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 تگ منیجر

آی پی ترکینگ با استفاده از گوگل تگ منیجر

گاهی اوقات ممکن است نیاز داشته باشید تا به آدرس IP بازدیدکنندگان خود دسترسی پیدا کنید. این کار می‌تواند برای اهداف مختلفی از جمله مسدود کردن ترافیک داخلی، تنظیم قوانین برای فعال‌سازی تگ‌ها، پیش‌پر کردن فرم‌ها و غیره مفید باشد. اگرچه امکان ردیابی آدرس IP با Google Analytics نیز وجود دارد، اما توصیه نمی‌شود زیرا ممکن است با سیاست‌های Google در رابطه با اطلاعات شخصی در تضاد باشد. در این پست، نحوه جمع‌آوری آدرس IP در یک متغیر GTM را با استفاده از یک اسکریپت توضیح می‌دهیم.

مرحله 1: جمع‌آوری آدرس IP بازدیدکننده

برای اولین قدم، باید آدرس IP بازدیدکننده را استخراج کنیم. روش‌های مختلفی برای این کار وجود دارد، اما ما از جاوا اسکریپت استفاده خواهیم کرد زیرا یک روش جهانی است که تقریباً در هر شرایطی کار می‌کند.

<script type="application/javascript">
  function getIP(json) {
    dataLayer.push({"event":"ipEvent","ipAddress" : json.ip});	
  }
</script>

<script type="application/javascript" src="https://api.ipify.org?format=jsonp&callback=getIP"></script>

این کد با فرستادن یک درخواست به وبسایت IPify، آدرس IP را دریافت می‌کند. سپس آدرس IP به همراه یک ایونت با نام “ipEvent” به دیتا لیر GTM فرستاده می‌شود. برای دیدن نحوه‌ی عملکرد این کد و دریافت آدرس IP خود، می‌توانید روی این لینک کلیک کنید.

برای اضافه کردن این تگ به سایت، وارد تگ منیجر شوید.

از بخش تگ، Custom HTML را انتخاب کنید. تریگر این تگ را ALL Page قرار دهید.

سپس از بخش Variables، آی پی آدرس را به عنوان یک متغیر دیتالیر تعریف کنید. مشابه با تصویر زیر:

بعد از آن مجدد از بخش تگ، Google Analytics: GA4 Event را انتخاب کنید و تنظیمات تگ را مشابه با تصویر زیر انجام دهید.

برای تعیین تریگر این ایونت، باید از تریگر Custom Event استفاده کنید و مشابه با تصویر زیر تنظیمات آن را انجام دهید:

بعد از طریق بخش Preview Mode گوگل تگ منیجر، بررسی کنید که این ایونت به درستی کار میکند یا نه. در سمت چپ بخش دیباگ مود گوگل تگ منیجر باید اسم ایونت ipEvent را مشاهده کنید. با کلیک روی این ایونت، در بخش Variavles، باید آدرس آی پی خودتان را در متغیر دیتالیری که ایجاد کرده اید، مشاهده کنید.

بعد از اینکه مطمئن شدید همه چیز در سمت تگ منیجر به درستی کار میکند، نوبت به این میرسد که آدرس آی پی را به عنوان یک کاستوم دایمنشن در آنالیتیکس تعریف کنید تا بتوانید در گزارش های اکسپلور آنالیتیکس 4 از آن استفاده کنید.

بعد از آن باید 24 الی 48 ساعت منتظر باشید تا دیتا در آنالیتیکس قرار بگیرد. شما میتوانید با اتصال آنالیتیکس 4 به گوگل بیگ کوئری، یوزر آیدی هایی که رفتار ربات گونه دارند را شناسایی کرده و مسدود کنید.

پیغام Some of your pages are not tagged در گوگل تگ منیجر

در رابط کاربری گوگل تگ منیجر، بخشی تحت عنوان “Container quality” وجود دارد. اگر وضعیت آن به رنگ سبز و با عبارت “Excellent” نمایش داده شود، پس احتمالا با چالش خاصی رو به رو نیستد. اما در اکثر موارد، پیام “Needs attention” را مشاهده خواهید کرد که نشان‌دهنده وجود یک یا چند مسئله بالقوه می‌باشد. برای کسب اطلاعات بیشتر، بر روی لینک “View issues” کلیک کنید. در این مقاله به بررسی یکی از رایج‌ترین مشکلات گزارش‌شده در این بخش، یعنی ” Some of your pages are not tagged”، خواهیم پرداخت. لازم به ذکر است که بخش مشابهی با عنوان “Tag quality” نیز در گوگل آنالیتیکس وجود دارد و موارد ارائه شده در این مقاله برای آن بخش نیز قابل استفاده است. برای دسترسی به این بخش، وارد بخش ادمین در پراپرتی آنالیتیکس خود شوید و سپس دیتا استریم و استریم وب سایت خود را انتخاب کنید. در نهاید روی گزینه Configure tag settings کلیک کنید.

هشدار “برخی از صفحات شما تگ نشده‌اند” در تگ منیجر

پس از کلیک بر روی لینک “View issues” در بخش “Container quality”، فهرستی از تمامی هشدارهایی که باید رفع کنید، نمایش داده خواهد شد.

بر روی “See untagged pages” کلیک کنید.

در این بخش، صفحات وب سایت شما بر اساس وضعیتی که دارند در ۴ دسته قرار میگیرند:

Included pages: تمام صفحاتی که گوگل برای این کانتینر خاص شناسایی کرده است، اعم از تگ شده و نشده.
Not tagged: براساس اطلاعات گوگل، این صفحات فاقد تگ هستند (به این معنی که Google Tag یا Google Tag Manager روی آن‌ها فعال نشده است). در ادامه به این موضوع خواهیم پرداخت.
No recent activity: صفحاتی که در گذشته توسط گوگل ردیابی شده‌اند اما در ۳۰ روز اخیر هیچ فعالیت بر روی آن‌ها ثبت نشده است.
Tagged: گوگل تگ در ۳۰ روز گذشته بر روی این صفحات بارگذاری شده است.

اگر حداقل یک صفحه در دسته “Not tagged” وجود داشته باشد، پیام خطای “Some of your pages are not tagged” نمایش داده خواهد شد.

منظور از گوگل تگ چیست؟

در این خطا، گوگل تگ به دو مفهوم اشاره دارد:

قطعه کد gtag.js: این قطعه کد مستقیماً در سورس کد وبسایت قرار داده می شود می‌شود. این روش برای وبسایت‌هایی مناسب است که از گوگل تگ منیجر استفاده نمی‌کنند و ترجیح می‌دهند ایونت ترکینگ در GA4 یا گوگل ادز را به صورت دستی در سورس کد قرار دهند.
قطعه کد کانتینر گوگل تگ منیجر: این قطعه کد برای مدیریت تگ‌های مختلف در گوگل تگ منیجر استفاده می شود و به سورس کد وبسایت اضافه می‌شود.

با وجود اینکه گوگل تگ منیجر دارای فرمتی به نام “گوگل تگ” است، سیستم تشخیص خطا به تگ‌های درون کانتینر اهمیت نمی‌دهد. در واقع، صرفاً بررسی می‌کند که آیا هر صفحه از وبسایت دارای کد ردیابی GTAG یا کد کانتینر گوگل تگ منیجر است یا خیر.

برای رفع خطای Some of your pages are not tagged در تگ منیجر چه کنیم؟

معمولاً سه حالت ممکن برای این خطا وجود دارد:

صفحه مورد نظر باید تگ شود اما تگ نشده است: در این حالت، لازم است بررسی شود که چرا تگ نصب نشده و مشکل برطرف گردد.
صفحه نباید تگ شود: این شرایط ممکن است در مورد صفحات خاصی مانند فایل‌های PDF یا بخش‌های ادمین وبسایت صدق کند.
خطای کاذب: در برخی موارد، ممکن است سیستم به اشتباه وجود مشکل را گزارش کند.

در هر یک از این موارد، بررسی دقیق‌تر برای تشخیص علت خطا ضروری است.

۱. تایید تگ‌گذاری صفحات

فرآیند بررسی را با سناریویی آغاز می‌کنیم که GA4 به صورت مستقیم (با افزودن کد آن به سورس وب‌سایت) نصب شده باشد.

ابتدا به لیست صفحات “Not tagged” مراجعه کرده و اولین URL را کپی نمایید. سپس به آدرس tagassistant.google.com مراجعه کرده، بر روی “Add domain” کلیک کنید، URL کپی‌شده را وارد نموده و دکمه “connect” را بزنید.

یک تب یا پنجره جدید باز وب‌سایت شما باز خواهد شد. ویجت دستیار تگ (در گوشه‌ی پایین سمت راست) باید وضعیت اتصال را تایید نماید. به تب یا پنجره‌ی tagassistant بازگردید.

در بالای صفحه، ترکینگ کد GA4 متعلق به وب‌سایت خود را یافته و روی آن کلیک کنید. در بخش “Hits Sent” می‌بایست ایونت هایی (مانند “page_view” یا موارد مشابه) را مشاهده نمایید.

در صورت مشاهده‌ی این ایونت ها، به احتمال زیاد GA4 به درستی نصب شده و عملکرد درستی دارد. در این حالت، هشداری که در تگ منیجر میبیند یک اشتباه است و نیازی به انجام کاری از سمت شما نیست.

اکنون می‌توانید به لیست صفحات “Not tagged” بازگشته و صفحه‌ی مورد نظر را به عنوان “Ignore” علامت‌گذاری نمایید. برای انجام این کار، نشانگر ماوس را بر روی URL مربوطه نگه داشته و سپس روی علامت منفی کلیک کنید.

امکان نادیده گرفتن گروهی صفحات نیز وجود دارد. بدین منظور، باکس کنار صفحات مورد نظر را علامت زده و سپس بر روی دکمه‌ی “Ignore” در بالای لیست کلیک نمایید.

چنانچه با عدم مشاهده‌ی ایونت های رایج در GA4 مانند بازدید از صفحه در tagassistant مواجه شدید، ممکن است GA4 به درستی نصب نشده باشد. پس باید از دولوپر خود کمک بگیرید و یا خودتان بررسی کنید که آیا کد نصب آنالیتیکس را در تمام صفحات قرار داده اید یا نه.

این فرآیند را برای سایر URL‌های صفحه تکرار نمایید. در صورت یافتن صفحه‌ای بدون تگ، نسبت به رفع مشکل اقدام نمایید.

بررسی Google Tag Manager:

در صورتی که از Google Tag Manager استفاده می‌کنید، فرآیند بررسی اندکی متفاوت است. به کانتینر Google Tag Manager خود مراجعه نموده و بر روی “Preview” کلیک نمایید.

سپس، URL وب‌سایت خود را وارد کرده و بر روی “Connect” کلیک کنید. در صورت برقراری اتصال در حالت Preview، احتمالا مشکلی ندارید. در واقع این اتصال نشان می‌دهد که صفحه تگ‌گذاری شده و می‌توانید آن را به عنوان “Ignore” علامت‌گذاری نمایید. اما اگر اتصال به درستی برقرار نشد، پس باید برای شناسایی علت عدم نصب درست تگ منیجر روی سایت اقدام کنید.

صفحات معاف از تگ‌گذاری

ابزار تشخیص تگ گاهی اوقات صفحاتی را شناسایی می‌کند که هرگز نباید با تگ گوگل یا تگ منیجر گوگل تگ‌گذاری شوند. به عنوان مثال، یک URL مربوط به یک فایل PDF (قرار دادن کدهای ردیابی جاوا اسکریپت روی فایل‌های غیر وب امکان‌پذیر نیست). مثال دیگر می‌تواند پنل ادمین یک وب‌سایت باشد، مانند: “mywebsite.com/wp-admin/”.

در صورتی که چنین آدرس‌هایی را در لیست صفحات “تگ نشده” مشاهده می‌کنید و قصد ردیابی آن‌ها را هم ندارید، به سادگی آن صفحات را “Ignore” کنید.

اخطار اشتباه

دلایل دیگری نیز وجود دارد که برخی از صفحات به اشتباه به عنوان “Not tagged” علامت گذاری شوند.

صفحات با ترافیک کم: این احتمال وجود دارد که صفحاتی با ترافیک کم، حتی در صورت عمدی بودن ترافیک پایین، به اشتباه به عنوان “Not tagged” علامت گذاری شوند. به عنوان مثال، صفحات تایید سفارش.

صفحات ری دایرکت شده: بر اساس اعلام گوگل، ری دایکرت نیز می‌توانند باعث تشخیص اشتباه صفحات شوند. به عنوان مثال، اگر “https://mywebsite.com” به “https://www.mywebsite.com” ری دایرکت شود، هر دو URL ممکن است به عنوان تگ نشده علامت گذاری شوند.

اسلش انتهای آدرس: مشابه شرایط ری دایکرت، اسلش در انتهای URL می‌تواند باعث ایجاد این خطا شود. “https://mywebsite.com” و “https://mywebsite.com/” هر دو ممکن است به عنوان “تگ نشده” علامت گذاری شوند.

حروف بزرگ و کوچک: این موضوع شبیه به دو مثال قبلی است. اگر به یک صفحه با حروف کوچک و بزرگ بتوان دسترسی داشت، هر دو ممکن است به عنوان “تگ نشده” علامت گذاری شوند. مثال: “https://mywebsite.com/contact” و “https://mywebsite.com/CONTACT“

۲۴ ساعت صبر کنید

لطفا 24 ساعت منتظر باشید. هدف نهایی تأیید URL های مشخص شده به عنوان “Not tagged” و سپس انجام یکی از اقدامات زیر است:

رفع مشکل عدم وجود قطعه کد GTM/GTAG
علامت‌گذاری صفحه به عنوان “Ignore”

هنگامی که لیست صفحات “Not tagged” خالی شود، هشدار “Some of your pages are not tagged” حذف خواهد شد.

با این حال، توجه داشته باشید که این ابزار برای به‌روزرسانی 24 ساعت زمان نیاز دارد. اگر صفحه‌ای بدون کد ردیابی پیدا کردید و مشکل آن را برطرف کردید، لطفا 24 ساعت منتظر بمانید تا وضعیت آدرس اینترنتی به “Tagged” تغییر کند.

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.

بهترین تکنیک‌های جاوا اسکریپت برای گوگل تگ منیجر

شاید ندانید، اما هنگامی که از Google Tag Manager استفاده می‌کنید، در واقع کدهای جاوااسکریپتی را پیکربندی می‌کنید که به دنبال ردیابی تعاملات در وب‌سایت هستند. Google Tag Manager درواقع یک رابط کاربری آسان برای انجام این کار ارائه می‌دهد، بنابراین هنگام کار با آن نیازی به دانش برنامه نویسی نیست! با این حال، هرچه بیشتر با Google Tag Manager کار کنید، بیشتر نیازمند درک و استفاده از جاوااسکریپت برای پیشبرد تحلیل‌های خود خواهید بود. استفاده از جاوااسکریپت در تگ های Custom HTML، متغیرهای جاوااسکریپت، یا تمپلیت های سفارشی، انعطاف‌پذیری بیشتری به شما می‌دهد تا اطلاعات دقیق‌تری در مورد نحوه تعامل کاربران با سایت خود به دست آورید. اگر به برنامه‌نویسی علاقه‌مند هستید اما تازه‌کار هستید، یادگیری جاوااسکریپت ممکن است چالش‌برانگیز به نظر برسد. اما بالاخره باید از جایی شروع کرد، درست است؟ این آموزش به شما کمک خواهد کرد تا با استفاده از پنج موضوع کلیدی در مورد جاوااسکریپت برای گوگل تگ منیجر، پیاده سازی و اجرای ایونت ترکنیگ خود را بهتر پیش ببرید.

به عنوان یک پرفورمنس مارکتر، درک این مفاهیم اساسی نه تنها به شما اجازه می‌دهد تا با ابزارهایی مانند Google Tag Manager به طور بهتری کار کنید، بلکه به شما این قدرت را می‌دهد که داده‌های خود را به شیوه‌ای دقیق‌تر تجزیه و تحلیل کنید. بهره‌برداری از داده‌ها برای بهبود تبلیغات، افزایش تعامل کاربر و بهینه‌سازی تجربه کاربری، می‌تواند تفاوت قابل توجهی در عملکرد کمپین‌های شما ایجاد کند.

چرا یادگیری جاوا اسکریپت برای دیجیتال مارکترها ضروری است؟

در دنیای وب امروز، نقش جاوا اسکریپت فراتر از یک زبان برنامه‌نویسی ساده است؛ آن را می‌توان روح پنهانی دانست که در پس پرده به وب‌سایت‌ها جان می‌بخشد و تعامل کاربری را به اوج می‌رساند. جاوا اسکریپت به همراه HTML و CSS، سه‌گانه‌ای را تشکیل می‌دهد که اساس و بنیان یک وب‌سایت تعاملی و پویا را رقم می‌زنند. HTML ساختار و محتوای وب‌سایت را مشخص می‌کند، CSS زیبایی و استایل را به آن می‌بخشد و جاوا اسکریپت با قدرت تعاملی خود، جانی تازه به این عناصر می‌دهد.

برای دیجیتال مارکترها، دانستن نحوه به‌کارگیری جاوا اسکریپت در Google Tag Manager به منظور افزودن اسکریپت‌های سفارشی به وب‌سایت بدون دستکاری مستقیم کد وب، یک مهارت کلیدی است. اگر به دنبال افزایش دانش خود در زمینه جاوا اسکریپت هستید، پیشنهاد میکنم دوره‌های رایگان جاوا اسکریپت ارائه شده توسط W3Schools را شرکت کنید.

مفاهیم پایه جاوا اسکریپت برای گوگل تگ منیجر

در دنیای بازاریابی دیجیتال و بهینه‌سازی سایت‌ها، داشتن دانش برنامه‌نویسی، به‌خصوص در JavaScript، می‌تواند یک مزیت رقابتی به‌شمار آید. در این راستا، شناخت سینتکس (دستورالعمل نوشتاری کد) JavaScript و تفاوت‌های موجود میان نسخه‌های مختلف آن، از اهمیت ویژه‌ای برخوردار است.

امروزه، نسخه فعلی JavaScript که به‌عنوان ECMAScript 6 (ES6) شناخته می‌شود، تحولات قابل توجهی را در نحوه نوشتار کدها به ارمغان آورده است. با این حال، نکته قابل توجه برای دیجیتال مارکترها و کارشناسان SEO این است که اگرچه Google Tag Manager (GTM) از ES6 پشتیبانی می‌کند، اما در تگهای کاستوم HTML یا متغیرهای کاستوم JavaScript، تنها به نسخه ES5 وفادار مانده است.

این تفاوت‌های نسخه‌ای می‌تواند برای دیجیتال مارکترها به‌ویژه زمانی که در تلاش برای اجرای اسکریپت‌های پیچیده در GTM هستند، حائز اهمیت باشد. به‌عنوان مثال، یکی از ویژگی‌های کلیدی ES6، معرفی Arrow Functions است که سینتکس ساده‌تر و خواناتری برای تعریف توابع فراهم می‌آورد. با این حال، این توابع در ES5 و در نتیجه در بخش‌هایی از GTM که تنها از ES5 پشتیبانی می‌کنند، قابل استفاده نیستند.

تعریف و مقدار دهی متغیرها در جاوا اسکریپت

در عرصه برنامه‌نویسی، تعریف متغیرها یکی از اصول پایه‌ای است که به ما امکان می‌دهد تا با اختصاص دادن نام به مقادیر یا اشیاء، به داده‌ها دسترسی پیدا کنیم. این امر با استفاده از متغیرها، که به عنوان نماینده‌ای از داده‌ها عمل می‌کنند، امکان‌پذیر است. نحوه تعریف متغیرها بین نسخه‌های مختلف جاوا اسکریپت، مانند EC5 و EC6، متفاوت است.

در نسخه EC5، متغیرها با کلیدواژه var تعریف می‌شوند. این کلیدواژه انعطاف‌پذیری بالایی دارد اما محدودیت‌هایی نیز به همراه دارد.

var clothingBrand = ‘Nike’;
var price = 1500;

در حالی که نسخه EC6، با استفاده از const و let، میتوان متغیر تعریف کرد:

const clothingBrand = ‘Nike’;
const price = 1500;

مهمترین نکات هنگام استفاده از جاوا اسکریپت برای گوگل تگ منیجر

در ادامه این مطلب به پنج موضوع کلیدی در رابطه با استفاده از جاوااسکریپت در Google Tag Manager می‌پردازد که به دانش فنی پیچیده‌ای نیاز ندارند.

دیتالیر

یک وب سایت معمولاً دارای سه لایه است: آنچه کاربران شما می بینند، لایه ابزارهای متصل به وب سایت (مانند Google Analytics و Google Tag Manager) و دیتالیر، جایی که داده های تولید شده توسط کاربر ذخیره می شود. Data Layer یک روش قابل اعتماد برای جمع آوری داده ها از وب سایت در اختیار شما قرار می دهد. مقادیر داخل این لایه اغلب توسط Google Tag Manager برای ارسال اطلاعات به تگ ها استفاده می شود. این اطلاعات شامل ایونتها، متغیرها و تریگر هایی هستند که می توانند بر اساس مقادیر متغیرها تنظیم شوند. به محض اینکه کد نصب تگ منیجر روی سایت قرار بگیرد، دیتالیر هم به صورت خودکار ایجاد می شود.

بنابراین زمانی که میخواهید مطمئن شوید که تگ منیجر روی یک سایت به درستی کار میکند یا نه، اولین کاری که باید انجام دهید این است که به دیتا لیر نگاهی بیاندازید. یک راه سریع و راحت برای دسترسی به دیتا لیر، حتی بدون دسترسی به Tag Assistant، استفاده از Developer Tools در مرورگر است. اگر از Google Chrome استفاده می‌کنید، به منوی برنامه‌ها، سپس More Tools و سپس Developer Tools بروید. برای دسترسی به این بخش میتوانید از میانبر صفحه کلید Ctrl+Shift+I برای ویندوز یا Cmd+Shift+I برای مک هم استفاده کنید.

در تب Console، dataLayer را تایپ کنید، سپس Enter را فشار دهید.

با بررسی این بخش میتوانید مطمئن شوید که اطلاعات به درستی ذخیره شده اند یا نه.

انواع داده‌ها و ساختار داده در جاوا اسکرپیت

دیتا تایپ به کامپیوتر می‌گوید که متغیر چه اطلاعاتی را ذخیره می‌کند و نحوه پردازش و دستکاری آن را تعیین می‌کند. در JavaScript، انواع داده‌های رایج شامل رشته‌ها، اعداد، بولین و آبجکت می‌شوند.

رشته‌ها (Strings) مجموعه‌ای از کاراکترها هستند که در ” ” قرار می‌گیرند و به عبارتی، متن محسوب می‌شوند. برای مثال، var clothingBrand = 'Nike'; نام یک برند لباس را نشان می‌دهد.
اعداد (Numbers) یک مقدار عددی هستند. برای نمونه، var price = 15; قیمت یک کالا را نشان می‌دهد.
بولین (Booleans) فقط می‌توانند یکی از دو مقدار true یا false را داشته باشند. این نوع داده‌ها برای عملیات منطقی و تصمیم‌گیری در کد استفاده می‌شوند. به عنوان مثال، var isOnSale = true; نشان می‌دهد که یک کالا در حال فروش است.

اگر انواع داده ها را مواد تشکیل دهنده در نظر بگیریم، ساختارهای داده دستور العمل هایی هستند که مواد را ترکیب می کنند. آرایه و آبجکت، رایجترین ساختارهای داده هستند که در جاوا اسکریپت برای تگ منیجر به کار برده می شوند. آرایه، که با استفاده از براکت [] مشخص می شوند، یکی از انواع ساختار داده است که به شما امکان می دهد چندین مقدار را در یک متغیر واحد نگهداری کنید. همانطور که در قطعه کد زیر مشخص است، میتوانید در یک آرایه چند نوع داده متفاوت ذخیره کنید. به خاطر داشته باشید که در جاوا اسکریپت، ایندکس هر داده از ۰ شروع میشود. در واقع برای دسترسی به داده اول در آرایه باید از ایندکس شماره ۰ استفاده کرد. آرایه ها در ایکامرس ترکینگ، برای ارسال اطلاعات محصول همراه با ایونت های مربوط به ایکامرس، مورد استفاده قرار میگیرند.

var clothingCategories = [‘shoes’, ‘t-shirts’, ‘pants’];
var firstElement = myArray[0]; // returns ‘shoes’
var dataTypes = [‘string’, 1, true, [1, 2, 3]]; // arrays can hold multiple data types

به طور مشابه، یک آبجکت می تواند چندین مقدار از انواع داده های مختلف را در خود نگه دارد.یک آبجکت شامل جفت های کلید-مقدار است که توسط {} مشخص می شوند.

var objectExample = {key: value}; // Example
var itemDetails = {
materialComposition: {
‘cotton’: 70,
‘linen’: 30
},
price: 30,
onSale: false,
searchTags: [‘t-shirt’, ‘women’, ‘tops’]
};

توابع جاوا اسکریپت

یکتابع جاوا اسکریپت بلوکی از کد است که برای اجرای یک کار هدفمند مورد استفاده قرار میگیرد. این تابع یک ورودی می گیرد، یک عملیات مشخث روی ورودی انجام می دهد و خروجی مورد نظر را برمی گرداند.می توانید تابع را به عنوان یک کارخانه در نظر بگیرید که یک یا چند قطعه می گیرد و یک محصول نهایی تولید می کند. مهمترین مزیت استفاده از توابع جاوا اسکریپت این است که میتوانید از آنها در سراسر کدها با استفاده از افراخوانی، استفاده کنید.در مثال زیر، تابع قیمت یک کالا و مالیات را (به صورت اعشاری) دریافت می کند و قیمت را پس از کسر مالیات برمی گرداند.

function priceAfterTax(price, tax) {
return price * (1 + tax);
};

هنگام ایجاد متغیرهای جاوا اسکریپت سفارشی در GTM، از توابع ناشناس استفاده می شود، منظور توابعی است که اسم مشخصی نداشته و در نتیجه در ادامه فراخوانی نمی شوند. به عنوان مثال کد زیر شامل یک تابع ناشناس است:

function () {
for (var e = document.getElementsByTagName(“iframe”), x=0; x < e.length; x++) {
if (/^https?:\/\/player.vimeo.com/.test(e[x].src)) {
return true;
}
}
return false;
}

دستورات شرطی (یا دستورات if) زمانی مورد استفاده قرار میگیرند که بر اساس بررسی یک سری شرایط خاص روی ورودی، یک سری عملیات خاص انجام میدهند. این دستورات اغلب در توابع برای برگرداندن خروجی های مختلف بسته به ورودی استفاده می شوند.در کد زیر، بسته به قیمت کالا، برای اینکه ارسال رایگان باشد یا خیر، تابع یک مقدار بولین برمی‌گرداند.

function freeShipping(price) {
if (price < 100) {
return false;
} else {
return true;
}
};

اسکوپ در جاوا اسکرپیت

Scope قابلیت دسترسی به یک متغیر، شی و تابع را از قسمت های مختلف کد تعریف می کند.دو اسکوپ اصلی برای EC5 وجود دارد: جهانی (global) و function (معروف به محلی). زمانی که یک متغیر به صورت گلوبال تعریف می شود، بدون هیچ محدودیتی میتوان در سراسر کد به آن دسترسی داشت. اما در حالت تابع، متغیر فقط در سطح همان تابعی که تعریف شده است، در دسترس است و بیرون از همان تابع نمیتوان به آن دسترسی داشت. در مثال زیر، نمی‌توانید به متغیر isFreeShipping خارج از تابع دسترسی داشته باشید زیرا این متغیر داخل تابع تعریف شده است.با این حال، می‌توانید از متغیر shippingCost و تابع addShippingCost در توابع دیگر استفاده مجدد کنید.

با توجه به این موضوع، هنگام تعریف متغیر در جاوا اسکریپت به موضوع اسکوپ و میزان دسترسی به متغیرها توجه داشته باشید. اگر نیاز دارید که به یک متغیر در توابع مختلفی دسترسی داشته باشید، باید متغیر را به صورت گلوبال تعریف کنید.

کار با داده از جنس رشته یا string

برای دسترسی به بخشی از یک متن باید از توابع مربوط به رشته ها استفاده کنید. روش .split() یکی از مهمترین توابعی است که هنگام کار با داده از جنس استرینگ مورد استفاده قرار میگیرد. سایر توابع کاربردی مرتبط با داده از نوع رشته عبارت هستند از:

.slice() – قسمت مشخص شده یک رشته را استخراج می کند و یک رشته جدید برمی گرداند.
.concat () – دو یا چند رشته به هم پیوسته را برمی گرداند.
.lowerCase() – رشته مشخص شده را با تمام حروف کوچک برمی گرداند.
.upperCase() – رشته مشخص شده را در تمام حروف بزرگ برمی گرداند.

کار با آرایه ها در جاوا اسکریپت

همانطور که قبلاً به گفتیم، آرایه‌ها مانند فهرست‌هایی از اطلاعات سازمان‌یافته هستند که ذخیره و ترتیب اطلاعات از انواع داده‌های مختلف را آسان می‌کنند.همانند رشته‌ها، می‌توانید از انواع توابع مربوط به آرایه ها برای دستکاری این نوع داده ها استفاده کنید. برخی از کاربردی ترین توابع مربوط به آرایه ها عبارت هستند از:

.push() – یک یا چند عنصر را به انتهای یک آرایه اضافه می کند (از این تابع برای وارد کردن دیتا به دیتالیر گوگل تگ منیجر استفاده می شود)
.pop() – آخرین عنصر آرایه را حذف و برمی گرداند.
.find() – اولین عنصر آرایه ای که شرایط مشخص شده را بدون تغییر آرایه اصلی برآورده می کند، پیدا کرده و برمی گرداند.
.slice() – نباید با .splice() اشتباه گرفته شود، این متد بخشی از آرایه بین دو شاخص مشخص شده را به عنوان یک آرایه جدید برمی گرداند.
.map() – یک آرایه جدید را پس از فراخوانی یک تابع در هر عنصر آرایه اصلی برمی گرداند.
.forEach() – به شما امکان می دهد از هر عنصر در یک آرایه عبور کنید و با استفاده از آن عنصر عملیاتی را انجام دهید، اما – برخلاف .map() – چیزی را بر نمی گرداند.
.includes() – یک بولین را بر اساس اینکه آیا آرایه حاوی عنصر مشخص شده است (این روش به حروف کوچک و بزرگ حساس است) برمی گرداند.
.filter() – یک آرایه جدید حاوی هر عنصر در آرایه اصلی که شرایط مشخص شده را برآورده می کند، برمی گرداند.

منظور از DOM در جاوا اسکریپت

Document Object Model که به اختصار DOM نامیده می شود، نمایشی پویا از ساختار و محتوای یک وب سایت است. هنگامی که یک وب سایت را باز می کنید، مرورگر یک فایل HTML را از سرور وب سایت دانلود می کند و آنچه را که در سایت می بینید با استفاده از HTML، CSS و جاوا اسکریپت تولید می کند. سپس، DOM ساخته می‌شود و به کمک جاوا اسکریپت اجازه دسترسی به مقادیر خاصی از وب‌سایت را می‌دهد.

هنگامی که کاربران از سایت شما بازدید می کنند، کد ردیابی Google Analytics 4 از ایونت DOM برای ردیابی ایونت هایی مانند کلیک روی یک المان استفاده میکند.

دستور کوئری سلکتور (Query Selector)

تکنیک بعدی که می توانیم برای استفاده از جاوا اسکریپت برای گوگل تگ منیجر استفاده کنیم، روش کوئری سلکتور است. همانطور که پیش از این گفته شد، لایه ای از سایت که کاربران مشاهده میکنند، متشکل از HTML و CSS است. ما زمانی که بخواهیم به یک المان خاص در صفحه اشاره کنیم، میتوانیم از سی اس اس سلکتور آن المان استفاده کنیم. اما برای اینکه مطمئن شویم سلکتور انتخاب شده به صورت دقیق به المان مد نظر ما اشاره میکند، باید از دستور کوئری سلکتور در بخش کنسول اینسپکت استفاده کنیم.

درواقع کاری که کوئری سلکتور انجام می دهد این است که یک عنصر را در صفحه پیدا می کند و آن را به شما برمی گرداند تا بتوانید عملیات بیشتری را روی آن انجام دهید و آن را به Google Tag Manager منتقل کنید. تصور کنید که من میخواهک کلیک روی دکمه مشاوره رایگان در صفحه اصلی سایت خودم را ردیابی کنم. برای انجام این کار، باید از طریق یک سلکتور منحصر به فرد، به این المان دسترسی پیدا کنم. روی المان مورد نظرم راست کلیک کرده و گزینه inspect را انتخاب میکنم.

آموزش گوگل ادز

چه زمانی از استراتژی Maximize Clicks استفاده کنیم؟

آموزش دیجیتال مارکتینگ

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

دوره ویدئویی آنالیتیکس ۴ منتشر شد

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

رابطه بین این سه متریک چیست؟

چگونه از این سه متریک برای سنجش درآمد کسب و کار خود استفاده کنیم؟

منظور از بنچ مارک در آنالیتیکس 4 چیست؟

Benchmarking در Google Analytics: مقایسه عملکرد با رقبا

مزایای استفاده از Benchmarking در Google Analytics:

نحوه استفاده از قابلیت Benchmarking در آنالیتیکس 4

مرحله اول: تعیین معیارهای عملکرد

مرحله دوم: انتخاب یک متریک کلیدی

مرحله سوم: انتخاب متریک مقایسه

مرحله چهارم: تفسیر داده‌های بنچ مارک

مرحله 5: تغییر سگمنت بنچ مارک

نحوه استفاده از داده‌های بنچ مارکینگ برای بهبود کسب‌وکار

لیست متریک های موجود در بنچ مارک

اطلاعات مربوط به بنچ مارک چگونه جمع آوری می شوند؟

قابلیت بنچ مارک در آنالیتیکس من وجود ندارد، چه کنم؟

چرا باید عملکرد جایگاه های تبلیغاتی داخل سایت یا اپ را با GTM ردیابی کنیم؟

ایجاد متغیر جاوا اسکریپت سفارشی

ردیابی بازدید از تبلیغات داخل سایت در GA4

ایجاد تگ ایونت GA4

ایجاد تریگر ایونت view_promotion

پیش‌نمایش و بررسی عملکرد تگ

ردیابی کلیک روی تبیلغات داخلی سایت

گزارش نمایش و کلیک پروموشن های داخلی سایت در GA4

کانورژن ترکینگ در گوگل ادز چگونه انجام می شود؟

تفاوت‌های کانورژن ترکینگ در گوگل ادز و گوگل آنالیتیکس ۴

اتریبیوشن مدل

تنظیمات lookback window

تاریخ ثبت کانورژن

زمان پردازش

روش شمارش

طول اسم ایونت

کانورژن های ردیابی نشده در GA4

ادبلاکر و consent mode

بازه زمانی گزارش

چرا از کانورژن ترکینگ گوگل ادز استفاده کنیم؟

چرا از روش تبدیل گوگل آنالیتیکس 4 استفاده کنیم؟

از کدام مدل کانورژن ترکینگ استفاده کنیم؟

منظور از Key Event در آنالیتیکس ۴ چیست؟