ประโยชน์สูงสุด 6 ประการของการใช้ Google Analytics 4 และ Google BigQuery Export

ข้อดีหลักประการหนึ่งของ Google Analytics 4 ใหม่คือความสามารถในการส่งออกข้อมูลดิบที่ไม่ได้เก็บตัวอย่างไปยัง Google BigQuery ได้ฟรี โปรดจำไว้ว่าใน Universal Analytics ตัวเลือกนี้มีให้ในเวอร์ชันที่ต้องชำระเงินเท่านั้น (Google Analytics 360) มาดูกันว่าการเปลี่ยนแปลงนี้เปิดโอกาสให้ผู้ใช้ Google Analytics (GA) ส่วนใหญ่ได้โอกาสใดบ้าง

การย้ายไปยัง Google Analytics 4 เป็นขั้นตอนที่หลีกเลี่ยงไม่ได้ที่บริษัทส่วนใหญ่จะดำเนินการในอนาคตอันใกล้นี้ OWOX ช่วยให้คุณทำการเปลี่ยนแปลงนี้อย่างไม่ลำบากที่สุด เราจะช่วยคุณพัฒนาและใช้งานระบบเมตริก ตลอดจนตั้งค่าการติดตามข้อมูลอย่างถูกต้อง คุณสามารถบันทึกรายงานที่คุณต้องการและสร้างรายงานใหม่โดยไม่ต้องเข้าใจโครงสร้างข้อมูลใหม่และเขียนคำสั่ง SQL ใหม่

เมื่อผสานรวม Google Analytics 4 กับ Google BigQuery คุณสามารถรวบรวมข้อมูลดิบที่ไม่ได้สุ่มตัวอย่างจากเว็บไซต์ของคุณในที่เก็บข้อมูลบนคลาวด์ ซึ่งผู้ใช้แต่ละคนและกิจกรรมของพวกเขาจะแสดงในบรรทัดแยกกัน เมื่อใช้การสืบค้นข้อมูล SQL กับข้อมูลนี้ คุณสามารถคำนวณพารามิเตอร์และตัวบ่งชี้ใดๆ ที่คุณต้องการได้

การรวบรวมสถิติไซต์ใน Google BigQuery ทำให้คุณสามารถหลีกเลี่ยงการสุ่มตัวอย่างและข้อจำกัดอื่นๆ ของ Google Analytics 4 ได้ คุณจะสามารถวิเคราะห์ข้อมูลทั้งหมดได้ ซึ่งหมายความว่าคุณภาพของการตัดสินใจตามข้อมูลนี้จะสูงกว่าคุณภาพของการตัดสินใจที่คุณมีมาก อาจสร้างขึ้นจาก X.

ตัวอย่างเช่น ระยะเวลาเก็บรักษาเริ่มต้นสำหรับผู้ใช้และข้อมูลเหตุการณ์ใน GA 4 คือ 2 เดือน คุณสามารถเพิ่มเป็น 14 เดือนในการตั้งค่าทรัพยากร อย่างไรก็ตาม นี่อาจไม่เพียงพอหากคุณต้องการวิเคราะห์เหตุการณ์ของผู้ใช้ที่เข้าสู่ระบบครั้งล่าสุดเมื่อ 14 เดือนที่แล้ว นั่นคือ คุณไม่สามารถสร้างรายงานในช่วงสองปีได้ นี่คือที่ที่ Google BigQuery สามารถช่วยได้ หลังจากส่งออกข้อมูลไปยัง BigQuery แล้ว คุณจะจัดเก็บได้ไม่จำกัดเวลา

อินเทอร์เฟซของ Google Analytics หรือระบบวิเคราะห์อื่นๆ จะจำกัดความสามารถในการสร้างรายงานของคุณ ตัวอย่างเช่น มีการจำกัดจำนวนพารามิเตอร์และตัวบ่งชี้ตลอดจนวิธีที่คุณสามารถรวมและคำนวณตามพารามิเตอร์เหล่านี้ได้ นอกจากนี้ ใน GA 4 จะไม่มีความสามารถในการนำเข้าข้อมูลค่าใช้จ่าย สร้างการจัดกลุ่มแชแนลที่กำหนดเอง หรือรวมเมตริกจากแหล่งที่มาของบุคคลที่สาม เช่น CRM ในรายงานของคุณ

การเข้าถึงข้อมูลดิบใน Google BigQuery ช่วยให้คุณสร้างรายงานด้วยเมตริกจำนวนเท่าใดก็ได้ตามต้องการ ตัวอย่างเช่น คุณสามารถทำการวิเคราะห์ตามรุ่นตามตัวบ่งชี้ที่สำคัญสำหรับธุรกิจของคุณ

ใน Google Analytics 4 รายงานมาตรฐานจะไม่อยู่ภายใต้การสุ่มตัวอย่าง แต่สามารถใช้การสุ่มตัวอย่างในรายงานที่กำหนดเองได้: เมื่อเปรียบเทียบข้อมูล เมื่อใช้พารามิเตอร์และตัวกรองเพิ่มเติม เมื่อเกินขีดจำกัด 10 ล้านเหตุการณ์ การสุ่มตัวอย่างยังใช้เมื่อช่วงวันที่มากกว่า 60 วัน

การสุ่มตัวอย่างสามารถบิดเบือนข้อมูล คุณจึงไม่สามารถเชื่อถือรายงานที่สร้างขึ้นโดยใช้การสุ่มตัวอย่างได้ 100% โดยเฉพาะอย่างยิ่งสำหรับรายงานที่มีระยะเวลานานหรือสำหรับรายงานที่กำหนดเองซึ่งมีพารามิเตอร์และตัวบ่งชี้จำนวนมาก การอัปโหลดข้อมูลดิบจาก Google Analytics 4 ไปยัง Google BigQuery คุณสามารถหลีกเลี่ยงปัญหานี้ได้

ข้อมูลดิบจากเว็บไซต์ของคุณสามารถรวมเข้ากับข้อมูลการใช้จ่ายโฆษณาจากบริการโฆษณา ข้อมูลการติดตามการโทร ข้อมูลจดหมายข่าวทางอีเมล และข้อมูลเกี่ยวกับคำสั่งซื้อที่แลกจาก CRM ของคุณเพื่อตั้งค่าการวิเคราะห์แบบครบวงจร

ซึ่งจะช่วยให้คุณสามารถพิจารณาจุดติดต่อกับบริษัทของคุณทั้งหมด วิเคราะห์เส้นทางสู่ Conversion ของผู้ใช้ ประเมินผลกระทบของความพยายามทางการตลาดทั้งหมด (ทั้งทางออนไลน์และออฟไลน์) ที่มีต่อประสิทธิภาพทางธุรกิจ ค้นหาช่องทางการตลาดที่มีประสิทธิภาพสูงสุด และเพิ่มประสิทธิภาพอย่างรวดเร็ว ช่องทางที่นำมาซึ่งความสูญเสีย

เมื่อคุณรวบรวมและรวมข้อมูลการตลาดทั้งหมดของคุณแล้ว คุณสามารถสร้างช่องทางการขายที่ซับซ้อนซึ่งเหมาะสมกับโครงสร้างธุรกิจของคุณ และสร้างรูปแบบการระบุแหล่งที่มาของคุณเองเพื่อประเมินการมีส่วนร่วมของช่องทางการโฆษณาแต่ละช่องทางต่อการขาย

ตัวอย่างเช่น คุณสามารถประเมินการมีส่วนร่วมของช่องทางไปยังช่องทางการตลาดด้วยการระบุแหล่งที่มาตามช่องทาง OWOX รูปแบบการระบุแหล่งที่มาตามช่องทางจะคำนวณมูลค่าของแต่ละแชแนลและแคมเปญในช่องทางตามการมีส่วนร่วมในความคืบหน้าของผู้ใช้ผ่านขั้นตอนต่างๆ ของช่องทาง ในการทำการคำนวณนี้ ข้อมูลที่รวบรวมมานั้นไม่เหมาะสม — เราต้องการข้อมูลเกี่ยวกับการดำเนินการของผู้ใช้แต่ละรายการที่เชื่อมโยงด้วย ID ผู้ใช้

ยิ่งช่องทางย้ายผู้ซื้อผ่านขั้นตอนที่ยากที่สุดได้มากเท่าไร ก็ยิ่งได้รับมูลค่ามากขึ้นเท่านั้น

ด้วยรูปแบบการระบุแหล่งที่มาตามช่องทาง คุณสามารถระบุแคมเปญที่มีประสิทธิภาพสูงสุดและมุ่งเน้นที่การพัฒนาแคมเปญเพื่อให้เป็นไปตามแผนการตลาดของคุณ ตัวอย่างเช่น คุณสามารถค้นหาแคมเปญที่มีการจัดการซึ่งคุณสามารถพัฒนาเพื่อเพิ่มความยืดหยุ่นของช่องทางที่ต้องพึ่งพาซึ่งมีความจุจำกัด (ทั่วไป บริบทของแบรนด์ CPA การกำหนดเป้าหมายใหม่) และทำให้ยอดขายโดยรวมของคุณเพิ่มขึ้น

Google Analytics 4 นำเสนอเมตริกเชิงคาดการณ์ (ความน่าจะเป็นในการซื้อ ความน่าจะเป็นในการเลิกใช้ และการคาดการณ์รายได้) ที่คำนวณโดยใช้แมชชีนเลิร์นนิง อย่างไรก็ตาม โมเดลนี้เป็นกล่องดำและทำงานบนข้อมูล GA 4 เท่านั้น

สมมติว่านักวิเคราะห์ข้อมูลได้รับมอบหมายให้สร้างแบบจำลองที่จะคาดการณ์ความน่าจะเป็นของการซื้อ คาดว่าโมเดลนี้จะโปร่งใสที่สุดเท่าที่จะเป็นไปได้ (จะชัดเจนว่าฟีเจอร์ใดบ้างที่ได้รับการฝึกมา) และสร้างขึ้นจากข้อมูลที่มีอยู่ทั้งหมด รวมถึงข้อมูลที่กำหนดเอง ในกรณีนี้ อินเทอร์เฟซของ Google Analytics 4 ไม่เพียงพอสำหรับนักวิเคราะห์อีกต่อไป เนื่องจากไม่ทราบว่ามีอะไรอยู่ภายในเมตริกที่คาดการณ์ไว้ซึ่ง GA คำนวณ หากคุณต้องการทำความเข้าใจและจัดการโมเดล เช่น ตั้งค่าคุณลักษณะของคุณเองสำหรับการฝึก คุณควรอัปโหลดข้อมูลไปยัง BigQuery

ใน Google Analytics 4 มีการจัดกลุ่มแชแนลมาตรฐานที่กำหนดไว้ล่วงหน้า (ชำระเงิน ค้นหา ออร์แกนิก ฯลฯ) ซึ่งหมายความว่าคุณจะไม่สามารถสร้างรายงานด้วยการจัดกลุ่มแชแนลของคุณเองในอินเทอร์เฟซ GA 4 ได้ อย่างน้อยก็ยังไม่มี (บางทีตัวเลือกนี้จะถูกเพิ่มในอนาคต)

ตัวอย่างเช่น แคมเปญ facebook/cpc ของคุณไปที่กลุ่มแชแนลแบบชำระเงินโดยค่าเริ่มต้น แต่คุณอาจต้องแยกรายการเหล่านี้ออกเป็นกลุ่มช่องทางโซเชียลแบบชำระเงิน ในกรณีนี้ การอัปโหลดข้อมูลไปยัง BigQuery และการจัดกลุ่มแชแนลโดยใช้ SQL จะช่วยได้

เพื่อความเป็นธรรม การจัดกลุ่มแชแนลสามารถกำหนดค่าได้ง่ายกว่า:

1. เชื่อมต่อข้อมูล Google Analytics กับ Data Studio ด้วยตัวเชื่อมต่อในตัว
2. ตั้งค่าเงื่อนไขการจัดกลุ่มใน Data Studio

จะไม่น่าเชื่อถือเท่ากับการจัดกลุ่มแชแนลใน Google BigQuery แต่ถ้าคุณต้องการวิธีแก้ปัญหาอย่างรวดเร็ว คุณสามารถใช้การใช้งานนี้ได้

สมมติว่าคุณต้องแสดงสถิติให้พันธมิตรทราบโดยอิงตามแท็ก UTM เท่านั้น และไม่เปิดเผยข้อมูลอื่นใด ในอินเทอร์เฟซ Google Analytics 4 คุณไม่สามารถสร้างข้อมูลพร็อพเพอร์ตี้แยกต่างหากสำหรับสิ่งนี้ มีเพียงมุมมองเดียวของทรัพยากร นั่นคือ พันธมิตรทั้งหมดจะเห็นข้อมูลทั้งหมด

Google BigQuery ช่วยให้คุณโหลดข้อมูลจำนวนมากและประมวลผลได้อย่างรวดเร็วโดยใช้ SQL คุณสามารถทำให้รายงานเป็นแบบอัตโนมัติและกำหนดเวลาเพื่อให้ทีมของคุณสามารถมุ่งเน้นไปที่การรับข้อมูลเชิงลึกแทนการเตรียมรายงาน

หมายเหตุ: การนำเข้าข้อมูลไปยัง BigQuery จาก Google Analytics 4 นั้นฟรี แต่มีข้อจำกัดที่คุณต้องจ่าย ท่านสามารถดูรายละเอียดที่นี่.

การเปลี่ยนไปใช้ Google Analytics 4 เป็นขั้นตอนที่หลีกเลี่ยงไม่ได้ที่บริษัทส่วนใหญ่จะดำเนินการภายในวันที่ 1 กรกฎาคม 2023 OWOX ช่วยให้การเปลี่ยนแปลงนี้เป็นไปอย่างราบรื่นที่สุด ช่วยให้คุณสามารถเก็บรายงานที่คุณต้องการและรับรายงานใหม่โดยไม่ต้องทำความเข้าใจข้อมูลใหม่ โครงสร้างและเขียนคำสั่ง SQL ทั้งหมดของคุณใหม่

OWOX จะผสานข้อมูลทั้งหมดของคุณและนำเข้าสู่โครงสร้างที่เหมาะสมสำหรับรูปแบบธุรกิจของคุณ ด้วยเหตุนี้ คุณสามารถสร้างรายงานใหม่หรือแก้ไขรายงานเก่าได้ทันที คุณสามารถเปลี่ยนแหล่งข้อมูลในรายงานของคุณเป็น Google Analytics 4 ได้ ตัวอย่างเช่น โดยไม่ต้องเขียนข้อความค้นหา SQL นับร้อยใหม่

เราแนะนำให้ลูกค้าทั้งหมดของเราเริ่มรวบรวมข้อมูลใน Google Analytics 4 ควบคู่ไปกับ Universal Analytics ทันที ด้วยความช่วยเหลือของการติดตามพร้อมกัน คุณสามารถเปรียบเทียบ Google Analytics ทั้งสองเวอร์ชัน สำรวจคุณลักษณะใหม่และอินเทอร์เฟซใหม่ใน GA 4 และรวบรวมข้อมูลประวัติ ยิ่งคุณติดตั้ง Google Analytics 4 เร็วเท่าไร คุณก็จะเก็บรวบรวมข้อมูลย้อนหลังมากขึ้นเท่านั้น

ทีม OWOX สามารถช่วยคุณพัฒนาและใช้ระบบเมตริก ตั้งค่าการติดตามพร้อมกันอย่างถูกต้อง และผสานรวม Google Analytics 4 กับ Google BigQuery