1. Почему google analytics не подходит среднему/крупному бизнесу?
2. Как получить сырые (несемплированные данные) в bigQuery?
3. Как работать с данными из bigQuery и визаулизировать?
3. Семплирование и сырые данные
Стандартная версия: 500 тыс. сеансов
— Данные не точные, нельзя делать правильные выводы
— Особенно чувствительно в данных о прибыли и roas
— Нет доступа к сырым данным
— Сложно интегрировать с другими системами
4. Как можно бороться
— Google Analytics 360 (Premium)
— Разделение на различные Property.
Порог семплирования увеличен до 100 млн. сеансов
— Работа с небольшими промежутками времени
— GoogleAnalyticsR (Google Analytics API to R)
— Выгрузка сырых данных в bigQuery или ClickHouse
Например по городам или разделам сайта
5. Почему bigQuery?
— Сырые данные
— Можем делать свою атрибуцию (решение Sergey Bryl)
— Объединять данные с внутренней БД
— Быстро и дешево
— Не нужно обслуживать
— Веб и мобайл в одном месте (сквозной id)
— Используем все возможности google cloud
6. App Engine — стриминг в BQ
— Расширенная электронная торговля (от impressions до refund)
— Устройства, браузеры, регионы…
— События, pageviews, промо, timing...
7. App Engine — стриминг в BQ
— Alexander Eroshkin (github.com/lnklnklnk/ga-bq)
9. App Engine — стриминг в BQ
По 1 000 000 пользователей
в день
Стандартная схема google
можем использовать
запросы lunametrics,
stackoverflow...
10.
11. Преимущества использования BQ
— Нет семплирования
— Нет ограничение по срезам
— Можем привязать рекламный клик к хиту
— Интеграция не только с Google AdWords (пуши, email, facebook)
— Revenue - refunds
— Можем использовать машинное обучение
16. Где учить SQL бесплатно
Тестовый набор данных
http://bit.ly/2JlJftE
Набор лекций по работе с bq sql
http://bit.ly/2Lc1kfA
17. Почему это здорово
— Дешево
— Гибкая система
— Для дополнительных данных, используем GTM
— Легко масштабируемая система
— Можем подключать машинное обучение
— Не нужно администрировать