisi.

Con OWOX BI, non è necessario pulire, strutturare ed elaborare manualmente i dati. Il servizio normalizzerà automaticamente i dati grezzi in un formato pronto per l'analisi.

2. Non è necessario copiare e riscrivere la logica di business per ogni report;ad esempio, non è necessario:

• Transazioni deduplicate
• Filtra bot e traffico interno
• Definisci le regole di raggruppamento dei canali
• Definire i criteri per gli utenti nuovi e di ritorno
• Correggi il tracciamento dei parametri UTM

Senza dubbio ogni analista di dati ha ascoltato richieste da parte di operatori di marketing come queste: vorremmo adattare o migliorare le nostre regole di raggruppamento dei canali in base ai dati storici o vorremmo identificare criteri per utenti nuovi e di ritorno non nel modo in cui funziona in Google Analytics, ma a modo nostro o Vorremmo considerare come restituiti solo gli utenti che hanno effettuato un acquisto negli ultimi sei mesi.

Se crei report basati su dati non elaborati, tutte le trasformazioni dei dati e le attività di preparazione devono essere eseguite a livello di report. Ciò significa che devi dedicare molto tempo a copiare la logica aziendale in ogni report.

Se crei report su dati modellati, non devi copiare la logica aziendale. Lo crei una volta nella fase di modellazione.

3. La creazione di report basati su dati modellati accelera l'analisi ad hoc.Puoi risparmiare tempo scrivendo nuove trasformazioni SQL e di orchestrazione per abilitare l'analisi annuale.

4. Grazie alla modellazione dei dati, puoi creare un'unica fonte di verità per tutti i report.Quando modifichi l'origine dati in un rapporto, non devi più risolvere ogni query problematica. Puoi fare affidamento su questa fonte per dati su sessioni, transazioni ed eventi.

5. Semplifica il livello di reporting.Costruire report su dati modellati è più facile che gestire campi nidificati e campi record, oltre a scrivere alcune funzioni complicate della finestra o persino funzioni di estrazione JSON.

1. I dati modellati sono un ulteriore livello intermedio.Ci vuole tempo per adattarsi e devi anche monitorare ed eseguire il debug dei dati modellati.

2. JOIN complesse per le normalizzazioni.

3. Trattamento dati extra.Per convertire i dati in un formato modello, è necessario interrogare i dati. Ti consigliamo di utilizzare una tabella delle partizioni in una data. Con una tabella delle partizioni costruita attorno alle dimensioni della data, puoi aggiornare solo i dati necessari. Non devi riscrivere tutte le enormi tabelle e pagare per tutti i dati elaborati e gigabyte o terabyte di dati in Google BigQuery. Puoi semplicemente aggiornare e aggiornare la partizione di cui hai bisogno. Questo approccio è più economico rispetto alla gestione di tutte le tabelle di dati.

Per aiutarti a gestire questi svantaggi, abbiamo preparato modelli SQL per modellare i dati di Google Analytics 360 e Google Analytics 4. Puoi verificarli scaricando i materiali aggiuntivi forniti in questo articolo.

Quanto è facile aggiornare i tuoi rapporti al nuovo schema di dati di Google Analytics 4? Usa dati modellati. Invece di creare report su dati grezzi, puoi creare tabelle piatte universali e di facile comprensione sugli schemi GA Universal e GA 4.

In questo modo eliminerai la necessità di copiare i dati e inserire la logica di normalizzazione in dozzine di query SQL. Lo farai una volta nella fase di modellazione dei dati. Anche se non è una pallottola d'argento per ogni progetto, è il metodo ottimale per coloro che richiedono rapporti speciali regolarmente.

Registrati per una demo di OWOX BI se desideri configurare e orchestrare tabelle modellate. Saremo lieti di condividere i dettagli su come preparare tabelle simili nei tuoi progetti in base ai tuoi dati.