reklama - zainteresowany?

Google Analytics od podstaw. Analiza wp - Helion

Google Analytics od podstaw. Analiza wp
ebook
Autor: Mark Edmondson
Tytuł oryginału: Learning Google Analytics: Creating Business Impact and Driving Insights
Tłumaczenie: Lech Lachowski
ISBN: 978-83-8322-851-8
stron: 296, Format: ebook
Data wydania: 2023-09-01
Księgarnia: Helion

Cena książki: 34,50 zł (poprzednio: 69,00 zł)
Oszczędzasz: 50% (-34,50 zł)

Dodaj do koszyka Google Analytics od podstaw. Analiza wp

Tagi: Analiza danych | E-biznes | Inne | Marketing | Zarz

Google Analytics 4 wyznacza nowe zasady marketingu cyfrowego: obecnie chodzi nie tyle o raportowanie zdarze

Dodaj do koszyka Google Analytics od podstaw. Analiza wp

 

Osoby które kupowały "Google Analytics od podstaw. Analiza wp", wybierały także:

  • Databricks. Kurs video. Wst
  • Apache NiFi. Kurs video. Automatyzacja przep
  • Web scraping. Kurs video. Zautomatyzowane pozyskiwanie danych z sieci
  • Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
  • Excel 2013. Kurs video. Poziom drugi. Przetwarzanie i analiza danych

Dodaj do koszyka Google Analytics od podstaw. Analiza wp

Spis treści

Google Analytics od podstaw. Analiza wpływu biznesowego i wyznaczanie trendów eBook -- spis treści

Wstęp

1. Nowa usługa Google Analytics 4

  • Wprowadzenie do GA4
    • Ujednolicenie analityki mobilnej i internetowej
    • Firebase i BigQuery - pierwsze kroki w chmurze
    • Wdrożenie GA4
    • Porównanie Universal Analytics z GA4
  • Model danych GA4
    • Zdarzenia
    • Parametry niestandardowe
    • Elementy e-commerce
    • Właściwości użytkownika
  • Google Cloud Platform
    • Odpowiednie usługi GCP
    • Umiejętności kodowania
    • Wprowadzenie do GCP
    • Poruszanie się w górę piramidy bezserwerowej
    • Podsumowanie wprowadzenia do GCP
  • Wprowadzenie do przypadków użycia
    • Przypadek użycia - predykcyjna analiza zakupów
    • Przypadek użycia - segmentacja odbiorców
    • Przypadek użycia - prognozowanie w czasie rzeczywistym
  • Podsumowanie

2. Architektura danych i strategia

  • Tworzenie środowiska do odniesienia sukcesu
    • Zaangażowanie zainteresowanych stron
    • Podejście oparte na analizie przypadków użycia i unikaniu statków kosmicznych
    • Demonstrowanie wartości biznesowej
    • Ocena dojrzałości cyfrowej
    • Ustalanie priorytetów przypadków użycia
  • Wymagania techniczne
  • Pozyskiwanie danych
  • Przechowywanie danych
  • Modelowanie danych
    • Porównanie wydajności modelu i wartości biznesowej
    • Zasada najmniejszego przenoszenia (danych)
    • Od wejść danych nieprzetworzonych do wyjść danych informacyjnych
    • Pomoc dla badaczy danych lub osób modelujących dane
    • Ustalenie wskaźników KPI modelu
    • Ostateczna lokalizacja modelu
  • Aktywacja danych
    • To nie musi być dashboard
    • Interakcja z użytkownikami końcowymi
  • Prywatność użytkowników
    • Przestrzeganie wyborów ochrony prywatności użytkowników
    • Prywatność uwzględniona w projekcie
  • Pomocne narzędzia
    • gcloud
    • System kontroli wersji (Git)
    • Zintegrowane środowiska programistyczne
    • Kontenery (w tym Docker)
  • Podsumowanie

3. Pozyskiwanie danych

  • Rozbijanie silosów danych
    • Mniej znaczy więcej
    • Określanie schematu danych
  • Konfiguracja GA4
    • Typy zdarzeń GA4
    • Przechwytywanie zdarzeń GA4 za pomocą menedżera tagów
    • Konfiguracja niestandardowych pól
    • Modyfikowanie lub tworzenie zdarzeń GA4
    • Właściwości użytkownika
    • Measurement Protocol v2
  • Eksportowanie danych GA4 za pośrednictwem interfejsów API
    • Uwierzytelnianie przy użyciu interfejsu Data API
    • Uruchamianie zapytań Data API
  • BigQuery
    • Połączenie GA4 z BigQuery
    • SQL BigQuery dla eksportów GA4
    • BigQuery dla innych źródeł danych
    • Publiczne zbiory danych BigQuery
    • Menedżer tagów po stronie serwera
  • Google Cloud Storage
    • Pamięć masowa oparta na zdarzeniach
    • Prywatność danych
    • Importy bazy danych CRM za pośrednictwem usługi GCS
  • Konfiguracja potoków CI/CD Cloud Build za pomocą GitHuba
    • Konfigurowanie GitHuba
    • Konfigurowanie połączenia GitHuba z Cloud Build
    • Dodawanie plików do repozytorium
  • Podsumowanie

4. Przechowywanie danych

  • Zasady dotyczące danych
    • Dane uporządkowane
    • Zbiory danych dla różnych ról
  • BigQuery
    • Kiedy używać BigQuery?
    • Organizowanie zbiorów danych
    • Wskazówki dotyczące tablic
  • Pub/Sub
    • Konfigurowanie tematu Pub/Sub dla eksportu z GA4 do BigQuery
    • Tworzenie partycjonowanych tabel BigQuery z eksportu GA4
    • Wysyłanie do Pub/Sub po stronie serwera
  • Firestore
    • Kiedy korzystać z Firestore'a?
    • Uzyskiwanie dostępu do danych Firestore'a za pośrednictwem API
  • GCS
  • Planowanie importów danych
    • Rodzaje importu danych - przesyłanie strumieniowe a zaplanowane dane wsadowe
    • Zaplanowane kwerendy BigQuery
    • Cloud Composer
    • Cloud Scheduler
    • Cloud Build
  • Strumieniowe przepływy danych
    • Pub/Sub do strumieniowego przesyłania danych
    • Apache Beam (Dataflow)
    • Przesyłanie strumieniowe za pośrednictwem Cloud Functions
  • Ochrona prywatności użytkowników
    • Prywatność danych uwzględniona w projekcie
    • Data wygaśnięcia w BigQuery
    • Data Loss Prevention API
  • Podsumowanie

5. Modelowanie danych

  • Model danych za pomocą GA4
    • Raporty standardowe i eksploracje
    • Modelowanie atrybucji
    • Rozwiązywanie użytkownika i sesji
    • Modelowanie trybu zgody
    • Tworzenie grup odbiorców
    • Dane prognozowane
    • Trendy
  • Przekształcanie danych w trendy
    • Ustalanie zakresu dla wyników danych
    • Dokładność i korzyść przyrostowa
    • Wybór metody
    • Utrzymywanie aktualności potoków modelowania
    • Łączenie zbiorów danych
  • BigQuery ML
    • Porównanie modeli BigQuery ML
    • Wprowadzenie modelu do środowiska produkcyjnego
  • Interfejsy API uczenia maszynowego
    • Wprowadzenie ML API do środowiska produkcyjnego
  • Google Cloud AI - Vertex AI
    • Wprowadzenie Vertex API do środowiska produkcyjnego
  • Integracja z R
    • Przegląd możliwości
    • Docker
    • R w środowisku produkcyjnym
  • Podsumowanie

6. Aktywacja danych

  • Znaczenie aktywacji danych
  • Odbiorcy GA4 i Google Marketing Platform
  • Google Optimize
  • Wizualizacja
    • Zapewnianie efektywności dashboardu
    • Opcje konfiguracji dashboardów w GA4
    • Data Studio
    • Looker
    • Zewnętrzne narzędzia do wizualizacji
    • Zagregowane tablice umożliwiają podejmowanie decyzji opartych na danych
    • Buforowanie danych i zarządzanie kosztami
  • Tworzenie marketingowych interfejsów API
    • Tworzenie mikrousług
    • Aktywatory zdarzeń
    • Integracje Firestore'a
  • Podsumowanie

7. Przypadek użycia - predykcyjna analiza zakupów

  • Tworzenie uzasadnienia biznesowego
    • Ocena wartości
    • Szacowanie zasobów
    • Architektura danych
  • Pozyskiwanie danych - konfiguracja GA4
  • Przechowywanie danych i projektowanie prywatności
  • Modelowanie danych - eksportowanie odbiorców do Google Ads
  • Aktywacja danych - testowanie wydajności
  • Podsumowanie

8. Przypadek użycia - segmentacja odbiorców

  • Tworzenie uzasadnienia biznesowego
    • Ocena wartości
    • Szacowanie zasobów
    • Architektura danych
  • Pozyskiwanie danych
    • Konfiguracja przechwytywania danych GA4
    • Eksporty BigQuery GA4
  • Przechowywanie danych - transformacje zbiorów danych
  • Modelowanie danych
  • Aktywacja danych
    • Konfigurowanie importów GA4 za pośrednictwem GTM SS
    • Eksportowanie odbiorców z GA4
    • Testowanie wydajności
  • Podsumowanie

9. Przypadek użycia - prognozowanie w czasie rzeczywistym

  • Tworzenie uzasadnienia biznesowego
    • Potrzebne zasoby
    • Architektura danych
  • Pozyskiwanie danych
    • Konfiguracja GA4
  • Przechowywanie danych
    • Hosting aplikacji Shiny w Cloud Run
  • Modelowanie danych
  • Aktywacja danych - dashboard w czasie rzeczywistym
    • Kod R dla aplikacji Shiny czasu rzeczywistego
    • Uwierzytelnianie GA4 za pomocą konta usługi
    • Poskładanie wszystkiego razem w aplikacji Shiny
  • Podsumowanie

10. Kolejne kroki

  • Motywacja - jak dowiedziałem się, co znajdzie się w książce?
  • Pomoce naukowe
    • Proszenie o pomoc
    • Certyfikacja
  • Uwagi końcowe

Dodaj do koszyka Google Analytics od podstaw. Analiza wp

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.