Новости

Становясь падаваном Logs API Яндекс.Метрики

Автор Дата 15.03.2017

API Яндекс.Метрики предоставляет влиятельный функционал для построения гибкой отчетности и автоматизации. Обильно посмотреть список группировок и метрик в документации, чтобы вообразить множество вариантов использования. Кто-то делает баснословно крутые дэшборды, кто-то строит системы аналитики контекстной рекламы, оптимизаторы пруд и прочие занятные вещи, например, коррелятор промежуточных целей.

Да Метрика не остановилась в своем развитии на обычной API, которая позволяет повытаскивать данные только по заданному списку группировок, ограниченному 10 группировками в запросе. Разработчики Яндекса предоставили оказия получать «сырые» данные из хранилища данных Яндекс.Метрики — Logs API.

Агрегированные, аль обобщенные, данные, которые вы видите в интерфейсе Метрики иначе говоря выгружаете через API отчетов, рассчитываются для определенной группы визитов. А именно, метрика «Время на сайте» вычисляется для всех переходов с какого-либо источника трафика, всех визитов с посетителей мужского пола или всех визитов с планшетов.

А основой на этих расчетов служат сырые данные — записи об отдельных визитах иначе говоря просмотрах. Таблица с этими записями и передается через Logs API, возле этом каждая запись дополнена полезными сведениями изо Метрики. Это подробные данные по Директу и до электронной коммерции, страна и город посетителя, а еще — различная техническая материал о визите: например, браузер и модель мобильного телефона.

Разве вы новичок в работе с API Метрики, то я рекомендую первое дело ознакомиться со статьей «Становясь гуру API Яндекс.Метрики». Симпатия даст понимание того как работает API и как разгружать(ся). Ant. загружать данные из Метрики с помощью API отчетов. Информация в ней нам ещё раз будет полезна, чтобы получить авторизационный токен.

В этой статье я хочу сообщить по секрету. Ant. соединиться своим рецептом получения данных из Logs API Яндекс.Метрики, а в свою очередь о нескольких приемах обработки этих данных.

Приступим!

Бульон: Получить авторизационный токен

Процедура получения токена развернуто описывается в пункте 4 этой статьи. Для доступа к Logs API понадобится оный же токен, что и для доступа к API отчетов. Помимо авторизационного токена у нас не получится сделать требования, это своего рода ключ доступа к данным вашего счетчика.

Тщательность: в дальнейшем в примерах я буду использовать недействительный токен, отчего, чтобы примеры работали, вам нужно использовать собственноручно исходатайствованный токен или можно попробовать токен, указанный в качестве тестового в документации: 05dd3dd84ff948fdae2bc4fb91f13e22bb1f289ceef0037

Блюдо: Запрос на создание лога

После того по образу мы получили авторизационный токен, например, AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE, наша сестра должны сформировать запрос к Logs API, который создает ложбина. Лог формируется на стороне Яндекс.Метрики в устремленность определенного времени, которое зависит от того, коих) пор параметров визита или просмотра вы хотите нажить, а также от диапазона времени, за который нужен ложок.

Метод «Создание лога запросов» создает запрос в подготовку отчета, в котором будут нужные нам показания.

Это POST-запрос следующей структуры:

POST https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequests?date1=<string>&date2=<string>&fields=<string>&source=<log_request_source>

Норма запроса на создание лога

Рассмотрим все формат, которые нужно передать в запросе:

{counterId} — идентификатор счетчика Метрики.

date1 — день начала отчетного периода в формате YYYY-MM-DD (например, 2015-08-31).

date2 — день конца отчетного периода в формате YYYY-MM-DD (не может (пре)бывать текущим днем).

fields — список полей, которые потребно получить. Поля разделяются запятыми.

Давайте рассмотрим параметр fields подробнее.

Полина — это те параметры визитов или просмотров, которые Яндекс выгрузит изо своей базы данных и предоставит нам в виде файла в формате CSV. Существует двум категории полей, которые можно использовать в Logs API:

  • Полина визитов
  • Поля просмотров

Предположим, мы хотим обрести детально каждый визит с указанием:

  • даты визита;
  • идентификатора пользователя, совершившего приход;
  • количеством просмотров страниц за визит;
  • страницы входа, с которой начался настоящий визит.

Смотрим таблицу полей для визитов и определяем, точно нам нужны следующие поля:

  • ym:s:visitID — идентификатор визита;
  • ym:s:date — число визита;
  • ym:s:clientID — идентификатор пользователя на сайте;
  • ym:s:pageViews — фундаментальность просмотра;
  • ym:s:ym:s:startURL — страница входа.

Аналогично с просмотрами: конец параметры просмотров находятся в табличке и нужно просто вникнуть, какие параметры взять для выполнения вашей задачи.

Ближайший параметр source, который задает источник логов. Шелковица все просто: если вы хотите получить материал по визитам, то нужно указать visits; благо нужны данные по просмотрам — указываем hits.

Финальный параметр oauth_token — это авторизационный токен, некоторый мы получили в предыдущем пункте.

Сформируем тестовый просьба:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequests?date1=2017-03-01&date2=2017-03-06&fields=ym:s:visitID,ym:s:date,ym:s:clientID,ym:s:pageViews,ym:s:startURL&source=visits&oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

В нужно сделать POST-запрос. Один из самых простых способов произвести POST-запрос, не прибегая к программированию — воспользоваться расширением Postman с целью Chrome.

Как сделать POST-запрос к API Яндекс.Метрики?

1. Устанавливаем и запускаем наращивание Postman:


2. Выбираем тип HTTP-запроса «POST», а в сфера ввода запроса вставляем сформированный выше запрос:


3. Нажимаем синюю кнопку «Send».

4. Получаем отражение от API:


5. В ответе нас интересует идентификатор request_id. Сие идентификатор, созданного запроса на получение данных с Logs API:


Этот идентификатор копируем, он понадобится нам получи и распишись следующем шаге.

Третье: Получение информации о запросе логов

Следом того как мы отправили в АПИ заявку получи и распишись формирование лога, нужно получить статус лога: опознать готов ли он для скачивания. Для этой цели существует технология «Информация о запросе логов».

Вызывается этот метод с через следующего GET-запроса:

GET https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequest/{requestId}

Где бы counterId подставляем идентификатор счетчика, для которого ты да я делали запрос на создание, а вместо requestId ставим идентификатор request_id, св в ответе на предыдущий запрос. После этого вследствие знак «?» указываем параметр oauth_token.

Таким образом, наша сформированная удаление для получения информации о запросе лога выглядит яко:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequest/45264?oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

Согласно сути, это обычный GET-запрос, поэтому выполнить его дозволительно и в обычном браузере, но удобнее будет в Postman, затем что что в него встроен pretty-вывод JSON и вкруг себя взирать очами на результат будет приятнее.

Вставляем запрос в Postman, выбираем модификация HTTP-запроса «GET» и нажимаем «Send»:


В ответе нас интересует параметр status. Таковой параметр может принимать несколько значений, которые описаны на) этом месте. В нашем случае он принимает значение «processed», которое говорит о томище, что запрос лога обработан и лог готов к скачиванию. Сие то, что нужно!

Обратите внимание на параметр parts. Может что-то около получиться, что полученный лог окажется слишком большим и хорэ разбит на несколько частей, которые придется скатывать по отдельности.

Перейдем к скачиванию лога.

Четвертое: Погрузка лога

Чтобы скачать подготовленный лог, нам понадобится лучизм «Загрузка части подготовленных логов обработанного запроса».

Сей метод, так же как и предыдущий, вызывается с через GET-запроса:

GET https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequest/{requestId}/part/{partNumber}/download

Сродни тому, как мы делали это в предыдущем запросе, смену) counterId подставляем идентификатор счетчика, вместо requestId указываем сейчас известный нам идентификатор request_id, а на место partNumber ставим ординальный номер той части лога, которую мы хотим перекачать. В нашем примере всего одна часть, поэтому ставим 0. Истечении (года) этого через знак «?» указываем параметр oauth_token.

Сформированная источник для скачивания лога будет такой:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequest/45264/part/0/download?oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

Настоящий GET-запрос можно выполнять как в браузере, так и помощью Postman, но в случае с Postman’ом вместо «Send» нуждаться выбрать вариант «Send and Download»:


А затем сохранить тепленький файл в формате CSV:


Все! Мы получили лог и сохранили его себя на диск, поэтому можно избавить Яндекс ото хранения лишней информации и очистить лог с помощью метода «Очистка подготовленных ради загрузки логов обработанного запроса». Делается это с через уже привычного нам POST-запроса.

Заключительное: Отшлифовывание лога

Честно говоря, обработка логов с помощью Excel — сие то еще извращение, я бы рекомендовал использовать пользу кого таких задач что-то более подходящее, взять, Pandas или R. Но Excel — базовый инструмент анализа данных, из-за этого рассмотрю на его примере.

Открываем CSV-файл в Excel. Пользу кого этого создаем новую книгу, открываем вкладку «Данные» и выбираем «Из текста»:


Выбираем обложка и указываем в мастере текстов, что наш файл включает разделители и записан в кодировке UTF-8:


На следующем шаге выбираем в качестве символа-разделителя отметина табуляции, а затем устанавливаем форматы колонок, лучше всего делов для идентификаторов задать текстовый формат колонок.

Получается, мы загрузили наши данные в таблицу:


Дальше давайте решим двум простые задачи:

  • Определим пользователя с наибольшим числом визитов, т. е. того, кто именно чаще всего посещал наш сайт;
  • Определим пользователя с наибольшим суммарным по просмотров страниц, т. е. того, кто больше всех лазил ровно по нашему сайту.

Построим простейшую сводную таблицу:


В строки вынесем ID пользователей (ym:s:clientID), а в значения — ID визита (ym:s:visitID) и глубину просмотра (ym:s:pageViews). Изо-за того, что для поля ym:s:visitID я указали как текстовый столбец, сводная таблица машинально посчитает не сумму айдишников, а их количество. Сие и будет количеством визитов на пользователя.

Отсортировав сводную таблицу сообразно второму столбцу, мы увидим, что больше долее) (того визитов у пользователя 1487091524934294616, а отсортировав по третьему столбцу, обнаружим пользователя с наибольшим счетом просмотров — это пользователь 1488553373564844012.

Теперь мы можем обратиться фильтр в таблице с данными, чтобы понять, с каких страниц сии пользователи чаще всего попадали на сайт и подобно ((тому) как) часто заходили.

Видно, что первый пользователь заходил возьми протяжении 3 дней с одной и той же страницы, а другая там всего, он добавил ее в закладки, и это были прямые переходы, ради подтвердить эту гипотезу, нужно бы сделать всё ещё одну выгрузку из Logs API с указанием параметра ym:s:referer (реферер) сиречь ym:s:lastTrafficSource (источник трафика):


Второй пользователь вел себя точно по-другому. Он совершил в ходе одного из визитов 16 просмотров, по причине чему и стал рекордсменом по числу просмотров. Чтобы этого пользователя было бы интересно посмотреть, какие страницы дьявол просматривал. Это можно сделать, добавив в параметры выгрузки параметр ym:s:watchIDs (идентификаторы просмотров, которые были в визите):


Природно, применение Logs API не ограничено этими простенькими ситуациями, позволяется делать намного более сложные вещи, вроде когортного анализа, сложных моделей атрибуции, анализа посещаемости страниц (а именно, определить на какую страницу чаще всего переходят после этого просмотра определенной страницы, или даже построить вероятностную стандарт переходов). Но все эти задачи в Excel приставки не- так просто решаются. Здесь на помощь приходят сильнее мощные инструменты анализа данных: Python и Pandas, R, SQL. Об этом что-нибудь в другой раз 🙂

Да и получать данные изо Logs API с помощью запросов в Postman’е — это не вовсе удобный способ. Если вам захочется делать сии выгрузки постоянно, все складировать у себя и периодически проверять — лучший вариант складывать данные в БД ClickHouse. Потому что, что для интеграции Logs API с ClickHouse в Яндексе сейчас разработали простой в использовании Python-скрипт. Конечно, сие сложнее, придется поднять ClickHouse, научиться запускать скрипты держи Python’е, а еще лучше не ручками, а по расписанию, а, поверьте, все это намного интереснее и открывает кучу новых возможностей!

Источник: datalytics.ru

Источник: www.seonews.ru

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Становясь падаваном Logs API Яндекс.Метрики

Автор Дата 15.03.2017

API Яндекс.Метрики предоставляет здоровущий функционал для построения гибкой отчетности и автоматизации. Шабаш посмотреть список группировок и метрик в документации, чтобы нафантазировать множество вариантов использования. Кто-то делает более чем крутые дэшборды, кто-то строит системы аналитики контекстной рекламы, оптимизаторы пруд и прочие занятные вещи, например, коррелятор промежуточных целей.

Да Метрика не остановилась в своем развитии на обычной API, которая позволяет выдернуть данные только по заданному списку группировок, ограниченному 10 группировками в запросе. Разработчики Яндекса предоставили достижимость получать «сырые» данные из хранилища данных Яндекс.Метрики — Logs API.

Агрегированные, тож обобщенные, данные, которые вы видите в интерфейсе Метрики то есть (т. е.) выгружаете через API отчетов, рассчитываются для определенной группы визитов. Пример, метрика «Время на сайте» вычисляется для всех переходов с какого-либо источника трафика, всех визитов ото посетителей мужского пола или всех визитов с планшетов.

А основой пользу кого этих расчетов служат сырые данные — записи об отдельных визитах иначе говоря просмотрах. Таблица с этими записями и передается через Logs API, присутствие этом каждая запись дополнена полезными сведениями изо Метрики. Это подробные данные по Директу и согласно электронной коммерции, страна и город посетителя, а еще — различная техническая справка о визите: например, браузер и модель мобильного телефона.

Коль скоро вы новичок в работе с API Метрики, то я рекомендую оп ознакомиться со статьей «Становясь гуру API Яндекс.Метрики». Возлюбленная даст понимание того как работает API и как грузить данные из Метрики с помощью API отчетов. Информация в ней нам снова будет полезна, чтобы получить авторизационный токен.

В этой статье я хочу сложиться своим рецептом получения данных из Logs API Яндекс.Метрики, а в свой черед о нескольких приемах обработки этих данных.

Приступим!

На певом месте: Получить авторизационный токен

Процедура получения токена подробнее описывается в пункте 4 этой статьи. Для доступа к Logs API понадобится оный же токен, что и для доступа к API отчетов. Кроме авторизационного токена у нас не получится сделать требования, это своего рода ключ доступа к данным вашего счетчика.

Любопытство: в дальнейшем в примерах я буду использовать недействительный токен, из-за этого, чтобы примеры работали, вам нужно использовать собственноручно выуженный токен или можно попробовать токен, указанный в качестве тестового в документации: 05dd3dd84ff948fdae2bc4fb91f13e22bb1f289ceef0037

Блюдо: Запрос на создание лога

После того как бы мы получили авторизационный токен, например, AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE, наша сестра должны сформировать запрос к Logs API, который создает яр. Лог формируется на стороне Яндекс.Метрики в лагерь определенного времени, которое зависит от того, как много параметров визита или просмотра вы хотите унаследовать, а также от диапазона времени, за который нужен юдоль.

Метод «Создание лога запросов» создает запрос для подготовку отчета, в котором будут нужные нам способности.

Это POST-запрос следующей структуры:

POST https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequests?date1=<string>&date2=<string>&fields=<string>&source=<log_request_source>

Объем запроса на создание лога

Рассмотрим все норма, которые нужно передать в запросе:

{counterId} — идентификатор счетчика Метрики.

date1 — годовщина начала отчетного периода в формате YYYY-MM-DD (например, 2015-08-31).

date2 — помета конца отчетного периода в формате YYYY-MM-DD (не может вестись текущим днем).

fields — список полей, которые стоит получить. Поля разделяются запятыми.

Давайте рассмотрим параметр fields подробнее.

Полина — это те параметры визитов или просмотров, которые Яндекс выгрузит с своей базы данных и предоставит нам в виде файла в формате CSV. Существует двум категории полей, которые можно использовать в Logs API:

  • Полина визитов
  • Поля просмотров

Предположим, мы хотим почерпнуть детально каждый визит с указанием:

  • даты визита;
  • идентификатора пользователя, совершившего посещение;
  • количеством просмотров страниц за визит;
  • страницы входа, с которой начался данный визит.

Смотрим таблицу полей для визитов и определяем, ась? нам нужны следующие поля:

  • ym:s:visitID — идентификатор визита;
  • ym:s:date — число визита;
  • ym:s:clientID — идентификатор пользователя на сайте;
  • ym:s:pageViews — монументальность просмотра;
  • ym:s:ym:s:startURL — страница входа.

Аналогично с просмотрами: целое параметры просмотров находятся в табличке и нужно просто сознавать, какие параметры взять для выполнения вашей задачи.

Причитающийся параметр source, который задает источник логов. Тута все просто: если вы хотите получить исходняк по визитам, то нужно указать visits; ежели нужны данные по просмотрам — указываем hits.

Бранный параметр oauth_token — это авторизационный токен, что мы получили в предыдущем пункте.

Сформируем тестовый требование:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequests?date1=2017-03-01&date2=2017-03-06&fields=ym:s:visitID,ym:s:date,ym:s:clientID,ym:s:pageViews,ym:s:startURL&source=visits&oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

С годами нужно сделать POST-запрос. Один из самых простых способов забахать POST-запрос, не прибегая к программированию — воспользоваться расширением Postman на Chrome.

Как сделать POST-запрос к API Яндекс.Метрики?

1. Устанавливаем и запускаем возрастание Postman:


2. Выбираем тип HTTP-запроса «POST», а в место ввода запроса вставляем сформированный выше запрос:


3. Нажимаем синюю кнопку «Send».

4. Получаем возражение от API:


5. В ответе нас интересует идентификатор request_id. Сие идентификатор, созданного запроса на получение данных с Logs API:


Этот идентификатор копируем, он понадобится нам нате следующем шаге.

Третье: Получение информации о запросе логов

По прошествии того как мы отправили в АПИ заявку в формирование лога, нужно получить статус лога: разнюхать готов ли он для скачивания. Для этой цели существует лучизм «Информация о запросе логов».

Вызывается этот метод с через следующего GET-запроса:

GET https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequest/{requestId}

Заместо counterId подставляем идентификатор счетчика, для которого автор этих строк делали запрос на создание, а вместо requestId ставим идентификатор request_id, принятый в ответе на предыдущий запрос. После этого спустя знак «?» указываем параметр oauth_token.

Таким образом, наша сформированная выдержка для получения информации о запросе лога выглядит яко:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequest/45264?oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

До сути, это обычный GET-запрос, поэтому выполнить его допускается и в обычном браузере, но удобнее будет в Postman, затем что что в него встроен pretty-вывод JSON и уставить) взор на результат будет приятнее.

Вставляем запрос в Postman, выбираем штучка HTTP-запроса «GET» и нажимаем «Send»:


В ответе нас интересует параметр status. Данный параметр может принимать несколько значений, которые описаны тутовник. В нашем случае он принимает значение «processed», которое говорит о часть, что запрос лога обработан и лог готов к скачиванию. Сие то, что нужно!

Обратите внимание на параметр parts. Может что-то около получиться, что полученный лог окажется слишком большим и перестань разбит на несколько частей, которые придется считывать по отдельности.

Перейдем к скачиванию лога.

Четвертое: Нагрузка лога

Чтобы скачать подготовленный лог, нам понадобится лучизм «Загрузка части подготовленных логов обработанного запроса».

Данный метод, так же как и предыдущий, вызывается с через GET-запроса:

GET https://api-metrika.yandex.ru/management/v1/counter/{counterId}/logrequest/{requestId}/part/{partNumber}/download

Так ж тому, как мы делали это в предыдущем запросе, смену) counterId подставляем идентификатор счетчика, вместо requestId указываем еще известный нам идентификатор request_id, а на место partNumber ставим ординальный номер той части лога, которую мы хотим считать. В нашем примере всего одна часть, поэтому ставим 0. В дальнейшем этого через знак «?» указываем параметр oauth_token.

Сформированная удаление для скачивания лога будет такой:

https://api-metrika.yandex.ru/management/v1/counter/30177909/logrequest/45264/part/0/download?oauth_token=AQAAAAAHrQEBAADn-FX3DPJUn04fkptrzvFv8nE

Нынешний GET-запрос можно выполнять как в браузере, так и выше Postman, но в случае с Postman’ом вместо «Send» надлежит выбрать вариант «Send and Download»:


А затем сохранить вырученный файл в формате CSV:


Все! Мы получили лог и сохранили его себя на диск, поэтому можно избавить Яндекс с хранения лишней информации и очистить лог с помощью метода «Очистка подготовленных угоду кому) загрузки логов обработанного запроса». Делается это с через уже привычного нам POST-запроса.

Заключительное: Переработка лога

Честно говоря, обработка логов с помощью Excel — сие то еще извращение, я бы рекомендовал использовать чтобы таких задач что-то более подходящее, примерно сказать, Pandas или R. Но Excel — базовый инструмент анализа данных, благодаря этому рассмотрю на его примере.

Открываем CSV-файл в Excel. На этого создаем новую книгу, открываем вкладку «Данные» и выбираем «Из текста»:


Выбираем обложка и указываем в мастере текстов, что наш файл охватывает разделители и записан в кодировке UTF-8:


На следующем шаге выбираем в качестве символа-разделителя метка табуляции, а затем устанавливаем форматы колонок, лучше (за для идентификаторов задать текстовый формат колонок.

Таким образом, мы загрузили наши данные в таблицу:


Дальше давайте решим двум простые задачи:

  • Определим пользователя с наибольшим числом визитов, т. е. того, который чаще всего посещал наш сайт;
  • Определим пользователя с наибольшим суммарным количеством просмотров страниц, т. е. того, кто больше всех лазил сообразно нашему сайту.

Построим простейшую сводную таблицу:


В строки вынесем ID пользователей (ym:s:clientID), а в значения — ID визита (ym:s:visitID) и глубину просмотра (ym:s:pageViews). Изо-за того, что для поля ym:s:visitID ты да я указали как текстовый столбец, сводная таблица механично посчитает не сумму айдишников, а их количество. Сие и будет количеством визитов на пользователя.

Отсортировав сводную таблицу после второму столбцу, мы увидим, что больше всего ((и) делов визитов у пользователя 1487091524934294616, а отсортировав по третьему столбцу, обнаружим пользователя с наибольшим ровно по просмотров — это пользователь 1488553373564844012.

Теперь мы можем приложить фильтр в таблице с данными, чтобы понять, с каких страниц сии пользователи чаще всего попадали на сайт и вроде часто заходили.

Видно, что первый пользователь заходил сверху протяжении 3 дней с одной и той же страницы, поскорее всего, он добавил ее в закладки, и это были прямые переходы, ради подтвердить эту гипотезу, нужно бы сделать до сего часа одну выгрузку из Logs API с указанием параметра ym:s:referer (реферер) аль ym:s:lastTrafficSource (источник трафика):


Второй пользователь вел себя соответственно-другому. Он совершил в ходе одного из визитов 16 просмотров, вследствие чему и стал рекордсменом по числу просмотров. Во (избежание этого пользователя было бы интересно посмотреть, какие страницы дьявол просматривал. Это можно сделать, добавив в параметры выгрузки параметр ym:s:watchIDs (идентификаторы просмотров, которые были в визите):


Естественным путем, применение Logs API не ограничено этими простенькими ситуациями, дозволительно делать намного более сложные вещи, вроде когортного анализа, сложных моделей атрибуции, анализа посещаемости страниц (а именно, определить на какую страницу чаще всего переходят по прошествии времени просмотра определенной страницы, или даже построить вероятностную пример переходов). Но все эти задачи в Excel никак не так просто решаются. Здесь на помощь приходят побольше мощные инструменты анализа данных: Python и Pandas, R, SQL. Об этом не хуже кого-нибудь в другой раз 🙂

Да и получать данные с Logs API с помощью запросов в Postman’е — это не весь удобный способ. Если вам захочется делать сии выгрузки постоянно, все складировать у себя и периодически исследовать — лучший вариант складывать данные в БД ClickHouse. Благодаря тому что, что для интеграции Logs API с ClickHouse в Яндексе уж разработали простой в использовании Python-скрипт. Конечно, сие сложнее, придется поднять ClickHouse, научиться запускать скрипты возьми Python’е, а еще лучше не ручками, а по расписанию, же, поверьте, все это намного интереснее и открывает кучу новых возможностей!

Источник: datalytics.ru

Источник: www.seonews.ru

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *