Utilizzo di Google Analytics e API di Google Trends per monitorare le prestazioni con R

Perché i dati di Google Trends sono potenti?

Sappiamo tutti che Google acquisisce una quantità spaventosa di dati su di noi. Con miliardi di ricerche ogni giorno, Google può capire molto di più sulla nostra società e sul sentimento delle popolazioni rispetto ai governi. Ad esempio, i dati sulle tendenze di ricerca possono riconoscere i focolai di malattie molto prima che vengano annunciati dai media, osservando un aumento delle query di ricerca relative a sintomi specifici. Non sorprende che siano stati condotti studi per prevedere l'aumento dei casi di COVID-19 per regione.

Al giorno d'oggi, Google è essenzialmente il barometro del sentimento del mondo e la cosa migliore dei dati sui trend di ricerca di Google? È gratis.

Perché utilizzare l'API di Google Trends?

Google Trends è una caratteristica chiave di molti toolkit di marketing digitale. La popolarità delle query di ricerca nel tempo può essere analizzata per mostrare la consapevolezza del mercato. La sovrapposizione di questi dati con quelli di altre fonti può fornire spunti che altrimenti andrebbero persi.

Questo blog fornisce un esempio del genere mostrando come sovrapporre i dati di Google Trends al traffico organico del tuo sito Web : questo può essere utilizzato per comprendere le prestazioni SEO. Se il tuo traffico organico inizia a diminuire, è dovuto a un calo dell'interesse del mercato o perché non sei così in alto per le tue principali query di ricerca?

Sono disponibili pacchetti R sia per Google Trends che per Google Analytics che sono abbastanza facili da usare per chi ha una conoscenza di base della programmazione. Per Google Trends utilizzeremo il pacchetto gtrendsR e quindi per Google Analytics utilizzeremo il pacchetto googleAnalyticsR, di cui abbiamo parlato nel nostro precedente articolo – Utilizzo dell'API di Google Analytics con R. Il codice di esempio fornito dovrebbe essere semplice da copiare/incollare e adattare per soddisfare le tue esigenze.

Useremo l'esempio di un'azienda che vende bibite e vuole capire la popolarità nel tempo dei prodotti che vendono.

API di Google Trends: come estrarre i dati sulle tendenze di ricerca

Questi dati sono i più facili da ottenere, principalmente perché non sono richieste chiavi API. Per iniziare, installa semplicemente il pacchetto con install.packages(“gtrendsR”) e carica la libreria con library(gtrendsR) . La selezione delle parole chiave desiderate può essere difficile: ti consigliamo di guardare i principali termini non di marca in Search Console ordinati per impressioni.

 # 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

Come mostrato nel codice sopra, nella tua richiesta possono essere incluse variabili aggiuntive: gprop, geo e time:

• Gprop rappresenta le proprietà di Google, vale a dire notizie, immagini e YouTube, tuttavia, se lasciato vuoto, verrà impostato automaticamente sul Web.
• Geo rappresenta il paese in base al codice ISO a due cifre, tuttavia, se lasciato vuoto, verrà impostato automaticamente in tutto il mondo.
• L'ora rappresenta la data di inizio e di fine della richiesta.

Il pacchetto gtrendsR ha un limite di 5 parole chiave alla volta, quindi se desideri eseguire più query, puoi utilizzare un ciclo come mostrato di seguito. Ti consigliamo di farlo se stai valutando la popolarità complessiva di un insieme di termini di ricerca, poiché questo ciclo esegue ciascuna parola chiave separatamente prima di aggregare ciascuna delle loro modifiche settimanali. Pertanto, il cambiamento di popolarità di uno non ha un impatto diretto su quello di un altro.

 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)

Una cosa da notare è che Google Trends fornisce dati settimanali, ma le settimane iniziano di domenica. Pertanto, dovremo aggregare i nostri dati di Google Analytics a livello di settimana a partire da domenica: c'è un pacchetto utile per aiutarci a farlo che tratteremo in seguito.

API di Google Analytics: come estrarre il traffico organico

Ti consigliamo di leggere il nostro articolo precedente per comprendere più in dettaglio il pacchetto googleAnalyticsR. Questo articolo ti mostra come filtrare il tuo traffico organico verso pagine di destinazione specifiche. Questo potrebbe essere utile se la tua azienda si trova in più mercati. ad esempio, se vendi bevande gassate e barrette di cioccolato, non vorresti includere il traffico organico verso le pagine delle barrette di cioccolato quando valuti l'interesse di mercato delle bevande gassate.

In caso contrario, il codice sottostante ti consente di accedere a tutto il traffico organico del tuo sito utilizzando questo pacchetto con R.

Ti consigliamo di eseguire ogni riga di codice alla volta in modo da poter individuare facilmente eventuali errori.

Per un modo più "professionale" di autenticazione, che aiuta con l'automazione degli script, dai un'occhiata a questa spiegazione più dettagliata.

Il codice seguente attira il traffico organico di giorno. La funzione floor_date viene quindi utilizzata per aggregare il traffico per settimana a partire da domenica, in modo da abbinare i dati di Search Console (che è limitato ai dati settimanali domenica-sabato).

 # 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)

Unire i set di dati e ottenere informazioni dettagliate

Nella nostra ultima riga di codice sopra, abbiamo unito i set di dati in 3 colonne: data di inizio settimana, sessioni organiche e trend di ricerca relativo. Ora questi due set di dati possono essere facilmente sovrapposti in un grafico da analizzare (vedi ad esempio il grafico sotto).

L'aggregazione dei dati sulle tendenze di ricerca significa che possiamo vedere la popolarità relativa in tutte le query di ricerca nel tempo, fornendo una panoramica dei cambiamenti nell'interesse del mercato.

Ti consigliamo di sovrapporre i dati delle tendenze di ricerca e il traffico organico su un grafico nel tempo utilizzando un asse destro e sinistro per valutare la tendenza. Quello che probabilmente vedrai è una correlazione positiva tra loro, con il traffico che aumenta con l'aumentare della popolarità della ricerca. Potrebbero esserci punti in cui le linee deviano da un'altra, indicando un cambiamento nel ranking delle parole chiave. Sembra che ti stia spostando in alto o in basso nella pagina dei risultati di ricerca di Google?

Il grafico seguente mostra dati di esempio con il traffico organico sull'asse sinistro e le tendenze di ricerca sull'asse destro. Nel grafico sottostante c'è una chiara divergenza tra le due metriche nella settimana 24. Nonostante il traffico organico sia diminuito in modo significativo, le tendenze di ricerca rimangono relativamente coerenti, indicando un calo del posizionamento delle parole chiave nelle pagine che generano un volume elevato di traffico: queste classifiche quindi riprendere verso la settimana 33.

Questo è solo un caso d'uso dell'API di Search Console. Ha numerosi altri ruoli da svolgere nello spazio di marketing, come la generazione di rapporti in tempo reale sulle tendenze dei termini di ricerca che possono essere utilizzati per storie di PR digitali reattive o l'osservazione della popolarità del marchio dei concorrenti nel tempo.

Vuoi saperne di più? Contattaci per parlare con qualcuno nel nostro team di analisi web avanzata!