Как построить dashboard в Google Data Studio с данными из Google Analytics

Точно вы делаете, когда хотите посмотреть основные цифирь по рекламным кампаниям? Заходите в Google Analytics и сумбурно просматриваете все стандартные отчеты или смотрите «кастомные отчеты» ровно по ключевым словам, в уме сводя необходимые цифры. В итоге тратите кучу времени, а сверху следующий день история повторяется.

Решение – сие одностраничная таблица с основными показателями рекламной кампании «чтобы останавливать руку на пульсе». Разработка подобной страницы займет у вам 10 минут, но сэкономит многие часы в будущем. Вот то-то и оно такие мы внедрили для своих клиентов.

Кое-что такое Google DataStudio

Это инструмент визуализации данных, кто позволяет выгрузить данные из разных источников и выкрать их в онлайн-отчеты, а потом расшарить в лучших традициях Google Документов.

Вмиг замечу, в рамках контекстной рекламы отчеты бывают 3 видов до глубине:

• Основные показатели, например, отчет по прибыли в разрезе Яндекс.Директа, AdWords, cоциальных сетей и др., для того чтоб «держать руку на пульсе».
• Средней глубины, скажем так, отчет по рекламным кампаниям или категориям товаров в разрезе Яндекс.Директа.
• Всеобъемлющий, как когортный анализ или конверсия по вложенности URL, такие отчеты нужно лимитировать вручную.

Так вот в Data Studio целесообразно создавать отчеты только по основным показателям.

На секундочку написания статьи доступна только beta с ограничениями:

• Неважный (=маловажный) позволяет агрегировать данные из разных источников, примем, взять из Google Analytics количество кликов ровно по датам и свести с количеством звонков по тем но датам из обычной таблицы в Excel.
• В нашей стране доколе нельзя использовать высокие технологии Data Studio, посему воспользуемся ZenMate.

Ок, как в итоге построить ёбаный дашборд?

1. Устанавливаем ZenMate. Переходим по ссылке и нажимаем «Установить».

Нажимаем получай новую иконку в браузере и переходим на страницу регистрации — регистрируемся (email имеется возможность не подтверждать, и так работает).

Снова кликаем бери иконку и выбираем Change location.

Меняем на United States.

До сих пор!

2. Создаем отчет

Заходим на главную страницу Data Studio.

• Сколачивание отчета — Google предлагает использовать готовые шаблоны отчетов, же они мало чем полезны, так как приставки не- показывают наши целевые показатели (прибыль, конверсия, звонки).
• Отчеты — Созданные до этих пор отчеты.
• Источники данных — Подключенные источники данных, так, Google Analytics, MySQL и так далее, подробнее подалее.

Нажимаем на синий плюсик и «соглашаемся» с условиями.

Открывается стадия нового отчета и предлагается создать новый источник данных. В качестве существующих источников предлагаются упражнения наборов данных [Sample], но они нам невыгодный нужны.

Как вы видите, доступны почти постоянно популярные источники, но нам нужен Google Analytics.

Весь прелесть в том, что связать 2 разных инструмента дозволяется одной кнопкой, так как они находятся в глубине Google-аккаунта.

Далее нам предлагается посмотреть тутти доступные параметры и показатели:

• Параметры (зеленым цветом) – сие utm_метки, регионы, дата и так далее, то уминать мы смотрим числовые показатели в разрезе параметров.
• Данные (синий цвет) – это количество кликов, конверсий, выручки и где-то далее.

Попробуем создать новый показатель, например, наша сестра создадим синтетический показатель «Лид» из 4-х целей до формуле:

Цель 1 * Вес цели + Цель 2 * Престиж цели + Цель 3 * Вес цели + Цель 4 * Вага цели

Лид = Звонки (Goal 11 Completions) * 1 + Callbackhunter (Goal 3 Completions) * 0.9 + JivoSite (Goal 4 Completions)*0.5 + Ордер (Goal 5 Completions) * 1.5

Таким же образом создаем норматив стоимости лида и другие привычные показатели, далее сии показатели можно будет менять и добавлять новые.

Ставка лида = Стоимость / Лид

Наиболее популярные параметры в Google Analytics:

Величина	Описание
Дата	Строим график в разрезе дней.
Седмица в формате ISO года в формате ISO	Строим график в разрезе недель.
Голубая магистраль	Например, CPC, Organic, Social; то, что вы указываете в utm_medium.
Источник	Во, yandex, google, vk, facebook; то, что вы указываете в utm_source.
Операция	То, что вы указываете в utm_campaign.
Ключевое вывод	Например «купить велосипед»; то, что вы указываете в utm_keyword.
Левант	Например Москва, Московская область, Чебаркуль.

Наиболее популярные цифры в Google Analytics:

Показатели	Описание
Сеансы	Клики, однако учтите, что будет отличаться от метрики по ~10%.
Goal XX (Достигнутые переходы к цели ХХ)	XX, это ваш ID цели, какой можно посмотреть в GA.
Доход	Выручка, если у вас подключена электронная торгово-промышленная деятельность.
Стоимость	Расходы в AWords и Яндекс Директе, если ваш брат выгружаете из Директа в Analytics.
Транзакции	Продажи, разве у вас подключена электронная торговля.

Строим графики

Спустя время того как мы создали показатели, переходим в суть (дела) рабочее пространство.

Первый инструмент на дашборде – сие даты, по которым строится отчет, мы согласно умолчанию указываем «Последние 30 дней (включая сегодняшний день)». То есть, когда кто-то откроет ваш ответ, дата будет выставлена по умолчанию.

Теперь построим рядовой график с линиями.

Справа во вкладке Данные видим настройки доступные:

Источник данных — в одной таблице может фигурировать >1 источника, например, можно вывести данные сразу нескольких аккаунтов Google Analytics угоду кому) менеджера или подтягивать звонки из Google Таблиц.

Параметр: параметр времени — как например, Date.

Показатель — числовые значения, например, Сеансы, (бог) велел вывести Доход, Цели, Стоимость или собственные цифры.

Изначально может ввести в заблуждение, что оси наложены бери одну ось ординат (вертикальная). Для этого нужно одну болт привязать к левой оси ординат, а другую к правой.

Добавим заголовок графика с помощью текстового блока:

Далее добавим партия изделий ключевых показателей:

Выделим основные показатели прямоугольником и переместим его бери задний план.

Добавим фильтр, чтобы была осуществимость отфильтровать график по источникам. Например, если да мы с тобой снимем галочку с yandex, то график и показатели будут отбражаться исключительно по google.

Кстати о фильтрах: в нашем случае нужны документация только по каналу «Контекстная реклама». Для сего нужно добавить фильтр на уровне отчета. Зайдем в листок Ресурс > Настроить фильтры и нажмем Добавить фильтр

Фильтр работает точно по аналогии с фильтрами в самом Google Analytics:

• Включить/Изъявить — трафик по каналу CPC мы включаем в отчет сиречь исключаем из него.
• Выбираем Параметр/Показатель и задаем сделка, например, параметр Medium (канал трафика) = CPC (человек платного трафика).

Подробнее останавливаться не будем, скажем как аналогичную информацию можно найти в интернете.

Пока что нажимаем на любой элемент, который хотим отфильтровать. В край «Фильтр» нажимаем Добавить фильтр, где и выбираем свой новый фильтр «Платный трафик».

Добавим таблицу с конверсией соответственно регионам, для этого нам потребуется сделать новоизобретённый показатель, как мы делали ранее. Для сего нажмите Добавить показатель в правой панели и Создать новобранец.

Клики > Лиды = Лиды / Sessions

Ну и напоследок сделаем таблицу числом эффективности менеджеров, так как наш Google Analytics бы интегрирован с AmoCRM, что-что позволяет выгружать в него продажи.

Чтобы не озадачить пользователей отчета английский названиями Cost, Revenue и яко далее, их можно заменить на русские. Находим источник данных в список Ресурс > Добавленные источники данных и нажимаем Изменить.

Что дать доступ?

В правом верхнем углу нажимаем иконку Выделить отчетом.

Даем доступ на просмотр и размещаем ссылку в наш отчет со смешанными данными.

Как изготовлять более сложные отчеты

У Google Analytics есть ограничения в сборе и агрегировании данных, из-за этого мы используем следующую схему.

1. Выгружаем данные вдоль API из Google Analytics, AdWords, Яндекс.Директа, Я.Метрики, CRM и любых других сервисов в прикладывание в облаке.

2. Внутри приложения на Python сводим эмпирика в необходимые нам таблицы и пушим в Google BigQuery (используем его вроде базу данных).

3. Из BigQuery подгружаем в DataStudio. В свою очередь к BigQuery легко обращаться из Pandas, Excel и других популярных инструментов.

Отметим, что-нибудь при всей своей гибкости это сложное иджма.

Заключение

В заключение сравним основные решения на рынке, которые решают схожую задачу.

	Microsoft Power BI	Дашборды Google Analytics	Google DataStudio
Источники	Весь, но под большинство нужно писать интеграцию с API	Всего только Google Analytics	12 наиболее популярных
Автообновление	Нужно разворачивать сервер в облаке, кой будет «пушить» свежие данные	Автоматически	Автоматически
Трудность настройки	Высокий порог входа	В стиле «захвати и перенеси эту иконку сюда»	В стиле «захвати и перенеси эту иконку сюда»
Шаринг	Ещё бы	Сложно, только через Analytics	Как Google Документы
Успехи	Подходит сложным проектам для сложных отчетов	Бесцеремонный в подключении, так как он находится внутри Analytics	Решает 80% всех задач

Источник: www.seonews.ru