Rでデジタルマーケティングを改善する–Rツールキットの紹介

公開: 2022-07-14

デジタルマーケティングの世界におけるプロセスの自動化は、ますます一般的になっています。 ただし、すべてのマーケティングプロセスに、役立つように設計された専用のソフトウェアがあるわけではありません。 上記のソフトウェアが存在する場合でも、かなりの費用がかかることは間違いありません。

コーディングは最初は少し圧倒されるように思えるかもしれませんが、非常に単純なコードを使用すると、作業時間を節約でき、より重要なタスクにより多くの時間を費やすことができます。 レポートからデータの視覚化、予測から機械学習まで、デジタルマーケティングの世界ではコーディングのユースケースが豊富にあります。 このブログでは、コードの各行を段階的に説明しながら、デジタルマーケティングにおけるRのいくつかのユースケースについて説明します。

なぜPythonの代わりにRなのか？

これは答えるのが簡単な質問ではありません。 Rは、データの視覚化と統計分析のための優れたパッケージを備えていると思うので、私はRが好きです。 ただし、Rの使用をお勧めする主な理由は、存在するGoogleパッケージのコレクションによるものです。これにより、デジタルマーケティングにおけるRの最初のユースケースにうまく移行できます…

  1. Googleパッケージ

Mark Edmondsonは、バックエンド認証にgoogleAuthRを使用する相互互換性のあるパッケージの集合を作成しました。 これらのパッケージを使用すると、Googleアナリティクス、Big Query、検索コンソール、タグマネージャー、GoogleCloudProjectなどのツールに直接接続して操作できます。

グーグルアナリティクス -

Google Analytics（GA）パッケージは、プラットフォームの外部からデータにアクセスできるため、マーケターにとって非常に便利です。 このブログでは、他のブログでgoogleAnalyticsRについてすでに説明しているので、このパッケージについてはあまり詳しく説明しません。 詳細については、googleAnalyticsRの概要とgoogleAnalyticsRでのGoogleトレンドの使用に関する情報を参照してください。

以下に示す他の多くのユースケースでは、googleAnalyticsRパッケージを介してアクセスされたGAデータを使用します（つまり、GAセッションデータを合計してグループ化するには、ユースケース2を参照してください）。 Webサイトのデータを取得する方法は次のとおりです。ビューIDと日付範囲を設定して、アカウントに接続するだけです。

 set_view_ID <- #Enter GA View ID# Date1 <- #Set start date in YYYY-MM-DD format# Date2 <- #Set end date in YYYY-MM-DD format# set_date_range <- c(date1, date2) data <- google_analytics (set_view_ID, date_range = set_date_range, metrics = c("sessions","bounces"), dimensions = c("date","deviceCategory","source"), anti_sample = TRUE)

検索コンソール–

searchConsoleRパッケージを使用すると、サイトのキーワードのクリック数、表示回数、ランキングに関する情報を簡単に取得できます。 最初のクエリを作成する方法については、以下のサンプルコードを参照してください。 ユースケース3は、正規表現を使用してURLのリストに対して検索コンソールデータを選択する方法を示しています。

 sc_data <- search_analytics("https://www.semetrical.com", "2021-01-01", "2021-12-31", c("query", "page"), dimensionFilterExp = c("device==DESKTOP","country==GBR"), searchType="web", rowLimit = 100)

Big Query –

bigQueryRパッケージは、プラットフォームと簡単に対話できるため、非常に強力です。 現在、BigQueryとの間でデータをアップロードおよび読み取る方法についてブログを書いています。LinkedInに注目してください。間もなく共有します。

  1. グループと合計

dplyrパッケージを使用すると、多くの簡単なデータ操作を行うことができます。 合計関数を使用すると、データセット内の特定のメトリックの合計を見つけることができます。 毎日のセッションを調べていて、データセット全体のセッションの総数を調べたいとします。

％>％記号は、基本的に、右側の関数を左側の変数に適用していることを示しています。

 data %>% summarise(sum(sessions))

ここで、各デバイスの合計を特定するとします。 これがgroupby関数の出番です。

 data %>% group_by(deviceCategory) %>% summarise(sum(sessions))

これの他のユースケースは、毎月の合計を計算することです。 '月'列がないことに注意してください。 以下のコードに示すsubstr関数を使用して簡単に作成できます。 ここでは、日付から最初の7文字を取得します。 1は最初の値から開始することを示し、7は最初の7つの値を選択することを示します。

 data$monthYear <- substr(data$date, 1, 7)

これで、デバイスカテゴリだけでなく、月ごとにデータセットをグループ化できます。

 data %>% group_by(c(monthYear, deviceCategory) %>% summarise(sum(sessions))
  1. 正規表現

正規表現文字列は、デジタルマーケティングで頻繁に表示されます。 これらは、より大きなデータセットをフィルタリングするのに役立ちます。 サイトのすべてのURLの検索コンソールのクリック数と表示回数のデータがあり、ランディングページのセットのみを確認したいとします。 この場合、正規表現文字列に「Rを使用したデジタルマーケティング」に関する他の2つのブログを追加して、それらのブログのみのデータを表示します。

 regexpString<- c("/using-google-analytics-api-with-r/|/using-ga-google-trends-api-with-r/") filteredData <- sc_data[grepl(regexpString,sc_data$page),]
  1. マージ、rbind、cbind

さまざまなソースからのデータがあるため、マーケターは、ExcelのVLOOKUPまたはBigQueryのJOIN関数を介して、常にデータをマージする必要があります。

以下の例は、ランディングページのGAデータと検索コンソールデータをマージして、SCのオーガニッククリックと比較したGAの合計セッションを確認する方法を示しています。これにより、ランディングページに対する検索クエリの重要性がわかります。 ' トラフィック。

まず、ランディングページでグループ化して、GAセッションを合計します。 次に、SCデータセットに新しい列を作成して、空白をホームページのURLに置き換えます（マージのGAデータの形式と一致させるため）。

次に、「マージ」機能を適用して、結合する列を指定します。 さまざまな結合の完全な説明については、データの再形成に関するこれらのプログラミングノートを読むことをお勧めします。

 ga_landingPages <- data %>% group_by(landingPagePath) %>% summarise(sum(sessions)) sc_data$landingPagePath <- gsub("https://www.semetrical.com","",sc_data$page) merged_data <- merge(sc_data, ga_landingPages, by = 'landingPagePath')
  1. 日付形式

コンピューターが日付を認識しないことほどイライラすることはありません。 lubridateパッケージは、日付関数を適用するときに絶対的な驚異をもたらします。 APIまたはマシンに保存されているcsvを介してデータセットを読み込む場合は、日付列に関数を即座に適用して、文字や要素などではなく、日付と見なされるようにする必要があります。

残念ながら、日付を表示する方法は無数にあるようです。 デジタル形式で最も一般的に見られるのは、yyyy-mm-ddまたはdd / mm/yyyyのいずれかである傾向があります。 使用しているデータセットと現在の日付の表示方法に基づいて、以下の関連するコード行を試してください。 その後、Rはデフォルトでコードをyyyy-mm-dd形式で表示します。

 data$date <- as.Date(data$date, format = '%Y-%m-%d') data$date <- as.Date(data$date, format = '%d/%m/%Y')

概要

さまざまな例を取り上げた後、Rを使用してマーケティング効率を向上させることには多くの利点があることを確信したいと思います。 サンプルコードはあなたが始めるのに十分なはずですが、使用されるすべてのパッケージとオンラインフォーラムのドキュメントを利用してください。 対象となるコンテンツについてご不明な点がございましたら、お気軽に私とアナリティクスチームにお問い合わせください。