Menggunakan Google Analytics & Google Trends API untuk Melacak Kinerja dengan R

Mengapa Data Google Trends Kuat?

Kita semua tahu bahwa Google menangkap sejumlah besar data tentang kita. Dengan miliaran penelusuran setiap hari, Google dapat memahami lebih banyak tentang masyarakat kita dan sentimen populasi daripada pemerintah. Misalnya, data tren penelusuran dapat mengenali wabah penyakit jauh sebelum diumumkan oleh media dengan melihat peningkatan kueri penelusuran terkait gejala tertentu. Tidak mengherankan, penelitian telah dilakukan untuk memperkirakan peningkatan kasus COVID-19 berdasarkan wilayah.

Hari-hari ini, Google pada dasarnya adalah barometer sentimen dunia dan hal terbaik tentang data tren pencarian Google? Gratis.

Mengapa menggunakan Google Trends API?

Google Trends adalah fitur utama dari banyak perangkat pemasaran digital. Popularitas permintaan pencarian dari waktu ke waktu dapat dianalisis untuk menunjukkan kesadaran pasar. Melapisi data ini dengan sumber lain dapat memberikan wawasan yang mungkin terlewatkan.

Blog ini memberikan contoh seperti itu dengan menunjukkan bagaimana Anda dapat melapisi data Google Trends dengan lalu lintas organik situs web Anda – ini dapat digunakan untuk memahami kinerja SEO. Jika lalu lintas organik Anda mulai menurun, apakah ini karena penurunan minat pasar atau karena peringkat Anda tidak terlalu tinggi untuk kueri penelusuran teratas?

Ada paket R yang tersedia untuk Google Trends dan Google Analytics yang cukup mudah digunakan bagi mereka yang memiliki pemahaman dasar tentang pemrograman. Untuk Google Trends kami akan menggunakan paket gtrendsR dan kemudian untuk Google Analytics kami akan menggunakan paket googleAnalyticsR, yang telah kami bahas di artikel kami sebelumnya – Menggunakan Google Analytics API dengan R. Contoh kode yang diberikan harus mudah untuk disalin/ditempel dan diadaptasi untuk memenuhi kebutuhan Anda.

Kami akan menggunakan contoh perusahaan yang menjual minuman ringan dan ingin memahami popularitas produk yang mereka jual dari waktu ke waktu.

Google Trends API – Cara Menarik Data Tren Penelusuran

Data ini paling mudah diperoleh, terutama karena tidak diperlukan kunci API. Untuk memulai, cukup instal paket dengan install.packages(“gtrendsR”) dan muat perpustakaan dengan library(gtrendsR) . Memilih kata kunci yang diinginkan bisa jadi sulit – sebaiknya lihat istilah non-merek teratas di Search Console yang diurutkan berdasarkan tayangan.

 # Load Libraries and Set Up Query Conditions # library(gtrendsR) keywords = c(“Soft drinks”, “Fizzy drinks”, “Pepsi”, “Lemonade”, “Fanta”) country = c('GB') time = (“2020-01-01 2021-10-31”) channel = 'web' # Run Query # data1 = gtrends(keywords, gprop = channel, geo = country, time = time) data_trend = data$interest_over_time

Seperti yang ditunjukkan pada kode di atas, variabel tambahan dapat dimasukkan dalam permintaan Anda: gprop, geo, dan waktu:

• Gprop mewakili properti Google, yaitu berita, gambar, dan YouTube – namun jika dikosongkan, ini akan menjadi default ke web.
• Geo mewakili negara berdasarkan kode ISO dua digit mereka – namun jika dibiarkan kosong, ini akan menjadi default ke seluruh dunia.
• Waktu mewakili tanggal mulai dan berakhirnya permintaan.

Paket gtrendsR memiliki batas 5 kata kunci sekaligus, jadi jika Anda ingin menjalankan beberapa kueri maka Anda dapat menggunakan loop seperti yang ditunjukkan di bawah ini. Sebaiknya lakukan ini jika Anda menilai popularitas keseluruhan dari kumpulan istilah penelusuran, karena loop ini menjalankan setiap kata kunci secara terpisah sebelum menggabungkan setiap perubahan mingguannya. Oleh karena itu, perubahan popularitas satu tidak berdampak langsung pada yang lain.

 list1 = list() for (i in 1:length(keywords)){ trends = gtrends(keywords[i], gprop =channel,geo=country, time = time ) time_trend=trends$interest_over_time time_trend$keyword <- keywords[i] list1 [[i]] <- time_trend } data1 <- do.call("rbind", list1)

Satu hal yang perlu diperhatikan adalah bahwa Google Trends menyediakan data mingguan, tetapi minggu dimulai pada hari Minggu. Oleh karena itu, kami perlu menggabungkan data Google Analytics kami di tingkat minggu mulai hari Minggu – ada paket yang berguna untuk membantu kami melakukan ini yang akan kami bahas nanti.

Google Analytics API – Cara Menarik Lalu Lintas Organik

Sebaiknya baca artikel kami sebelumnya untuk memahami paket googleAnalyticsR lebih detail. Artikel ini menunjukkan kepada Anda bagaimana Anda dapat memfilter lalu lintas organik Anda ke halaman arahan tertentu. Ini mungkin berguna jika perusahaan Anda berada di banyak pasar. yaitu Jika Anda menjual minuman bersoda dan cokelat batangan, maka Anda tidak ingin menyertakan lalu lintas organik ke halaman cokelat batangan saat menilai minat pasar minuman bersoda.

Jika tidak, kode di bawah ini memungkinkan Anda untuk mengakses semua lalu lintas organik situs Anda menggunakan paket ini dengan R.

Kami menyarankan untuk menjalankan setiap baris kode pada satu waktu sehingga Anda dapat dengan mudah menemukan kesalahan apa pun.

Untuk cara autentikasi yang lebih 'profesional', yang membantu otomatisasi skrip, lihat penjelasan yang lebih detail ini.

Kode di bawah ini menarik lalu lintas organik di siang hari. Fungsi floor_date kemudian digunakan untuk menggabungkan lalu lintas menurut minggu mulai hari Minggu, agar sesuai dengan data Search Console (yang terbatas pada data mingguan Minggu-Sabtu).

 # Load Libraries and Setup Query - make sure to set your View ID # library(googleAnalyticsR) library(dplyr) library(lubridate) ga_auth() set_view_ID <- #ENTER_VIEW_ID# organicTraffic <- dim_filter("channelGrouping", "EXACT", "Organic Search") organicFilter <- filter_clause_ga4(list(organicTraffic),”AND” ) # Run Query, Aggregate Daily Traffic to Weekly Traffic and Rename Columns # data2 <- google_analytics (set_view_ID, date_range = c(“2021-01-01”, ”2021-10-31”), metrics = "sessions", dimensions = "date", dim_filters = organicFilter, anti_sample = TRUE) data2$week <- floor_date(as.Date(data2$date, "%Y-%m-%d"), unit="week") data2 <- data2 %>% group_by(week) %>% summarise(sum(sessions)) names(data2)[1] <- "week" names(data2)[2] <- "sessions" # Merge Search Trends and Organic Traffic # merged_data <- merge(data1, data2)

Menggabungkan Kumpulan Data dan Memperoleh Wawasan

Pada baris kode terakhir kami di atas, kami telah menggabungkan kumpulan data menjadi 3 kolom: tanggal mulai minggu, sesi organik, dan tren pencarian relatif. Sekarang kedua kumpulan data ini dapat dengan mudah di-overlay dalam grafik untuk dianalisis (lihat grafik di bawah sebagai contoh).

Agregasi data Tren Penelusuran berarti bahwa kita dapat melihat popularitas relatif di semua kueri penelusuran dari waktu ke waktu, memberikan wawasan tentang perubahan minat pasar.

Sebaiknya overlay data Tren Penelusuran dan lalu lintas organik pada grafik dari waktu ke waktu menggunakan sumbu kanan dan kiri untuk menilai tren. Apa yang mungkin Anda lihat adalah korelasi positif di antara mereka, dengan lalu lintas meningkat seiring dengan meningkatnya popularitas pencarian. Mungkin ada titik di mana garis menyimpang dari yang lain, menunjukkan perubahan dalam peringkat kata kunci. Apakah Anda terlihat seperti sedang naik atau turun di halaman hasil pencarian Google?

Grafik di bawah ini menunjukkan contoh data dengan lalu lintas organik di sumbu kiri dan tren penelusuran di sumbu kanan. Pada grafik di bawah ini, ada perbedaan yang jelas antara dua metrik di minggu ke-24. Meskipun lalu lintas organik turun secara signifikan, tren pencarian tetap relatif konsisten, menunjukkan penurunan peringkat kata kunci ke halaman yang mendorong volume lalu lintas tinggi – peringkat ini kemudian naik menuju minggu ke 33.

Ini hanyalah satu kasus penggunaan Search Console API. Ini memiliki banyak peran lain untuk dimainkan di ruang pemasaran, seperti menghasilkan laporan tren istilah pencarian langsung yang dapat digunakan untuk cerita PR digital reaktif, atau mengamati popularitas merek pesaing dari waktu ke waktu.

Ingin tahu lebih banyak? Hubungi kami untuk berbicara dengan seseorang di tim analisis web canggih kami!