Cum să vă actualizați rapoartele pentru Google Analytics 4 fără bătăi de cap

Utilizatorii Google Analytics Universal (GAU) vor trebui să treacă la Google Analytics 4 (GA4) în vara anului 2023. Principala problemă cu aceasta este că modelul de date și logica de calcul a valorilor sunt radical diferite în GA4 față de GAU. După trecerea la GA4, o parte din datele istorice vor fi păstrate în structura GAU, în timp ce datele noi vor fi stocate în structura GA4. Din acest motiv, companiile trebuie să depună eforturi serioase pentru a evalua valorile de la an la an (YoY) după schimbare (cel puțin 100 de ore de muncă pentru analiștii de date de nivel mediu).

Pentru analiști, asta înseamnă că vor petrece zi după zi scriind și aranjand pagini de interogări SQL pentru a realiza alinierea între valorile Google Analytics Universal și Google Analytics 4. Cu toate acestea, există o modalitate de a ocoli acest lucru! Analiștii pot crea rapoarte ad-hoc în câteva minute fără a rescrie constant interogările SQL, iar în acest articol vă spunem cum.

Universal Analytics va înceta pe 1 iulie 2023 și va fi înlocuit cu Google Analytics 4. Pentru clienții Google Analytics 360 (versiunea plătită a GA), perioada de tranziție a fost prelungită până la 1 iulie 2024. Dar indiferent ce versiune de GA folosiți, este doar o chestiune de timp până când rapoartele dvs. vor fi actualizate la noua schemă de date.

În lumina acestei schimbări, una dintre cele mai dificile sarcini pentru analiști este să furnizeze date din Google Analytics Universal și Google Analytics 4 într-un format unificat.

Circumstanțele care complică această sarcină:

• Logica de calcul al metricilor diferă semnificativ între GAU și GA4. În special, aceste versiuni de produs calculează în mod diferit chiar și valorile tradiționale. Nu puteți trage toate valorile din GAU și GA4 într-un singur grafic și să vă așteptați ca totul să meargă fără probleme.
• Schemele de date Google BigQuery sunt, de asemenea, semnificativ diferite. Universal Analytics aplică scheme de date bazate pe sesiune, în timp ce Google Analytics 4 are scheme de date bazate pe evenimente.
• Tablourile de bord includ valori anuale și tendințe de sezonalitate. Deci întrebarea este cum să continuați să utilizați tablouri de bord cu toate aceste valori.

Să ne uităm la un exemplu concret. Să presupunem că avem acest tablou de bord:

Cea mai importantă parte a acestui tablou de bord este valorile de sezonalitate, care reprezintă o comparație a unor valori specifice pentru perioadele curente și trecute. Datele istorice și operaționale trebuie să fie în același format pentru a sprijini valorile anuale pe tablourile de bord de marketing.

În acest caz, provocarea analistului este să actualizeze N+ interogări SQL vechi pentru a oferi rapoarte de încredere pentru echipa de marketing. Este greu să testați și să depanați tot ceea ce poate fi afectat chiar și de remedieri minore ale interogărilor SQL.

De asemenea, ar trebui luate în considerare riscurile de tranziție. După transferul unui raport către noua sursă (de la GAU la GA4), analiștii pot să nu țină cont de diferențele fundamentale în schema de date și logica de calcul a valorilor. De exemplu, sesiunile sunt formate diferit: doar prima sursă de utilizator este luată în considerare în GA4, iar toate celelalte surse care duc la o sesiune sunt neglijate. Prin urmare, unele surse de trafic nu vor fi vizibile în raport.

La început, acest lucru poate trece neobservat. Dar în două până la trei sferturi, un tablou de bord incorect va duce la cheltuieli publicitare ineficiente, cu scurgeri de buget de 30% sau mai mari.

Pregătirea și crearea tablourilor de bord ne amintește de Jenga. De fiecare dată când trebuie să înlocuiască un bloc într-un raport, analiștii își țin degetele încrucișate și speră că întreaga structură nu va cădea.

La OWOX, rezolvăm deja cu succes probleme similare în timp ce transferăm rapoartele clienților noștri din schema de date Universal Analytics (sau GA 360) în schema de date Google Analytics 4. De aceea, dorim să împărtășim soluția noastră și câteva interogări SQL cititorilor noștri de blog. Sperăm că aceste informații vă vor ajuta să vă transferați raportarea fără bătăi de cap.

Abordarea noastră de a pregăti rapoarte (indiferent de sfera de afaceri pentru care sunt create) se bazează mai degrabă pe date brute decât pe date modelate.

Un model de date descrie entitățile de date, atributele acestora și relațiile dintre entități. De exemplu, acțiunile utilizatorilor pe site-ul web sunt îmbinate pentru o anumită sesiune și un utilizator poate face mai multe conversii online într-o sesiune.

Există patru obiecte — Acțiuni, Utilizatori, Sesiune și Conversie online — și trei conexiuni: unu-la-mai multe între sesiuni și acțiuni, unu-la-mai multe între utilizator și conversiile online și unu-la-mai multe între sesiuni și conversii online.

Modelul de date reflectă percepția noastră asupra lumii reale și răspunde la întrebări precumDespre ce sunt datele noastre?Cum este legat?Ce condiții și restricții aplicăm atunci când lucrăm cu date?Un model de date este necesar pentru ca oamenii să se înțeleagă clar.

Modelarea datelor este procesul de transformare a datelor într-un format care îndeplinește cerințele modelului dvs. de date.

• Creșteți valoarea și eficiența muncii de analiză prin:
• Accelerarea modificărilor aduse structurilor de rapoarte și logicii de calcul a valorilor
• Reducerea costurilor de suport pentru rapoarte și tablouri de bord
• Simplificarea discuțiilor și aprobărilor rapoartelor
• Creșteți calitatea datelor în rapoarte prin:
• Evitarea duplicării la implementarea logicii de calcul a parametrilor și metricilor
• Având un singur strat de date care este sursa datelor exacte

Modelul de date înlocuiește numeroase instrumente și descrie logica unui raport, deoarece descrie obiectele și logica lor de calcul (care este valabilă pentru toate rapoartele).

OWOX BI transformă datele brute într-un format pregătit pentru analiză, economisindu-vă ore de pregătire a datelor. Acesta integrează perfect atât datele Universal Analytics, cât și datele Google Analytics 4 în rapoartele dvs.

Iată un exemplu de model de date construit pe baza datelor Google Analytics:

După cum puteți vedea, există mai multe obiecte, inclusiv sesiuni, tranzacții, pagini și dispozitive.

Cel mai interesant și important lucru aici este că structura acestor obiecte nu este interconectată și nu are nimic de-a face cu sursele de date. Nu contează ce surse sunt folosite pentru a umple aceste obiecte cu date live (Matomo, Adobe, Google Analytics etc.). Indiferent de sursa de date, modelul returnează aceleași obiecte pe care modelul de date reprezintă afacerea dvs. Acesta ilustrează obiectele și valorile din lumea reală cu care lucrați.

Să vedem cum arată în lumea reală.

În loc să scrieți interogări SQL pe deasupra datelor brute, cum ar fi sesiunile exportate din Universal Analytics sau evenimentele exportate din Google Analytics 4, puteți crea date modelate. Sunt tabele universale și ușor de înțeles deasupra, care reprezintă obiecte și entități din lumea reală, cum ar fi sesiuni, utilizatori și vizualizări de pagină.

Să luăm în considerare exemple specifice și scheme de date.

Iată un exemplu de date brute. Acestea sunt capturi de ecran ale unei scheme de date din Google BigQuery pentru Google Analytics Universal (stânga) și Google Analytics 4 (dreapta).

După cum am scris mai sus, schemele de date diferă. Trebuie să găsim o modalitate de a conecta aceste date la tabloul de bord Google Data Studio.

Pe baza experienței noastre, construirea de tabele modelate este cea mai bună modalitate de a simplifica pregătirea datelor. Iată cum pot arăta:

Acestea sunt listele de obiecte din modelul de date de mai sus. Puteți vedea că lista de obiecte este aceeași pentru Google Analytics 360 și Google Analytics 4.

Aceasta înseamnă că puteți conecta interogarea tabloului de bord cu aceste date folosind aceleași interogări. Structura acestei interogări este aceeași.

Să vedem motivele importante pentru a vă gândi să creați rapoarte pe date modelate în loc de date brute.

1. Datele sunt ca fructele: trebuie să le curățați înainte de a le amesteca.Analiștii colectează date de la servicii și sisteme disparate. Desigur, structura și formatul acestor date variază în funcție de sursă. Pentru a crea rapoarte, datele din diferite surse trebuie să fie îmbinate corect. În sine, datele încărcate prin conectori sau prin diverse servicii ETL sunt inexacte (conțin erori, duplicate și discrepanțe) și nu au o logică și o structură unificate. Datele inexacte și fragmentate trebuie curățate și normalizate într-un format pregătit pentru analiză.

Cu OWOX BI, nu trebuie să curățați, să structurați și să procesați manual datele. Serviciul va normaliza automat datele brute într-un format gata de analiză.

2. Nu este nevoie să copiați și să rescrieți logica de afaceri pentru fiecare raport;de exemplu, nu trebuie să:

• Deduplicați tranzacțiile
• Filtrați botul și traficul intern
• Definiți regulile de grupare a canalelor
• Definiți criterii pentru utilizatorii noi și cei care revin
• Remediați urmărirea parametrilor UTM

Fără îndoială, fiecare analist de date a auzit solicitări din partea specialiștilor de marketing, cum ar fi acestea: am dori să ajustăm sau să îmbunătățim regulile noastre de grupare a canalelor pe baza datelor istorice sau am dori să identificăm criterii pentru utilizatorii noi și care revin, care nu sunt în modul în care funcționează. în Google Analytics, dar în felul nostru sau Am dori să considerăm ca returnați numai acei utilizatori care au făcut o achiziție în ultimele șase luni.

Dacă construiți rapoarte bazate pe date brute, toate transformările de date și activitățile de pregătire trebuie să fie executate la nivel de raport. Asta înseamnă că trebuie să petreci mult timp copiend logica de afaceri în fiecare raport.

Dacă construiți rapoarte pe date modelate, nu trebuie să copiați logica de afaceri. Îl creați o dată în etapa de modelare.

3. Construirea de rapoarte bazate pe date modelate accelerează analiza ad-hoc.Puteți economisi timp scriind noi transformări SQL și orchestrare pentru a permite analiza anuală.

4. Datorită modelării datelor, puteți crea o singură sursă de adevăr pentru toate rapoartele.Când schimbați sursa de date într-un raport, nu mai trebuie să rezolvați fiecare interogare problematică. Vă puteți baza pe această sursă pentru sesiuni, tranzacții și date despre evenimente.

5. Simplificați nivelul de raportare.Crearea de rapoarte pe baza datelor modelate este mai ușoară decât a face față câmpurilor imbricate și câmpurilor de înregistrare, împreună cu scrierea unor funcții complicate de fereastră sau chiar funcții de extragere JSON.

1. Datele modelate sunt încă un strat de mijloc.Este nevoie de timp pentru a ajusta și, de asemenea, trebuie să monitorizați și să depanați datele modelate.

2. JOIN-uri complexe pentru normalizări.

3. Prelucrare suplimentară a datelor.Pentru a converti datele într-un format de model, trebuie să interogați datele. Vă sfătuim să utilizați un tabel de partiții la o dată. Cu un tabel de partiții construit în jurul dimensiunilor datei, puteți actualiza doar datele necesare. Nu trebuie să rescrieți toate tabelele uriașe și să plătiți pentru toate datele procesate și gigabytes sau terabytes de date în Google BigQuery. Puteți doar să faceți upgrade și să actualizați partiția de care aveți nevoie. Această abordare este mai economică decât manipularea tuturor tabelelor de date.

Pentru a vă ajuta să faceți față acestor dezavantaje, am pregătit șabloane SQL pentru modelarea datelor Google Analytics 360 și Google Analytics 4. Le puteți verifica descărcând materialele suplimentare furnizate în acest articol.

Cât de ușor este să vă actualizați rapoartele la noua schemă de date Google Analytics 4? Utilizați date modelate. În loc să construiți rapoarte pe date brute, puteți crea tabele plate universale și ușor de înțeles peste schemele GA Universal și GA 4.

Acest lucru va elimina necesitatea de a copia datele și de a introduce logica de normalizare în zeci de interogări SQL. O veți face o dată la etapa de modelare a datelor. Deși nu este un glonț de argint pentru fiecare proiect, este metoda optimă pentru cei care necesită rapoarte speciale în mod regulat.

Înscrieți-vă pentru o demonstrație a OWOX BI dacă doriți să configurați și să orchestrați mese modelate. Vom împărtăși cu plăcere detalii despre cum să pregătiți tabele similare în proiectele dvs. pe baza datelor dvs.