El Projecte | Sobre nosaltres | Contribuir | Donacions | Llicència
HOME Els meus cursos Finalitzats
◄ Anterior
◄

Anàlisi d'analítiques web i d'aplicacions

Següent ►
►

Introducció

En aquest tema, aprendrem com utilitzar BigQuery per analitzar dades d'analítiques web i d'aplicacions. Aquest tipus d'anàlisi és crucial per comprendre el comportament dels usuaris, optimitzar l'experiència de l'usuari i prendre decisions informades basades en dades.

Objectius

  • Comprendre com importar dades d'analítiques web i d'aplicacions a BigQuery.
  • Aprendre a realitzar consultes per obtenir informació útil sobre el comportament dels usuaris.
  • Utilitzar funcions avançades de BigQuery per analitzar dades de manera eficient.

Importació de dades d'analítiques web i d'aplicacions

Configuració de Google Analytics 360 amb BigQuery

Google Analytics 360 permet exportar dades directament a BigQuery. A continuació es mostren els passos per configurar aquesta integració:

  1. Accedeix a Google Analytics 360:

    • Inicia sessió a Google Analytics 360.
    • Ves a l'administrador i selecciona la propietat que vols vincular amb BigQuery.

  2. Configura la vinculació amb BigQuery:

    • A la columna de la propietat, fes clic a "BigQuery Linking".
    • Fes clic a "Link" i segueix les instruccions per autoritzar l'accés a BigQuery.

  3. Selecciona el projecte de BigQuery:

    • Tria el projecte de Google Cloud on vols emmagatzemar les dades.
    • Configura les opcions d'exportació segons les teves necessitats.

Importació de dades d'aplicacions mòbils

Per a aplicacions mòbils, Firebase és una eina popular que es pot integrar amb BigQuery:

  1. Configura Firebase:

    • Inicia sessió a Firebase Console.
    • Selecciona el teu projecte i ves a "Project Settings".

  2. Vincula Firebase amb BigQuery:

    • A la pestanya "Integrations", fes clic a "Link" sota BigQuery.
    • Autoritza l'accés i selecciona el projecte de BigQuery.

  3. Configura l'exportació de dades:

    • Tria les dades que vols exportar i configura la freqüència d'exportació.

Consultes bàsiques per a l'anàlisi d'analítiques web

Exemple 1: Comptar el nombre de sessions per dia

SELECT
  DATE(session_start_time) AS date,
  COUNT(*) AS session_count
FROM
  `project_id.dataset_id.analytics_data`
GROUP BY
  date
ORDER BY
  date;

Explicació:

  • DATE(session_start_time): Converteix el temps d'inici de la sessió en una data.
  • COUNT(*): Comptabilitza el nombre de sessions.
  • GROUP BY date: Agrupa els resultats per data.
  • ORDER BY date: Ordena els resultats per data.

Exemple 2: Pàgines més visitades

SELECT
  page_path,
  COUNT(*) AS page_views
FROM
  `project_id.dataset_id.analytics_data`
GROUP BY
  page_path
ORDER BY
  page_views DESC
LIMIT 10;

Explicació:

  • page_path: La ruta de la pàgina visitada.
  • COUNT(*): Comptabilitza el nombre de visites a cada pàgina.
  • GROUP BY page_path: Agrupa els resultats per ruta de pàgina.
  • ORDER BY page_views DESC: Ordena els resultats per nombre de visites en ordre descendent.
  • LIMIT 10: Mostra les 10 pàgines més visitades.

Consultes avançades per a l'anàlisi d'analítiques d'aplicacions

Exemple 1: Anàlisi de retenció d'usuaris

WITH first_touch AS (
  SELECT
    user_pseudo_id,
    MIN(event_timestamp) AS first_touch_timestamp
  FROM
    `project_id.dataset_id.app_events`
  GROUP BY
    user_pseudo_id
),
retention AS (
  SELECT
    user_pseudo_id,
    DATE_DIFF(DATE(event_timestamp), DATE(first_touch_timestamp), DAY) AS days_since_first_touch
  FROM
    `project_id.dataset_id.app_events` AS events
  JOIN
    first_touch
  ON
    events.user_pseudo_id = first_touch.user_pseudo_id
)
SELECT
  days_since_first_touch,
  COUNT(*) AS user_count
FROM
  retention
GROUP BY
  days_since_first_touch
ORDER BY
  days_since_first_touch;

Explicació:

  • first_touch: Subconsulta per obtenir el primer esdeveniment de cada usuari.
  • retention: Subconsulta per calcular els dies des del primer esdeveniment per a cada usuari.
  • DATE_DIFF: Calcula la diferència en dies entre dos timestamps.
  • COUNT(*): Comptabilitza el nombre d'usuaris per cada dia des del primer esdeveniment.

Exemple 2: Anàlisi de conversions

SELECT
  event_name,
  COUNT(*) AS event_count
FROM
  `project_id.dataset_id.app_events`
WHERE
  event_name IN ('purchase', 'signup', 'add_to_cart')
GROUP BY
  event_name
ORDER BY
  event_count DESC;

Explicació:

  • event_name: El nom de l'esdeveniment (per exemple, 'purchase', 'signup', 'add_to_cart').
  • COUNT(*): Comptabilitza el nombre d'esdeveniments per tipus.
  • GROUP BY event_name: Agrupa els resultats per nom d'esdeveniment.
  • ORDER BY event_count DESC: Ordena els resultats per nombre d'esdeveniments en ordre descendent.

Exercicis pràctics

Exercici 1: Comptar el nombre d'usuaris únics per dia

Descripció: Escriu una consulta per comptar el nombre d'usuaris únics que han visitat el teu lloc web cada dia.

Solució:

SELECT
  DATE(session_start_time) AS date,
  COUNT(DISTINCT user_id) AS unique_users
FROM
  `project_id.dataset_id.analytics_data`
GROUP BY
  date
ORDER BY
  date;

Exercici 2: Trobar les pàgines amb la major taxa de rebot

Descripció: Escriu una consulta per trobar les pàgines amb la major taxa de rebot. La taxa de rebot es defineix com el percentatge de sessions que comencen i acaben en la mateixa pàgina.

Solució:

SELECT
  page_path,
  COUNTIF(is_bounce) / COUNT(*) AS bounce_rate
FROM
  `project_id.dataset_id.analytics_data`
GROUP BY
  page_path
ORDER BY
  bounce_rate DESC
LIMIT 10;

Resum

En aquest tema, hem après com importar dades d'analítiques web i d'aplicacions a BigQuery i com realitzar consultes per obtenir informació útil sobre el comportament dels usuaris. Hem vist exemples pràctics de consultes bàsiques i avançades, i hem practicat amb exercicis per reforçar els conceptes apresos. Amb aquestes habilitats, estàs preparat per analitzar dades d'analítiques web i d'aplicacions de manera eficient i prendre decisions informades basades en dades.

◄ Anterior
◄
Següent ►
►

Curs de BigQuery

Mòdul 1: Introducció a BigQuery

Mòdul 2: SQL bàsic a BigQuery

Mòdul 3: SQL intermedi a BigQuery

Mòdul 4: SQL avançat a BigQuery

Mòdul 5: Gestió de dades a BigQuery

Mòdul 6: Optimització del rendiment de BigQuery

Mòdul 7: Seguretat i compliment de BigQuery

Mòdul 8: Integració i automatització de BigQuery

Mòdul 9: Aprenentatge automàtic a BigQuery (BQML)

Mòdul 10: Casos d'ús de BigQuery en el món real

El Projecte | Sobre nosaltres | Contribuir | Donacions | Llicència
© Copyright 2024. Tots els drets reservats