Translate

Mostrando entradas con la etiqueta Google Analytics. Mostrar todas las entradas
Mostrando entradas con la etiqueta Google Analytics. Mostrar todas las entradas

sábado, 3 de febrero de 2018

Calcular Unique Visitors en eCommerce usando BigQuery

 Como calcular Unique Visitor para Channel Grouping de Google Analytics

Uno de las metricas mas importantes para un analista web son los unique visitors. Hasta ahora para conseguir esta metrica en BigQuery debemos usar el fullVisitorId que es semejante a userID

La siguiente consulta nos muestra como conseguir los unique visitors de cada canal del Channel Grouping de 

- nuestro proyecto llamado misdatos

- donde hemos exportado una tabla con todas las sesiones

Qué hace este código SQL?

Google Analytics nos proporciana el fullVisitorId, y para poder contar los no duplicados necesitamos usar DISTINCT. Con el AS creamos ademas el nombre de la nueva variable que vamos a llamar unique_visitors - visitantes unicos.



Otras  métricas similares se pueden encontrar en la tabla de abajo, actualizado a Agosto 2021. Actualmente ha quedado como deprecated el visitorID y ha aparecido (desde mediados de 2018) otra métrica que si que podemos encontrar como tal aparece en en la interface de Google Analytics, el ClientID. 


Más info sobre BigQuery






martes, 18 de julio de 2017

Cómo poner a punto Google Analytics

La verdad es que una vez que hemos puesto el snipet o código de Google Analytics y empiezan a llegarnos las visitas pensamos que todo está hecho.

Luego, conforme van pasando los días, nos creemos que ese todo está hecho es para siempre y nos ponemos a toquetearlo todo. Por eso antes de empezar a crear filtros o cualquier otra cosa vale la pena pararnos un momento y configurarlo todo.

Google nos avisa en su curso básico sobre Google Analytics que  es recomendable tener siempre tres vistas.
No sabes lo que es una vista o view? Google te lo explica aquí abajo.Si aprendiste inglés con Spuminglish, enciende los subtítulos.


Vistas (views) recomendadas por Google

Las tres vstas recomendadas por Google son

-Un Raw Data o vista sin filtrar. Qué una vista sin ningún tipo de filtro o segmento. Esta la vamos a tener por si nos cargamos la que solemos usar. Así siempre tenemos esta de comodín. Nunca hay qie incluir ningún tipo de filtro. Si no, pues no tiene gracia.

- Una Vista Master o vista para hacer nuestros informes de analítica. Esta será la vista que amoldaremos a nuestras necesidades.

-Una  vista Test o vista para hacer pruebas. Antes de aplicar un nuevo segmento o un filtro o lo que sea, primero lo haremos en esta. Si los resultados son los deseamos y nos conviene para nuestros informes la pasaremos a la master.

Pues eso es lo que Google nos aconseja a un nivel básico y que tiene mucho sentido. Al fin y al cabo tenemos la vista "buena", la de pruebas, la de "por si acaso".

Ahora bien hay otro tipo de vistas que nos pueden interesar.

Ejemplos de vistas avanzadas

Vistas para subdominios. 

Imagina que tienes varios subdominions. Por ejemplo analitica.rebolicando.es. Si has decidido crear un subdomino porque es lo suficientemente relevante, no vienen mal crearle su propia vista que te separe esta información del resto.

Vista para móvil

Asi puedes tener una vista sólo para el tráfico móvil en vez de estar usando segmentos.

Vista por paises.

Si tienes contenido diferente por países o algunos países tienes determinados goals u objetivos diferenciados es una buena forma de tenerlo todo en forma.

Cómo se crea una vista en Google Analytics

*Mi cuenta esta en inglés, espero qeu eso no lleve a confusion si estás pensando en sacarte el GAIQ, Deberías poner tu cuenta en inglés ya. Sin excusas. He dicho

Antes de nada nos vamos a ir a la parte de Admin de nuestro flamante Google Analytics

Una vez aquí elegimos en el apartado de view o vista hacemos click en la vista. (personalmmente creo que un botón fuera para crear una nueva vista sería bastante útil).


Clickamos en la pestannay le decimos crear una nueva vista  (create a new view)

Ya estamos creando la vista. Lo mejor es que pongas un nombre que te permita reconocerlo facilmente. Después debemos seleccionar la zona horaria.

 Vale pues arriba nos aparecerá un tímido mensaje que digas "Success", así en verde. Y, hale, ya la tienes.
Puedes crear todas las vistas de la misma forma, sólo preocupate por el nombre y por la zona horraria.

Crear filtros en Google Analytics

 Ahora llegamos al meollo de todo esto. Vamos a aplicar los filtros básicos que nuestra  nuestra cuenta.
Para crear informes yo he creado una vista (view) que se llama Reporting view.Como decíá más arriba esta es la vista que dice Google que hay que usar. Asi que una vez que estoy en ella le doy a nuevo filtro.


Filtros básicos para la vista principal

 El filtro que siempre debemos poner en esta vista es la de la ip de nuestra oficiona. Y de cualquier sitio donde accedamos a nuestra web, por ejemplo si trabajamos desde casa necesitaremos filtrar esa ip. Qué significa filtrar ip? Pues que Google Analytics no tomará en cuenta las visitas desde ahí.

Asi que nos vamos a excluir  el trafico de nuestra ip. Para saber cuál es tu IP busca en google por "saber cuál es mi ip" y te saldran miles de web. Para que le vas a dar más vueltas.



Y bueno, hasta aquí lo más básico de lo básico de Google Analytics

Lo siguiente para ponerlo a puto será. Annadir las redes sociales.


miércoles, 25 de febrero de 2015

Cursos de Marketing Digital en español y de gratis

Hace un par de semanas me encontré con un cursode la IAB Spain para hacer totalmente gratuito.Existen dos modalidades presencial y online. Además dentro de este programa Actívate existen una serie de cursos de otras entidades que se pueden hacer totalmente online. Ahí vi uno de Análisis Web con Google Analytics, así que como si de un trivial se tratase me puse a hacer exámenes.

To sump up: En mi caso yo hice el básico de Marketing Digital y el de Analítica Web.

Cursos básico de Marketing Digital de la IAB

Este curso toca todos los palos del Marketing. Ojalá lo hubiera pillado yo hace cuatro años... Además existe la modalidad presencial en algunas comunidades autónomas.
A lo que más le he sacado yo partido ha sido a la parte de Display, pero imagino que esto va influir según de dónde vengas (y donde quieras ir).

Y por el poder que  la IAB Spain confiere, queda patente que sé lo básico de Marketing Digital



Ambos son totalmente recomendables, aunque el de Análitica se está quedando desfasado. Demasiados cambios en la herramienta este último año, pero aún así tienen consejos sobre qué mirar y que no mirar para responder a las preguntas que nos hacemos. Me sorprense un poco que no se use la terminología de microconversión y macroconversión que es cómo lo enseñan los evangelistas de Google en la preparación al GAIQ (Google Analytics Individual Qualification).

Así que si quieres saber algo más de analítica digital está muy bien. Ya que mi experiencia en analítica ha sido siempre en inglés a veces ando un poco perdida entre que palabras se dicen en España en inglés y como se traducen al castellano las otras. Los cursos son de 40 horas cada uno. He de decir que yo hice trampa y que los realicé en  tres días prácticamente, aunque cierto es que hubo algún tema que me costó tener que ver los videos muy atentamente (algunos vídeos de la parte de ecommerce me parecieron muy interesantes).

Y cuando haces todos los exámenes por tema y el examen final te dan un diploma
Y para fardar aquí está el mío

Y viendo que la parte de ecommerce me pareció especialmente interesante ya estoy apuntada al curso, pero esta vez para tomármelo con más calma :)

miércoles, 4 de febrero de 2015

Encontrar patterns estacionales o de temporada en Google Analytics : ya llegó la Navidad para los estudiantes

Ya ha pasado la Navidad y una de las cosas que me hace más gracia del análisis web es ese poder de ver patterns en los datos. Y no estudiantes, no me engañéis, la mayoría de vosotros cierra la mente por vacaciones a partir del 20 de Diciembre y no vuelve a retomar los libros hasta el 6 de Enero.

¿Qué no? Vamos a ver

Comparar datos Navidad 2013 y Navidad 2014



Vale, más o menos todo cuadra, sobre todo lo del 6 de Enero. Sin embargo, no estaría mal normalizar los datos según el día de la semana. Ya que como vimos en el post anterior el día de la semana influye en mis usuarios/visitantes

Datos normalizados según día de la semana

En este caso sólo había un día de diferencia Sabado 20-12-2014/ Viernes 20-12-2013 y Martes 06-01-2015/ Lunes 06-01-2014 pero nos ayuda a ver visualmente alguno de los días que siguen la tendencia de días de semana, en vez de días festivos.

Google Analytics sólo nos deja comparar dos fechas a la vez. Así que si queremos seguir comparando años, lo mejor es exportar datos y llevárnoslos a otra herramienta, por ejemplo el Excel nuestro de cada día.

Encontrar pattern mensuales en Google Analytics: visitantes por días de la semana

Hace tiempo que no escribía nada, mayormente por el tema mudanza y no tener acceso a Internet 24/7.  Me gustaría volver a un tema de principiante en análisis web.
Al principio de tener Google Analytics me frustraba un poco cómo se veía este gráfico tanto Google Webmaster Tools como en Google Analytics. Qué pasaba en esa cada toda las semanas? Pues muy fácil, que además de vida online, mis usuarios tienen vida offline y los fines de semana, pues se lo toman de relax.
Como muestra este gráfico del mes de septiembre que empezó en lunes.

¿No queda muy claro no? Bueno, ya le valdria al equipo de UX de Google Analytics currarse una vista para que no tuviera que hacer yo esto a mano. Pero mientras tanto y tras una mini sesión de Photoshop así queda más claro.


Se puede observar que el ánimo de los estudiantes va decayendo durante la semana,Y el Domingo nos entran los remordimientos de conciencia y decimos. Está semana me pongo...

Antes de nada si vuestro sitio tiene muchas visitas vía redes sociales o no tenéis el filtro en vuestras IP  y lo que queréis ver es cómo llega a la gente vuestro sitio via Google o Bing debéis mirar en tráfico orgánico.



Otra de las cosas que se nos puede escapar en este gráfico y que sabiamente Google añadió hace varios meses, es la posibilidad de poder ver las horas a las que accedieron a tu site.

Si nos vamos a la vista de horas tenemos que

Vaya, visualmente esto nos da algún Insights bastante interesante en el periodo entre el viernes a última hora, a partir de las 16.00 más o menos, y el domingo hasta las 18.00 es cuando la gente busca menos. Bueno, las visualizaciones nos hacen darnos cuentas de algunas pistas que podemos ver más a fondo por ejemplo bajando los datos en tablas a Excel o directamente cargando estos en SPSS o R para encontrar correlaciones.

Lo que siempre está bien es tener en cuenta que cuánto antes recopilemos estos datos para las webs, cuando tengamos algo de tiempo podremos empezar a analizarlos.




sábado, 8 de febrero de 2014

Acceder al API de Google Analytics con R

Hace unos dias que estaba con la idea de retomar R y ahora que me estoy preparando para el examen de Google Analytics (que van y lo cambian dos semanas antes de cuando iba a presentarme...) he descubierto que "minar" desde R mi cuenta es bastante fácil.

Pues esto es lo que he hecho .Soy novatilla en R así que si crees que alguna de estos commandos no los necesito o lo puedo mejorar déjame unn comentatario. He superdocumentado el código para dummies como yo.


# Install packages from github (by skardhamar)
# Instalar los paquete de  github (by skardhamar)
install_github("rga", "skardhamar")
# Install packages
# Instalar los paquetes que necesitamos
install.packages("devtools")
install.packages("RCurl")
# Call libraries
# Llamar a las librerias para usarlas
library(devtools)
library(rga)
library(RCurl)

# Save certificate
# Le decimos que queremos usar el certificado. A veces da problemas si no ponemos esta línea antes de crear la instancia
options(RCurlOptions = list(cainfo = system.file("CurlSSL", "cacert.pem", package = "RCurl")))

# Create an instance (ga)
# Crear una instancia que llamaremos ga en un alarde de originalidad
rga.open(instance="ga")

#Here we go! Testing
#Al lio! Query probando probando
mitesoro <- ga$getData(xxxxxxxx,
                        start.date="2013-09-01", end.date="2013-09-30",
                        metrics = "ga:visits",
                        dimensions = "ga:source",
                        sort = "-ga:visits",
                        start = 1, max = 10)

mitesoro <- ga$getData(xxxxxxx,
                        start.date="2013-09-01", end.date="2013-09-30",
                        metrics = "ga:visits",
                        dimensions = "ga:source",
                        sort = "-ga:visits",
                        start = 1, max = 60)
#Let's see a graph
#Ahora vamos a verlo en un gráfico
barplot(mitesoro$visits, main="Visits by month Visitas por Mes", xlab="Month/Mes", names.arg=miTesoro$month, las=1, col=rainbow(6))

A la hora de estudiar la query es importante echar un vistazo a la <a href="https://developers.google.com/analytics/devguides/reporting/core/v3/coreDevguide">documentacion de Google</a>. Yo, para empezar he usado esta hoja de Google Drive donde puedes ver el nombre de las variables ... que para empezar ya te permite hacer muchas cosas

Importante para dummies! Tardé al menos una hora en tener problemas de acceso a mi cuenta ya que obtenía el siguiente error:
> myresults <- ga$getData(9999999,
+                         start.date="2013-09-01", end.date="2013-09-30",
+                         metrics = "ga:visits",
+                         dimensions = "ga:source",
+                         sort = "-ga:visits",
+                         start = 1, max = 60)
Error in ga$getData(9999999, start.date = "2013-09-01", end.date = "2013-09-30",  :
  error in fetching data: User does not have sufficient permissions for this profile.
Y todo se debia a que habia puesto mi numero de cuenta, en vez de mi id. Para saber tu id basta con poner el siguiente comando:

ga$getRefClass()