💂 👦🏻 👰🏿 प्रति माह $ 100 के लिए वेब एनालिटिक्स इन्फ्रास्ट्रक्चर कैसे स्थापित करें 🍺 💪🏾 🕘

जल्दी या बाद में, लगभग किसी भी कंपनी को वेब विश्लेषिकी विकसित करने की समस्या का सामना करना पड़ता है। इसका मतलब यह नहीं है कि आपको केवल साइट पर Google Analytics कोड डालने की आवश्यकता है - आपको प्राप्त डेटा में एक लाभ खोजने की आवश्यकता है। इस पोस्ट में मैं आपको बताऊंगा कि यह कैसे संभव के रूप में कुशलतापूर्वक किया जाए, कम खर्च (विशेष सेवाओं के मानकों द्वारा) धन।

मेरा नाम एंड्री कोल्सनिचेंको है, मैं फिनटेक कंपनी आईडी फाइनेंस में वेब एनालिटिक्स विभाग का प्रमुख हूं। कंपनी में, हम लगातार कई संकेतकों की निगरानी करते हैं, सबसे पहले, विभिन्न चरणों में रूपांतरण हमारे लिए महत्वपूर्ण हैं। शुरुआत में, सभी रिपोर्टिंग केवल Google Analytics के लिए थी। रूपांतरण की गणना करने के लिए, हमने उपयोगकर्ताओं को खंडित किया और प्रत्येक खंड का हिस्सा पाया।

फिर हम Google डॉक्स में रिपोर्टिंग के लिए आगे बढ़े। हमने इसके बारे में पहले हैबे पर लिखा था।
अब हम अगले चरण पर हैं - सभी रिपोर्ट कच्चे डेटा पर आधारित हैं।
वे किसी भी विश्लेषक के लिए महत्वपूर्ण हैं: समेकित Google Analytics रिपोर्ट के साथ काम करना, उपयोगकर्ता के व्यवहार को गहराई से समझना संभव नहीं है, जो एनालिटिक्स की गुणवत्ता को बहुत प्रभावित करता है।
ऐसे डेटा प्राप्त करने के लिए, आप Google Analytics प्रीमियम का भुगतान कर सकते हैं, जिसकी लागत प्रति वर्ष कई मिलियन रूबल है। इस स्थिति में, हमें BigQuery में कच्चा डेटा मिलता है। ऐसी कई सेवाएँ भी हैं जो Google Analytics डेटा की नकल करती हैं और इसे BigQuery में डालती हैं। लेकिन आप इसे स्वयं और कम खर्चीले तरीके से कर सकते हैं। चलिए शुरू करते हैं।

फ्रंट-एंड तैयारी

आपके पास पहले से ही एक साइट है और Google Analytics को कॉन्फ़िगर किया गया है। अब हमें कच्चे डेटा एकत्र करने के लिए छोटे बदलाव करने की आवश्यकता है। मुख्य विचार Google क्लाइंट आईडी भेजना और फिर इन वर्गों में डेटा अपलोड करना है।

पहले हमें Google Analytics इंटरफ़ेस में तीन नए कस्टम आयाम बनाने की आवश्यकता है।

यह इन कस्टम आयामों के संदर्भ में है जो हम Google Analytics की रिपोर्ट डाउनलोड करेंगे

ClientID - उपयोगकर्ता पहचानकर्ता
सत्र - सत्र पहचानकर्ता
हिटिड - पहचानकर्ता हिट

फिर हमें Google वैरिएबल को भेजे गए सभी हिट्स में इन वेरिएबल्स को जोड़ना होगा।

ga(function (tracker) { var clientId = tracker.get('clientId'); var timestamp = new Date().getTime(); ga('set', 'dimension1', clientId); ga('set', 'dimension2', clientId + '_' + timestamp); ga('set', 'dimension3', clientId + '_' + timestamp); });

प्रत्येक हिट को भेजते समय, डाइमेंशन 2 और डाइमेंशन 3 को फिर से बनाया जाना चाहिए। डायमेंशन 3 एक हिट आइडेंटिफ़ायर है, इसलिए यह अद्वितीय होना चाहिए। यदि आप जीटीएम का उपयोग करते हैं, तो कस्टम आयाम जोड़ने का सिद्धांत समान है।

हमारा ClientID उपयोगकर्ता स्तर पर कॉन्फ़िगर किया गया है, इसलिए हम किसी व्यक्ति को इसके द्वारा विशिष्ट रूप से पहचान सकते हैं। सत्र सत्र में सत्र को कॉन्फ़िगर किया गया है, इसके अनुसार हम उपयोगकर्ता के सत्र को निर्धारित कर सकते हैं। आप देख सकते हैं कि हम हर बार अलग-अलग सत्र भेजते हैं, लेकिन Google केवल एक अंतिम मूल्य रखेगा। यह मान सत्र को निर्धारित करेगा।

आधारभूत संरचना

सामने के छोर को स्थापित करने के बाद, हमें कच्चे डेटा के अपलोड को कॉन्फ़िगर करने की आवश्यकता है।

हम Google BigQuery को डेटा अपलोड करेंगे। ऐसा करने के लिए, हमें Google क्लाउड प्लेटफ़ॉर्म में एक प्रोजेक्ट बनाना होगा। यहां तक कि अगर आप BigQuery का उपयोग नहीं करने जा रहे हैं, तो भी आपको एपीआई द्वारा डेटा डाउनलोड करने के लिए एक प्रोजेक्ट बनाने की आवश्यकता है। Google क्लाउड सेवाओं का उपयोग करने वालों को कार्ड लिंक करते समय $ 300 का सुखद बोनस मिलेगा। एनालिटिक्स की जरूरतों के लिए, एक छोटा प्रोजेक्ट कम से कम छह महीने के मुफ्त उपयोग के लिए पर्याप्त है।
कंसोल .cloud.google.com/iam-admin/serviceaccounts पृष्ठ पर, आपको एक सेवा कुंजी बनानी होगी जिसके साथ हम Google Analytics API और Google BigQuery का उपयोग करेंगे।
फिर आपको Google Analytics पढ़ने के लिए यह मेल एक्सेस देने की आवश्यकता है।
कंसोल .cloud.google.com/apis/library/ analytics.googleapis.com पर जाएं और Google Analytics API सक्षम करें
चूंकि हम हर दिन डेटा डाउनलोड करेंगे, हमें अपने कार्यों को करने के लिए एक सर्वर की आवश्यकता होगी। इसके लिए हम Google Compute Engine का उपयोग करेंगे

डेटा स्ट्रीम इस तरह दिखता है:

Google Analytics API के माध्यम से डेटा निर्यात करें

Google Analytics के पास एक API है जो आपको रिपोर्ट डाउनलोड करने की अनुमति देता है। हम अपने मापदंडों के संदर्भ में रिपोर्ट डाउनलोड करेंगे। सभी लिपियों को अजगर में लिखा गया है, मैं आपको मुख्य चीजों के बारे में बताऊंगा:

Google Analytics से फ़ाइल में डेटा निर्यात करें

 from apiclient.discovery import build import os import unicodecsv as csv from googleapiclient.errors import HttpError import time SCOPES = ['https://www.googleapis.com/auth/analytics.readonly'] KEY_FILE_LOCATION = 'my_key_file.p12' SERVICE_ACCOUNT_EMAIL = 'service_account_email@my-google-cloud-project.iam.gserviceaccount.com' class ApiGA(): def __init__(self, scopes=SCOPES, key_file_location=KEY_FILE_LOCATION, service_account_email=SERVICE_ACCOUNT_EMAIL, version='v4'): credentials = ServiceAccountCredentials.from_p12_keyfile( service_account_email, key_file_location, scopes=scopes) self.handler = build('analytics', version, credentials=credentials) def downloadReport(self, view_id, dim_list, metrics_list, date, page, end_date=None, filters=None): if not end_date: end_date = date body = { 'reportRequests': [ { 'viewId': view_id, 'dateRanges': [{'startDate': date, 'endDate': end_date}], 'dimensions': dim_list, 'metrics': metrics_list, 'includeEmptyRows': True, 'pageSize': 10000, 'samplingLevel': 'LARGE' }]} if page: body['reportRequests'][0]['pageToken'] = page if filters: body['reportRequests'][0]['filtersExpression'] = filters while True: try: return self.handler.reports().batchGet(body=body).execute() except HttpError: time.sleep(0.5) def getData(self, view_id, dimensions, metrics, date, filename='raw_data.csv', end_date=None, write_mode='wb', filters=None): dim_list = map(lambda x: {'name': 'ga:'+x}, dimensions) metrics_list = map(lambda x: {'expression': 'ga:'+x}, metrics) file_data = open(filename, write_mode) writer = csv.writer(file_data) page = None while True: response = self.downloadReport(view_id, dim_list, metrics_list, date, page, end_date=end_date, filters=filters) report = response['reports'][0] rows = report.get('data', {}).get('rows', []) for row in rows: dimensions = row['dimensions'] metrics = row['metrics'][0]['values'] writer.writerow(dimensions+metrics) if 'nextPageToken' in report: page = report['nextPageToken'] else: break file_data.close()

स्क्रिप्ट एपीआई के माध्यम से डेटा डाउनलोड करती है और तारीख की तारीख के लिए फाइल फाइलनाम को लिखती है। View_id - Google विश्लेषिकी में दृश्य संख्या:

 filename = 'raw_data.csv' date = '2019-01-01' view_id = '123123123' ga = ApiGA() dims = ['dimension1', 'dimension2', 'source', 'medium', 'campaign', 'keyword', 'adContent', 'userType'] metrics = ['hits', 'pageviews', 'totalEvents', 'transactions', 'screenviews'] ga.getData(view_id, dims, metrics, date, filename)

फिर हम प्राप्त डेटा को BigQuery में लोड करते हैं

 from google.cloud import bigquery client = bigquery.Client() schema = [ bigquery.SchemaField('clientId', 'STRING'), bigquery.SchemaField('sessionId', 'STRING'), bigquery.SchemaField('source', 'STRING'), bigquery.SchemaField('medium', 'STRING'), bigquery.SchemaField('campaign', 'STRING'), bigquery.SchemaField('keyword', 'STRING'), bigquery.SchemaField('adContent', 'STRING'), bigquery.SchemaField('userType', 'STRING'), bigquery.SchemaField('hits', 'INTEGER'), bigquery.SchemaField('pageviews', 'INTEGER'), bigquery.SchemaField('totalEvents', 'INTEGER'), bigquery.SchemaField('transactions', 'INTEGER'), bigquery.SchemaField('screenviews', 'INTEGER') ] table_id = 'raw.sessions' table = bigquery.Table(table_id, schema=schema) table = client.create_table(table) dataset_ref = client.dataset(dataset_id) table_ref = dataset_ref.table(table_id) job_config = bigquery.LoadJobConfig() job_config.source_format = bigquery.SourceFormat.CSV job_config.skip_leading_rows = 0 job_config.autodetect = True with open(filename, "rb") as source_file: job = client.load_table_from_file(source_file, table_ref, job_config=job_config) job.result()

सभी हिट पाने के लिए, डेटा को आयाम 2, आयाम 3 के संदर्भ में डाउनलोड करें:

 dims = ['dimension2', 'dimension13', 'pagePath', 'hostname', 'dateHourMinute'] metrics = ['hits', 'entrances', 'exits'] …. dims = ['dimension3', 'eventCategory', 'eventAction', 'eventLabel'] metrics = ['eventValue'] ….

अंत में, हम एक sql क्वेरी के साथ सभी डेटा को एक दूसरे के साथ जोड़ते हैं। यह कुछ इसी तरह से निकलता है:

के उपयोग

हमने BigQuery में कच्चे डेटा संग्रह की स्थापना की है, हमें बस अपने रूपांतरणों के लिए रिपोर्ट तैयार करनी है। उन्हें सरल वर्गीय प्रश्न बना दिए जाते हैं। रिपोर्टिंग के लिए, हम झांकी और Google डेटा स्टूडियो का उपयोग करते हैं।

इसके अलावा, हमारे पास एप्लिकेशन, मुद्दों, विलंब, भुगतान, आदि के बारे में जानकारी रखने वाले आंतरिक डेटाबेस से डेटा के साथ Google एनालिटिक्स से डेटा को समृद्ध करने का अवसर है।
इसके अलावा, Google क्लाउड यदि आवश्यक हो, तो आप केवल रियलटाइम डेटा स्ट्रीमिंग सेट कर सकते हैं।

विश्लेषणात्मक रिपोर्टिंग के लिए पूर्ण प्रवाह चार्ट अब इस तरह दिखता है:

परिणामस्वरूप, हम इसमें सक्षम थे:

रिपोर्टिंग को अधिक लचीला और सुविधाजनक बनाएं।
रूपांतरण समस्याओं को हल करने के लिए समय कम करें
मार्केटिंग के लिए मल्टी-चैनल एट्रिब्यूशन बनाएँ। यह हमें एप्लिकेशन के मूल्य को न केवल अंतिम स्रोत द्वारा वितरित करने की अनुमति देता है, बल्कि अन्य सभी स्रोतों से भी जो उपयोगकर्ता को साइट पर लाया है।
उपयोगकर्ता डेटा को एक स्थान पर संयोजित करें

प्रति माह $ 100 के लिए वेब एनालिटिक्स इन्फ्रास्ट्रक्चर कैसे स्थापित करें

फ्रंट-एंड तैयारी

आधारभूत संरचना

Google Analytics API के माध्यम से डेटा निर्यात करें

के उपयोग

More articles: