Google Analytics 4 وBigQuery المتقدمان

تقدم GA4 Explorations مساحة عمل للتحليل المتقدم تضم ستة أنواع من الاستكشافات: Free Form (إنشاء الجداول والمخططات بالسحب والإفلات)، وFunnel Exploration، وPath Exploration، وSegment Overlap، وCohort Exploration، وUser Lifetime.

وعلى خلاف تقارير GA4 القياسية ذات الأبعاد الثابتة، تتيح Explorations للمحللين إنشاء استعلامات مخصصة تجمع بين أي مجموعة من الأبعاد والمقاييس، بحد أقصى 10 أبعاد و10 مقاييس لكل استعلام.

يجمّع Cohort Exploration في GA4 المستخدمين حسب تاريخ اكتسابهم (أو تاريخ أول حدث لهم)، ويتتبع سلوكهم خلال الأسابيع أو الأشهر اللاحقة، ما يكشف مدى نجاحكم في الاحتفاظ بالمستخدمين الذين اكتُسبوا عبر قنوات وحملات مختلفة.

يشير مخطط الأتراب الذي يُظهر انخفاضًا حادًا في الأسبوع الثاني إلى وجود مشكلة في تهيئة المستخدمين؛ كما تساعد الأتراب القادمة من تسويق المحتوى، التي تحقق احتفاظًا لمدة 90 يومًا أعلى من الأتراب القادمة من القنوات المدفوعة، على تحديد مواضع الاستثمار لتحقيق نمو مستدام.

يكشف تقسيم تحليل الأتراب حسب قناة الاكتساب ما إذا كان المستخدمون القادمون من البحث العضوي أو وسائل التواصل المدفوعة أو إحالات البريد الإلكتروني أو الزيارات المباشرة يملكون أنماطًا مختلفة بوضوح للاحتفاظ والتفاعل بمرور الوقت.

إذا أظهرت أتراب البحث العضوي احتفاظًا لمدة 60 يومًا أفضل بثلاثة أضعاف من أتراب وسائل التواصل المدفوعة، فإن هذه البيانات تدعم زيادة الاستثمار في SEO والمحتوى، وربما تقليل الإنفاق على وسائل التواصل المدفوعة التي تستحوذ على مستخدمين منخفضي القيمة طوال فترة بقائهم.

يوفر GA4 تكاملًا أصليًا لتصدير بيانات الأحداث الخام غير المأخوذة بعينات إلى Google BigQuery يوميًا (على دفعات) أو في وضع البث، ما ينشئ مستودع بيانات دائمًا لكل تفاعل يجريه المستخدمون مع منصاتكم الرقمية.

يكون التصدير مجانيًا فيما يتعلق بالاتصال بـ BigQuery، لكنكم تدفعون تكاليف تخزين BigQuery والاستعلامات. ويُجرى الإعداد في GA4 Admin ضمن BigQuery Linking، ويتطلب مشروعًا على Google Cloud.

يصدّر GA4 البيانات إلى BigQuery في بنية JSON متداخلة ومنظمة حسب الحدث؛ إذ يمثّل كل صف حدثًا واحدًا، بينما تُخزَّن خصائص المستخدم والجلسة كأزواج مفتاح-قيمة داخل حقول RECORD متداخلة.

يستخدم المحللون SQL القياسي للاستعلام عن البيانات، لكن يجب عليهم استخدام UNNEST() لتسطيح مصفوفتَي event_params وuser_properties المتداخلتين قبل التصفية حسب قيم معلمات محددة؛ وتختلف هذه الصياغة عن الصياغة المستخدمة مع الجداول العلائقية المسطحة.

من استعلامات BigQuery الشائعة في GA4 ذلك الذي يربط البيانات على مستوى الجلسة بأحداث التحويل: إذ يُسطّح بيانات session_traffic_source للحصول على القناة، ثم يحسب الجلسات والمستخدمين والتحويلات حسب القناة ضمن نطاق زمني محدد.

ينتج هذا النوع من الاستعلامات بيانات غير خاضعة لأخذ العينات وقابلة للتخصيص بالكامل حول أداء القنوات، وهي بيانات لا تستطيع واجهة GA4 القياسية توفيرها، وتكتسب قيمة خاصة للمواقع أو التطبيقات ذات الزيارات المرتفعة التي يطبّق فيها GA4 أخذ العينات على التقارير.

يتيح BigQuery للمحللين استخدام JOIN لدمج البيانات السلوكية من GA4 مع بيانات CRM وبيانات الإنفاق الإعلاني وبيانات المنتجات ضمن استعلام واحد، وإنشاء نماذج مدمجة يستحيل إنشاؤها ضمن أي منصة تسويقية منفردة.

فعلى سبيل المثال، يمكن أن يربط دمج بيانات جلسات GA4 مع تصدير بيانات CRM من Salesforce بين اكتساب العملاء عبر القنوات التسويقية والإيرادات المحققة لاحقًا، وبذلك يصل بين نشاط أعلى مسار التحويل ونتائج الأعمال في أسفله.

يتصل Looker Studio (المعروف سابقًا باسم Data Studio) مباشرةً بـ BigQuery بوصفه مصدرًا للبيانات، ما يتيح للمحللين إنشاء لوحات معلومات مرئية تعتمد على استعلامات SQL مخصصة تُنفَّذ على مجموعة بيانات أحداث GA4 الكاملة.

يتيح هذا الدمج إنشاء تقارير تُحدَّث تلقائيًا مع وصول بيانات جديدة إلى BigQuery، مع مرونة SQL المخصص في الخلفية وسهولة استخدام أداة إنشاء لوحات المعلومات بالسحب والإفلات لأصحاب المصلحة غير التقنيين.

تنفّذ BigQuery Scheduled Queries تعليمات SQL وفق جدول زمني محدد، يوميًا أو أسبوعيًا أو كل ساعة، وتكتب النتائج في جدول وجهة، ما يتيح تحديث خطوط أنابيب البيانات بالكامل تلقائيًا من دون تنفيذ الاستعلام يدويًا.

من حالات الاستخدام الشائعة استعلام مجدول يوميًا يجمع بيانات أحداث GA4 لليوم السابق في جدول ملخص، ثم يقرأ Looker Studio هذا الجدول لإنشاء لوحات معلومات تعرض دائمًا أحدث البيانات من دون تدخل المحلل.

يستخدم GA4 تعلّم الآلة لإنشاء جماهير تنبؤية استنادًا إلى ثلاث درجات: احتمال الشراء (احتمال إتمام الشراء خلال الأيام السبعة التالية)، واحتمال التوقف عن الاستخدام (احتمال عدم العودة)، وتنبؤ الإيرادات.

يمكن تصدير هذه الجماهير مباشرةً إلى Google Ads لاستهداف المستخدمين ذوي الاحتمال المرتفع للشراء بحملات التحويل، أو لاستبعاد المستخدمين ذوي الاحتمال المرتفع للتوقف عن الاستخدام من حملات الاحتفاظ؛ وبذلك يجري التصرف بناءً على تنبؤات ML بدلًا من انتظار حدوث السلوك.

يتيح GA4 للمسوّقين تعريف أبعاد مخصصة (سمات على مستوى المستخدم أو الحدث تتجاوز الإعدادات الافتراضية، مثل فئة الاشتراك أو فئة المحتوى أو صيغة اختبار A/B) ومقاييس مخصصة (قيم رقمية مثل مدة القراءة أو عدد الفيديوهات التي تمت مشاهدتها) لالتقاط المؤشرات الخاصة بالأعمال.

تظهر الأبعاد والمقاييس المخصصة في تقارير GA4 والاستكشافات تمامًا مثل الأبعاد الافتراضية، ما يتيح تحليل الأداء حسب سمات فريدة لمنتجك أو استراتيجية المحتوى لديك ولا تظهر في نموذج بيانات GA4 الافتراضي.

اختبر مدى فهمك لإمكانات GA4 وBigQuery المتقدمة.

تتيح استكشافات GA4 إجراء تحليلات متقدمة، تشمل استكشاف مسارات التحويل والأتراب والمسارات، من دون حدود لأخذ العينات داخل مساحة العمل. أما تصدير BigQuery فينقل البيانات الخام على مستوى الأحداث إلى بيئة SQL لإجراء تحليلات مخصصة بالكامل.

يؤدي ربط BigQuery بـ Looker Studio إلى إنشاء لوحات معلومات تلقائية من النماذج المخصصة، بينما تتيح الجماهير التنبؤية في GA4 استخدام تنبؤات تعلّم الآلة مباشرةً لتحديد الاستهداف في Google Ads.