Строим собственную BI систему на данных из Google Analytics и Яндекс.Метрики

04a5871939102777872b1f4d91d8e91a?s=47 Maxim Uvarov
December 07, 2015

Строим собственную BI систему на данных из Google Analytics и Яндекс.Метрики

Презентация с выступления на convert-conf.ru в 2015 году

04a5871939102777872b1f4d91d8e91a?s=128

Maxim Uvarov

December 07, 2015
Tweet

Transcript

  1. Строим собственную BI в Excel на данных из Яндекс.Метрики и

    Google Analytics Максим Уваров, 
 директор по исследованиям, K̤50
  2. bi (BI) is a broad category of computer software solutions

    that enables a company or organization to gain insight into its critical operations through reporting applications and analysis tools.
  3. Power Query ̣ Бесплатная надстройка над MS Excel 2010, 2013,

    2016 (встроенная) ̣ Позволяет загружать данные из: • файлов xls, csv, txt, json, xml, папок с файлами • баз данных SQL, MySQL … Postgres, Vertica • api facebook, google analytics*, yandex metrika* ̣ Позволяет создавать повторяемые последовательности обработки данных
  4. Таблица в Excel

  5. Загружаем данные в Power Query

  6. Делим столбец по разделителю

  7. Делим столбец по разделителю

  8. Делим столбец по разделителю

  9. Группируем по полю ga:sourceMedium.2

  10. Группируем по полю ga:sourceMedium.2

  11. Группируем по полю ga:sourceMedium.2

  12. Группируем по полю ga:sourceMedium.2

  13. Сортируем таблицу по сессиям

  14. Сортируем таблицу по сессиям

  15. Оставляем первые 10 строк

  16. Оставляем первые 10 строк

  17. Оставляем первые 10 строк

  18. Обращаем внимание на созданную обработку

  19. Загружаем данные в Excel

  20. Загружаем данные в Excel

  21. Обновляем обработку по необходимости

  22. Power Query коннекторы ̣ Для Google Analytics - PQGoogleAnalytics
 https://github.com/40-02/PQGoogleAnalytics

    ̣ Для Яндекс.Метрики - PQYandexMetrika
 https://github.com/40-02/PQYandexMetrika
  23. Задумки для вашего BI

  24. Сравнение нескольких сайтов

  25. Сравнение аналогичных метрик (GA vs YM)

  26. Страницы по датам появления в статистике

  27. Страницы по датам появления в статистике

  28. Страницы по датам появления в статистике

  29. Страницы по датам появления в статистике

  30. Площадки по датам появления в статистике

  31. Расчет специальных метрик ̣ Работа с несколькими сайтами / счетчиками

    сайтов ̣ Использование разных промежутков времени ̣ Использование внешних данных сотрудникам
  32. Первичный аудит

  33. Сравнение различных временных периодов

  34. Сравнение различных временных периодов

  35. Сравнение различных временных периодов

  36. Сравнение различных временных периодов

  37. Анализ исполняемости заказов ̣ Выгружаются данные из Google Analytics: •

    ga:campaign • ga:sourceMedium • ga:sessions ̣ Выгружаются заказы с измерением transaction id • ga:campaign • ga:sourceMedium • ga:transactionId • ga:transactions
  38. Анализ исполняемости заказов

  39. Анализ исполняемости заказов

  40. Анализ исполняемости заказов ̣ По полю transactionId мы джоиним (сопостовляем)

    данные с CRM ̣ Группируем таблицу по полям sourceMedium и Campaign ̣ По полем sourceMedium и Campaign мы джоиним (сопоставляем) таблицу с данным по визитам
  41. Excel vs Measurement Protocol Некоторые из озвученных задумок можно воплотить

    с использованием сегментов, measurement protocol, enhanced ecommerce, custom channel grouping, но я утверждаю, что: - для реализации этих возможностей необходимо получить дополнительные знания платформы, которые часто сопоставимы с необходимыми знаниями Excel или даже превосходят их по объему. - данные внутри excel удобнее для анализа и универсальнее для транспортировки
  42. Аналитика это очень сложный процесс и не нужно предполагать, что

    финальные пользователи знают как пользоваться данными
  43. Поэтому чем больше выводов можно сделать из Таблицы / Графика

    / Диаграммы и чем сложнее эти выводы тем хуже
  44. Задачи веб-аналитики ̣ Управление онлайн-маркетингом ̣ Управление продуктом (развитием сайта)

    ̣ Управление отношениями с клиентами (CRM)
  45. Отделы в организации ̣ менеджмент ̣ бухгалтерия ̣ отдел закупок

    ̣ производственный отдел ̣ отдел продаж ̣ маркетинг ̣ call-center ̣ it ̣ hr ̣ юридический отдел ̣ логистика ̣ безопасность
  46. Задачи на данных веб-аналитики Персонализация рекламных предложений и креативов для

    пользователя Прогноз и оценка эффективности PR и маркетинговых активностей Планирование/Контроль KPI бизнеса Планирование/Контроль KPI сотрудников Выявление затруднений у пользователя и превентивная помощь Расчет и анализ LTV Расчет воронки продаж RFM анализ Планирование и оценка продуктовых изменений Квалификация лидов и определение перспективных клиентов для отдела продаж Поиск аномалий в бизнес показателях и сигнализация о них Идентификация социально- демографического портрета типового пользователя Система контроля биллинга/бухгалтерии на основе веб-аналитических данных Разработка автоматизированных рекомендаций для пользователя Персонализация сервиса для пользователя
  47. Ссылки ̣ Возможности Power Query (Excel на стероидах):
 http://habrahabr.ru/post/271019/ ̣

    Загрузка данных из Google Spreadsheet в Excel:
 http://s.40-02.ru/1NAtnyA ̣ Сегментация пользовательской базы на данных из веб-аналитики с использованием Power Query (видео): 
 https://events.yandex.ru/lib/talks/2886/

  48. Ваши вопросы? Макс Уваров, max@k50.ru facebook.com/maxim.uvarov