Verwendung der Google Analytics-API mit R

Veröffentlicht: 2021-11-04

Warum die Google Analytics-API verwenden?

Die Funktion für benutzerdefinierte Berichte in Google Analytics (GA) ist nützlich, um spezifische Informationen zu sammeln und maßgeschneiderte Analysen direkt in der GA-Plattform durchzuführen. Aber angenommen, Sie möchten diese Daten aus der Plattform ziehen, um sie weiter zu verarbeiten?

Mit der GA-API können Sie Daten automatisch extrahieren und in andere Geschäftsanwendungen integrieren, ohne dass eine manuelle Datenverarbeitung erforderlich ist. Für Nicht-GA360-Benutzer mit großen Besucherzahlen ist die API von entscheidender Bedeutung, um die Datenstichproben zu reduzieren, da sie es ermöglicht, Daten täglich abzurufen. Mit der API können Sie auch DataStudio-Dashboards beschleunigen, indem Sie die erforderlichen Daten abrufen, verarbeiten und in ein Google Sheets-Dokument einspeisen, das dann als Datenquelle verwendet werden kann. Dadurch wird vermieden, dass Sie die GA-API jedes Mal direkt abfragen müssen, wenn Sie das Dashboard laden.

Andere GA-API-Verwendungen

  • Speichern von GA-Daten im CSV-Format
  • Abfragen und Berichte automatisieren
  • GA-Daten in BigQuery oder Sheets einspeisen
  • Zusammenführen von GA-Daten mit anderen Quellen (z. B. CRM-Daten)

Kurze Einführung in R und wo Sie es herunterladen können

R ist eine kostenlose Programmiersprache und Softwareumgebung, die einfach installiert und auf der RStudio Workbench ausgeführt werden kann. Während Sie in Python und anderen Programmiersprachen eine Verbindung zur GA-API herstellen können, ist das R-Paket „googleAnalyticsR“ besonders einfach zu verwenden.

Stellen Sie sicher, dass Sie zuerst R installieren und dann RStudio installieren. Diese kurze Anleitung zeigt Ihnen, wie das geht.

Die Lösung – googleAnalyticsR

In diesem Tutorial zeige ich Ihnen, wie das googleAnalyticsR-Paket von Mark Edmondson verwendet werden kann, um auf Daten aus der GA-API zuzugreifen. Angenommen, Sie haben R auf Ihrem Computer installiert, sollte dies relativ einfach sein. Es ist keine Erfahrung mit R erforderlich – tatsächlich ist dieses Paket ein wirklich guter Anfang, wenn Sie neu bei R sind.

Am Ende dieses Tutorials sollten Sie in der Lage sein, Ihre erste Abfrage mit googleAnalyticsR auszuführen und diese Daten in einem CSV- oder Sheets-Dokument zu speichern. Wir werden auch auf die Verwendung von Filtern und Segmenten in Ihrer Abfrage eingehen.

1. Erste Schritte mit googleAnalyticsR

Installieren Sie das Paket „googleAnalyticsR“ und laden Sie die Bibliothek hoch:

 install.packages('googleAnalyticsR') library(googleAnalyticsR)

2. Autorisieren Sie Ihr GA-Konto

Dafür gibt es mehrere Möglichkeiten – wir bleiben vorerst bei der einfachen „Quick Start“-Methode, aber es gibt auch die „Professional“-Methode mit Ihrem eigenen Google-Projekt.

Führen Sie diese Codezeile aus und Sie werden zu Ihrem Webbrowser weitergeleitet und aufgefordert, Berechtigungen zu akzeptieren. Stellen Sie sicher, dass Sie in Ihrem Browser bereits bei Ihrem GA-Konto angemeldet sind:

 ga_auth()

3. Richten Sie Ihre Abfrage ein

Verwenden Sie den folgenden Code als Vorlage und ändern Sie die Variablen so, dass sie Ihren Bedingungen entsprechen: 

 data <- google_analytics (91023145, date_range = c(“2021-01-01”,”Yesterday”), metrics = c("sessions"), dimensions = c("date", "sourceMedium","campaign"), anti_sample = TRUE)

4. Fügen Sie Ihrer Abfrage Filter hinzu

Um die relevanten Daten abzurufen, möchten Sie möglicherweise einige Filter erstellen. Das folgende Beispiel zeigt, wie Sie einen Filter für organische Formularübermittlungen erstellen. Beachten Sie, dass der Filter angibt, dass beide Bedingungen erfüllt sein müssen, daher das „UND“. Dies könnte jedoch in „ODER“ geändert werden, um den Umfang des Berichts zu erweitern.

 formSubmissionEvent <- dim_filter("eventCategory", "EXACT", "FormSubmission") organicTraffic <- dim_filter("channelGrouping", "EXACT", "Organic Search") organicFormSubmissionFilter <- filter_clause_ga4(list(formSubmisisonEvent,organicTraffic),”AND” )

Lassen Sie uns dies nun in unsere Abfrage einfügen, um die Sitzungen zu zählen, bei denen ein Benutzer über die organische Suche kommt und ein Formular absendet:

 data <- google_analytics (set_view_ID, date_range = c(“2021-01-01”,”Yesterday”), metrics = c("sessions"), dimensions = c("date", "sourceMedium","campaign"), dim_filters = organicFormSubmissionFilter, anti_sample = TRUE)

5. Fügen Sie Ihrer Abfrage Segmente hinzu

Sie können Segmente in googleAnalyticsR erstellen, aber das ist etwas schwierig. Wir empfehlen, Ihre Segmente innerhalb der GA-Plattform zu erstellen und sie stattdessen in Ihre R-Umgebung einzulesen. Führen Sie den folgenden Code aus, um alle Ihre vorhandenen Segmente anzuzeigen.

 View(ga_segment_list())

Suchen Sie nun das gewünschte Segment und verwenden Sie die SegmentID und den Namen, um eine Segmentvariable zu erstellen.

 exampleSeg <- segment_ga4("Semetrical Example", "gaid::HfpJEyqIRlqq7OL1a4-6rg")

Fügen wir nun dieses Segment zur Abfrage hinzu:

 data <- google_analytics (set_view_ID, date_range = c(“2021-01-01”,”Yesterday”), metrics = c("sessions"), dimensions = c("date", "sourceMedium","campaign"), dim_filters = organicFormSubmissionFilter, segments = exampleSeg, anti_sample = TRUE)

6. Speichern Sie Ihre Daten in CSV oder Sheets

Wir empfehlen, Ihre Daten nach Möglichkeit in einer CSV-Datei zu speichern, auch wenn Sie sie auch an Google Tabellen senden möchten. Passen Sie einfach den folgenden Code an, um ein Dokument in der entsprechenden Datei zu erstellen.

 write.csv(data, "C:\\Users\\Semetrical\\Google Analytics\\OrganicFormSubmission.csv")

Das Senden von Daten an Sheets erfordert die googlesheets4-Bibliothek und Authentifizierung. Erstellen Sie ein neues Blatt und kopieren Sie den Code aus Ihrer URL in den „ss“-Teil des folgenden Codes. 

 library(googlesheets4) gs4_auth() sheet_write(data, ss = "17lkbyrb4Pask8j3KE4bMnmfJPj6jaeePFiDBDZmw2OE", sheet = "Google Analytics - OrganicFormSubmission")

Sie sollten jetzt in der Lage sein:

  • Daten aus GA in R abfragen
  • Erstellen Sie Filter und lesen Sie Segmente ein, um sie Ihrer Abfrage hinzuzufügen
  • Speichern Sie Ihre Daten in einer CSV-Datei oder senden Sie sie an ein Google Sheets-Dokument

Der folgende Code zeigt das vollständige Beispiel dieses Prozesses:

 library(googleAnalyticsR) library(googlesheets4) ga_auth() gs4_auth() formSubmissionEvent <- dim_filter("eventCategory", "EXACT", "FormSubmission") organicTraffic <- dim_filter("channelGrouping", "EXACT", "Organic Search") organicFormSubmissionFilter <- filter_clause_ga4(list(formSubmissionEvent,organicTraffic),”AND” ) exampleSeg <- segment_ga4("Semetrical Example", "gaid::HfpJEyqIRlqq7OL1a4-6rg") data <- google_analytics (set_view_ID, date_range = c(“2021-01-01”,”Yesterday”), metrics = c("sessions"), dimensions = c("date", "sourceMedium","campaign"), dim_filters = organicFormSubmissionFilter, segments = exampleSeg, anti_sample = TRUE) write.csv(data, "C:\\Users\\Semetrical\\Google Analytics\\OrganicFormSubmission.csv") sheet_write(data, ss = "17lkbyrb4Pask8j3KE4bMnmfJPj6jaeePFiDBDZmw2OE", sheet = "Google Analytics - OrganicFormSubmission") Summary

Schlussfolgerungen

Obwohl Google Analytics eine benutzerfreundliche Oberfläche bietet, hat die Plattform viele Einschränkungen für erfahrenere Benutzer mit fortgeschrittenen Datenanalyseanforderungen; Die meisten von ihnen werden bereits nach einer Möglichkeit suchen, auf die Daten außerhalb der Plattform zuzugreifen. Die GA-API ermöglicht es Ihnen, bei Ihrer Webanalyse flexibler zu sein, indem sie die Automatisierung der Datenverarbeitung erleichtert und die Effizienz solcher Prozesse enorm verbessert.

Das googleAnalyticsR-Paket ist eine einfache Möglichkeit, die Vorteile der GA-API zu nutzen, und bietet Funktionen zum Senden Ihrer Daten in ein CSV- oder Google Sheets-Dokument. Für diejenigen mit minimaler oder keiner R-Erfahrung ist dieses Paket ein großartiger Ort, um Ihr Programmierabenteuer zu beginnen.