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.

آموزش بیگ کوئری

آموزش بیگ کوئری (BigQuery)

هزینه ذخیره سازی و پردازش داده در بیگ کوئری چقدر است؟

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.

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 داده	اندازه
INT64	8 بایت
FLOAT	8 بایت
NUMERIC	16 بایت
Bool	1 بایت
STRING	2 بایت
Date	8 بایت
Datetime	8 بایت
Time	8 بایت
Timestamp	8 بایت
Interval	16 بایت

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

نوع ذخیره سازی	قیمت	سطح رایگان
ذخیره سازی منطقی فعال	0.02 دلار به ازای هر گیگابایت	10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی فعال	0.04 دلار به ازای هر گیگابایت	10 گیگابایت اول هر ماه رایگان است
ذخیره سازی منطقی بلندمدت	0.01 دلار به ازای هر گیگابایت	10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی بلندمدت	0.02 دلار به ازای هر گیگابایت	10 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)

به صفحه اصلی کنسول BigQuery خود بروید.
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.

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.

آموزش بیگ کوئری (BigQuery), آموزش گوگل ادز

اتصال گوگل ادز به بیگ کوئری

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.

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.

آموزش بیگ کوئری (BigQuery)

جدول pseudonymous_users و users در بیگ کوئری

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 فیلد	نوع داده	توضیحات
audiences	RECORD	اطلاعات audience
audiences.id	INTEGER	آیدی audience
audiences.name	STRING	اسم audience
audiences.membership_start_timestamp_micros	INTEGER	زمانی که کاربر برای اولین بار در این audience قرار گرفت (بر حسب میکروثانیه)
audiences.membership_expiry_timestamp_micros	INTEGER	زمانی که عضویت کاربر در این گروه مخاطبی منقضی میشود (برحسب میکروثانیه).
audience.npa	BOOLEAN	درست یا نادرست بر اساس تنظیمات NPA شما برای ایونت و custom dimensions یوزر اسکوپ

نام فیلد	نوع داده	توضیحات
predictions	RECORD	اطلاعات پیش بینی
predictions.in_app_purchase_score_7d	DOUBLE	احتمال 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_7d	DOUBLE	احتمال اینکه کاربری که در 28 روز گذشته فعال بوده است، یک ایونت خرید را طی 7 روز آینده انجام دهد.
predictions.churn_score_7d	DOUBLE	احتمال 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_usd	FLOAT	درآمد 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.

آموزش بیگ کوئری (BigQuery)

آموزش توابع مربوط به تاریخ و زمان در بیگ کوئری

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.

مشاوره و ثبت نام در دوره بیگ کوئری

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 آنالیتیکس 4 (GA4), آموزش گوگل تگ منیجر

تفاوت آنالیتیکس ۴ با گوگل تگ منیجر چیست؟

در دهه گذشته، تغییرات هیجان‌انگیز بسیاری در زمینه سنجش و تحلیل‌ها رخ داده است که منجر به معرفی و رشد ابزارهای بسیاری شده است. این ابزارها به همراه ویژگی‌ها و به‌روزرسانی‌های دائماً در حال تغییر خود می‌توانند بسیاری از بازاریابان و افرادی که به طور روزانه از آنها استفاده نمی‌کنند را گیج کنند، زیرا دنبال کردن تمام این تغییرات سخت است. گوگل آنالیتیکس 4 یا به اختصار GA4، جانشین یونیورسال آنالیتیکس (UA)، یکی از این ابزارهاست که توسط کسب‌وکارهای کوچک تا بزرگ استفاده می‌شود و در حال تکامل است، به این معنی که همیشه چیزهای بیشتری در رابطه با این ابزار برای یادگیری وجود دارد. آنالیتیکس۴ اغلب به همراه Google Tag Manager استفاده می‌شود.در این بلاگ پست، ما Google Tag Manager را با Google Analytics 4 مقایسه خواهیم کرد تا به عنوان دیجیتال مارکتر با هریک از این ابزارها و تفاوت های این دو باهم، بهتر آشنا شوید.

Google Analytics 4 چیست؟

Google Analytics 4 جانشین Universal Analytics است، ابزار تحلیل وب گوگل که به مدت ۱۲ سال کار می‌کرد و در تاریخ ۱ جولای ۲۰۲۳ (جولای ۲۰۲۴ برای مشتریان ۳۶۰) کار خود را متوقف کرد.

GA4، ابزاری است که انواع داده‌ها در مورد رفتار و تعاملات کاربران را جمع‌آوری می‌کند، یعنی اقداماتی که کاربران در وب‌سایت یا اپلیکیشن انجام می‌دهند و گزارش‌های مختلفی را برای سنجش عملکرد وب‌سایت/اپلیکیشن شما فراهم می‌کند. این ابزار به طور پیوسته در حال تغییر است، به گونه ای که به نظر میرسد یادگیری و آموزش آنالیتیکس ۴ تمامی ندارد!

به عنوان یک متخصص پرفورمنس مارکتر، GA4 ابزاری ضروری برای تحلیل دقیق رفتار کاربران و تعاملات آنها با وب‌سایت یا اپلیکیشن شما است. با استفاده از داده‌ها و گزارش‌های فراهم شده توسط GA4، شما می‌توانید عملکرد کمپین‌های بازاریابی خود را به طور دقیق اندازه‌گیری کنید، استراتژی بازاریابی خود را بهینه‌سازی کنید و تجربه کاربری را بهبود ببخشید تا به اهداف کسب‌وکار خود دست یابید.

گوگل آنالیتیکس ۴ با ویژگی‌های کلیدی جدیدی وارد عرصه بازاریابی دیجیتال شده است که به ما اجازه می‌دهد درک بهتری از رفتار کاربران داشته باشیم و کمپین‌های بازاریابی خود را با دقت بیشتری هدف‌گذاری و بهینه‌سازی کنیم. در ادامه به برخی از ویژگی‌های اساسی که GA4 ارائه می‌دهد، اشاره می‌کنیم:

ردیابی مبتنی بر ایونت: در آنالیتیکس ۴، تمرکز ردیابی اتفاقات بر مبنای ایونت است و نه سشن. این امر به دلیل آن است که ایونتها، که اقداماتی هستند که کاربران انجام می‌دهند، در نتیجه دیدگاه بهتری از میزان تعامل کاربران ارائه می‌دهند.
یکپارچه‌سازی داده‌های وب و اپ: GA4 اطلاعات وب‌سایت و اپلیکیشن را در یک پراپرتی جمع‌آوری می‌کند تا درک بهتر و یکپارچه ای از نحوه تعامل کاربر با سایت و اپلیکیشن شما در اختیارتان قرار دهد.
اضافه شدن بخش DebugView: عیب‌یابی و رفع مشکلات ایونت ترکینگ در آنالیتیکس ۴ به لطف اضافه شدن بخشی به نام دیباگ ویو آسانتر شده است. شما می‌توانید داده‌های در لحظه را با جزئیات کامل مشاهده کنید تا اطمینان حاصل کنید آنالیتیکس ۴ داده ها را همانطوری دریافت میکند که شما میخواهید.
کنترل‌ حریم خصوصی: GA4 حریم خصوصی کاربران را به طور پیش‌فرض بهبود بخشیده و به طور مداوم در تلاش است تا آن را بهتر کند. شما اکنون می‌توانید زمان نگه‌داری داده‌ها و نحوه شناسایی کاربران را تعیین کنید.
اتصال به بیگ کوئری: در نسخه یونیورسال تنها کاربرانی میتوانستند از مزایای بیگ کوئری استفاده کنند که از نسخه ۳۶۰ آنالیتیکس استفاده میکردند. اما امکان اتصال بیگ کوئری به آنالیتیکس ۴ در حال حاضر برای تمامی کاربران فراهم شده است.
ردیابی بین چند دامنه: با استفاده از GA4، ردیابی کاربران در دامنه‌های مختلف یا همان کراس دامین ترکینگ بسیار آسان‌تر شده است بدون آنکه به دستکاری کد یا استفاده از گوگل تگ منیجر نیاز باشد.

گوگل تگ منیجر (GTM) چیست؟

گوگل تگ منیجر یک سیستم مدیریت تگ (TMS) است که به شما کمک می‌کند تا کدهای ردیابی ابزارهای دیگر مانند GA4 را بدون دستکاری دستی کد وب‌سایت اضافه کنید و ایونت های مختلف را ردیابی کنید.

مانند GA4، استفاده و کار با گوگل تگ منیجر به صورت رایگان امکان پذیر است. ابزارهای مدیریت تگ دیگری در بازار وجود دارند، مانند Tealium، Adobe Launch و غیره، اما GTM یکی از پرکاربردترین ابزارها است.

تنها کاری که کاربران باید انجام دهند این است که کد GTM را روی وب‌سایت خود نصب کنند و سپس از GTM برای افزودن کد ردیابی ابزارهای دیگر مانند گوگل ادز، متا، X، لینکدین و غیره، تگ‌های ریتارگتینگ و ایونت ترکینگ در صورت نیاز استفاده کنند.

نحوه کار گوگل تگ منیجر به این صورت است که، GTM اطلاعات را از دیتالیر برای استفاده در ساخت ایونت و سپس ارسال آن داده‌ها به ابزارهای دیگر مانند GA4دریافت میکند. بنابراین میتوان گوگل تگ منیجر را واسطه ای بین سایت و دیگر ابزارهای دیجیتال مارکتینگ مانند گوگل آنالیتیکس ۴ و گوگل ادز در نظر گرفت.

روش‌های دیگر، مانند اسکریپینگ دیتا از وب‌سایت مانند حالت DOM، زمانی استفاده می‌شوند که دیتا لیر در دسترس نباشد. گرچه این روش خیلی قابل اعتماد نیست، زیرا با ایجاد هرگونه تغییری در ساختار کدنویسی سایت، ممکن است ایونت ترکینگ هم با مشکل رو به رو شود. به همین دلیل بهتر است که همیشه در صورت امکان از روش ارسال دیتا به دیتا لیر توسط دولوپر استفاده شود.

تفاوت آنالیتیکس ۴ با گوگل تگ منیجر چیست؟

در زمینه بازاریابی و تجزیه و تحلیل داده‌های وب یا همان وب آنالیتیکس، دو ابزار اساسی و متمایز از گوگل وجود دارد: گوگل تگ منیجر (GTM) و گوگل آنالیتیکس (GA4). این دو ابزار در عملکرد و ویژگی‌های خود تفاوت‌های اساسی دارند که درک آنها برای بازاریابان دیجیتال اهمیت زیادی دارد.

جمع‌آوری داده‌ها: GTM وظیفه ردیابی و جمع‌آوری داده‌ها را بر عهده دارد اما آنها را ذخیره نمی‌کند. این در حالی است که GA4 علاوه بر جمع‌آوری، قابلیت ذخیره‌سازی داده‌ها را نیز دارد. بنابراین، GTM به عنوان یک واسط برای ردیابی، جمع‌آوری و ارسال داده‌ها به GA4 عمل می‌کند.
گزارش‌دهی: GA4 توانایی‌های گزارش‌دهی قوی دارد که اجازه می‌دهد تجزیه و تحلیل‌های مختلفی انجام شود. اما این امکان با استفاده از GTM وجود ندارد، زیرا GTM هیچ گونه گزارش‌دهی انجام نمی‌دهد.
یکپارچگی: فقط می‌توان رویدادهای خاصی را که مربوط به GA4 هستند از طریق GTAG (که شامل کدنویسی مستقیم است) ردیابی کرد. اما با استفاده از GTM، می‌توان رویدادها را برای سایر پلتفرم‌ها نیز ردیابی کرد و آنها را در یک مکان مدیریت نمود.
ایونتها: هنگام استفاده از GA4 برای ردیابی رویدادها، باید از الگوی کد مشخصی پیروی کرد و این قطعات کد باید برای تمام رویدادهایی که می‌خواهید ردیابی کنید، در وب‌سایت قرار گیرند. مانند مثال زیر که button_click به عنوان رویداد با پارامتر button_text است.

با استفاده از GTM، می‌توانید ایونتها را با ایجاد تگ ایونت GA4 و تنظیم شرایطی (معروف به تریگر) که در آنها باید این ایونتها جمع‌آوری و به GA4 ارسال شوند، ردیابی کنید.

کانورژن ها: GTM ایونتها را به GA4 می‌فرستد. این سیستم نمی‌داند آیا آنها کانورژن هستند چرا که کانورژن ها در رابط کاربری GA4 پیکربندی می‌شوند.
کاربران: کاربران هر دو ابزار ممکن است متفاوت باشند. GA4 معمولاً مخاطبان گسترده‌تری دارد که در آن دیجیتال مارکترها، مدیران محصول/پروژه و سایر ذینفعان مایل به کسب اطلاعات مهم هستند. GTM به طور کلی محل بازی افرادی است که به جنبه‌های فنی نسبت به گزارش‌دهی و تحلیل علاقه بیشتری دارند.

درک این تفاوت‌ها برای در پرفورمنس مارکتینگ ضروری است تا بتواند از توانایی‌های هر دو ابزار به نحو احسن استفاده کند و استراتژی‌های بازاریابی دیجیتال خود را به بهترین شکل ممکن پیاده‌سازی نماید.

چه زمانی باید از Google Tag Manager به جای Google Analytics 4 استفاده کنیم؟

پاسخ کوتاه در بیشتر موقعیت‌ها این است که استفاده همزمان از هر دوی آنها توصیه می‌شود، زیرا این دو ابزار یکدیگر را تکمیل می‌کنند و این موضوع به معنای انتخاب یکی از دو نیست.

بله، شما می‌توانید بدون استفاده از GTM از GA4 استفاده کنید، اما با استفاده از GTM، پیاده‌سازی و مدیریت تگ‌ها آسان‌تر و منظم‌تر می‌شود. در غیر این صورت، شما برای تغییرات جزئی نیز به شدت به توسعه‌دهندگان وابسته خواهید بود که این امر منجر به تاخیر در انجام کارها می‌شود.

به همین ترتیب، استفاده از GTM بدون GA4 امکان‌پذیر است، اما این اتفاق به ندرت می‌افتد. صادقانه بگوییم، استفاده نکردن از GTM برای نصب GA4 در وب‌سایت/اپ خود و ارسال داده‌ها به GA4، چندان منطقی به نظر نمی‌رسد، زیرا با استفاده از GTM می‌توانید تغییرات را به صورت سریع و آسان اعمال کنید.

پس، اگر شما از قدرت هر دو ابزار به خوبی استفاده کنید و آنها را برای اهدافی که برایشان ساخته شده‌اند به کار ببرید، کل فرآیند ردیابی و گزارش‌دهی را برای خودتان ساده تر خواهید کرد و در زمان و پول زیادی که صرف ارتباطات رفت و برگشتی با توسعه‌دهندگان برای تغییرات دستی در کدها صرف می شود ، صرفه‌جویی خواهید کرد.

آموزش گوگل آنالیتیکس 4 (GA4)

اضافه کردن چند دیتا استریم به آنالیتیکس 4 | آموزش تصویری

یکی از مهمترین اقداماتی که بعد از راه اندازی اکانت GA4 و قبل از نصب آنالیتیکس 4 روی سایت باید انجام دهید، اضافه کردن Data Stream به آنالیتیکس است. درواقع شما با انجام این کار برای آنالیتیکس مشخص میکنید که دیتای مورد نیاز شما را باید از کجا جمع آوری کند، سایت، اپلیکیشن اندروید یا اپلیکیشن iOS! در این مطلب قصد داریم نحوه اضافه کردن انواع دیتا استریم به آنالیتیکس 4 و تنظیمات هرکدام را به شما عزیزان به صودت تصویری و مرحله به مرحله آموزش دهم. همراه من باشید.

نکته مهم: قبل از هرچیز لازم به ذکر است که در آنالیتیکس 3 دیگر مفهومی به اسم view وجود ندارد. در نتیجه اگر شما میخواهید به افراد دیگر دسترسی محدود از آنالیتیکس بدهید، میتوانید به عنوان یک راه حل جاگیزین، از گزارش های لوکر استودیو استفاده کنید.

دیتا استریم در GA4 چیست؟

خب، بیایید اول با اصول اولیه شروع کنیم. دیتا استریم (Data Stream – جریان داده) بخشی از ساختار جدید GA4 است. در یونیورسال آنالیتیکس، برای هر منبع داده، یک Property منحصر به فرد داشتید، به عنوان مثال، وبسایت، اپلیکیشن اندروید و اپلیکیشن iOS.

اما در آنالیتیکس 4 شرایط کمی متفاوت است و حالا دیگر شما چیزی به نام view ندارید. حالا شما یک Property واحد دارید که شامل انواع دیتا استریم‌ها می‌شود. می‌توانید هر یک یا هر سه مورد از این دیتا استریم ها را در یک Property واحد GA4 بگنجانید. و برای آنکه متوجه شوید عملکرد و رفتار یوزرها در هریک از استریم ها چگونه است، میتوانید از فیلترها و دایمنشن Hostname، Steram ID و Stream Name استفاده کنید.

در یک پراپرتی GA4، شما می‌توانید سه نوع دیتا استریم داشته باشید، در حالی که در یونیورسال آنالیتیکس، برای هر منبع داده (وب، iOS، اندروید) باید یک پراپرتی جداگانه ایجاد می‌کردید.

برای ساده‌تر کردن موضوع، بیایید نگاهی به ساختار اکانت در Google Analytics 4 در مقایسه با یونیورسال آنالیتیکس بیندازیم:

Google Analytics 4	یونیورسال آنالیتیکس
اکانت	اکانت
پراپرتی (مجموعه‌ای از تمام منابع داده) – (وب، iOS، اندروید)	پراپرتی (تفکیک‌شده بر اساس دیتا استریم)
دیتا استریم	View

با این حال، GA4 360 دو نوع پراپرتی دیگر نیز ارائه می‌دهد:

ساب‌پراپرتی (Sub-property): داده‌ها را از یک پراپرتی دیگر دریافت می‌کند و معمولاً زیرمجموعه‌ای از داده‌های آن پراپرتی است. این مدل برای مدیریت دسترسی کاربران بسیار مفید است.
پراپرتی تجمیع‌شده (Roll-up property): داده‌ها را در سراسر پراپرتی‌ها و استریم‌های مختلف برای محصولات، برندها، مناطق و غیره در یک پراپرتی واحد ادغام می‌کند تا نمای کلی از عملکرد کسب و کار شما ارائه دهد.

توجه داشته باشید که GA4 360 برای هر نوع کسب و کاری مناسب نیست و تنها شرکت‌های بزرگی که در چندین منطقه و یا حوزه فعالیت می‌کنند، می‌توانند از مزایای این سرویس بهره‌مند شوند.

تفاوت بین View در آنالیتیکس یونیورسال و استریم‌ در GA4

تفاوت اساسی بین (Views) و (Data Streams) این است که استریم‌ها منبع داده هستند، در حالی که نماها بسته به منبع، داده را از یک Property دریافت می‌کنند.

استریم‌های داده می‌توانند به عنوان نقاط تماس مختلف بین برنامه‌ها و وب‌سایت‌ها در مسیر کاربری عمل کنند. در حالی که نماها بیشتر در مورد فیلتر کردن و نوع داده‌هایی است که می‌خواهید در گزارش‌ها برای یک کاربرد خاص ببینید.

برای مثال، اگر می‌خواهید افرادی را که از خارج ایران از طریق ترافیک گوگل ادز وارد سایت یا اپلیکیشن شما می‌شوند را ببینید، میتوانستید یک view با فیلترهای مربوطه ایجاد کنید و تمام داده‌های موجود در آن view را بر اساس آن دو فیلتر خواهد بود.

اما با استفاده از دیتا استریم در GA4، می‌توانید انواع مختلف فیلترها و سگمنت ها را در گزارش‌های Explore اعمال کنید. بر اساس چیزی که گوگل اعلام کرده است، در حال حاضر به هیچ عنوان نباید برای استریم های مختلف، پراپرتی های جداگانه ایجاد کرد. چرا که با اینجام این کار، دنبال کردن کاربر هنگام تغییر استریم در یک سشن، امکان پذیر نخواهد بود.

نکته مهم: دیتا استریم هایی که برای اپلیکیشن هستند را فقط میتوان تنها به یک پراپرتی متصل کرد.

اما بهترین ویژگی دیتا استریم در آنالیتیکس 4، اندازه‌گیری پیشرفته یا همان enhanced measurement است، زیرا با استفاده از این قابلیت، برخی از ایونت های مهم مانند اسکرول، پخش ویدیو، دانلود فایل‌، جستجو در سایت و کلیک روی لینک های خروجی به صورت پیش فرض ردیابی می‌شود. اگر برای ایونت ترکینگ در آنالیتیکس 4 به اطلاعات بیشتدی نیاز دارید، روی لینک کلیک کنید.

راه‌اندازی انواع مختلف دیتا استریم در گوگل آنالیتیکس 4

همانطور که در بخش قبلی دیدیم، سه نوع دیتا استریم وجود دارد که می‌توانیم هنگام راه اندازی آنالیتیکس 4 انتخاب کنیم. قبل از اینکه نحوه پیکربندی هر کدام از آنها را بررسی کنیم، مسیر رسیدن به تنظیمات Data Stream در آنالیتیکس 4 را به شما عزیزان آموزش میدهم:

روی بخش Admin که سمت چپ و پایین صفحه قرار دارد، کلیک کنید.

در صفحه ای که نمایش داده می شود، روی گزینه Data Streams کلیک کنید. میتوانید از طریق منوی سمت چپ، Data collection and modification هم به دیتا استریم دسترسی داشته باشید.

دیتا استریم وب

بعد ازدنبال کردن مراحل بالا، برای اضافه کردن وب استریم، روی (Web) کلیک کنید. در صفحه ای که نمایش داده می شود، اطلاعات زیر را وارد کنید:

آدرس وب سایت خود را وارد کنید (Website URL)
برای استریم خود یک نام انتخاب کنید (Stream Name)
enhanced measurement به طور پیش فرض روشن است (شما همیشه می‌توانید با کلیک روی آیکون چرخ‌دنده کوچک، آن را خاموش یا تنظیمات آن را تغییر دهید)
در نهایت، روی دکمه آبی رنگ “ایجاد استریم” (Create Stream) کلیک کنید.

بعد از وارد کردن مقادیر خواسته شده، تصویر زیر را مشاهده خواهید کرد:

شناسه اندازه‌گیری (Measurement ID) که با G- شروع می‌شود، شناسه ای است که برای نصب آنالیتیکس 4 از طریق تگ منیجر و ایونت ترکنیگ در وب‌سایت خود به آن نیاز دارید.

فراموش نکنید که برای جمع آوری اطلاعات از استریم های تعیین شده، باید حتما تگ نصب آنالیتیکس 4 را روی سایت یا اپلیکیشن خود قرار دهید. برای انجام این کار میتوانید از سه روش استفاده کنید: تگ منیجر، دولوپر و افزونه های مرسوم به ویژه برای وردپرس مانند GTM4WP.

تنظیمات دیتا استریم برای اپلیکیشن iOS

با دنبال کردن مراحل قبلی برای رسیدن به بخش تنظیمات دیتا استریم در آنالیتیکس 4، این بار روی گزینه اپلیکیشن iOS کلیک کنید. در ادامه مراحل زیر را دنبال کنید:

۱. ثبت اپلیکیشن:

Bundle ID iOS را وارد کنید.
نام اپلیکیشن را بنویسید.
شناسه اپ استور (اختیاری) را در صورت تمایل وارد کنید.
سپس روی دکمه بعدی کلیک کنید.

۲. تنظیمات توسط گوگل:

کمی صبر کنید تا گوگل تنظیمات شما را پیاده سازی کند. سپس باید چهار علامت سبز همانند تصویر زیر را ببینید.
سپس روی دکمه بعدی کلیک کنید.

۳. دانلود فایل پیکربندی:

فایل پیکربندی را دانلود کنید.
آن را به روت پروژه Xcode خود منتقل و به همه Targetها اضافه کنید.
سپس روی دکمه بعدی کلیک کنید.

۴. افزودن Firebase SDK:

Firebase SDK را اضافه کنید و روی دکمه بعدی کلیک کنید.

۵. اتصال Firebase در AppDelegate:

کد راه‌اندازی را به کلاس اصلی AppDelegate خود اضافه کنید تا Firebase هنگام راه‌اندازی برنامه متصل شود. سپس روی بعدی کلیک کنید.

توجه: می‌توانید این مرحله را فعلا رد کنید و بعدا تأیید کنید.

۶. اجرای برنامه برای تأیید نصب:

پس از تکمیل راه‌اندازی، صفحه تکمیل راه‌اندازی را به همراه برخی اطلاعات شناسه و تنظیمات اضافی مشاهده خواهید کرد.
برنامه خود را اجرا کنید تا نصب تأیید شود و در صورت تأیید روی دکمه پایان کلیک کنید.

استریم دیتای اندروید در گوگل آنالیتیکس ۴

روند راه‌اندازی استریم برای برنامه‌های اندرویدی شبیه به روال تنظیمات استریم iOS است، به جز مرحله ۵ که مربوط به اضافه کردن کد راه اندازی برای iOS می‌شود.

همچنین به دلیل تفاوت سیستم‌عامل، در مراحل ۳ و ۴ راه‌اندازی استریم برنامه‌های اندرویدی نیز احتمالا با تنظیمات iOS تفاوت‌های جزئی وجود خواهد داشت.

توجه: برای اطمینان از دریافت داده توسط استریم‌های برنامه‌ی شما، حتما پروژه‌های فایربیس خود را به گوگل آنالیتیکس ۴ لینک کنید.

محدودیت‌های دیتا استریم در گوگل آنالیتیکس 4

تعداد استریم: هر property در GA4 می‌تواند حداکثر 30 استریم اپلیکیشن (iOS و اندروید) داشته باشید، در حالی که برای استریم‌های وب محدودیتی وجود ندارد.

سطح دسترسی کاربران: شما نمی‌توانید به یک استریم خاص دسترسی بدهید، زیرا همه آنها بخشی از یک property هستند. بنابراین، با دادن دسترسی به یک property، کاربر به تمام استریم‌های آن هم دسترسی پیدا می‌کند. البته، در نسخه GA4 360 با قابلیت sub-property این کار در سطح sub-property قابل انجام است، اما همچنان در سطح استریم امکان‌پذیر نیست.

حذف دیتا استریم: با حذف یک استریم، گوگل همچنان اطلاعات قبلی آن را ذخیره می‌کند، اما دیگر نمی‌توانید از آن استریم در گزارش‌ها یا فیلترها استفاده کنید و داده‌های جدید هم پردازش نمی‌شوند. با این حال، اگر داده‌ها را به BigQuery منتقل کنید، حتی پس از حذف استریم هم به آن‌ها دسترسی خواهید داشت.

خوشبختانه، این محدودیت‌ها احتمالا مانع بزرگی برای دسترسی و تحلیل داده‌های شما در استریم‌های مختلف GA4 ایجاد نخواهند کرد، اما اطلاع از آن‌ها مفید است.

نکته مهم: به نظر می‌رسد BigQuery نقش اساسی در دسترسی و تحلیل داده‌ها در GA4 دارد. بنابراین، اگر مهارت‌های SQL خود را به‌روز نکرده‌اید، اکنون فرصت خوبی برای یادگیری بیگ کوئری است!

آیا امکان جا به جایی دیتا استریم ها بین Property های مختلف وجود دارد؟

در آنالیتیکس یونیورسال، هر وب‌سایت و اپلیکیشن موبایل یک Property جداگانه داشت. با این حال، در GA4، اکنون داده‌های خود را در سطح استریم جمع‌آوری می‌کنید، بنابراین می‌توانید وب‌سایت و برنامه‌های تلفن همراه خود را در یک Property واحد تجزیه و تحلیل کنید.

با این حال، به خاطر داشته باشید که شما فقط می‌توانید یک نوع جریان دیتا (وب‌سایت، برنامه iOS و برنامه Android) را در یک Property داشته باشید. بنابراین، اگر چندین وب‌سایت دارید که می‌خواهید ردیابی کنید، باید بین دیتا استریم ها در Property های جداگانه، تنظیمات کراس دامین ترکینگ را پیاده سازی کنید.

توجه: برای راه‌اندازی ردیابی بین دامنه‌ای، به دسترسی ویرایشگر به هر دو Property نیاز دارید.

برای راه‌اندازی ردیابی بین دامنه‌ای بین Property های GA4، مراحل زیر را دنبال کنید:

1. به اولین Property GA4 خود بروید و روی «Admin» کلیک کنید. ۲. روی «Data Streams» کلیک کنید.

2. اولین دیتا استریمی که می‌خواهید برای آن تنظیمات ردیابی بین دامنه‌ای را انجام دهید، انتخاب کنید.

3. سپس Configure tag settings را انتخاب کنید. در صفحه ای که نمایش داده می شود، روی گزینه Configure your domains کلیک کنید.

4. روی گزینه «Add Condistion» کلیک کنید.

5. نوع مچ تایپ را انتخاب کنید.

6. دامنه‌ای را که می‌خواهید به عنوان کراس دامین تعیین کنید را اضافه کنید.

7. روی «ذخیره» کلیک کنید.

8. همین مراحل را برای پراپرتی دامنه دیگر هم انجام دهید.

جمع بندی

حالا شما درک درستی از نحوه عملکرد دیتا استریم‌های GA4 پیدا کرده‌اید و می‌توانید از این دانش برای سازماندهی بهتر حساب‌های GA4 خود استفاده کنید.

در این مسیر، آموختید که دیتا استریم‌ها دقیقا چه هستند و چگونه تفاوت‌های بین استریم‌های GA4 و نماهای UA نشان می‌دهد که آن‌ها یکسان نیستند.

اکنون می‌توانید چندین استریم در GA4 راه‌اندازی کنید، از استریم وب گرفته تا استریم‌های اپلیکیشن برای iOS و اندروید، و همچنین داده‌های هر استریمی را که می‌خواهید در بخش گزارش‌ها تجزیه و تحلیل کنید.

در نهایت، به برخی از محدودیت‌های همراه با دیتا استریم‌ها در GA4، از تعداد استریم‌هایی که می‌توانیم در یک پروپرتی ایجاد کنیم تا دسترسی کاربران که به اندازه دلخواه ما امکان‌پذیر نیست، نگاهی انداختیم.

اما مهم‌ترین نکته این است که برای شروع پاکیزه با GA4، آگاهی از نحوه عملکرد ساختار حساب به شما کمک می‌کند تا برنامه‌ریزی درستی داشته باشید.

به یاد داشته باشید، دیگر نماهایی (view) نداریم، اما یک موتور تحلیلی قدرتمند در زیرساخت GA4 وجود دارد که به ما امکان فیلتر کردن و ذخیره گزارش‌ها را می‌دهد، به همراه ویژگی اندازه‌گیری پیشرفته که به صورت پیش‌فرض پیکربندی شده است تا کار ما را آسان‌تر کند.

در مورد ویژگی‌های شگفت‌انگیز GA4 صحبت می‌کنیم، شاید بخواهید این بلاگ را در مورد DebugView در GA4 بررسی کنید.

در بخش نظرات به ما بگویید که کنار گذاشتن نماها و عادت کردن به استریم‌ها برای شما چگونه کار می‌کند!

آموزش گوگل آنالیتیکس 4 (GA4)

آموزش راه اندازی گوگل آنالیتیکس جدید یا GA4

راه اندازی گوگل آنالیتیکس جدید یا GA4، اولین قدمی است که برای استفاده از نسخه جدید گوگل آنالیتیکس باید بردارید. اگر در حال مطالعه این مطلب هستید، پس حتما می‌دانید که نسخه یونیورسال آنالیتیکس تقریباً از تیر ماه 1402 دیگر در دسترس نیست و شما باید برای تحلیل سایت خود، از نسخه جدید، یعنی همان گوگل آنالیتیکس 4 یا GA4 استفاده کنید. در ادامه این مطلب، اولین کاری که برای استفاده از GA4 باید انجام دهید را به صورت مرحله به مرحله به شما آموزش می‌دهم. همراه من باشید.

آموزش ویدئویی نحوه نصب و راه اندازی آنالیتیکس 4 (GA4)

مراحل راه اندازی GA4 (نحوه ایجاد Property و تنظیمات Data Stream)

اگر می‌خواهید یک property جدید در Google Analytics 4 ایجاد کنید، باید به بخش Admin رابط Google Analytics خود بروید. برای دسترسی به این بخش، به منوی سمت چپ، پایین صفحه پنل گوگل آنالیتیکس نگاه کنید. روی گزینه Admin کلیک کنید.

در صفحه‌ای که نمایش داده می‌شود، در بخش Property، روی گزینه GA4 Setup Assistant کلیک کنید. (این مسیر، با مسیری که در ویدئوی قبل گفتم، متفاوت هست اما نتیجه هردو یکی هست. بنابراین فرقی نمی‌کند که از کدام یک از روش‌های گفته شده، برای نصب و راه اندازی آنالیتیکس 4 اقدام کنید.)

آموزش راه اندازی گوگل آنالیتیکس جدید یا GA4

در صفحه‌ای که نمایش داده می‌شود، باید نام این Property جدید را وارد کنید. این نام می‌تواند، نام سایت، نام شرکت، نام خودتان و یا هر چیز دیگری باشد. فقط لطفا نامی را انتخاب کنید که معنادار و نزدیک به کسب و کار شما باشد. موقعیت جغرافیایی را از منوی کشویی، روی Iran تنظیم کنید. در بخش Currency هم ارز دلار را انتخاب کنید.

مراحل راه اندازی GA4 (نحوه ایجاد Property و تنظیمات Data Stream)

سپس روی گزینه Next کلیک کنید. در صفحه‌ای که نمایش داده می‌شود، باید به چند سوال ساده پاسخ دهید و در نهایت روی گزینه Create کلیک کنید. پاسخ به این سوالات اجباری نیست.

نحوه انتخاب Data Stream در آنالیتیکس 4

بعد از ایجاد Property جدید در آنالیتیکس 4، باید مشخص کنید که قصد جمع‌آوری داده از چه پلتفرمی را دارید؛ سایت، اپلیکیشن اندروید یا اپلیکیشن iOS. لازم به ذکر است که هنگام ساخت Property جدید، می‌توانید بیشتر از چند منبع را برای جمع‌آوری داده تعیین کنید. حال تصور کنید که ما حالت وب را انتخاب می‌کنیم. روی آن کلیک کنید.

در صفحه‌ای که نمایش داده می‌شود، باید آدرس و نام سایت خود را وارد کنید. فراموش نکنید که آدرس سایت را باید به طور کامل و بدون https وارد کنید. در همین صفحه، می‌توانید گزینه Enhanced Measurement را فعال یا غیرفعال کنید. در این بخش چند ایونت به صورت پیش فرض فعال هستند. ایونت‌هایی که گوگل آنالیتیکس 4 بدون نیاز به تگ منیجر، به صورت پیش فرض اندازه گیری می‌کند..

با کلیک روی علامت چرخ دنده، می‌توانید به فهرست ایونت‌های پیش فرض دسترسی داشته باشید. این ایونت‌ها عبارت هستند از:

بازدید صفحه (نام ایونت: page_view) – امکان غیرفعال کردن این ایونت وجود ندارد.
اسکرول (نام ایونت: scroll)
کلیک روی لینک خروجی (نام ایونت: Outbound clicks)
سرچ سایت (نام ایونت: view_search_results)
تعامل ویدئویی (ایونت‌ها: video_start، video_progress، video_complete)
دانلود فایل (نام ایونت: file_download)
تعامل با فرم (نام ایونت: form_start (اولین باری که کاربر با فرم تعامل برقرار میکند) و form_submit (زمانی که کاربر فرم را تکمیل کرده و ارسال میکند.))

لازم به ذکر است که با کلیک روی تاگل آبی رنگ هریک از این ایونت‌ها، می‌توانید آنها را فعال یا غیرفعال کنید. البته ایونت page view به صورت پیش فرض فعال است و قابلیت غیرفعال شدن را ندارد.

توجه 1: ایونتی که مربوط به تعامل با ویدئو هست، تنها در صورتی که ویدئو در یوتیوب آپلود شده باشد، اندازه گیری می شود. بنابراین اگر کسب و کار شما به گونه‌ای است که هیچ ویدئویی در یوتیوب ندارید و آن را در صفحات داخلی سایت خود قرار نداده‌اید، می‌توانید این ایونت را غیرفعال کنید.

توجه 2: ایونتی که مربوط به عبارت‌های جستجو شده در سایت شما هست نیز به صورت پیش فرض تمام حالاتی که برای سرچ در سایت‌های مختلف وجود دارد را شامل می‌شود. با این حال اگر شما از مدل پارامتری خاصی برای بخش جستجوی سایت استفاده می‌کنید، می‌توانید در این بخش اضافه کنید.

در نهایت روی گزینه Create Stream کلیک کنید. بعد از کلیک روی این بخش و راه اندازی گوگل آنالیتیکس جدید یا GA4 وارد صفحه‌ای می‌شوید که می‌توانید از آن برای نصب GA4 در سایت خود استفاده کنید.

اکانت دمو (Demo Account) گوگل آنالیتیکس 4 (GA4)

برای دسترسی به اکانت دموی آنالیتیکس 4، روی لینک کلیک کنید. سپس وارد بخش “Access the demo account” شوید و روی لینک مورد نظر کلیک کنید.

سوالات متداول در مورد نصب و راه اندازی آنالیتیکس 4 (GA4)

آیا حتما باید برای ایجاد آنالیتیکس 4 اقدام کنم؟

همانطور که در این مقاله گفته شد، آنالیتیکس یونیورسال در تیرماه سال 1401 به فعالیت خود پایان می‌دهد. بنابراین شما تا قبل از این زمان باید نسبت به نصب و راه اندازی GA4 اقدام کنید یا از یک ابزار دیگری برای اندازه گیری داده‌های سایت یا اپلیکیشن خود استفاده کنید.

آیا دسترسی به دیتای آنالیتیکس یونیورسال بعد از تیر 1402 وجود دارد؟

خیر. از تیر 1402 آنالیتیکس یونیورسال دیگر هیچ داده‌ای جمع آوری نمی‌کند.

آیا امکان انتقال اطلاعات قدیمی آنالیتیکس یونیورسال به آنالیتیکس 4 وجود دارد؟

نه، انجام این کار غیرممکن است زیرا نحوه جمع آوری و ذخیره اطلاعات در این دو ابزار کاملا متفاوت از یکدیگر است.

آموزش گوگل آنالیتیکس 4 (GA4), آموزش گوگل تگ منیجر

آموزش یوزر آیدی ترکینگ در آنالیتیکس ۴

در عصر دیجیتال امروز، داشتن درکی دقیق از رفتار بازدیدکنندگان وب‌سایت شما برای موفقیت آنلاین حیاتی است. گوگل آنالیتیکس ۴ (GA4) سه روش برای شناسایی افرادی که از وب‌سایت شما بازدید می‌کنند ارائه می‌دهد: یوزر آیدی، گوگل سیگنال و دیوایس. در این محتوا از سری محتواهای آموزش آنالیتیکس ۴، ما بر روی “یوزر آیدی ترکینگ در آنالیتیکس ۴” تمرکز خواهیم کرد، که برای بهبود نرخ کانورژن و درک بهتر رفتار کاربران حیاتی است.

اگر روش شناسایی کاربران را دیوایس انتخاب کنید، اگر کاربر سایت کوکی‌ها را پاک یا از دستگاه دیگری استفاده کند، به عنوان یک بازدید کننده جدید شناخته خواهد شد. در حالی که در مدل گوگل سیگنال از داده‌های افرادی که اکانت گوگل دارند و تبلیغات شخصی‌سازی شده را فعال کرده‌اند، استفاده می شود. با این حال، دقیق‌ترین روش برای شناسایی بازدیدکنندگان، استفاده از یوزر آیدی است. اما این روش فقط برای بیزینس هایی مناسب است که قابلیت ثبت نام و ورود در سایت وجود داشته باشد.

در این پست، من توضیح خواهم داد چگونه “یوزر آیدی ترکینگ در آنالیتیکس ۴” را با استفاده از Google Tag Manager ردیابی کنید. این محتوا نه تنها به شما کمک می‌کند تا دید بهتری نسبت به رفتار بازدیدکنندگان وب‌سایت خود داشته باشید، بلکه امکان بهینه‌سازی تجربه کاربری و افزایش نرخ تبدیل را نیز فراهم می‌آورد. به‌کارگیری این استراتژی‌ها می‌تواند به شما امکان دهد تا در بازار رقابتی امروز، یک گام جلوتر باشید.

منظور از یوزر آیدی ترکینگ چیست؟

یوزر آیدی ترکینگ به معنای اتصال شناسه‌ی ثابت از یک کاربر واحد با اطلاعات تعامل آن کاربر در یک یا چند سشن در یک یا چند دستگاه (و البته، مرورگرها) است.

زمانی که شما یک شناسه و داده‌های مرتبط از چندین سشن یا دستگاه را به آنالیتیکس ارسال می‌کنید، گزارش‌های آنالیتیکس اطلاعات یکپارچه و جامع‌تری درباره‌ی رابطه‌ی کاربر با کسب‌وکار شما را در اختیارتان قرار میدهند.

چگونه یوزر آیدی را برای آنالیتیکس ۴ ارسال کنیم؟

این فرآیند بسیار ساده است. قبل از اینکه برای ارسال یوزر آیدی به آنالیتیکس ۴ اقدام کنید، باید آنالیتیکس ۴ را از طریق گوگل تگ در تگ منیجر روی سایت خود نصب کنید. اگر برای نصب و راه اندازی آنالیتیکس ۴ سوالی دارید، میتوانید روی لینک کلیک کرده و به محتوای آموزشی مرتبط با این موضوع مراجعه کنید.

بعد از ایجاد گوگل تگ، باید پارامتر user_id را در این تگ قرار داده و با ساخت متغیر در تگ منیجر، آن را مقداردهی کنید. با انجام این کار، این دیتا همراه با تمام ایونت هایی که به آنالیتیکس ۴ مرتبط شده اند، در آنالیتیکس در دسترس خواهد بود. اما برای جلوگیری از هرگونه خطا و از دست رفتن دیتا، بهتر است که این پارامتر به صورت مجزا همراه با مابقی ایونتها هم برای آنالیتیکس ارسال شود.

اگر کاربری به صورت ناشناس وارد وب‌سایت شما شود (یعنی وارد حساب کاربری خود نشده باشد)، متغیر یوزر آیدی مقدار undefined را میگیرد و بنابراین، یوزر آیدی به GA4 ارسال نمی‌شود. اما به محض اینکه کاربر وارد حساب کاربری خود میشود، این شناسه یا همان آیدی باید در دسترس باشد. سپس مابقی ایونت های GA4 باید یوزر آیدی را دریافت کنند و گوگل تگ هم هنگام لود شدن صفحه بعدی این آیدی را دریافت کند.

نکات مهمی که قبل از یوزر آیدی ترکینگ در آنالیتیکس ۴ باید بدانید

هرچیزی را نمیتوان به عنوان یوزر آیدی برای آنالیتیکس ۴ ارسال کرد

درک این نکته حائز اهمیت است که شرایط خدمات گوگل آنالیتیکس اجازه ردیابی اطلاعات شخصی قابل شناسایی (PII) مانند آدرس ایمیل، شماره تأمین اجتماعی و غیره که بر روی سرورهای کسب و کار ذخیره می‌شوند را نمی‌دهد. همین اصل در مورد “یوزر آیدی ترکینگ در آنالیتیکس ۴” نیز صدق می‌کند. حتی اگر شما از آدرس ایمیل برای شناسایی کاربران در سیستم CRM و غیره خود استفاده می‌کنید، نمی‌توانید از ایمیل به عنوان یوزر آیدی در گوگل آنالیتیکس استفاده کنید.

درواقع شما می‌توانید از یوزر آیدی شامل اعداد، حروف و غیره به صورت تصادفی، مانند ۱۲۳۴۵۶۷ یا ۱۲۳aboasdb۲۲۳۴ استفاده کنید. این موارد یوزر آیدی‌های قابل قبولی هستند که می‌توانید در گوگل آنالیتیکس استفاده کنید.

پس به صورت خلاصه میتواند گفت که:

johndoe@businessemail.com – نمی‌توان به عنوان یوزر آیدی در گوگل آنالیتیکس استفاده کرد
5239asbd923fade923da – می‌توان به عنوان یوزر آیدی در گوگل آنالیتیکس استفاده کرد.

یوزر آیدی روی داده های هیستوریکال (بیشتر از ۱ سشن) اعمال نمی شود

یکی از نکات حائز اهمیت در استفاده از یوزر آیدی، درک این موضوع است که یوزر آیدی بر روی داده‌های هیستوریکال که فراتر از یک سشن خاص هستند، اعمال نمی‌شود. هنگامی که بازدیدکننده جدیدی وارد وب‌سایت شما می‌شود، گوگل آنالیتیکس ۴ یک کوکی با شناسه‌ای تصادفی ذخیره می‌کند که درواقع کلاینت آیدی کاربر در تمامی صفحات سایت است.

اگر پس از چندین سشن، همان کاربر تصمیم به ثبت نام در وب‌سایت شما بگیرد، یک یوزر آیدی از طرف سایت شما به آن اختصاص داده می شود. با این حال، یوزر آیدی به طور خودکار به تمام آن سشن های قبلی کاربر هم متصل نمی شود. گرچه با انتقال اطلاعات به بیگ کوئری راهی برای چسباندن یوزر آیدی به سشن های قدیمی هم وجود دارد، اما در حالت عادی امکان انجام این کار وجود ندارد.

طول یوزر آیدی باید حداکثر ۲۵۶ کاراکتر باشد

حداکثر طول یوزر آیدی که می‌توانید برای گوگل آنالیتیکس ۴ ارسال کنید، ۲۵۶ کاراکتر یونیکد است.

یوزر آیدی هر کاربر باید با تمامی ایونت ها برای آنالیتیکس ۴ ارسال شود

زمانی که یوزر آیدی کاربر در دسترس است، باید این دیتا همراه با تمامی ایونت ها برای آنالیتکس ۴ ارسال شود. به همین دلیل باید فیلد یوزر آیدی در تگ نصب GA4 به عنوان یک پارامتر تعیین شود. اما برای اطمینان از اینکه این دیتا همراه با تمامی ایونت ها در دسترس است، باید موقع ساخت ایونت در تگ منیجر و یا همان ایونت ترکینگ در آنالیتیکس ۴، باید از گوگل تگ استفاده شود.

چطور میتوان یوزر آیدی را دریافت کرد؟

برای دسترسی به یوزر آیدی بسته به نحوه کدنویسی وب‌سایت میتوانید از هریک از روش هایی که در ادامه معرفی می شود، استفاده کنید.

روش شماره ۱: همکاری با توسعه دهنده برای ارسال یوزر آیدی به دیتالیر یا استفاده از افزونه

اگر امکان ثبت نام یا ورود در سایت شما وجود داشته باشد، می‌توانید از دولوپر بخواهید که یوزر آیدی را به دیتالیر ارسال کند. برای شروع باید کدی شبیه به کد زیر را در اختیار دولوپر قرار دهید و از او بخواهید که مقدار پارامتر یوزر آیدی را به صورت داینامیک برای شما یا درواقع همان تگ منیجر ارسال کند. لازم به ذکر است که این روش در مقایسه با روش هایی که در ادامه معرفی می شوند، بهتر است.

window.dataLayer = window.dataLayer || [];

window.dataLayer.push({

‘event’: ‘login’,

‘userId’: ‘1234567’ // این عدد باید با یوزر آیدی واقعی جایگزین شود

});

اگر روی یک وب‌سایت عادی مانند سایت وردپرسی کار می‌کنید که با بازدید هر کاربر از صفحات سایت، کل صفحه به روز می شود، بهتر است که این کد را بالای کانتینر GTM قرار دهید، به این ترتیب قبل از اینکه کد تگ منیجر ارسال شود، شما این دیتا را داخل دیتالیر خواهید داشت و میتوانید از آن همراه تگ آنالیتیکس و یا دیگر ایونتها استفاده کنید.

اما اگر با یک سایت سینگل پیج اپلیکیشن سر و کار دارید، جایی که این کد دیتالیر را قرار میدهید و یا استفاده از event ، خیلی مهم نیست.

نکته مهم دیگر این است که از یک دولوپر باید بخواهید هر بار که صفحه جدیدی بارگذاری می‌شود (یعنی زمانی که صفحه کاملاً تازه می‌شود و مقادیر قبلی در لایه داده پاک می‌شوند)، یوزر آیدی را برای دیتالیر ارسال کند. در این صورت کدی که باید بالای کد تگ منیجر قرار گیرد، به صورت زیر خواهد بود:

window.dataLayer = window.dataLayer || [];

window.dataLayer.push({

‘userId’: ‘1234567’ // این عدد باید با یوزر آیدی واقعی جایگزین شود

});

پس از اینکه دولوپر یوزر آیدی را برای دیتالیر کرد، وارد Google Tag Manager شوید، به کانتینر وب‌سایتی که در حال حاضر روی آن کار می‌کنید بروید، و حالت دیباگ مود را فعال کنید.

به وب سایت خود بروید و اگر لاگین کرده بودید، خارج شوید. پس از آن بک بار دیگر لاگین کنید، با انجام این کار باید یک ایونت login در بخش کنسول دیباگ مود تگ منیجر ظاهر شود. بعد از آن باید به دنبال پارامتر userId باشید، این پارامتر باید حاوی مقدار درست یوزر آیدی یا شناساه کاربری شما باشد.

نکته مهم: اگر با سایت سازهای معروفی مانند وردپرس کار می‌کنید، احتمال دارد که افزونه‌های آماده Google Tag Manager برای یوزر آیدی ترکینگ در آنالیتیکس ۴ وجود داشته باشد. به عنوان مثال، افزونه وردپرس به نام GTM4WP میتواند برای ارسال user id به آنالیتیکس ۴ در سایت های وردپرسی استفاده شود.

برای اینکه بتوانید از اطلاعاتی که دولوپر از طریق دیتالیر برای شما ارسال کرده است، استفاده کنید، نیاز است که این دیتا را به یک متغیر در تگ منیجر تبدیل کنید. برای انجام این کار میتوانید از متغیر دیتالیر در تگ منیجر که یکی از متغیرهای از پیش ساخته شده است، استفاده کنید. نکته حائز اهمیت این است که هنگام وارد کردن اسم دیتا در متغیر دیتا لیر، به کوچک یا بزرگی حروف دقت کنید.

روش شماره ۲: ذخیره کردن userid در کوکی

هنگامی که به دنبال یک روش جهت دریافت یوزر آیدی از سایت هستید، میتوانید به سیو کردن userid در کوکی هم فکر کنید! درواقع این امکان وجود دارد که در سایت، فروشگاه یا هر پلتفرم دیگری که روی آن کار می‌کنید، از قبل یوزر آیدی در یک کوکی ذخیره شده باشذ. در این صورت، می‌توانید با استفاده از Google Tag Manager مقدار آن را بخوانید و سپس آن را به Google Analytics ارسال کنید. اگر به طور مستقیم به دولوپر وب‌سایت، فروشگاه و غیره دسترسی دارید، از آن‌ها بپرسید که آیا یوزر آیدی را در یک کوکی ذخیره می‌کنند یا نه و اگر بله و نام آن چیست.

در غیر این صورت، می‌توانید خودتان بررسی کنید که آیا چیزی شبیه به یوزر آیدی در اطلاعات کاربر در بخش کوکی وجود دارد یا نه. برای انجام این کار باید به بخش دولوپر تولز مررورگر خود بروید. من از کروم استفاده می‌کنم، بنابراین به More Tools و بعد از آن Developer Tools می‌روم.

سپس به Application > Cookies بروید و دامنه وب‌سایت خود را انتخاب کنید.

حالا به دنبال نامی بگردید که ممکن است حاوی اطلاعات یوزر آیدی باشد. توجه داشته باشید که هیچ نام استانداردی برای آن وجود ندارد و در هر سایتی ممکن است این شرایط متفاوت باشد. (تصویر زیر مربوط به سایت نماوا است)

پس از پیدا کردن چیزی شبیه به یوز آیدی، میتوانید با همکاری با تیم دیتا یا توسعه دهنده سایت، مطمئن شوید این آیدی همان چیزی هست که به آن نیاز داشتید.

بعد از آن، باید با ایجاد یک متیغر در گوگل تگ منیجر، مقدار یوزر آیدی را از طریق کوکی دریافت کرده و در تگ و یا ایونت های مد نظرتان استفاده کنید.

روش شماره 3: استفاده از متغیر جاوا اسکریپت

به طور خلاصه، متغیر جاوا اسکریپت به شما امکان دسترسی به مقادیر متغیرهای گلوبال (سراسری) جاوا اسکریپت موجود در یک صفحه را می‌دهد. برای مثال، زبان مرورگر، عنوان صفحه فعلی و غیره. در بسیاری از سایت ها نیز”یوزر آیدی” به عنوان یک متغیر گلوبال جاوا اسکریپت ذخیره شده است. پس تنها کاری که نیاز است انجام دهید این است که آن را پیدا کنید.

اما چگونه این کار را انجام دهید؟

گزینه الف: از دولوپر سایت کمک بگیرید.
گزینه ب: خودتان آن را پیدا کنید. برای شروع جستجو، به بخش دولوپر تولز کروم بروید. در بخش کنسول، عبارت window را وارد کنید. روی مثلث سیاه نزدیک به Window کلیک کنید تا لیستی از ویژگی‌هایی که می‌توانیم با یک متغیر جاوا اسکریپت در GTM به آنها دسترسی پیدا کنیم را ببینید.

بعد از پیدا کردن متغیری شبیه به یوزر آیدی، به رابط کاربری Google Tag Manager بروید > Variables > New > JavaScript Variable و سپس کل مسیری که از بالا به پایین برای رسیدن به متغیر گلوبال طی کردید را بنویسید و اسم هر بخش را با . از هم جدا کنید. به خاطر داشته باشید که با استفاده از این روش که درواقع چایلد و پرنت هست ما به درستی آدرس دهی میکنیم و مشخص میکنیم که به دنبال چه متغیری در کجای سایت هستیم.

بعد از انجام این کار، حتما دیباگ مود را چک کنید تا ببنید که آیا متغیر شما با مقدار یوزر آیدی پر شده است یا نه. اگر مشکلی وجود داشت، مطمئن شوید که درست آدرس دهی کرده اید و یا غلط املایی ندارید.

روش شماره ۴: استخراج اطلاعات از DOM

به طور خلاصه، استخراج اطلاعات از DOM روشی برای دریافت یک مقدار از مدل شیء سند وب‌سایت از طریق استخراج آن است. پس اگر شما به عنوان یک کاربر وارد شده و شناسه کاربری خود را جایی در رابط کاربری مشاهده کنید، می‌توانید با کمک متغیر DOM یا متغیر جاوا اسکریپت سفارشی در Google Tag Manager، مقدار آن را استخراج کنید. استفاده از استخراج اطلاعاتDOM می‌تواند به تغییرات احتمالی زیاد، به ویژه در وب‌سایت‌هایی که توسعه‌دهندگان به طور مداوم در حال پیاده‌سازی تغییرات یا اجرای تست AB در رابط کاربری هستند، ریسکی است.

درواقع متغیر DOM به شما امکان را می‌دهد تا یک عنصر از وب‌سایت را انتخاب کرده و متن آن یا یکی از اتریبیوشن های HTML آن (مانند href، title، ID و غیره) را بخوانید. شما می‌توانید با تعریف ID آن (در صورت وجود) یا با استفاده از انتخاب‌گرهای CSS، یک عنصر را انتخاب کنید.

با توجه به اینکه برای استفاده از این روش نیاز به دانش در زمینه HTML و CSS است و تمامی وب سایت های موجود در جهان احتمالا از یک شیوه خاصی استفاده میکنند، میتوان گفت که روش مشخصی برای دریافت اطلاعات از DOM وجود ندارد. اما اگر به اندازه کافی خوش شانس باشید، شاید المانی که قصد دریافت آن را دارید، دارای یک ID باشد. در غیر این صورت باید از CSS سلکتور استفاده کنید. فقط فراموش نکنید که چندین عنصر در یک صفحه ممکن است توسط همان انتخاب‌گر CSS مشخص شده باشند. به همین دلیل باید از متد document.querySelectorAll() برای اطمینان از استخراج فقط آن عنصری که شامل یوزر آیدی است، استفاده کنید.

توجه داشته باشید که ممکن است با تغییراتی که دولوپر در سایت ایجاد میکند، ساختار سی اس اس سلکتور یا آی دی هم تغییر کرده و در نتیجه نحوه دریافت دیتا هم تغییر کند.

اطلاعات مربوط به یوزر آیدی را در کدام بخش از آنالیتیکس میتوان مشاهده کرد؟

برای اینکه قادر به مشاهده گزارش یوزر آیدی در آنالیتیکس ۴ باشید، باید قبل از هرچیز، این اطلاعات را همراه با گوگل تگ برای آنالیتیکس ارسال کنید.

برای پیاده‌سازی ردیابی شناسه کاربر، باید پارامتر user_id را با هر ایونت (هنگامی که کاربر وارد سایت می‌شود) به گوگل آنالیتیکس ۴ ارسال کنیم. برای اطمینان از اینکه این دیتا همراه با تمامی ایونت ها در آنالیتیکس در دسترس است، باید این دو کار را انجام دهیم:

۱. تگ گوگل: تگ گوگل را باز کرده، روی Configuration settings کلیک کنید، سپس پارامتر اضافه کنید و user_id را وارد کنید. مقدار این پارامتر باید متغیری باشد که شناسه واقعی کاربری را که در وب‌سایت شما وارد سایت می‌شود، برمیگرداند.

۲. متغیر تنظیمات ایونت: باید شناسه کاربر را با هر ایونت به گوگل آنالیتیکس ۴ ارسال کنید (زمانی که کاربر وارد سایت شده است). برای این کار می‌توانید به صورت دستی پارامتر user_id را در تمام تگ‌های رویداد GA4 تنظیم کنید، یا از Event Settings Variable استفاده کنید. من گزینه دوم را توصیه می‌کنم.

اگر هنوز Event Settings Variable را ایجاد نکرده‌اید، به بخش Variables بروید، بعد New و سپس Variable Configuration را انتخاب کنید و Google Tag: Event settings را انتخاب کنید.

در این متغیر، روی اضافه کردن پارامتر کلیک کنید و user_id را وارد کنید. مقدار این پارامتر باید متغیری باشد که شناسه واقعی کاربری را که در وب‌سایت شما وارد سیستم می‌شود، برگرداند.

متغیر را ذخیره کنید. حالا، شما باید این متغیر را به تگ تمام ایونت های GA4 اضافه کنید (اگر قبلاً این کار را انجام نداده‌اید). هر یک از تگهای ایونت GA4 را باز کنید، سپس روی Event Parameters کلیک کنید و متغیری که قبلا ایجاد کرده اید را انتخاب کنید. این مراحل را باید برای تمامی ایونت هایی که در کانتینر تگ منیجر و برای آنالیتیکس ۴ دارید، تکرار کنید.

پس از ایجاد متغیر یوزر آیدی، پارامتر user_id را در تنظیمات تگ گوگل و متغیر تنظیمات ایونت GA اضافه کنید، سپس حالت پیش‌نمایش GTM را با کلیک بر روی دکمه پیش‌نمایش در گوشه بالا سمت راست رابط کاربری GTM فعال کنید.

سپس، باید ببینید که تگ گوگل شما فعال شده است. روی آن کلیک کنید.

اگر در حالت پیش‌نمایش GTM شناسه کاربر را دیدید، نوبت آن رسیده است که به بخش دیباگ ویو در آنالیتیکس ۴ مراجعه کنید. باید روی ایونت هایی که برای آنالیتیکس ارسال می شود، کلیک کنید و متغیر یوزر آیدی به همراه مقدار صحیح آن را مشاهده کنید.

آموزش گوگل آنالیتیکس 4 (GA4)

ترافیک دایرکت در آنالیتیکس ۴ چیست؟

ترافیک دایرکت در آنالیتیکس ۴ چیست، یکی از اولین سوالاتی است که بسیاری از صاحبان بیزینس بعد مشاهده گزارش ورودی های سایت خود مطرح می کنند. معمولا بیزینس هایی که سرمایه زیادی را صرف چنل های تبلیغاتی می کنند، از دیدن حجم زیاد ترافیک دایرکت چندان خوشحال نشده و اظهار تعجب می کنند. اگر شما هم جز این دسته از صاحبان بیزینس هستید در ادامه این مطلب همراه من باشید.

منظور از Direct Traffic یا ترافیک مستقیم در آنالیتیکس ۴ چیست؟

آنالیتیکس ۴ همیشه در تلاش است تا منبع ورودی کاربران را تشخیص دهد. درواقع آنالیتیکس با شناسایی referrer میتواند مشخص کند که کاربر از کدام منبع (شامل سورس ، مدیوم و … ) وارد سایت شما شده است.

به طور کلی، زمانی که کاربر آدرس سایت شما را در مرورگر تایپ میکند یا از طریق بوک مارک وارد سایت شما می شود، این ترافیک به عنوان ترافیک دایرکت در آنالیتیکس ۴ شناخته می شود. اما اگر درصد زیادی از ترافیک ورودی شما در بخش دایرکت قرار گرفته شده باشد، الزاما به این معنا نیست که درصد عمده ای از کاربران سایت شما چنین رفتاری دارند.

بنابراین میتوان گفت که ترافیک مستقیم در آنالیتیکس ۴ هر ترافیکی است که نمی توان آن را به کانال های رایج دیگر مانند سرچ (ارگانیک و پولی)، ریفرال، سوشال (ارگانیک و پولی)، ایمیل و غیره نسبت داد.

به طور کلی، اگر ۱۰ الی ۲۰ درصد از ترافیک ورودی سایت شما به چنل direct اختصاص داد شود، احتمالا همه چیز طبیعی است ، مشکل خاصی وجود ندارد. (البته توجه داشته باشید که این یک نظریه کلی است و برای برندهای بزرگ و مطرح میتواند این درصد بیشتر هم باشد.)

نکته مهم: توجه داشته باشید که اگر از منظر کاربر به ماجرا نگاه کنیم، تایپ آدرس صفحه اصلی یا Home نسبت به دیگر صفحات سایت ساده تر است. به همین دلیل اگر درصد عمده ای از ترافیک دایرکت به صفحه اصلی اختصاص یابد، مشکلی وجود ندارد.

ترافیک Direct در آنالیتیکس ۴ کجاست؟

برای مشاهده ترافیک دایرکت سایت خود میتوانید وارد گزارش های استاندارد (Reports) شده و سپس Acquisition را انتخاب کنید. با انتخاب گزارش Traffic acquisition میتوانید متوجه شوید که چند درصد از کاربران در هر سشن خود از طریق چنل دایرکت وارد سایت شما شده اند.

برای اینکه ببینم ترافیک دایرکت بیشتر به چه صفحاتی اختصاص یافته است، میتوانیم از یکی از دو روش زیر استفاده کنیم:

اضافه کردن دایمنشن دوم به گزارش و استفاده از فیلتر

برای اینکه فقط ترافیک مستقیم را در جدول گزارش مشاهده کنیم، میتوانیم از فیلتر استفاده کنیم. بعد از آن با اضافه کردن Page path and screen class به عنوان دایمنشن دوم، میتوانیم صفحاتی که بیشترین ترافیک مستقیم را داشته اند، مشاهده کنیم.

اگر در این گزارش، علاوه بر صفحه اصلی، مابقی صفحات سایت هم ترافیک مستقیم زیادی داشتند، احتمالا مشکلی وجود دارد. (توجه داشته باشید که (not set) با ترافیک دایرکت در آنالیتیکس ۴ متفاوت است.)

استفاده از گزارش های اکسپلور

در این روش باید وارد بخش گزارش های اکسپلور شوید و دایمنشن های session source / medium و landing page را انتخاب کنید. بعد از آن میتوانید متریک active user را انتخاب کنید.

نکته خیلی مهم: زمانی که شما آدرس سایتی را به عنوان unwanted referral تعیین می کنید، هر سشنی که با این سایتها شروع شود، منبع ورودی آن به عنوان دایرکت شناخته می شود.

چه چیزی باعث ترافیک مستقیم در آنالیتیکس ۴ می شود؟

عوامل متعددی می تواند منجر به ترافیک مستقیم GA4 شود. ممکن است ترکیبی از برخی از آنها یا فقط یکی از آنها باشد که برای شما دردسر ایجاد کند. در ادامه به تمامی مواردی که منجر به ترافیک Direct در سایت شما می شوند، اشاره میکنم:

پارامترهای UTM

یکی از رایج ترین دلایل ترافیک مستقیم، عدم استفاده از پارامترهای UTM یا استفاده نادرست از آنها است. پارامترهای UTM آنالیتیکس ۴ را در مورد منبع، مدیوم و سایر جزئیات کمپین شما مطلع می کنند. اگر به هر دلیلی، پارامترهای UTM هنگام ارسال از هر گونه تبلیغات سوشال، پست یا لینک از صفحات دیگر حذف شوند، GA4 نمی تواند منبع ترافیک را ردیابی کند.

علاوه بر این، اگر از استانداردهای گوگل برای ساخت یو تی ام استفاده نکنید، آنالیتیکس قادر به ردیابی درست منبع ترافیک نخواهد بود.

نکته مهم: به هیچ عنوان برای لینک های داخلی سایت از یو تی ام استفاده نکنید. چرا که این مورد منجر به از دست رفتن سورس اصلی شده و داده های سایت شما را کثیف می کنند.

در خصوص ورودی گوگل ادز، بهتر است که از روش auto-tagging استفاده کنید، زیرا یو آر ال ها به صورت خودکار تگ گذاری شد و شناسایی این ورودی برای آنالیتیکس ۴ چالش برانگیز نخواهد بود.

ری دایرکت ها

ری دایرکت های 301 (دائمی) و 302 (موقت) منجر به حذف کوئری پارامترها از URL می شوند. گاهی اوقات حذف این پارامترها منجر به این می شود که ترافیک ورودی به عنوان دایرکت و بعضا ارگانیک شناخته شود. بنابراین اگر کوئری پارامترها به درستی منتقل نشوند آنالیتیکس ۴ در شناسایی منبع ترافیک دچار مشکل خواهد شد.

ورودی از HTTPS به HTTPS

اگر ترافیک ورودی سایت شما از سایت های HTTPS است و سایت شما به هر دلیلی از HTTPS استفاده می کند، شما اطلاعات مربوط به ترافیک ورودی را به دلیل پروتکل های امنیتی سایت HTTPS دریافت نخواهید کرد. در حالت های زیر، شناسایی منبع ترافیک ورودی توسط آنالیتیکس ۴ انجام خواهد شد:

HTTP → HTTPS
HTTP → HTTP
HTTPS → HTTPS

Dark Social

Dark Social به معنای ترافیکی است که به دلیل نحوه اشتراک گذاری لینکها در شبکه های اجتماعی نمی توان آن را شناسایی کرد. به عنوان مثال، به اشتراک گذاری آدرس وب سایت یا صفحه در شبکه های مختلف مانند فیس بوک، واتساپ، ایمیل، اینستاگرام و غیره بسیار رایج است. جالب است بدانید که گاهی اوقات افراد حتی UTM و سایر پارامترها را حذف می کنند زیرا فکر می کنند URL با آن خیلی طولانی است یا عجیب به نظر می رسد. در نتیجه ترافیکی که از این شبکه ها به سمت سایت شما هدایت می شود، توسط آنالیتیکس ۴ به درستی شناسایی نمی شود.

نبودن ترکینگ کد آنالیتیکس ۴ روی سایت

جالب است بدانید که اگر ترکینگ کد آنالیتیکس ۴ از روی صفحه ای به هر دلیلی حذف شود، ترافیک ورودی صفحه تحت عنوان ترافیک مستقیم شناخته می شود. این اتفاق موقع ساخت صفحات جدید یا ری دیزاین سایت ممکن است که رخ دهد.

ورودی از جایی به جز وب

اگر بازدیدکنندگان سایت از جایی غیر از وب مانند PDF (کتاب های الکترونیکی، وایت پییر و غیره)، پاورپوینت، Word و غیره آمده باشند، به عنوان ترافیک مستقیم شناسایی می شوند زیرا URL ها اطلاعات ارجاع دهنده ندارند.

تایپ آدرس سایت، بوک مارک یا Auto-fills

همانطور که پیش از این گفته شد، اگر کاربر از طریق بوک مارک یا تایپ آدرس سایت در مرورگر وارد سایت شما شود، ترافیک ورودی به عنوان دایرکت شناخته می شود. اما در بسیاری از سایتها، احتمال چنین ورودی هایی خیلی کم است. زمانی که کاربر بخشی از ادرس سایت شما را در مرورگر وارد می کند و قابلیت پر کردن خودکار فعال می شود، کاربر به سادگی اینتر میزند و وارد سایت شما می شود!

اگر افرادی که در شرکت شما کار می کنند، روزانه چندین بار وارد سایت می شوند، بهتر است که از طریق Internal traffic از گزارشها حذف شوند.

چگونه مشکل Direct Traffic در آنالیتیکس ۴ را رفع کنیم؟

پارامترهای UTM: سیستمی برای مدیریت و تگ گذاری URL ها با پارامترهای UTM که با تعاریف گوگل مطابقت دارد ایجاد کنید. علاوه بر این هیچ وقت از یو تی ام برای لینک های داخلی سایت استفاده نکنید.
ری دایرکت ها: با کمک دولوپر، در صورت نیاز، ری دایرکت ها را به گونه ای مدیریت کنید که پارامترهای یو تی ام بعد از ری دایرکت هم ارسال شوند.
ورودی از HTTPS به HTTP: از پروتکل HTTPS برای توسعه وب سایت خود استفاده کنید.
Dark Social: رفع این مشکل سخت است زیرا نمی‌توانید نحوه اشتراک‌گذاری صفحات وب سایت خود را با دیگران کنترل کنید. با این حال بهتر است که از یو آر ال های انگلیسی و کوتاه استفاده کنید تا به اشتراک گذاری آنها برای کاربران ساده باشد.
از دست رفتن ترکینگ کد آنالیتیکس ۴: مطمئن شوید که کد نصب آنالیتیکس ۴ در تمام صفحات سایت قرار دارد. برای اطمینان از این موضوع بهتر است که برای نصب آنالیتیکس ۴ از گوگل تگ منیجر استفاده کنید.
ورودی از جایی به غیر از وب: ردیابی چنین ترافیک هایی تقریبا دشوار است. ساده ترین کاری که میتوانید انجام دهید این است که یو آر ال های خود را با استفاده از یو تی ام در پی دی اف و دیگر داکیومنتها قرار دهید.

آموزش گوگل آنالیتیکس 4 (GA4)

سمپلینگ در آنالیتیکس 4 چیست و چطور از آن جلوگیری کنیم؟

سمپلینگ در آنالیتیکس 4 یکی از چالش‌هایی است که پرفورمنس مارکترها و دیجیتال مارکترها هنگام تجزیه و تحلیل داده با استفاده از این ابزار با آن مواجه می‌شوند. جالب است بدانید که بر اساس آمار جهانی، از هر 10 سایت در جهان، 8 مورد از آنها از آنالیتیکس 4 برای تحلیل داده سایت یا اپلیکیشن خود استفاده می‌کنند. با این حال اگر حجم اطلاعاتی که آنالیتیکس جمع آوری می‌کند زیاد باشد، اتفاقی به اسم sampling در GA4 رخ می‌دهد. درواقع آنالیتیکس با استفاده از تکنیک نمونه برداری، فرایند تهیه گزارش را بهبود می‌بخشد و با عدم پردازش همه داده‌ها، در زمان کوتاه‌تری گزارش‌ها را در اختیار شما قرار می‌دهد.

در این مطلب قصد دارم به طور کامل به بررسی سمپلینگ در آنالیتیکس 4 و تاثیر آن بر تصمیم‌گیری‌های ما بپردازم. علاوه بر این، روش‌هایی برای جلوگیری از رخ‌دادن این اتفاق به شما عزیزان آموزش می‌دهم. در ادامه این مطلب همراه من باشید.

مطمئن‌ترین روش برای رفع مشکل سمپلینگ در آنالیتیکس 4، اتصال این ابزار به بیگ کوئری است. با برقراری این اتصال به 100 درصد دیتای خام دسترسی خواهید داشت. اگر قصد یادگیری بیگ کوئری را دارید، به لینک زیر مراجعه کنید و برای دریافت مشاوره و آموزش، فرم را تکمیل کنید.

مشاوره و آموزش بیگ کوئری

منظور از سمپلینگ دیتا در آنالیتیکس 4 چیست؟

آنالیتیکس 4 از تکنیک نمونه برداری از داده‌ها زمانی استفاده می‌کند که با حجم زیادی از داده رو به رو است و میخواهد از این داده‌های گسترده، یک گزارش معنادار در زمان کوتاه در اختیار شما قرار دهد. درواقع زمانی که تعداد ایونت هایی که در یک پراپرتی رخ داده است، بیش از حد تعیین شده باشد، آنالیتیکس از روش sampling استفاده می‌کند.

به‌عنوان‌مثال تصور کنید که وب سایت شما در ماه، بیش از 10 میلیون بازدیدکننده دارد. اگر شما بخواهید متریکی مانند مدت زمان حضور کاربر در وب سایت خود را با استفاده از آنالیتیکس بسنجید، ممکن است با مشکلاتی مانند طولانی‌شدن مدت زمان تهیه گزارش روبه‌رو شوید. به همین دلیل است که آنالیتیکس 4 برای جلوگیری از فشار آمدن به سرورهای خود، از روش سمپلینگ استفاده می‌کند. با استفاده از این تکنیک، آنالیتیکس 4 از زیرمجموعه‌ای از داده‌ها برای تجزیه و تحلیل استفاده می‌کند و با یک محاسبه تخمینی، گزارش مورد نظر را در اختیار شما قرار می‌دهد.

تفاوت بین داده‌های Sampled و Unsampled در GA4 چیست؟

همان‌طور که احتمالاً حدس می‌زنید، داده‌های Sampled، داده‌هایی است که تنها بخشی از کل داده‌های شما هستند و ممکن است همیشه تصویر کاملی از آنچه که واقعاً رخ داده است، در اختیار شما قرار ندهند. از طرف دیگر، داده‌های Unsampled یا نمونه‌گیری نشده، تمام داده‌هایی هستند که برای وب سایت یا اپلیکیشن شما جمع‌آوری‌شده‌اند.

بنابراین، گزارش‌هایی که از داده‌های نمونه‌برداری نشده استفاده می‌کنند، کل داده‌های موجود را برای تحلیل، استفاده می‌کنند. در نتیجه گزارش‌هایی که با استفاده از داده‌های Unsampled تهیه می‌شوند، گزارش‌های دقیق‌تری هستند.

GA4 از یک الگوریتم آماری برای ایجاد زیرمجموعه‌ای منتخب از کل داده‌ها استفاده می‌کند. برای تجزیه و تحلیل این زیرمجموعه از داده‌ها، باید این فرض درست باشد که نمونه انتخاب شده، دقیقاً نشان دهنده کل داده‌ها است. اینکه آنالیتیکس 4 چند درصد از داده‌ها را به عنوان نمونه برای تجزیه و تحلیل انتخاب می‌کند، به مقدار کل داده‌های شما بستگی دارد.

دیتا سمپلینگ و گزارش‌های آنالیتیکس 4

سمپلینگ در آنالیتیکس 4 بسته به اینکه از چه متریک و دایمنشن‌هایی و یا از گزارش‌های آنالیتیکس در بخش Reports یا Explore استفاده می‌کنید، شرایط متفاوتی دارد. همان‌طور که می‌دانید، GA4 دارای دو دسته گزارش است:

گزارش‌های استاندارد
گزارش‌های Explore

بر اساس آنچه که آنالیتیکس 4 اعلام کرده است، گزارش‌های استاندارد بر اساس 100 درصد داده‌های شما در محدوده زمانی که انتخاب کرده اید، ایجاد می‌شوند. در نتیجه می‌توانید به اطلاعات این گزارشها اطمینان کنید. البته باید توجه داشته باشید که گزارش‌های آنالیتکس 4 محدودیت های خاص خود را دارند و در شرایطی که پیغام کاردینالیتی یا thresholding در گزارش نمایش داده شود، گزارش قابل استناد نخواهد بود.

از طرف دیگر، گزارش‌های بخش Explore وجود دارند که در کنار امکانات متنوعی که در اختیار شما قرار می‌دهند، ممکن است بر اساس تکنیک نمونه‌گیری و یا سمپلینگ ایجاد شوند.

اگر تجربه کار با آنالیتیکس یونیورسال را داشته باشید، حتماً می‌دانید که سمپلینگ در گزارش‌های استاندارد زمانی که دایمنشن دوم به گزارش اضافه می‌کردید، رخ می‌داد. اما در گزارش‌های استاندارد آنالیتیکس 4 به هیچ عنوان گزارش‌های استاندارد، نمونه‌گیری نمی‌شوند.

چگونه می‌توان تشخیص داد که گزارش در آنالیتیکس 4 نمونه‌گیری شده است یا نه؟

آنالیتیکس 4 با استفاده از پیغام هایی که در گزارش‌های استاندارد و پیشرفته نمایش می‌دهد، شما را از سمپل شدن گزارش‌ها، مطلع میکند. اگر موس خود را روی پیغام برای چند لحظه نگهدارید، تا نرخ سمپلینگ (چند درصد از داده‌ها نمونه‌گیری شده اند) نمایش داده شود.

نمونه پیغام سمپلینگ در گزارش اکسپلور آنالیتیکس 4

اگر گزارش نمونه‌گیری نشده باشد، نمادی مشابه با تصویر زیر در گزارش‌های خود مشاهده می‌کنید:

سمپلینگ در گزارش‌های آنالیتیکس 4 چه مشکلاتی ایجاد می‌کند؟

دسترسی به داده‌های کمتر

صرف نظر از اینکه از چه تکنیکی برای تجزیه و تحلیل استفاده می‌کنید، هرچه داده‌های بیشتری داشته باشید، می‌توانید نتایج قابل اعتمادتری از تجزیه و تحلیل خود بدست آورید. در نتیجه اگر نرخ نمونه برداری آنالیتیکس 4 از داده‌ها خیلی کم باشد، یعنی به داده‌های کمتری برای ایجاد گزارش دسترسی دارد و همین موضوع می‌تواند شما را برای تصمیم گیری بر اساس داده، دچار مشکل کند.

نتایج تخمینی

متریک‌هایی که بر اساس سمپلینگ محاسبه شده‌اند، متریک‌های دقیقی برای سنجش عملکرد وب سایت شما نیستند. از آنجایی که در فرایند نمونه‌گیری داده‌ها فقط زیرمجموعه‌ای از داده‌ها برای تجزیه و تحلیل در نظر گرفته می‌شوند، تمام محاسبات تخمینی هستند. بنابراین ممکن است که همیشه تصویر درستی از سایت یا اپلیکیشن خود نداشته باشید.

چطور می‌توان از سمپلینگ در آنالیتیکس 4 استفاده کرد؟

همان‌طور که پیش از این گفته شد، نمونه برداری در گزارش‌های اکسپلور آنالیتیکس 4 رخ می‌دهد و اگر تجربه کارکردن با آنالیتیکس 4 را داشته باشید، حتماً می‌دانید برای تصمیم گیری و آگاهی از رفتار مخاطبان خود در سایت یا اپلیکیشن، بیشتر زمان خود را در گزارش‌های اکسپلور می‌گذرانید. در نتیجه اگر تعداد بازدید کنندگان سایت شما زیاد باشد، به احتمال زیاد هنگام ساخت گزارش‌ها با سمپلینگ مواجه خواهید شد.

با این حال برای بهبود نرخ سمپلینگ در آنالیتیکس 4 می‌توانید روش‌های زیر را امتحان کنید:

محدوده زمانی گزارش را کم کنید تا حجم داده‌هایی که آنالیتیکس باید پردازش کند، کم شود.
در گزارش‌هایی که ایجاد می‌کنید از سگمنت، فیلتر و چند دایمنشن استفاده نکنید.
از ابزارهای دیگری مانند بیگ کوئری برای دسترسی به دیتای خام و سمپل نشده استفاده کنید.

آموزش گوگل تگ منیجر

آموزش گوگل ادز

آموزش دیجیتال مارکتینگ

کوکی‌ها و دیگر روش های ذخیره‌سازی مرورگر چیست؟

فرم درخواست دوره های آموزشی

معرفی کتاب

معرفی کتاب

کتاب انسان در جستجوی معنا

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

1401-06-10 بدون دیدگاه

معرفی کتاب

کتاب مدیریت توجه (Indistractable)

الان که در حال نوشتن مطلب بررسی کتاب مدیریت توجه (Indistractable: How to Control Your

1401-06-10 بدون دیدگاه

برای ورود به دنیای نامحدود داده‌ها در دوره آموزشی بیگ کوئری کلیک کنید

نگــــــــار پـــورجــــــــــواد

آموزش بیگ کوئری

تاثیر هزینه ذخیره سازی بر قیمت استفاده از BigQuery

تاثیر هزینه کوئری بر قیمت هزینه استفاده از بیگ کوئری

هزینه ذخیره سازی داده در بیگ کوئری چقدر است؟

هزینه BigQuery به ازای هر ۱ ترابایت

حجم ذخیره سازی أنواع داده در بیگ کوئری

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

تحلیل ساختار قیمت گذاری کوئری در Google BigQuery

قیمت گذاری بر اساس تقاضا (On-demand pricing)

قیمت گذاری با نرخ ثابت (Flat-rate pricing)

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

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

قیمت‌گذاری بر اساس تقاضا (On-demand Pricing)

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

بهینه سازی هزینه BigQuery

مقدمه‌ای بر گوگل ادز

مقدمه‌ای بر بیگ کوئری

روش های اتصال گوگل ادز به بیگ کوئری

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

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

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

جدول pseudonymous_users در بیگ کوئری شامل چه اطلاعاتی می شود؟

منظور از شبه یوزر چیست؟

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

چه اطلاعاتی در جدول users_ وجود دارد؟

انواع داده‌های مربوط به تاریخ و زمان در BigQuery

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

دریافت تاریخ امروز در بیگ کوئری

نحوه تغییر فرمت تاریخ در بیگ کوئری

اضافه یا کم کردن تاریخ و زمان در بیگ کوئری

اضافه کردن به تاریخ یا زمان در بیگ کوئری

کم کردن از تاریخ یا زمان در بیگ کوئری

نحوه گروه بندی تاریخ/زمان در BigQuery

نحوه استخراج بخشی از تاریخ و زمان در بیگ کوئری

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

نحوه تبدیل انواع داده‌های تاریخ و زمان در BigQuery

تبدیل رشته به تاریخ یا زمان

عملگرهای موجود برای مقایسه تاریخ در بیگ کوئری

خدمات نصب و راه اندازی آنالیتیکس 4

آموزش آنالیتیکس 4

Google Analytics 4 چیست؟

گوگل تگ منیجر (GTM) چیست؟

تفاوت آنالیتیکس ۴ با گوگل تگ منیجر چیست؟

چه زمانی باید از Google Tag Manager به جای Google Analytics 4 استفاده کنیم؟

دیتا استریم در GA4 چیست؟

تفاوت بین View در آنالیتیکس یونیورسال و استریم‌ در GA4

راه‌اندازی انواع مختلف دیتا استریم در گوگل آنالیتیکس 4

دیتا استریم وب

تنظیمات دیتا استریم برای اپلیکیشن iOS

استریم دیتای اندروید در گوگل آنالیتیکس ۴

محدودیت‌های دیتا استریم در گوگل آنالیتیکس 4

آیا امکان جا به جایی دیتا استریم ها بین Property های مختلف وجود دارد؟

جمع بندی

آموزش ویدئویی نحوه نصب و راه اندازی آنالیتیکس 4 (GA4)

مراحل راه اندازی GA4 (نحوه ایجاد Property و تنظیمات Data Stream)

نحوه انتخاب Data Stream در آنالیتیکس 4

اکانت دمو (Demo Account) گوگل آنالیتیکس 4 (GA4)

سوالات متداول در مورد نصب و راه اندازی آنالیتیکس 4 (GA4)

آیا حتما باید برای ایجاد آنالیتیکس 4 اقدام کنم؟

آیا دسترسی به دیتای آنالیتیکس یونیورسال بعد از تیر 1402 وجود دارد؟

آیا امکان انتقال اطلاعات قدیمی آنالیتیکس یونیورسال به آنالیتیکس 4 وجود دارد؟

منظور از یوزر آیدی ترکینگ چیست؟

چگونه یوزر آیدی را برای آنالیتیکس ۴ ارسال کنیم؟

نکات مهمی که قبل از یوزر آیدی ترکینگ در آنالیتیکس ۴ باید بدانید

هرچیزی را نمیتوان به عنوان یوزر آیدی برای آنالیتیکس ۴ ارسال کرد

یوزر آیدی روی داده های هیستوریکال (بیشتر از ۱ سشن) اعمال نمی شود

طول یوزر آیدی باید حداکثر ۲۵۶ کاراکتر باشد

یوزر آیدی هر کاربر باید با تمامی ایونت ها برای آنالیتیکس ۴ ارسال شود

چطور میتوان یوزر آیدی را دریافت کرد؟

روش شماره ۱: همکاری با توسعه دهنده برای ارسال یوزر آیدی به دیتالیر یا استفاده از افزونه

روش شماره ۲: ذخیره کردن userid در کوکی

روش شماره 3: استفاده از متغیر جاوا اسکریپت

روش شماره ۴: استخراج اطلاعات از DOM

اطلاعات مربوط به یوزر آیدی را در کدام بخش از آنالیتیکس میتوان مشاهده کرد؟

منظور از Direct Traffic یا ترافیک مستقیم در آنالیتیکس ۴ چیست؟

ترافیک Direct در آنالیتیکس ۴ کجاست؟

اضافه کردن دایمنشن دوم به گزارش و استفاده از فیلتر

استفاده از گزارش های اکسپلور