Google 분석법 4가 나왔습니다. 방문 내역을 바탕으로 BigQuery로 데이터 분석을 진행했습니다.

찌꺼기는 가5의 mm를 잘못 썼다

TL;DR

Virtual 360을 사용하지 않고 액세스 로그를 BigQuery

로 전달

Google 분석법 4의 데이터를 바탕으로 BigQuery 데이터 분석 단계

요약

실제적으로 서로 다른 경로의 사용자 등록수를 제시했다

구글 분석 4

2019년 발표된'적용+네트워크 속성'은 2020년 10월 공식 발표된 새로운 속성이다.
https://support.google.com/analytics/answer/10089681
GA4

특징.

페이지 보기와 발화 사건 등을 모두'사건'으로 관리

웹 뿐만 아니라 응용 프로그램도 측정할 수 있음

무료 GA라도 BigQuery에 데이터 출력

구해상도 또는 GA4가 할 수 없는(search constore 설정 등)

실제로 BigQuery로 GA4의 데이터를 분석해 봤어요.

이번에 BigQuery에 데이터를 출력하고 BigQuery로 접근 로그를 데이터 분석합니다

분석 내용

아래의 구상을 분석해 보자

사용자 등록 프로세스

LP로 이동

쿼리 매개변수에 utm_xx를 추가하여 GA를 통한 경로 결정

등록 페이지로 마이그레이션 버튼에서 서비스 등록 페이지로 마이그레이션

서로 다른 영역이나 조회 파라미터를 계승할 수 없기 때문에 버튼을 눌렀을 때 GA 이벤트에 불을 붙인다

등록!

등록 시 데이터베이스에 등록된 사용자utm_campaign와 연결

구상된 표 설계

다음 표의 데이터도 BigQuery와 함께 작동한다고 가정합니다.

-- ユーザ情報が格納されているテーブル
CREATE TABLE `user` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `created_at` datetime NOT NULL,
  `updated_at` datetime NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- ユーザ登録時のutm_campainを取得
CREATE TABLE `user_referrer` (
  `user_id` bigint NOT NULL,
  `utm_campaign` varchar(255) NOT NULL,
  `created_at` datetime NOT NULL,
  `updated_at` datetime NOT NULL,
  PRIMARY KEY (`user_id`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

주제 밖의 말, cloud_sql을 사용한다면 CloudSQL Federation를 사용하면 UI로 연합할 수 있어 추천합니다.
https://qiita.com/fuku_tech/items/1c0a1d1d1e59cd188e2f

절차.

큰 강

LP에 GA4 설정

GA4에서 BigQuery로의 데이터 내보내기 포트 설정

BigQuery를 통한 쿼리

LP에 GA4 설정

https://support.google.com/tagmanager/answer/9442095?hl=ja
알기 쉬운 기사가 있으니 여기를 참조하세요.
https://blog.apar.jp/web/14911/

GA4->BigQuery 제휴

알기 쉬운 기사가 있으니 여기를 참조하세요.
이 글은 흐르는 데이터 추출 포트의 비용이 높기 때문에 매일 일괄 처리되는 추출 포트를 전제로 조회를 써 보았다
https://yoshihiko-nakata.com/archives/799

BigQuery로 GA4 페이지 보기

BigQuery에서 GA4 데이터analytics_xxxxxx/event_YYYYMMDD는 매일 데이터를 저장합니다.

SELECT DATE(DATETIME_ADD(PARSE_DATETIME("%Y%m%d", event_date), INTERVAL 9 HOUR)) AS event_date,
        event_timestamp,
        event_name,
        traffic_source.name AS campaign,
        (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'link_domain') AS link_domain
FROM `xxxxxxx.analytics_YYYYMMDD.events_*`
WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE("%Y%m%d", PARSE_DATE("%Y-%m-%d", '2021-01-05')) AND FORMAT_DATE("%Y%m%d", PARSE_DATE("%Y-%m-%d", '2021-01-17')
AND  event_name = 'page_view';

GA4의 데이터는 등급으로 평탄화되어야 한다.
GA4 모드
https://support.google.com/analytics/answer/7029846?hl=en&ref_topic=9359001

traffic_source.name에campaign의 데이터가 있음

_TABLE_SUFFIX 중 일부로PARSE_DATE Redash에서 날짜를 변수로 할 때 쉽게 변경할 수 있도록 설정

event_name네page_view.이벤트click를 클릭하면 적절하게 수정하십시오.

link_domain는 이벤트를 클릭할 때 이전할domain입니다.

사용자의 등록 경로 가져오기

SELECT 
    user_id, 
    utm_campaign,
    DATE(DATETIME_ADD(created_at, INTERVAL 9 HOUR)) AS registered_date,
FROM xxxxx.user_referrer

경로별 로그인 수

상술한 두 개의 조회를 합쳐서 얻다.
날짜와 경로에 따라 로그인 페이지의 클릭수/가입 사용자 수를 계산합니다.

WITH 
analytics AS
  (SELECT DATE(DATETIME_ADD(PARSE_DATETIME("%Y%m%d", event_date), INTERVAL 9 HOUR)) AS event_date,
        event_timestamp,
        event_name,
        traffic_source.name AS campaign,
        (SELECT value.string_value FROM UNNEST(event_params) WHERE key = 'link_domain') AS link_domain -- clickイベント時の遷移先ドメイン
    FROM `xxxxxxx.analytics_YYYYMMDD.events_*`
    WHERE _TABLE_SUFFIX BETWEEN FORMAT_DATE("%Y%m%d", PARSE_DATE("%Y-%m-%d", '2021-01-05')) AND FORMAT_DATE("%Y%m%d", PARSE_DATE("%Y-%m-%d", '2021-01-17')
    AND  (event_name = 'page_view' OR event_name = 'click')),
user_ref AS
  (SELECT user_id, utm_campaign
    FROM xxxxx.user_referrer),
analytics_sum AS
  (SELECT event_date,
          utm_campaign,
          COUNTIF(event_name = "page_view") AS page_view,
          COUNTIF(event_name = "click" AND link_domain = "register.xxxx.com") AS click_register_button -- 登録ページに遷移するボタンのみカウント
   FROM analytics
   GROUP BY event_date, utm_campaign)

SELECT  analytics_sum.event_date, -- アクセスログの日
        analytics_sum.utm_campaign AS utm_campaign, -- utm_campaign
        analytics_sum.page_view AS page_view, -- ページビュー
        analytics_sum.click_register_button AS click_register_button_count, --登録ページ遷移ボタンクリック
        count(user_ref.user_id) AS sum, -- 登録数
FROM analytics_sum
LEFT JOIN user_ref ON user_ref.registered_date = analytics_sum.event_date AND user_ref.utm_campaign = analytics_sum.utm_campaign
GROUP BY analytics_sum.event_date,
         analytics_sum.page_view,
         analytics_sum.click_register_button,
         analytics_sum.utm_campaign
ORDER BY analytics_sum.event_date DESC, analytics_sum.utm_campaign DESC

analytics에서 page_view 이벤트 가져오기click

user_ref에서 사용자의 로그인 경로 일람

analytics_sum 날짜당 클릭수 및 페이지 뷰 개수

user_ref 및 analytics_sum 더하기

감상

개인은 서비스 데이터 내 데이터만 분석할 수 있고, 유입에 대한 종합 분석이 가능하기 때문에 비즈니스 대책을 고려할 때 범위가 확대되겠죠.
또 홈페이지뿐 아니라 앱에서도 이용할 수 있어 다음에 한번 해보고 싶다.