当前位置:   article > 正文

【Google】关于Google Analytics埋点及API获取数据_谷歌埋点

谷歌埋点

本文是在实际操作中踩到的一些坑,并不是操作手册。具体的还是需要仔细按照官方文档操作。

参考文档:https://developers.google.com/analytics/

重点看标红的文档即可

普通事件埋点

各端需要跟产品端确定好统一的事件名称和参数,否则数据混乱,通过api获取数据非常不准确

以前端代码为例

  1. gtag('event', '<event_name>', {
  2. <event_parameters>
  3. });
  4. //举例
  5. gtag('event', 'banner_view', {
  6. banner_id:4332
  7. });

后端

event_name根据确定好的场景进行设置(注意:禁止将id直接设置在事件名称中,比如 product_view_23423之类的。事件数量暂无限制,google analytics本身预设了click、first_visit、page_view、scroll、session_start等事件,日常的行为均被记录到预设事件中), event_parameters则是事件向google analytics传递的参数。如果要根据参数中的某个值查询,则需要这个参数在自定义维度中添加过。比如banner_id,

这个自定义维度不能超过50个。自定义维度和指标在后台设置后需要一两天后数据才可查询。

注意:如果某个维度在一天内的唯一值超过 500 个,该维度就会被视为高基数维度。如果存在高基数维度,报告就更有可能达到其行数上限,从而导致出现“(其他)”行。只有当信息很重要且是实现业务目标所必需的,才应使用高基数维度。

如何理解以上这段话,举例:

  1. gta('event','product_view',{
  2. id:21332
  3. })

这里设置了一个维度id,当商品的数量达到成千上万,这里的id唯一值将超过500,这种维度会视作高基数维度。那要对商品进行某些维度上的分析,如何做呢?google analytics针对电商平台设置了专门的维度,参考https://developers.google.com/analytics/devguides/collection/ga4/ecommerce?client_type=gtag

如何去理解维度和指标?https://support.google.com/analytics/answer/9143382

维度:是描述数据的属性,例如各种id,渠道,来源,机型,年龄,性别,事件,位置,国家城市等等,维度通常用于对数据进行分组或筛选

指标:是描述数据的数量,时间,百分比,数量,活跃数,用户数等等

谷歌预定维度和指标 https://developers.google.com/analytics/devguides/reporting/data/v1/api-schema?hl=zh-cn#dimensions

如何衡量同一个用户在不同平台的活动?https://support.google.com/analytics/answer/9213390

借助 User-ID 功能,您可以将自己的标识符与具体用户关联起来,以便在不同的会话以及各种设备和平台上关联他们的行为。Google Analytics(分析)会将每个 User-ID 解读为一个单独的用户,这使得您可以获得更准确的用户计数,让您更全面地了解用户与您的业务的关系。

  1. gtag('config', 'TAG_ID', {
  2. 'user_id': 'USER_ID'
  3. });

各端在用户登录后,可将USER_ID设置为用户id,这样该用户在各端的数据都能统一起来。
 

电商平台事件埋点

https://developers.google.com/analytics/devguides/collection/ga4/ecommerce?client_type=gtag

针对电商类网站,google analytics有专门设置特定的参数,按照文档设置即可

后端通过API埋点

推送参数参考

https://developers.google.com/analytics/devguides/collection/protocol/ga4/sending-events

推送地址:https://www.google-analytics.com/mp/collect

验证地址: https://www.google-analytics.com/debug/mp/collect

Android和IOS的firebase_app_id,web的measurement_id数据流中查看

Measurement Protocol API 密钥,也是在数据流中创建

新事件必须先调用验证,在推送埋点数据,否则不会被谷歌收录

汇总数据流

每个视图都是分散的,挨个获比较麻烦,需要把各端数据流合并

管理》数据流

客户端汇总每个视图都是分散的,挨个获比较麻烦,需要把各端数据流合并

如果后端的埋点数据需要区分来源,那么不同端的数据需要打到对应的数据流中

通过API拉取数据

拉取参数参考

https://ga-dev-tools.web.app/ga4/query-explorer/

1API启用

https://developers.google.com/analytics/devguides/reporting/data/v1/quickstart-client-libraries

2、身份验证

创建和管理服务帐号密钥

https://console.cloud.google.com/projectselector2/iam-admin/serviceaccounts?supportedpurview=project

创建完后将类似redmou-test@redmou-test.iam.gserviceaccount.com账号回填到google analytics 后台并设置好相关权限

3API接入 按照SDK文档

java构建实例:https://github.com/googleapis/java-analytics-data/tree/main/samples/snippets/src/main/java/com/example/analytics

1)PROPERTY_ID指的是

2)接口请求参数里metrics是指标,返回参数里会根据所列的指标返回响应的数值。dimensions是维度。一般查询事件 metrics 是 eventValue,dimensions 是eventName,会把所有事件结果返回。请求参数里还有dimensionFilter是根据之前请求维度筛选,同理metricFilter。 自定义维度查询,比如:customeEvent:banner_id。

具体可以通过

https://ga-dev-tools.web.app/ga4/query-explorer/

进行操作。

请求参数举例:复制代码通过json格式化在线工具 格式化查看更清晰

  1. {
  2. "dimensions":[
  3. {
  4. "name":"platform"
  5. },
  6. {
  7. "name":"customEvent:icon_id"
  8. }
  9. ],
  10. "metrics":[
  11. {
  12. "name":"eventCount"
  13. }
  14. ],
  15. "dateRanges":[
  16. {
  17. "startDate":"30daysAgo",
  18. "endDate":"yesterday"
  19. }
  20. ],
  21. "keepEmptyRows":true,
  22. "metricAggregations":[
  23. "TOTAL"
  24. ]
  25. }

返回数据举例:

  1. {
  2. "dimensionHeaders":[
  3. {
  4. "name":"platform"
  5. },
  6. {
  7. "name":"customEvent:icon_id"
  8. }
  9. ],
  10. "metricHeaders":[
  11. {
  12. "name":"eventCount",
  13. "type":"TYPE_INTEGER"
  14. }
  15. ],
  16. "rows":[
  17. {
  18. "dimensionValues":[
  19. {
  20. "value":"web"
  21. },
  22. {
  23. "value":"(not set)"
  24. }
  25. ],
  26. "metricValues":[
  27. {
  28. "value":"135"
  29. }
  30. ]
  31. },
  32. {
  33. "dimensionValues":[
  34. {
  35. "value":"web"
  36. },
  37. {
  38. "value":"1002"
  39. }
  40. ],
  41. "metricValues":[
  42. {
  43. "value":"5"
  44. }
  45. ]
  46. },
  47. {
  48. "dimensionValues":[
  49. {
  50. "value":"web"
  51. },
  52. {
  53. "value":"1003"
  54. }
  55. ],
  56. "metricValues":[
  57. {
  58. "value":"4"
  59. }
  60. ]
  61. },
  62. {
  63. "dimensionValues":[
  64. {
  65. "value":"web"
  66. },
  67. {
  68. "value":"1001"
  69. }
  70. ],
  71. "metricValues":[
  72. {
  73. "value":"2"
  74. }
  75. ]
  76. },
  77. {
  78. "dimensionValues":[
  79. {
  80. "value":"web"
  81. },
  82. {
  83. "value":"1004"
  84. }
  85. ],
  86. "metricValues":[
  87. {
  88. "value":"2"
  89. }
  90. ]
  91. },
  92. {
  93. "dimensionValues":[
  94. {
  95. "value":"web"
  96. },
  97. {
  98. "value":"1005"
  99. }
  100. ],
  101. "metricValues":[
  102. {
  103. "value":"2"
  104. }
  105. ]
  106. }
  107. ],
  108. "totals":[
  109. {
  110. "dimensionValues":[
  111. {
  112. "value":"RESERVED_TOTAL"
  113. },
  114. {
  115. "value":"RESERVED_TOTAL"
  116. }
  117. ],
  118. "metricValues":[
  119. {
  120. "value":"150"
  121. }
  122. ]
  123. }
  124. ],
  125. "rowCount":6,
  126. "metadata":{
  127. "currencyCode":"CNY",
  128. "timeZone":"Asia/Shanghai"
  129. },
  130. "kind":"analyticsData#runReport"
  131. }

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/weixin_40725706/article/detail/970917
推荐阅读
相关标签
  

闽ICP备14008679号