Владислав Флакс об интеграции Google Analytics Premium с BigQuery

29 апреля 2014 года, в Москве прошла «Go Analytics!» — профессиональная конференция по веб-аналитике, организованная компанией OWOX и агентством performance маркетинга ADVENTUM.

В рамках мероприятия выступил Владислав Флакс, основатель и директор компании OWOX, с рассказом о методах сбора и объединения данных о покупательском опыте на основе Google Analytics Premium и BigQuery.

Google BigQuery – это инструмент, при помощи которого Google Analytics Premium решает проблемы обработки данных. Это инструмент, способный производить интерактивный анализ больших массивов данных, а также предоставляющий простой доступ к данным через SQL-like запросы.

Об интеграции функционала BigQuery c Google Analytics Premium было объявлено еще на конференции Google I/O в мае 2013 года. По заявлению разработчиков, функционал BigQuery призван производить комплексный анализ терабайтов разнородных данных, так называемых Big Data. Он способен находить и осуществлять выборку данных по тысячам баз данных, осуществлять обработку и анализ полученной информации, предоставляя пользователю готовый аналитический материал.

Принцип работы сводится к следующему: одна запись соответствует одному хиту. В каждой записи присутствуют детальные сведения о посещении: источник перехода, информация о посетителе, просмотренные страницы, платформы и устройства и т.п.

Важно понимать, что все данные указываются в разрезе одной сессии. Так, например, можно выполнить анализ данных всех посетителей, которые совершили переход на страницу с конкретным товаром. Возможности BigQuery позволяют анализировать большие массивы разнородных данных без предварительной выборки.

Говоря о ритейле, можно утверждать, что главная задача – объединение информации по определенным каналам, позволяющим установить и просмотреть персонализированные цепочки, приводящие к конверсии.

Важно определить существующие точки взаимодействия пользователя с сайтом и понять, каким образом происходило это взаимодействие с различных платформ и устройств. Понятно, что мобильный телефон чаще всего используют, чтобы почитать отзывы, а делают покупку чаще с ноутбуков, стационарных ПК и планшетов. Сегодня более 60% пользователей можно связать с несколькими точками касания. Иными словами, для взаимодействия с сайтом продавца один и тот же человек в разные промежутки времени может использовать несколько различных каналов.

Нередко требуется оценить эффект от рекламы в долгосрочном периоде, отложенные или оффлайн конверсии, и здесь уже не всегда достаточно имеющихся у маркетолога инструментов.

Когда для визуализации делается запрос к обработке данных, мы ограничены не только мощностями, но и интерфейсом.

Схема обмена данными выглядит следующим образом: допустим, есть четыре точки касания – веб-сайт, мобильный сайт, мобильное приложение, сенсорные киоски. Далее используем Data Layer или Google Tag Manager, затем идем в Google Analytics.

Коммерческие предприятия постоянно получают огромные объемы данных от сетевых приложений, совершающих множество транзакций, обслуживающих миллионы людей и постоянно растущее число подключенных устройств. Важнейшее условие сохранения конкурентоспособности – способность быстро реагировать на изменения в этих данных. В то же время, компании занимаются сбором, хранением и анализом больших объемов информации, иногда сотен гигабайт в день, используя системы, которые просто не способны справиться с подобным темпом работы. BigQuery просто создан для того, чтобы помогать коммерческим предприятиям справляться с этой проблемой без необходимости инвестировать в сложное дорогостоящее оборудование. У больших интернет-проектов также существует проблема отслеживания данных по колл-центрам и POS-терминалам в режиме реального времени.

Пример: есть определенный покупатель, сделавший покупку. Большинство транзакций делают те, кто совершил несколько касаний. CPO – доходы на дату, а LTV – доходы за период времени.

Интерфейсы доступа к BigQuery:

1. Веб-интерфейс. Данные хранятся в колонках, а не в строках. Возможность обработки терабайтов данных за десятки секунд. Это не табличная структура.

2. REST API

3 JDBS Driver

4.ODBS Driver

5. Экспорт в CVV/JSON

Преимущество BigQuery состоит в том, что он не требует вложений в дорогостоящее оборудование, расходов на покупку ПО или лицензий, а также обучения новых специалистов. Он позволяет быстро начать работу, гарантирует высочайшую надежность и доступность данных, а также дает возможность гибко конфигурировать и изменять структуру отчетов.

Результат:

Заблуждения, связанные с BigQuery:

1. Google BigQuery можно заменить MySQL или Excel.

2. Достаточно просто активировать BigQuery.

3. Все данные из GA есть в BigQuery.

4. Внедрение дорогое и продолжительное.

5. То же самое можно легко сделать OLAP, Oracle.

Как получить все это счастье?

Если у вас Google Analytics Premium, то обратитесь к менеджеру.

Если у вас:

  • eCommerce-проект;
  • установлен Google Tag Manager;
  • установлен Google Universal Analytics;
  • до 100 000 посещений в день.

Пишите на [email protected]

Напоминаем, компания OWOX является первым Google Analytics Premium Authorized Reseller в СНГ. В феврале этого года еще два российских агентства iConText и i-Media также получили этот статус от Google.

Журналист, новостной редактор, работает на сайте с 2009 года. Специализация: интернет-маркетинг, SEO, поисковые системы, обзоры профильных мероприятий, отраслевые новости рунета. Языки: румынский, испанский. Кредо: Арфы нет, возьмите бубен.