Читатель наверняка слышал разное про ClickHouse и Logs API для Яндекс.Метрики, возможно, открывал статейки и в большинстве случаев закрывал обратно. По крайней мере я так делал 😆. Но сегодня будет всё проще, ведь, для того чтобы познакомиться с этими возможностями Яндекс Метрики, копаться в *nix системах необязательно. Я воспользуюсь функциями винды, а если у читателя уже стоит что-то иное, то пусть смело пропускает первый пункт. Приведенный способ я успешно выполнил на двух ПК, поэтому надеюсь, что ни у кого особых проблем не возникнет, а если возникнут, то вам скорее всего придется решать их самостоятельно. Впрочем, времени мало, поэтому погнали.
Если вам не хватает стандартных 20 пользовательских параметров, и при этом нет потребности в Google Analytics 360 в целом, значит вы что-то делаете не так. Однако сегодня мы не будем разбираться в причинах, сегодня мы по старой аналитической традиции прикрутим новый костыль.
Принцип очень простой: расширим количество пользовательских параметров за счет еще одного ресурса GA.
Отслеживание заявок - одна из тех задач, благодаря которым веб-аналитика вообще существует. Иначе ведь и не понять, что реклама работает. А как известно, без Adwords не было бы Analytics.
Несмотря на всю важность точного отслеживания форм, универсального решения нет и быть не может, поэтому каждый раз приходится выдумывать или вспоминать, что еще можно сделать в конкретной ситуации, а это не всегда удается, а проджекту надо ASAP, а у тебя еще очередь да и на обед давно не ходил, с другой стороны интересно же, хотя делал кучу раз, клиент зато хороший, но сайт ужасный, а в контейнере вообще треш… короче я всё записал!
Так что палец на колесо и покрутили от простого к менее простому.
Очень часто при оценке конверсии интернет-маркетологи останавливаются на лиде. РК дает заявки - превосходно! При этом дальнейшая результативность этих заявок не учитывается агентствами. Какого качества эти лиды? Как они конвертируются в продажи? А ведь именно это важно клиенту. РК может давать штучные заявки, и выглядеть неуспешной по сравнению с другими с точки зрения генерации лидов, но если эти заявки хорошо конвертируются на следующих этапах и в итоге дают прибыль, то кому какое дело? Очевидно, что над воронкой важно работать на всех этапах.
Немаловажным фактором, влияющим на конверсию, особенно в бизнесе с жесткой конкуренцией, является скорость обработки лида. Несмотря на обилие разговоров про CRM, сквозную аналитику, автоматизацию и вот это всё, я знаю немало крупных компаний, которые принимают заявки с сайта на электронную почту, и ведут клиентов в эксельках, а что уж тут говорить о малом бизнесе. Один из вариантов, как можно чуть улучшить этот процесс, я опишу в статье. Будем делать бесплатного бота-помощника для быстрой реакции на заявки.
Как шутят сами представители Google — когда у пользователя возникает проблема с BigQuery, он может написать в поддержку, позвонить персональному менеджеру или запостить вопрос на stackoverflow.com. Угадайте, в каком случае ответ появится быстрее?
Если вы работаете над крупным проектом с кучей представлений в аналитиксе да еще и параллельно с другим агентством и даже не одним, то наверняка знаете, как полезно логировать изменения в целях, чтобы их легко было восстановить в случае чего.
Я как любой нормальный человек, глядя на проект, где настроено свыше полторы тысячи целей, совсем не горю желанием заносить их в какой-то документ руками, поэтому написал небольшой скрипт, который возможно пригодится и вам.
Client ID - это уникальный идентификатор, который отправляется в Google Analytics вместе с каждым обращением с сайта и позволяет связать эти обращения с одним пользователем. Обычно он выглядит вот так:
Если читатель часто и много работает с BigQuery, то читатель наверняка хотя бы раз сталкивался с необходимостью обновить данные в таблице. Для этого диалект Standard SQL поддерживает Data Manipulation Language, позволяющий вставлять, удалять и обновлять данные. Но что, если читателю требуется изменить данные сразу в большом датасете с кучей таблиц за несколько месяцев?
В этом случае документация BigQuery читателя пошлет:
DML statements that modify partitioned tables are not yet supported.
А я в данной статье рассказываю, как просто решить эту задачу.
Если вы работаете в хорошем perfomance агентстве подобно мне, то наверняка сталкивались с задачей актуализации ретаргетинговых и прочих тегов в GTM. Чтобы тратить на это меньше времени, я написал небольшой скрипт выгрузки.
Но для его работы важно следовать простому правилу:
