نگــــــــار پـــورجــــــــــواد

دیجیتال مارکتر : فعال در سئو ، پرفورمنس مارکتینگ و بازاریابی محتوا

من تا کنون تجربه نصب و راه اندازی 10 ها پراپرتی آنالیتیکس 4 برای بیزینس‌های مختلف با شرایط متنوع را داشته‌ام. بیزینس‌هایی که همگی با موفقیت و به راحتی از اطلاعات آنالیتیکس یونیورسال خود بک آپ گرفته و به آنالیتیکس 4 مهاجرت کرده‌اند. بیزینس‌هایی که من تجربه همکاری با آنها را داشته‌ام، در زمینه‌های مختلف از جمله پزشکی، حسابداری، مهاجرت و… فعالیت داشته‌اند. درواقع من نصب و راه اندازی آنالیتیکس بیزینس‌های متنوعی را داشته‌ام؛ بنابراین چالش‌های جدیدی وجود ندارد که من قبل از این با آنها روبه‌رو نشده باشم.

Analytics 4

آموزش بیگ کوئری

با توجه به اینکه هزینه Google BigQuery کاملا بر اساس میزان مصرف شما محاسبه می‌شود، در هنگام برآورد هزینه‌ها، عمدتا فقط سه جنبه اصلی در مورد ذخیره سازی داده‌های BigQuery خود باید در نظر بگیرید: ذخیره سازی داده (Storage Data)، ذخیره سازی بلندمدت داده (Long Term Storage Data) و پردازش کوئری (Query Data Usage). صفحه رسمی هزینه بیگ کوئری شامل جزئیات و اطلاعات مفید بسیار بیشتری است که حتما باید آن را بررسی کنید، در این راهنما به طور خلاصه هر یک از این سه عنصر قیمت گذاری را برای برآورد هزینه های ماهانه خود بررسی خواهیم کرد.

برای خرید دوره 9 ساعته آموزش بیگ کوئری، روی لینک کلیک کنید و فرم موجود را تکمیل کنید. در سریع ترین زمان ممکن به شما تماس میگیرم 🙂

تاثیر هزینه ذخیره سازی بر قیمت استفاده از BigQuery

هزینه‌های ذخیره سازی معمولا به صورت ماهانه برای داده‌هایی که در جداول یا پارتیشن‌های BigQuery ذخیره شده‌اند و فعال هستند، محاسبه می‌شود. منظور از داده‌های فعال، داده‌هایی است که در 90 روز گذشته تغییر کرده‌اند. اگر در 90 روز گذشته هیچ تغییری در جداول یا پارتیشن‌های BigQuery خود ایجاد نکرده‌اید، میتوانید با کاهش 50 درصدی هزینه ها، همچنان داده های خود را در انبار داده بیگ کوئری داشته باشید.

هنگام استفاده از API های ذخیره سازی BigQuery، بسته به حجم داده‌های ورودی ممکن است نیاز به پرداخت هزینه باشد. در این صورت هزینه هر 200 مگابایت داده ورودی که با موفقیت در بیگ کوئری ذخیره می شود، 0.01 دلار است.

تاثیر هزینه کوئری بر قیمت هزینه استفاده از  بیگ کوئری

در حالت قیمت گذاری بر اساس میزان مصرف (On-Demand Pricing)، هزینه بر اساس حجم داده پردازش شده کوئری‌هایتان محاسبه می‌شود. برای کوئری‌های ناموفق یا کوئری‌هایی که از حافظه کش بارگذاری شده‌اند، هزینه پرداخت نمی‌کنید. علاوه بر این، اولین 1 ترابایت داده کوئری پردازش شده در هر ماه رایگان است. همچنین، قیمت‌ها بر اساس منطقه جغرافیایی که هنگام ساخت پروژه در بیگ کوئری تعیین کرده اید، متفاوت است.

به عنوان مثال، انتخاب بمبئی (asia-south1) به عنوان مکان ذخیره سازی 0.023 دلار به ازای هر گیگابایت هزینه از شما دریافت میکند، در حالی که با انتخاب ایالات متحده (چند منطقه ای) (ایالات متحده) یا اتحادیه اروپا (چند منطقه) (اروپا) 0.02 دلار به ازای هر گیگابایت باید هزینه پرداخت کنید.

در حالت قیمت گذاری با نرخ ثابت (Flat-Rate Pricing)، بدون توجه به حجم داده پردازش شده توسط کوئری‌هایتان، هزینه ثابتی را پرداخت می‌کنید. این گزینه قیمتی برای مشتریانی ایده‌آل است که به هزینه ماهانه قابل پیش بینی با بودجه مشخص نیاز دارند. برای بهره مندی از قیمت گذاری با نرخ ثابت، باید اسلات‌های BigQuery را خریداری کنید که در ادامه به بررسی آن خواهیم پرداخت.

هزینه ذخیره سازی داده در بیگ کوئری چقدر است؟

هزینه ذخیره سازی به فضایی که برای نگهداری اطلاعات خود در BigQuery نیاز دارید اشاره دارد. شما برای هر دو نوع ذخیره سازی فعال و بلندمدت هزینه پرداخت می کنید.

ذخیره سازی فعال: هر جدول یا پارتیشنی از یک جدول که در 90 روز گذشته به روز شده باشد، ذخیره سازی فعال در نظر گرفته می شود. در حال حاضر، BigQuery برای ذخیره سازی فعال، هزینه ماهانه ثابتی معادل 0.02 دلار به ازای هر گیبی بایت در ماه دریافت می کند. هزینه ذخیره سازی فیزیکی فعال نیز 0.04 دلار به ازای هر گیگابایت در ماه است. 10 گیبی بایت اولیه هر ماه رایگان است. بنابراین، اگر یک جدول 200 گیبی بایتی را برای یک ماه نگه داریم، هزینه آن (200 * 0.02) = 4 دلار خواهد بود.

توجه: با احتساب 10 گیگابایت رایگان هر ماه، کاربر با 4 دلار مجموعا 210 گیگابایت دریافت خواهد کرد.

برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

ذخیره سازی بلندمدت: هر جدول یا پارتیشنی از یک جدول که در 90 روز گذشته به روز نشده باشد، ذخیره سازی بلندمدت در نظر گرفته می شود. پس از 90 روز، قیمت داده های ذخیره سازی 50 درصد کاهش می یابد. هزینه ذخیره سازی منطقی بلندمدت 0.01 دلار به ازای هر گیگابایت در ماه است. هزینه ذخیره سازی فیزیکی بلندمدت، بیشتر بوده و 0.02 دلار به ازای هر گیگابایت در ماه است. 10 گیگابایت اولیه هر ماه رایگان است.برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

1 گیبی بایت (gibibyte) معادل 1.1 گیگابایت (gigabyte)

عملکرد، پایداری داده و دسترسی در هر دو نوع ذخیره سازی فعال و بلندمدت یکسان است.

هزینه BigQuery به ازای هر ۱ ترابایت

حجم داده‌های ذخیره شده و داده‌های پردازش شده توسط کوئری‌های شما بر حسب گیبی‌بایت (GiB) اندازه‌گیری می‌شود.  اگر هزینه هر گیگابایت فضای ذخیره‌سازی ۰.۰۲ دلار باشد و ۱ ترابایت تقریباً معادل ۱,۰۰۰ گیگابایت (۹۳۱.۳۲۳) باشد، در این صورت هزینه ۱ ترابایت ۲۰ دلار خواهد بود.

برای محاسبه هزینه ۵ ترابایت، به سادگی مقدار داده را در ۱۰۰۰ (برای تبدیل به گیبی‌بایت) ضرب می‌کنیم، سپس حاصل را در ۰.۰۲ دلار به ازای هر گیگابایت ضرب می‌کنیم.

۵ ترابایت * ۱۰۰۰ = ۵,۰۰۰ گیبی‌بایت

۵,۰۰۰ گیبی‌بایت * ۰.۰۲ دلار = ۱۰۰ دلار

حجم ذخیره سازی أنواع داده در بیگ کوئری

همانطور که گفته شد، هزینه بر اساس میزان داده ای که در BigQuery قرار می دهید محاسبه می شود. برای تعیین حجم کل داده های خود، باید بدانید که حجم أنواع داده ای که در بیگ کوئری ذخیره می شود، داده چقدر است..در ادامه حجم انواع داده های موجود در BigQuery آورده شده است:

نوع دادهاندازه
INT648 بایت
FLOAT8 بایت
NUMERIC16 بایت
Bool1 بایت
STRING2 بایت
Date8 بایت
Datetime8 بایت
Time8 بایت
Timestamp8 بایت
Interval16 بایت

جدول هزینه ذخیره داده به ازای هر 1 گیگابایت در بیگ کوئری

نوع ذخیره سازیقیمتسطح رایگان
ذخیره سازی منطقی فعال0.02 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی فعال0.04 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی منطقی بلندمدت0.01 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی بلندمدت0.02 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است

تحلیل ساختار قیمت گذاری کوئری در Google BigQuery

در BigQuery، از قیمت گذاری تحلیلی برای محاسبه هزینه اجرای کوئری‌ها (شامل کوئری‌های SQL، توابع تعریف‌شده توسط کاربر و اسکریپت‌ها) و همچنین قیمت گذاری ذخیره‌سازی برای محاسبه هزینه ذخیره داده‌هایی که در BigQuery بارگذاری می‌کنید، استفاده میشود.

BigQuery دو مدل قیمت‌گذاری مجزا برای انتخاب کاربران هنگام اجرای کوئری ارائه می‌دهد. این مدل های قیمتی به شرح زیر هستند:

قیمت گذاری بر اساس تقاضا (On-demand pricing)

در قیمت‌گذاری بر اساس تقاضا، شما بر اساس اندازه هر کوئری و تعداد بایت‌هایی که توسط هر کوئری مدیریت می‌شود، هزینه پرداخت می‌کنید. در صورت عدم اجرای کوئری، هیچ هزینه‌ای از شما دریافت نمی‌شود. برای تمام کاربران، اولین ترابایت داده کوئری پردازش شده در هر ماه رایگان ارایه می‌شود.

قیمت گذاری با نرخ ثابت (Flat-rate pricing)

با رویکرد قیمت‌گذاری با نرخ ثابت، صرف نظر از حجم داده‌هایی که کوئری‌های شما اشغال می‌کنند، هزینه ثابتی را پرداخت می‌کنید. این بهترین انتخاب قیمت گذاری برای کاربرانی است که یک هزینه ماهانه ثابت را در محدودیت هزینه تعیین شده می‌خواهند. دسترسی کاربران به قیمت گذاری با نرخ ثابت با خرید اسلات‌های BigQuery، که اساسا CPUهای مجازی مورد استفاده BigQuery برای اجرای کوئری‌های SQL هستند، امکان پذیر است. ظرفیت اسلات اختصاصی که خریداری می‌کنید، میزان قدرت پردازش اختصاص‌یافته برای تمام کوئری‌های شما در هر زمان خاص را تعیین می‌کند، نه برای هر کوئری به صورت جداگانه. اگر درخواست‌های شما از ظرفیت اختصاصی شما فراتر رود، BigQuery واحدهای کاری را به صف انتظار می‌فرستد و منتظر می‌شود تا اسلات‌ها در دسترس قرار گیرند.با پیشرفت پردازش کوئری و در دسترس قرار گرفتن اسلات‌ها، واحدهای کاری صف انتظار به صورت پویا برای اجرا انتخاب می‌شوند و هیچ هزینه اضافی دریافت نمی‌شود.

اسلات‌ها در هر دو قیمت گذاری بر اساس تقاضا و با نرخ ثابت استفاده می‌شوند، اما رویکرد با نرخ ثابت کنترل خاصی بر اسلات‌ها و ظرفیت تجزیه و تحلیل به شما ارائه می‌دهد. به عنوان مثال، در قیمت گذاری با نرخ ثابت، می‌توانید انتخاب کنید که اسلات‌ها را برای موارد زیر رزرو کنید:

  • ۶۰ ثانیه: اسلات‌های انعطاف‌پذیر
  • ماهانه: ۳۰ روز
  • سالانه: ۳۶۵ روز

شما همیشه می‌توانید این دو مدل را برای برآورده کردن نیازهای خاص خود ترکیب کنید. با قیمت گذاری بر اساس تقاضا، هزینه آنچه مصرف می‌کنید را پرداخت می‌کنید، در حالی که با قیمت گذاری با نرخ ثابت، در ازای یک برنامه بلندمدت، ظرفیت تضمین شده‌ای را با هزینه کمتری دریافت می‌کنید.

چه عواملی بر هزینه ذخیره داده در بیگ کوئری تاثیر میگذارند؟

هنگام استفاده از BigQuery با GA4، سه نوع هزینه اصلی وجود دارد که ممکن است متحمل شوید: ذخیره سازی، محاسبات و دریافت داده. این ابزار محاسبه بر ارائه تخمین هزینه ذخیره سازی به شما تمرکز دارد، که جزء کلیدی هزینه کلی BigQuery شما خواهد بود.

هزینه ای که برای ذخیره سازی پرداخت می کنید به میزان داده، مدت زمان ذخیره سازی و مکان ذخیره سازی بستگی دارد. 10 گیگابایت اول ذخیره شده در هر ماه رایگان است، بنابراین بسیاری از سایت های کوچک ممکن است اصلاً هزینه ای پرداخت نکنند.

برای مناطق ایالات متحده (ایالات متحده) و اروپا (اتحادیه اروپا) هر گونه داده ای بالاتر از 10 گیگابایت برای هر گیگابایت در ماه برای ذخیره سازی فعال (هر جدولی که در 90 روز گذشته اصلاح شده است) 0.02 دلار یا برای ذخیره سازی بلندمدت (هر جدولی که برای بیش از 90 روز اصلاح نشده است) 0.01 دلار در ماه محاسبه می شود. ممکن است سایر مناطق قیمت گذاری کمی متفاوتی داشته باشند، به عنوان مثال برای منطقه لندن (اروپا-غرب2) قیمت 0.023 دلار در هر گیگابایت در ماه برای فعال و 0.016 دلار در هر گیگابایت در ماه برای ذخیره سازی بلندمدت است. برای مشاهده قیمت فعلی هر منطقه می توانید به اینجا: BigQuery Pricing مراجعه کنید.

میزان داده ای که در BigQuery ذخیره می کنید به تعداد ایونت هایی که توسط پراپرتی GA4 شما جمع آوری می شود و میزان داده ای که با آن ایونت ها جمع آوری می شود بستگی دارد. اگر با هر ایونت پارامترهای زیادی ارسال می‌کنید یا ایونت های ایکامرسی را با تعداد زیادی آیتم در هر رویداد جمع‌آوری می‌کنید، جداول شما بسیار بزرگتر از سایتی خواهند بود که فقط تنظیمات پیاده سازی آنالیتیکس 4 را انجام داده است.

گوگل تخمین می زند که 1 گیگابایت تقریباً معادل 600 هزار رویداد است، اما در بین پراپرتی های مختلف، این رقم از 800 هزار تا 1.6 میلیون متغیر است.

چگونه با استفاده از ماشین حساب هزینه BigQuery، هزینه‌های خود را برآورد کنیم؟

قیمت‌گذاری بر اساس تقاضا (On-demand Pricing)

  1. به صفحه اصلی کنسول BigQuery خود بروید.
  2. هنگام وارد کردن یک کوئری، اعتبارسنج کوئری (علامت تیک سبز) آن را تأیید می‌کند و تخمین می‌زند که چند بایت پردازش کند.

همانطور که در تصویر مشاهده می‌کنید، این کوئری برای اجرا تقریباً 10.07 MB فضا برای پردازش نیاز دارد.

  1. گام بعدی دسترسی به ماشین حساب قیمت‌گذاری GCP است. BigQuery را به عنوان محصول خود و قیمت‌گذاری بر اساس تقاضا را به عنوان روش قیمت‌گذاری خود انتخاب کنید. فرم موجود در صفحه را با تمام اطلاعات لازم، همانطور که در تصویر نشان داده شده است، تکمیل کنید.

اگر هنوز ۱ ترابایت رایگان ماهانه خود را تمام نکرده باشید، هزینه اجرای کوئری صفر است. با این حال، اگر نیاز دارید این کوئری را هر روز برای ماه آینده اجرا کنید؛ قطعا مقدار پردازش رایگان هر ماه را رد خواهید کرد و باید هزینه پرداخت کنید. برای محاسبه این هزینه باید مقدار مورد نیاز برای پردازش کوئری را در 30 ضرب کنید.

چگونه هزینه ذخیره سازی و اجرای کوئری در BigQuery را برآورد کنیم؟

برای محاسبه هزینه ذخیره سازی و اجرای کوئری در BigQuery، ابتدا باید اطلاعات لازم برای تخمین هزینه ها را جمع آوری کنیم:

  • تعداد کاربران (Number of Users)
  • تعداد کوئری در روز (Number of Queries)
  • میانگین حجم دیتای مصرفی (Average Data Usage)

به عنوان مثال، فرض کنید 10 کاربر در روز از دیتایی که از آنالیتیکس به بیگ کوئری انتقال داده شده است، استفاده میکنند. به طوری که هر کاربر روزانه پنج کوئری با میانگین مصرف داده 2 گیگابایت برای هر کوئری اجرا می کند. ما هزینه را بر اساس ماه (فرض می کنیم 30 روز) محاسبه می کنیم.

با استفاده از این پارامترها، می توانیم با یک محاسبه ساده، هزینه ماهانه متوسط خود را با BigQuery تخمین بزنیم.

کل حجم کوئری دیتا در ماه:

10 کاربر در روز * 5 کوئری در روز * 2 گیگابایت در کوئری * 30 روز = 3000 گیگابایت = 3 ترابایت

محاسبه هزینه ذخیره سازی BigQuery:

در زمان نگارش این متن، هزینه ذخیره سازی برای 1 ترابایت داده حدود 20 دلار است (قیمت دقیق بستگی به منطقه انتخابی شما دارد). بنابراین، برای به دست آوردن هزینه ذخیره سازی در هر ماه، به سادگی 3 ترابایت را در 20 دلار ضرب می کنیم.

3 ترابایت * 20 دلار در هر ترابایت = 60 دلار

محاسبه هزینه اجرای کوئری بر اساس میزان مصرف (On-Demand):

با استفاده از همان داده های کوئری، قیمت پردازش 1 ترابایت داده 5 دلار است. بنابراین، برای به دست آوردن هزینه اجرای کوئری بر اساس میزان مصرف در هر ماه، به سادگی 3 ترابایت را در 5 دلار ضرب می کنیم.

3 ترابایت * 5 دلار در هر ترابایت = 15 دلار

این قیمت ممکن است کاهش یابد، به شرطی که از 1 ترابایت فضای ذخیره سازی رایگان ماهانه خود استفاده نکرده باشید.

هزینه پردازش 1 ترابایت داده در BigQuery چقدر است؟

برای قیمت گذاری بر اساس میزان مصرف (On-Demand)، هزینه پردازش 1 ترابایت داده 6.25 دلار است.

هزینه اجرای یک کوئری 12 گیگابایتی در BigQuery چقدر است؟

12 گیگابایت تقریباً معادل 0.01288 ترابایت است. از آنجایی که هزینه پردازش 1 ترابایت 6.25 دلار است، هزینه اجرای یک کوئری 12 گیگابایتی به شرح زیر محاسبه می شود:

6.25 دلار در هر ترابایت * 0.01288 ترابایت = 0.08 دلار

هزینه اجرای یک کوئری 100 گیگابایتی در BigQuery چقدر است؟

100 گیگابایت تقریباً معادل 0.107 ترابایت است. برای محاسبه هزینه اجرای یک کوئری 100 گیگابایتی، محاسبه زیر را انجام می دهیم:

6.25 دلار در هر ترابایت * 0.107 ترابایت = 0.66 دلار

آیا استفاده از ویوها (Views) در BigQuery هزینه اضافی دارد؟

خیر. جداول مجازی (Virtual Tables) با استفاده از کوئری های SQL به عنوان ویو تعریف می شوند. به همان روشی که می توانید روی یک کوئری بزنید، می توانید همین کار را با ویوها نیز انجام دهید. ویوها ممکن است فقط داده هایی را از جداول و فیلدهایی ارائه دهند که توسط کاربر هنگام اجرای کوئری درخواست می شود. بنابراین افزودن یا حذف یک ویو هیچ هزینه ای ندارد.

بهینه سازی هزینه BigQuery

به عنوان یک متخصص پرفورمنس مارکتینگ، بهینه سازی هزینه در BigQuery اهمیت زیادی دارد. فرقی نمی کند که داده های خود را از طریق آنالیتیکس 4 یا از Google Sheets وارد BigQuery کنید، رعایت برخی نکات برای بهینه سازی هزینه در BigQuery ضروری است. این موارد عبارتند از:

  • *استفاده بهینه از عبارت SELECT : در کوئری های خود از عبارت SELECT * کمتر استفاده کنید و فقط اطلاعات مورد نیاز خود را درخواست نمایید.
  • استفاده از قابلیت پیش نمایش BigQuery: هنگامی که می خواهید نمونه کوچکی از داده های خود را ببینید، به جای اجرای یک کوئری برای مشاهده بخش کوچکی از داده ها، از قابلیت پیش نمایش BigQuery استفاده کنید.
  • بررسی هزینه ها قبل از اجرا: قبل از اجرای هر کوئری یا فعالیت ذخیره سازی، با استفاده از ابزار محاسبه گر قیمت GCP (Google Cloud Platform Price Calculator)، هزینه های مرتبط را بررسی کنید.
  • تقسیم کوئری به بخش های کوچکتر: اگر قصد دارید روی یک مجموعه داده بزرگ پرس و جو انجام دهید، کوئری خود را به بخش های کوچکتر تقسیم کنید. اجرای تک تک کوئری های کوچکتر بهتر است. این کار باعث کاهش حجم داده هایی که باید خوانده شوند و در نتیجه صرفه جویی در هزینه می شود.

گوگل ادز یکی از ابزارهای تبلیغاتی محبوب است که توسط بیزینسهای کوچک تا بزرگ برای تبلیغ محصولات و خدمات استفاده می شود. اما گوگل ادز نمی تواند اطلاعات زیادی در مورد کمپین های تبلیغاتی شما ارائه دهد. بنابراین، شما باید داده های خود را از گوگل ادز به بیگ کوئری، یک انبار داده ابری کاملا مدیریت شده و نسبتا کم هزینه، منتقل کنید. با انتقال داده های خود از گوگل ادز به بیگ کوئری، می توانید چندین تحلیل داده انجام دهید تا اطلاعات مفید دوره ای یا زمان واقعی برای بهینه سازی کمپین های خود بدست اورید. در این راهنما، ما به قدم فرآیند انتقال داده های گوگل ادز به بیگ کوئری را با استفاده از چند روش ساده بررسی خواهیم کرد.

مقدمه‌ای بر گوگل ادز

گوگل ادز یکی از پلتفرم‌های تبلیغات آنلاین پرکاربرد است که به شما امکان می‌دهد تا خدمات و محصولات خود را تبلیغ کنید. این پلتفرم گزینه‌های متنوعی برای هدف‌گیری مخاطبان دارد تا آگهی‌های محصول یا خدمات توسط مخاطبین مرتبط در زمان درست مشاهده ‌شوند. شما می‌توانید از گوگل ادز برای نمایش تبلیغات از طریق تصاویر، تماس تلفنی، متن و ویدئو، بسته به کمپین تبلیغاتی و هدف خود استفاده کنید. برای بهبود عملکرد، گوگل ادز از قابلیت تبلیغات ریسپانسیو و از دستگاه‌های مختلف مانند دسکتاپ، موبایل، تلویزیون و غیره پشتیبانی می‌کنند.

علاوه بر این، گوگل ادز ابزارهای جامع تحلیلی و گزارش‌دهی ارائه می‌دهد که اطلاعات مفیدی در مورد عملکرد کمپین‌های تبلیغاتی در اختیارتان قرار می‌دهد. برای سنجش اثربخشی کمپین‌های تبلیغاتی خود، می‌توانید معیارهایی مانند دسترسی، نرخ کلیک‌ها (CTR)، نرخ تبدیل و بازگشت سرمایه (ROI) را ردیابی کنید. همچنین این فرصت را در اختیار شما قرار میدهد که با دقت بودجه خود را کنترل کنید و حداکثر بودجه روزانه یا ماهانه را برای مدیریت موثر هزینه‌های تبلیغاتی خود تعیین کنید.

مقدمه‌ای بر بیگ کوئری

گوگل بیگ کوئری، یک انبار داده‌های بدون سرور و پلتفرم تحلیلی است که توسط گوگل کلود ارائه می‌شود. بیگ کوئری به عنوان یک انبار داده‌های آماده، امکان ذخیره‌سازی و استخراج گزارش های کاربردی از مجموعه داده‌های بزرگ (بیگ دیتا) را برای بیزینس های مختلف در هر مقیاسی فراهم می‌آورد. برای مدیریت و تحلیل داده‌ها، بیگ کوئری از زبان SQL پشتیبانی می‌کند که این امر برای طیف وسیعی از متخصصان، فرآیند کار را بدون درز می‌کند.

علاوه بر این، به عنوان بخشی از گوگل کلود، بیگ کوئری به راحتی با سایر خدمات گوگل کلود مانند گوگل کلود استوریج، گوگل شیتس و گوگل دیتا استودیو یکپارچه می‌شود. این یکپارچگی، جذب سریع داده‌ها، ذخیره‌سازی و تجسم آن‌ها را فراهم می‌کند و یک اکوسیستم تحلیلی جامع را ارائه می‌دهد.

بیگ کوئری همچنین با پشتیبانی از تحلیل داده‌های زمان واقعی از طریق جذب داده‌های جاری، به شما کمک می‌کند تا بینش‌های لحظه‌ای را به دست آورید و تصمیمات مبتنی بر داده را به سرعت اتخاذ کنید.

روش های اتصال گوگل ادز به بیگ کوئری

روش‌های متنوعی برای ادغام داده‌های گوگل ادز با بیگ کوئری گوگل وجود دارد. در ادامه برخی از رایج‌ترین روش‌های استفاده شده برای انتقال داده‌ها از گوگل ادز به بیگ کوئری را به شما عزیزان آموزش میدهیم.

  • روش ۱: بارگذاری دستی داده‌ها از گوگل ادز به بیگ کوئری با استفاده از فایل‌های CSV . این روش شامل استخراج داده‌ها از گوگل ادز به صورت فایل CSV و سپس بارگذاری آنها در بیگ کوئری است. این فرآیند می‌تواند به صورت دستی انجام شود و یک روش مستقیم برای اتصال گوگل ادز به بیگ کوئری است.
  • روش ۲: بارگذاری داده‌ها از گوگل ادز به بیگ کوئری با استفاده از سرویس انتقال داده بیگ کوئری. سرویس انتقال داده بیگ کوئری گوگل امکان اتوماتیک کردن فرآیند انتقال داده‌ها را فراهم می‌آورد. این روش به کاربران اجازه می‌دهد تا داده‌ها را به صورت خودکار و بدون دخالت دستی از گوگل ادز به بیگ کوئری منتقل کنند.

بارگذاری دستی داده‌ها از گوگل ادز به بیگ کوئری با استفاده از فایل‌های CSV

اگر به دنبال روشی فوری برای انتقال داده‌ها از گوگل ادز به بیگ کوئری هستید، استفاده از فایل‌های CSV گزینه مناسبی است. تنها کاری که لازم است انجام دهید، خروجی گرفتن از داده‌های گوگل ادز به صورت فایل‌های CSV و سپس بارگذاری این فایل‌ها در بیگ کوئری است.

مرحله 1: وارد حساب گوگل ادز خود شوید و از گزارش تبلیغات یا کمپینی که می‌خواهید تحلیل کنید، خروجی بگیرید. می‌توانید این گزارش را با تنظیم بخش‌ها، فیلدها، تاریخ و زمانی که می‌خواهید در فایل CSV خود خروجی بگیرید، سفارشی سازی کنید.

مرحله 2: پس از انتخاب گزارش مورد نظر، روی دکمه دانلود واقع در سمت راست صفحه کلیک کنید. یک پنجره بازشو ظاهر می‌شود، فرمت فایل را به عنوان CSV برای دانلود فایل انتخاب کنید.

مرحله 3: حالا، فایل CSV شما آماده بارگذاری در انبار داده‌های بیگ کوئری است. پیش از بارگذاری داده‌ها در بیگ کوئری، مطمئن شوید که یک دیتاست بیگ کوئری برای ذخیره داده‌های خود دارید. سپس، می‌توانید داده‌های CSV را در یک جدول بیگ کوئری جدید بارگذاری کنید.

هر چند این روند به طور کلی ساده است، اما با محدودیت‌های تاخیر و آسیب‌پذیری به خطاها همراه است.

بارگذاری گوگل ادز به بیگ کوئری با استفاده از سرویس انتقال داده‌های بیگ کوئری

روش دیگر برای انتقال اطلاعات گوگل ادز به بیگ کوئری، استفاده از سرویس انتقال داده‌های بیگ کوئری است. این سرویس به طور خودکار زمان‌بندی، بارگذاری، و مدیریت داده‌های مورد نیاز از گوگل ادز به جداول بیگ کوئری شما را به طور منظم انجام می‌دهد. قبل از انتقال گوگل ادز به بیگ کوئری، اطمینان حاصل کنید که دارای دسترسی های زیر هستید:

  • دسترسی ادمین در بیگ کوئری.
  • دسترسی حداقل read در حساب گوگل ادز.
  • فعال کردن سرویس انتقال داده‌های بیگ کوئری.

شما می‌توانید اطلاعات گوگل ادز را به بیگ کوئری با استفاده از سرویس انتقال داده‌ها به چهار روش منتقل کنید:

  • کنسول گوگل کلود
  • ابزار خط فرمان bq
  • API سرویس انتقال داده‌ها
  • زبان برنامه‌نویسی جاوا

در این روش، ما از کنسول گوگل کلود برای انتقال داده‌ها از گوگل ادز به بیگ کوئری استفاده خواهیم کرد.

گام 1: وارد پلتفرم گوگل کلود شوید و صفحه بیگ کوئری را باز کنید.

بارگذاری گوگل ادز به بیگ کوئری با استفاده از سرویس انتقال داده‌های بیگ کوئری

گام 2: روی گزینه انتقال داده‌ها در سمت چپ پنل کلیک کنید.

بارگذاری گوگل ادز به بیگ کوئری با استفاده از سرویس انتقال داده‌های بیگ کوئری

گام 3: حالا روی گزینه Creat a Transfer کلیک کنید.

به صفحه ایجاد انتقال هدایت خواهید شد. در بخش نوع سورس، گوگل ادز را جستجو کنید.

گام 4: در بخش Transfer config name، نام منحصر به فردی برای این انتقال داده وارد کنید. سپس، در بخش گزینه‌های برنامه‌ریزی، می‌توانید زمان‌بندی انتقال خود را با انتخاب فرکانس و زمان شروع انتقال مشخص کنید.

الف) میتوانید فرکانس به روز شدن اطلاعات را تعیین کنید. می‌توانید گزینه‌های روزانه (پیش‌فرض)، هفتگی، ماهانه، سفارشی، یا درخواستی را از جعبه کشویی تکرار انتخاب کنید.

ب) در گزینه دوم، می‌توانید حالت هم اکنون شروع کنید تا یا روی گزینه شروع در زمان تعیین شده برای شروع فرآیند انتقال داده از گوگل ادز به بیگ کوئری کلیک کنید تا انتقال داده‌های خود را زمان‌بندی کنید.

گام 5: در بخش Destination settings، دیتاست مورد نظر برای ذخیره داده‌های گوگل ادز خود را ایجاد کنید یا انتخاب کنید.

گام 6: در بخش Data source details، کاستومر آیدی حساب گوگل ادز را وارد کنید.

گام 7: به طور پیش‌فرض، Refresh window به مدت 7 روز تنظیم شده است تا داده‌های 7 روز گذشته را در هر انتقال وارد بیگ کوئری و به‌روزرسانی کند. با این حال، می‌توانید این مقدار را به 30 روز تغییر دهید.

گام 8: گزینه‌های اطلاع‌رسانی ایمیل را فعال کنید تا هر زمان که روند انتقال با مشکل رو به رو شود، اطلاعیه ایمیل دریافت کنید.

گام 9: روی دکمه ذخیره کلیک کنید.

نتیجه‌گیری

انتقال داده‌ها از گوگل ادز به بیگ کوئری به شما امکان انجام تحلیل‌های پیشرفته از طریق ماشین لرنینگ و ابزارهای قدرتمند تصویرسازی را فراهم میکند. تمامی روش‌هایی که در این راهنما پوشش داده شده‌اند، می‌توانند به طور موثری داده‌های گوگل ادز را با بیگ کوئری ادغام کرده و به شما کمک کنند تا تحلیل بهتری برای بهینه‌سازی کمپین تبلیغاتی خود انجام دهید.

در یکی از به روز رسانی های مربوط به اتصال بیگ کوئری به آنالیتیکس ۴، بخشی به اسم user data به آنالیتیکس ۴ در قسمت اتصال به بیگ کوئری اضافه شد. همانطور که در توضیحات این بخش نوشته شده است، با انتخاب این گزینه، به اطلاعات مرتبط با کاربر در بیگ کوئری به صورت خام دسترسی خواهید داشت. این اطلاعات از طریق جدول هایی به اسم pseudonymous_users_( number of days)  و users_(number of days) در بیگ کوئری در دسترس هستند. برای آشنایی بیشتر با این جداول در بیگ کوئری در ادامه این مطلب همراه من باشید.

جدول pseudonymous_users در داده های آنالیتیکس ۴ در بیگ کوئری چیست؟

اگر قبل از این آنالیتیکس ۴ را به بیگ کوئری وصل کرده باشید، حتما میدانید که بعد از اتصال این دو ابزار به یک دیگر، اطلاعات مربوط به هر یک از ایونت های انجام شده توسط کاربر در سایت یا اپلیکیشن در بیگ کوئری از طریق جدولی به اسم events_ یا events_intraday_ در اختیار شما قرار داده می شود. احتمالا این سوال برای شما مطرح می شود که تفاوت این جدول ها با جداول events چیست؟

به طور کلی میتوان گفت که مزیت استفاده از جدول های  نسبت به جدول های …، دسترسی به اطلاعات بیشتری از کاربران است. درواقع در این جدول ها شما به اطلاعاتی همچون audience ، prediction data، موقعیت جغرافیایی، دیوایس و … دسترسی دارید که در جدول های مربوط به ایونت در دسترس نیست.

همانطور که در اسکیمای جداول در بیگ کوئری میتوانید مشاهده کنید، میتوانید مشاهده کنید که کاربران سایت به کدام یک از سگمنت هایی که در آنالیتیکس ۴ ساخته اید، تعلق دارند. در نتیجه میتوانید از این اطلاعات برای استفاده در ابزارهایی به غیر از ابزارهای گوگل برای ری تارگتینگ استفاده کنید.

نام فیلدنوع دادهتوضیحات
audiencesRECORDاطلاعات audience
audiences.idINTEGERآیدی audience
audiences.nameSTRINGاسم audience
audiences.membership_start_timestamp_microsINTEGERزمانی که کاربر برای اولین بار در این audience قرار گرفت (بر حسب میکروثانیه)
audiences.membership_expiry_timestamp_microsINTEGERزمانی که عضویت کاربر در این گروه مخاطبی منقضی میشود (برحسب میکروثانیه).
audience.npaBOOLEANدرست یا نادرست بر اساس تنظیمات NPA شما برای ایونت و custom dimensions یوزر اسکوپ
نام فیلدنوع دادهتوضیحات
predictionsRECORDاطلاعات پیش بینی
predictions.in_app_purchase_score_7dDOUBLEاحتمال اینکه کاربری که در 28 روز گذشته فعال بوده است، یک رویداد in_app_purchase را طی 7 روز آینده انجام دهد
predictions.purchase_score_7dDOUBLEاحتمال اینکه کاربری که در 28 روز گذشته فعال بوده است، یک ایونت خرید را طی 7 روز آینده انجام دهد.
predictions.churn_score_7dDOUBLEاحتمال اینکه کاربری که در ۷ روز گذشته در اپلیکیشن یا سایت شما فعال بوده است، در ۷ روز آینده فعال نخواهد بود.
predictions.revenue_28d_in_usdFLOATدرآمد مورد انتظار (به دلار آمریکا) از همه ایونت های خرید در 28 روز آینده توسط کاربری که در 28 روز گذشته فعال بوده است.

جدول pseudonymous_users در بیگ کوئری شامل چه اطلاعاتی می شود؟

در این جدول اطلاعات تمام کاربران سایت شما که یوزر آیدی ندارند، وجود دارد. اطلاعات این جدول هر زمان که اطلاعات مربوط به کاربران تغییر کند، به روز می شود.

به خاطر داشته باشید که اطلاعات این جدول در بیگ کوئری، تنها یک بار در روز به روز می شود و امکان ارسال اطلاعات به صورت لایو یا استریم وجود ندارد.

pseudonymous_users_( number of days) به معنای اطلاعات تمام کاربرانی است که درواقع شبه یوزر هستند و توسط سایت شما یوزر آیدی به آنها اختصاص داده نشده است. عدد داخل پرانتز، به تعداد روزهایی که اطلاعات از آنالیتیکس ۴ به بیگ کوئری انتقال پیدا کرده است، اشاره دارد.

  • در این جدول، هر ردیف به یک user_pseudo_id اختصاص دارد.
  • زمانی که یکی از مقادیر فلیدهای جدول تغییر کند، اطلاعات جدول به روز می شود.
  • اطلاعات کاربرانی که با قوانین کوکی اعلام موافقت نکرده اند، در این جدول در دسترس نیست.
  • فیلد user_id در جدول pseudonymous_users_ در دسترس نیست.
  • در هر ردیف یک timestamp است که به آخرین زمانی که کاربر اکتیو بوده است، اشاره دارد.

منظور از شبه یوزر چیست؟

زمانی که کاربر برای اولین بار وارد سایت شما می شود، آنالیتیکس برای ردیابی کاربر، یک آیدی منحصر به فرد به ان اختصاص می دهد. تا زمانی که کاربر کوکی خود را پاک نکند و تا یک مدت زمان مشخص، آنالیتیکس کاربر را از طریق همین کلاینت آیدی، شناسایی و ردیابی می کند.

در حال حاضر آنالیتیکس ۴ برای شناسایی کاربر از روش های زیر استفاده می کند:

  • User ID: در صورتی که یک سایت قابلیت ثبت نام یا لاگین داشته باشد، میتوان به کاربری که داخل سایت ثبت نام میکند، یک آیدی منحصر به فرد اختصاص داد و این آی دی را برای آنالیتیکس ۴ ارسال کرد. این روش، بهترین و شاید دقیق ترین روش ردیابی کاربران است. اما با توجه به اینکه تمام سایتها قابلیت لاگین ندارند، برای همه قابل استفاده نیست.
  • Google Signals: در صورتی که کاربر در دیوایس های مختلف وارد اکانت گوگل خود شده باشد، آنالیتیکس میتواند از این طریق کاربر را شناسایی کرده و اطلاعات مربوط به آن را به صورت یکپارچه در اختیار شما قرار دهد.
  • Device ID: اگر آنالیتیکس قادر به استفاده از دو روش قبلی نباشد، از این روش برای شناسایی و ردیابی کاربران استفاده می کند. این روش نسبت به روش های قبلی دقت کمتری دارد چون اگر کاربر از چند دیوایس برای مراجعه به سایت شما استفاده کند، به اشتباه چندین بار شمرده می شود.

جدول users در داده های آنالیتیکس ۴ در بیگ کوئری چیست؟

این جدول حاوی اطلاعات شبه یوزرهایی است که توسط سایت شما یک یوزر آیدی به آنها اختصاص داده شده است.

مهمترین نکاتی که در خصوص این جدول ها باید در نظر داشته باشید، عبارت هستند از:

  • در صورتی که سایت شما قابلیت لاگین نداشته باشد یا یوزر ترکینگ انجام نشده باشد، این جدول در بیگ کوئری ایجاد نخواهد شد.
  • در صورتی که چک باکس ارسال طالاعات به صورت روزانه را هنگام اتصال آنالیتیکس ۴ به بیگ کوئری نزده باشید، این اطلاعات در بیگ کوئری در دسترس نخواهند بود.
  • در صورتی که یک وب سایت اروپایی دارید و کاربر با قوانین کوکی اعلام موافقت نکرده باشد، اما توسط سایت شما دارای یک یوزر آی دی اختصاصی باشد، اطلاعات کاربر در جدول users در دسترس خواهد بود.

چه اطلاعاتی در جدول users_ وجود دارد؟

  • در این جدول، هر ردیف به یک user_ id اختصاص دارد.
  • زمانی که یکی از مقادیر فلیدهای جدول تغییر کند، اطلاعات جدول به روز می شود.
  • اطلاعات کاربرانی که با قوانین کوکی اعلام موافقت نکرده اند، در این جدول در دسترس هست.
  • فیلد user_pseudo_id در جدول users_ در دسترس نیست.
  • در هر ردیف یک timestamp است که به آخرین زمانی که کاربر اکتیو بوده است، اشاره دارد.

بیگ کوئری از چهار گروه تابع مربوط به تاریخ و زمان DATE، TIME، DATETIME، و TIMESTAMP پشتیبانی می کند. این 4 گروه شامل توابع خاص‌تری مانند CURRENT_DATETIME، DATE_SUB، EXTRACT، FORMAT_TIME و غیره هستند. این توابع به کاربران اجازه می دهد تا انواع داده‌های مربوط به تاریخ و زمان را در BigQuery به راحتی استخراج و ویرایش کنند. به عنوان مثال، با استفاده از این توابع میتوان بخشی از عبارت تاریخ یا زمان را استخراج کرد، یک فاصله زمانی به تاریخ یا زمان اضافه کرد و غیره. با توجه به اینکه تنوع و کارکرد هریک از این توابع متنوع و گاها گیج کننده است، در این مطلب به بررسی توابع مربوط به تاریخ در بیگ کوئری و کاربرد هریک می‌پردازیم.

انواع داده‌های مربوط به تاریخ و زمان در BigQuery

قبل از آنکه به بررسی انواع توابع مربوط به تاریخ و زمان در بیگ کوئری بپردازیم، بهتر است که با انواع داده در بیگ کوئری در رابطه با تاریخ و زمان آشنا شوید:

توابع DATE، TIME، DATETIME، و TIMESTAMP در BigQuery SQL

در زیر جدولی از چهار گروه تابع تاریخ و زمان در BigQuery و همچنین توابع فرعی آنها آورده شده است.

دریافت تاریخ امروز در بیگ کوئری

برای دریافت عبارت تاریخ یا زمان امروز می توانید از تابع CURRENT در BigQuery استفاده کنید. برای استفاده از این تابع، از ساختار زیر استفاده کنید:

CURRENT_DATE()

CURRENT_DATETIME()

CURRENT_TIMESTAMP()

CURRENT_TIME()

مثال زیر نحوه استفاده از تابع CURRENT_DATETIME را برای دریافت تاریخ امروز و زمان حال نشان می دهد.

نحوه تغییر فرمت تاریخ در بیگ کوئری

هنگامی که با داده‌های مربوط به تاریخ و زمان سروکار دارید، ممکن است بخواهید فرمتی که داده در آن ظاهر می‌شود را با استفاده از تابع FORMAT تغییر دهید. به عنوان مثال، بعد از اتصال آنالیتیکس 4 به بیگ کوئری، در بخش اسکیمای جدول آنالیتیکس متوجه می‌شوید که اطلاعات مربوط به event_date به صورت رشته در بیگ کوئری ذخیره می شوند. با توجه به اینکه خروجی تابع FORMAT از جنس رشته است؛ به راحتی میتوانید از این تابع همراه با ستون event_date استفاده کنید.

برای استفاده از این تابع، از ساختار زیر استفاده کنید:

FORMAT_DATE(format_string, date)

FORMAT_DATETIME(format_string, datetime)

FORMAT_TIMESTAMP(format_string, timestamp,[timezone])

FORMAT_TIME(format_string, time)

در مثال زیر با استفاده از تابع FORMAT، نحوه نمایش تاریخ را تغییر داده‌ایم:

فرمت رشته “%x” تاریخ را به صورت MM/DD/YY نشان می دهد.

اضافه یا کم کردن تاریخ و زمان در بیگ کوئری

در BigQuery می‌توانیم عملیاتی مانند اضافه کردن یک سال به تاریخ، کم کردن یک هفته، اضافه کردن یک ساعت یا دقیقه به یک زمان و غیره را اجرا کنیم.

اضافه کردن به تاریخ یا زمان در بیگ کوئری

برای اضافه کردن به تاریخ و زمان در BigQuery باید از دستورات زیر استفاده کنید:

DATE_ADD(date_expression,  INTERVAL int64_expression date_part)

DATETIME_ADD(datetime_expression, INTERVAL int64_expression date_part)

TIMESTAMP_ADD(timestamp_expression, INTERVAL int64_expression date_part)

TIME_ADD(time_expression, INTERVAL int64_expression date_part)

  • با استفاده از interval برای بیگ کوئری مشخص میکنیم که قصد داریم دیتای مربوط به تاریخ یا زمان را به چه صورتی تغییر دهیم.
  • int64_expression حاوی مقادیری است که از (9,223,372,036,854,775,808- تا 9,223,372,036,854,775,807-) متغیر است.
  • به جای بخش date_part میتوانید از یکی از مقادیر DAY، HOUR، MINUTE، SECOND، MILLISECOND، MICROSECOND، WEEK، QUARTER، MONTH و YEAR استفاده کنید.

به عنوان مثال، در کوئری زیر از تابع DATE_ADD برای اضافه کردن یک روز به تاریخ استفاده میکنیم:

کم کردن از تاریخ یا زمان در بیگ کوئری

برای کم کردن از تاریخ و زمان در BigQuery باید از دستورات زیر استفاده کنید:

DATE_SUB(date_expression, INTERVAL int64_expression part)

DATETIME_SUB(datetime_expression, INTERVAL int64_expression part)

TIMESTAMP_SUB(timestamp_expression, INTERVAL int64_expression part)

TIME_SUB(time_expression, INTERVAL int64_expression part)

  • با استفاده از interval برای بیگ کوئری مشخص میکنیم که قصد داریم دیتای مربوط به تاریخ یا زمان را به چه صورتی تغییر دهیم.
  • int64_expression حاوی مقادیری است که از (9,223,372,036,854,775,808- تا 9,223,372,036,854,775,807-) متغیر است.
  • به جای بخش date_part میتوانید از یکی از مقادیر DAY، HOUR، MINUTE، SECOND، MILLISECOND، MICROSECOND، WEEK، QUARTER، MONTH و YEAR استفاده کنید.

به عنوان مثال، در کوئری زیر از تابع DATETIME_SUB برای کم کردن یک روز از تاریخ استفاده میکنیم:

نحوه گروه بندی تاریخ/زمان در BigQuery

هنگام ارزیابی داده‌های تاریخ/زمان در BigQuery، می‌توانیم داده‌های خود را بر اساس بخش‌های مختلف تاریخ مانند دقیقه، ساعت، روز، سال، هفته و غیره سازماندهی و گروه‌بندی کنیم. برای انجام این کار میتوانید از دستورات زیر استفاده کنید:

DATE_TRUNC(date_expression, date_part)

DATETIME_TRUNC(datetime_expression, date_part)

TIMESTAMP_TRUNC(timestamp_expression, date_part)

TIME_TRUNC(time_expression, date_ part)

  • به جای بخش date_part میتوانید از یکی از مقادیر DAY، HOUR، MINUTE، SECOND، MILLISECOND، MICROSECOND، WEEK، QUARTER، MONTH، YEAR، DAYOFWEEK، DAYOFYEAR، ISOWEEK و ISOYEAR استفاده کنید.

در مثال زیر از تابع DATE_TRUNC برای برگرداندن اولین روز ماه استفاده میکنیم.

SELECT

 DATE_TRUNC(DATE ‘2021-07-25’, MONTH) AS first_day_of_month;

علاوه بر این، به جای استفاده از تابع TRUNC، می توانید از تابع LAST DAY برای بدست آوردن آخرین روز هر date_part استفاده کنید.

LAST_DAY(date_expression, [date_part])

LAST_DAY(datetime_expression, [date_part])

مثال زیر از تابع LAST_DAY برای برگرداندن آخرین روز هفته که از یکشنبه شروع می شود استفاده می کند.

SELECT

  LAST_DAY(DATETIME ‘2021-07-10 11:45:00’, WEEK(SUNDAY))

7-last-day

نحوه استخراج بخشی از تاریخ و زمان در بیگ کوئری

می‌توانید بخشی از تاریخ را از داده تاریخ خود استخراج کنید، مانند بررسی زمان ورود کاربر یا بررسی آمار کلی ماهانه برای بررسی اینکه کدام ماه‌ها فروش بیشتری دارند. برای اجرای چنین عملیاتی میتوانید از دستورات زیر استفاده کنید:

EXTRACT(part FROM date_expression)

EXTRACT(part FROM datetime_expression)

EXTRACT(part FROM timestamp_expression)

EXTRACT(part FROM time_expression)

  • به جای بخش date_part میتوانید از یکی از مقادیر DAY، HOUR، MINUTE، SECOND، MILLISECOND، MICROSECOND، WEEK، QUARTER، MONTH، YEAR، DAYOFWEEK، DAYOFYEAR، ISOWEEK و ISOYEAR استفاده کنید.

مثال زیر از تابع EXTRACT برای برگرداندن مقدار دقیقه استفاده می کند.

SELECT

  EXTRACT(MINUTE FROM DATETIME(“2020-12-25 15:30:00”)) as minute;

8-extract

چگونه تفاوت بین دو تاریخ یا زمان را بیگ کوئری محاسبه کنیم؟

برای محاسبه تفاوت بین دو تاریخ، میتوانید از دستورات زیر استفاده کنید:

DATE_DIFF(date_expression_a, date_expression_b, part)

DATETIME_DIFF(datetime_expression_a, datetime_expression_b, part)

TIMESTAMP_DIFF(timestamp_expression_a, timestamp_expression_b, part)

TIME_DIFF(time_expression_a,time_expression_b, part)

در مثال زیر از تابع DATE_DIFF برای محاسبه تفاوت ماه بین دو تاریخ استفاده شده است:

SELECT

 DATE “2021-12-15 12:30:10” as first_date,

 DATE “2021-07-15 17:45:33” as second_date,

 DATE_DIFF(DATE “2021-12-15”,

   DATE “2021-07-15”, MONTH) as month_difference;

9-date-diff

نحوه تبدیل انواع داده‌های تاریخ و زمان در BigQuery

با تابع CAST میتوانید نوع یک داده را به یک نوع دیگر تبدیل کنیم. نحوه استفاده از تابع CAST به صورت زیر است:

CAST(expression AS datatype)

تبدیل رشته به تاریخ یا زمان

SELECT

 CAST(’19:30:12′ AS TIME) AS time

10-cast-string

تبدیل datetime به date

SELECT

   CAST(CURRENT_DATETIME() AS DATE);

11-cast-datetime-date

توجه: برای انجام این کار میتوانید از DATE(datetime expression) هم استفاده کنید.

عملگرهای موجود برای مقایسه تاریخ در بیگ کوئری

در BigQuery، گاهی اوقات ممکن است نیاز به مقایسه تاریخ و زمان برای انجام عملیاتی مانند دریافت داده‌های هفته قبل یا در محدوده خاصی با استفاده از عملگرهای مختلف مقایسه داشته باشید:

<, <=, >, >=, = , != or <>, [NOT] BETWEEN, [NOT] LIKE, [NOT] IN

مثال زیر از عملگرهای >= و < برای دریافت تمام تاریخ های مشخص شده بین دو تاریخ استفاده می شود:

SELECT

  date

FROM

  (

    SELECT

      CAST(‘2021-07-02’ AS DATE) AS date

    UNION ALL

(    SELECT

      CAST(‘2021-07-11’ AS DATE) AS date)

    UNION ALL

(    SELECT

      CAST(‘2021-10-02’ AS DATE) AS date)

  ) AS table_3

WHERE

  ((date >= ‘2021-07-02’) AND (date < ‘2021-07-30’))

12-date-comparison

خدمات نصب و راه اندازی آنالیتیکس 4

قبل از شروع صحبت در مورد مهاجرت به آنالیتیکس 4، مهم است که تنظیمات GA فعلی شما را بررسی کنم. قبل از هرچیز من تمام ایونت ترکینگ هایی که انجام داده اید را بررسی می‌کنم. بعد از آن نوبت به بررسی تنظیمات آنالیتیکس شما میرسد. سپس بر اساس آنچه که میتوانید ردیابی کنید اما هنوز این کار را انجام نداده اید، پیشنهادات خودم را در اختیار شما قرار میدهم. بسیاری از مشتریان نمی‌دانند (یا مطمئن نیستند که چگونه باید ایونت ترکینگ را انجام دهند. بر اساس تجربه میگویم که بسیاری از صاحبان بیزینس‌های مختلف نمیدانند که میتوانند به اطلاعاتی مانند تجزیه و تحلیل ویدیو، تراکنش‌ها، پر کردن فرم‌ها و حتی موارد دیگر با استفاده از GA4 دسترسی داشته باشند. اما جای نگرانی نیست؛ چون من این کار را به طور کامل برای شما انجام خواهم داد.

آموزش آنالیتیکس 4

آموزش گوگل تگ منیجر

فرم درخواست دوره های آموزشی

نام و نام خانوادگی(ضروری)

معرفی کتاب

کتاب انسان در جستجوی معنا
معرفی کتاب
نگار پورجواد

کتاب انسان در جستجوی معنا

کتاب انسان در جستجوی معنا “Man’s Search for Meaning” که توسط عصب‌شناس – روان‌پزشک اتریشی

دریافت مشاوره و آموزش

برای دریافت مشاوره نصب و راه اندازی آنالیتیکس 4 و ایونت ترکینگ از طریق گوگل تگ منیجر، از طریق شماره تماس زیر با من در ارتباط باشید.