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

• Назва: Google Analytics od podstaw. Analiza wpływu biznesowego i wyznaczanie trendów
• Автор: Mark Edmondson
• Оригінальна назва: Learning Google Analytics: Creating Business Impact and Driving Insights
• Переклад: Lech Lachowski
• ISBN: 978-83-8322-851-8, 9788383228518
• Дата видання: 2023-10-10
• Формат: Eлектронна книга
• Ідентифікатор видання: goanod
• Видавець: Helion