Google Analytics od podstaw. Analiza wp - Helion
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)
Google Analytics 4 wyznacza nowe zasady marketingu cyfrowego: obecnie chodzi nie tyle o raportowanie zdarze
Osoby które kupowały "Google Analytics od podstaw. Analiza wp", wybierały także:
- Microsoft Power BI Cookbook 186,88 zł, (29,90 zł -84%)
- Expert Data Modeling with Power BI 186,88 zł, (29,90 zł -84%)
- Microsoft Power BI Cookbook 186,88 zł, (29,90 zł -84%)
- Scala for Machine Learning - Second Edition 186,88 zł, (29,90 zł -84%)
- Data Analysis with IBM SPSS Statistics 186,88 zł, (29,90 zł -84%)
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