Продвинутая Google Аналитика 4 и BigQuery

Исследования GA4 — это рабочее пространство для расширенного анализа, предлагающее шесть типов исследований: свободная форма (создание таблиц и графиков методом перетаскивания), исследование воронки, исследование путей, пересечение сегментов, исследование когорт и жизненный цикл пользователя.

В отличие от стандартных отчётов GA4 с фиксированными параметрами, раздел «Исследования» позволяет аналитикам создавать пользовательские запросы с любыми сочетаниями параметров и показателей — до 10 параметров и 10 показателей в одном запросе.

Исследование когорт в GA4 объединяет пользователей по дате привлечения (или дате первого события) и отслеживает их поведение в последующие недели или месяцы, показывая, насколько хорошо вы удерживаете пользователей, привлечённых разными каналами и кампаниями.

График когорты с резким падением на второй неделе указывает на проблему адаптации пользователей; когорты, привлечённые с помощью информационных материалов, с более высоким удержанием за 90 дней, чем платные когорты, подсказывают, куда стоит инвестировать для устойчивого роста.

Сегментация когортного анализа по каналу привлечения показывает, заметно ли различаются со временем удержание и вовлечённость пользователей из органического поиска, платной рекламы в социальных сетях, переходов из электронной почты или прямого трафика.

Если у когорт из органического поиска удержание за 60 дней в 3 раза выше, чем у когорт из платных социальных сетей, эти данные подтверждают целесообразность увеличения инвестиций в поисковую оптимизацию и информационные материалы, а также возможного сокращения расходов на платные социальные сети, которые привлекают пользователей с низкой пожизненной ценностью.

GA4 предлагает встроенную интеграцию для ежедневного экспорта необработанных данных о событиях без выборки в Google BigQuery (в пакетном режиме) или в режиме потоковой передачи, создавая постоянное хранилище данных о каждом взаимодействии пользователей с вашими цифровыми ресурсами.

Экспорт бесплатен для подключения к BigQuery, но за хранение данных и выполнение запросов в BigQuery взимается плата. Настройка выполняется в разделе администратора GA4 «Связь с BigQuery» и требует проекта Google Cloud.

GA4 экспортирует данные в BigQuery в виде вложенной структуры JSON, организованной по событиям: каждая строка соответствует одному событию, а свойства пользователя и сеанса хранятся как пары «ключ—значение» во вложенных полях RECORD.

Аналитики используют для запросов к данным стандартный SQL, но перед фильтрацией по конкретным значениям параметров необходимо применять UNNEST(), чтобы развернуть вложенные массивы event_params и user_properties. Этот синтаксис отличается от синтаксиса плоских реляционных таблиц.

Распространённый запрос к GA4 в BigQuery объединяет данные на уровне сеансов с событиями-конверсиями: сначала разворачиваются данные session_traffic_source для определения канала, затем для каждого канала подсчитываются сеансы, пользователи и конверсии за заданный период.

Такой запрос формирует данные об эффективности каналов без выборки и с полной возможностью настройки — то, чего не предоставляет стандартный интерфейс GA4. Особенно ценны такие данные для ресурсов с большим трафиком, где GA4 применяет выборку в отчётах.

BigQuery позволяет аналитикам объединять с помощью JOIN поведенческие данные GA4 с данными CRM, расходами на рекламу и данными о продукте в одном запросе, создавая объединённые модели, невозможные в рамках какой-либо одной маркетинговой платформы.

Например, объединение данных о сеансах GA4 с экспортом CRM из Salesforce позволяет связать привлечение клиентов маркетинговыми каналами с выручкой по закрытым сделкам, то есть сопоставить активность на верхнем этапе воронки с бизнес-результатами на нижнем этапе.

Looker Studio (ранее Data Studio) напрямую подключается к BigQuery как к источнику данных и позволяет аналитикам создавать визуальные панели на основе пользовательских SQL-запросов ко всему набору данных о событиях GA4.

Такое сочетание позволяет создавать отчёты, которые автоматически обновляются по мере поступления новых данных в BigQuery, объединяя гибкость пользовательского SQL и доступность конструктора панелей с перетаскиванием элементов для нетехнических заинтересованных сторон.

Запланированные запросы BigQuery выполняют SQL по заданному расписанию — ежедневно, еженедельно или ежечасно — и записывают результаты в целевую таблицу, обеспечивая полностью автоматическое обновление конвейера данных без ручного выполнения запросов.

Распространённый пример — ежедневный запланированный запрос, который агрегирует данные о событиях GA4 за вчерашний день в сводную таблицу. Затем Looker Studio считывает эти данные для панелей, всегда отображающих актуальную информацию без участия аналитика.

GA4 использует машинное обучение для создания прогнозируемых аудиторий на основе трёх оценок: вероятности покупки (вероятность совершить покупку в течение следующих 7 дней), вероятности оттока (вероятность не вернуться) и прогноза выручки.

Эти аудитории можно напрямую экспортировать в Google Ads, чтобы нацеливать кампании на пользователей с высокой вероятностью покупки, или исключать пользователей с высокой вероятностью оттока из кампаний удержания, принимая решения на основе прогнозов машинного обучения, а не ожидая наступления соответствующего поведения.

GA4 позволяет маркетологам определять специальные параметры (атрибуты на уровне пользователя или события, дополняющие стандартные, например уровень подписки, категорию контента или вариант A/B-теста) и специальные показатели (числовые значения, такие как время чтения или количество просмотренных видео), чтобы фиксировать сигналы, важные для конкретного бизнеса.

Специальные параметры и показатели отображаются во всех отчётах и исследованиях GA4 так же, как стандартные параметры, что позволяет анализировать эффективность по атрибутам, уникальным для Вашего продукта или контентной стратегии и отсутствующим в стандартной модели данных GA4.

Проверьте, насколько хорошо Вы понимаете расширенные возможности GA4 и BigQuery.

Исследования GA4 открывают доступ к расширенному анализу, включая анализ воронок, когорт и путей, без ограничений выборки в рабочей области. Экспорт в BigQuery переносит необработанные данные на уровне событий в среду SQL для полностью настраиваемого анализа.

Подключение BigQuery к Looker Studio позволяет создавать автоматические панели на основе пользовательских моделей, а прогнозируемые аудитории GA4 дают возможность напрямую использовать прогнозы машинного обучения для таргетинга в Google Ads.