Руководство по интеграции Google Analytics с Power BI

Сергей Довганич Сергей Довганич 30 октября 2017

Привет!

Из этого руководства вы научитесь:

  1. Выгружать данные из Google Analytics в базу данных SQL Server и использовать их в Power BI.
  2. Использовать меры в Power BI.

В качестве примера мы построим отчет для мониторинга эффективности привлечения подписчиков блога.

Процесс построения отчета можно разделить на четыре этапа, которые включают в себя:

  1. Импорт данных Google Analytics в Azure SQL Server Database.
  2. Подключение Power BI к SQL Server.
  3. Подготовка данных в Power BI.
  4. Построение дешборда. В конце руководства вы сможете скачать готовый шаблон для Power BI Desktop.

Итак, начнем.

Импорт данных Google Analytics в Azure SQL Database

Сегодня каждый digital-специалист должен уметь работать с базами данных.

Если вы ранее никогда с ними не работали, не стоит расстраиваться, так как мы разберем простой способ работы с ними.

Для импорта данных мы будем использовать сервис автоматический выгрузки данных из Google Analytics.

Настройка импорта состоит из трех шагов.

Шаг первый.

Вы должны зарегистрироваться и выбрать в качестве источника данных Google Analytics. Затем добавить аккаунт, с которого необходимо получить данные.

Это совсем не сложно.

Шаг второй.

Необходимо указать набор metrics и dimensions, которые необходимы для построения отчета. Все названия соответствуют именам в интерфейсе Google Analytics.

В нашем случае это:

  • Date
  • SourceMedium
  • Sessions
  • А также все достигнутые цели. В настоящем примере это достижение целей goal1, goal2 и goal3.

В периоде необходимо выбрать данные за последние два месяца.

Шаг третий.

Необходимо указать базу данных.

Если вы ранее никогда не работали с БД, просто активируйте триал. В этом случае БД будет создана автоматически, после чего вы получите настройки для подключения к ней.

Если вы уже используете SQL Server, то можете указать настройки подключения к существующей базе данных.

После чего база данных станет доступна для выбора.

 

 

Более подробную инструкцию по настройке интеграции вы можете найти в справке. С этого момента информация в базе данных будет обновляться ежедневно.

Это обеспечит стабильность и актуальность данных.

 

Подготовка данных в Power BI

Когда проблема с получением данных решена, мы можем приступать к настройке отчета в Power BI.

Прежде всего необходимо подключиться к базе данных SQL Server. Для этого следует выбрать Get Data, перейти во вкладку Database и выбрать SQL Server Database.

После чего остается ввести данные для подключения.

Данные для подключения включают в себя:

  1. Server,
  2. Database,
  3. Login,
  4. Password.

Обратите внимание, что логин и пароль запрашивается на втором шаге и в качестве авторизации необходимо выбрать Database.

Если ваша база данных подвязана к Ренте, то все данные для подключения доступны на странице Connections.

После успешной авторизации в Power BI откроется окно выбора таблицы. Посмотрите название таблицы, которая содержит данные Google Analytics, на странице Integrations, и выберите ее в Power BI.

 

Преобразование данных в Power BI

Одна из самых важных функций Power BI это режим Edit Queries.

Говоря доступным языком, это возможность по заданному алгоритму изменять данные, которые вы загрузили в Power BI.

Приведем пример.

Каждому из нас приходилось заниматься составлением отчетности, и все мы знаем, насколько это утомительно. Серьезно, я не встречал ни одного человека, которому нравилось бы это занятие :) 

Вспомните, что вы чувствовали, когда вам часами надо было корпеть над одним и тем же отчетом. Наверняка, вас выводила из себя монотонность этой работы и ощущение потерянного времени.

Весь цикл мог выглядеть примерно так:

  1. Вы выгружали данные из Google Analytics, потом из CRM-системы.
  2. Группировали данные по определенным колонкам. Возможно, вам повезло, и вы использовали функцию ВПР.
  3. Фильтровали данные по нужному слову или метрике.
  4. Подсчитывали сумму затрат на рекламный канал.
  5. ….

И этот список можно продолжать еще долго.

Так вот, функция Edit Queries позволяет один раз задать пошаговый алгоритм подготовки данных, а в дальнейшем Power BI автоматически получает новые данные и обрабатывает их самостоятельно.

Тем самым процесс отчетности полностью автоматизируется. В качестве примера мы с вами выполним простые преобразования.

 

 

SourceMedium преобразовываем в две отдельные колонки: Source и Medium.

Для этого необходимо перейти в режим Edit Queries и выбрать нужный столбец. Далее на панели инструментов выбрать Split Column — By Delimiter.

В качестве разделителя выбираем custom и указываем « / ». Обратите внимание, что я оставил пробелы.

Затем столбец преобразуется в два столбца. Остается их только переименовать: Source и Medium.

Далее подсчитываем сумму всех целей.

 

Подсчитаем общее количество лидов путем суммирования всех достигнутых целей.

Для этого переходим во вкладку Add Column и выбираем Custom Column. В качестве названия столбца задаем имя Leads, а в качестве custom column formula суммируем все цели.

В итоге сохраняем и меняем формат колонки на Whole Number, что в дальнейшем избавит нас от ошибок при создании мер.

 

Шаблоны расчетных формул (measure)

Фактически мы уже можем приступить к созданию дешборда, но я предпочитаю изначально подготовить все вычислительные меры, а после приступить к визуализации данных.

Если посмотреть на пример нашего отчета, то можно заметить, что меры разделены на три группы.

  • Данные за текущий месяц.
    А если быть точным – за последние 30 дней (MTY — Month To Yesterday).
  • Данные за предыдущие 30 дней.
    SMLM — Same Period Last Month.
  • Сравнение от месяца к месяцу.
    MOM — Month Over Month.

Чтобы создать меру, кликните New Measure на панели инструментов, и в появившемся окне скопируйте формулу.

Таким же образом необходимо создать все необходимые меры. Кстати, если не переименовывать колонки в исходной таблице, сохранив их стандартные названия, то достаточно просто скопировать формулы ниже.

Сначала создаем меры, которые отвечают за метрики текущего месяца.

Количество сеансов за последние 30 дней:

Количество лидов за последние 30 дней:

Conversion Rate за последние 30 дней:

Теперь подсчитаем те же метрики, только за аналогичный период в прошлом.
Количество сеансов:

Количество лидов за аналогичный период в прошлом:

CR за аналогичный период в прошлом:

 

И последним шагом сравним метрики текущего периода с предыдущим. Для этого используем следующие меры.

Сравнение сеансов:

Сравнение лидов:

Сравнение Conversion Rate:

На этом можно было бы остановиться, но нам также интересно оценить процентное соотношение ценности каждого рекламного канала в срезе по сеансам и лидам:

Теперь мы полностью готовы приступить к построению дешборда.

 

Построение дешборда в Power BI

Создание отчета обычно не вызывает никаких вопросов и заключается в выборе визуализаций.

Вы также можете загрузить готовый шаблон и применить к нему собственный источник данных. Это значительно экономит время.

 

Первым шагом я создаю таблицу и вывожу в ней созданные меры, а также проверяю, не допущены ли в них ошибки ;)

 

Далее выводим Card и Line Chart для отображения динамики поставленных KPI.

 

И последним шагом выводим Stacked Chart Bar для оценки доли лидов в срезе по каналу и источнику трафика.

Теперь отчет полностью готов и остается только выгрузить его в веб-версию (web), где необходимо настроить автоматическое обновление данных.

 

Публикация отчета Power BI Service

Power BI Service — это облачный сервис, который позволяет легко организовать хранение и доступность внутри организации отчетов, которые вы разработали в Power BI Desktop.

Преимущество заключается в том, что отчеты автоматически обновляются внутри системы.

Отчеты всегда доступны онлайн, а также в мобильном приложении.

Для того чтобы выгрузить итоговый дешборд, надо кликнуть на кнопку Publish в панели инструментов. После успешной авторизации отчет выгрузится в Power BI Service.

После публикации отчета следует выполнить два простых действия:

  1. Запланировать обновление данных.
  2. Подтвердить доступ к источнику данных – в нашем случае это SQL Server Database.

Выполнение этих действий подробно описано в справке Power BI.

Что дальше?

Мы разобрали простой пример экспорта данных из Google Analytics, но основная ценность Power BI заключается в том, что пользователи получают возможность объединять данные из различных источников.

Например, данные, полученные из Google Analytics, можно объединить с данными из Salesforce, и таким образом выяснить, как рекламные кампании повлияли на продажи.

Мы даже подготовили пошаговое руководство по объединению данных Google Analytics и Salesforce. Вы можете загрузить его бесплатно.

Если статья вам понравилась, поделитесь ею в социальных сетях. Спасибо!

Сергей Довганич
Сергей Довганич,
Руководитель проектов
Другие интересные материалы:
Комментарии
  • Александр

    Отличная статья. Было бы очень интересно еще увидеть реализацию подобного только для данных по facebook ads.

    Т.е получить данные от facebook по кампаниям + результаты по событиям (Лиды, конверсии)

    31 Окт в 11:53 | Ответить
  • Валерий

    Здравствуйте! Как получить руководство по объединению данных Google Analytics и Salesforce? Заранее благодарен.

    31 Окт в 10:04 | Ответить

Ваш комментарий:
Ваш ответ:


3 бесплатных урока по Google Analytics!
Перестаньте путаться в отчетах и научитесь считать CPL, CPO и ROI.
Понятные руководства с наглядными примерами!
Открыть доступ!
Мне это не нужно!
close-link