Utilizzando l'API di Google Analytics con R

Pubblicato: 2021-11-04

Perché utilizzare l'API di Google Analytics?

La funzionalità di report personalizzati in Google Analytics (GA) è utile per raccogliere informazioni specifiche ed eseguire analisi su misura direttamente nella piattaforma GA. Ma supponi di voler estrarre quei dati dalla piattaforma per elaborarli ulteriormente?

L'API GA consente di estrarre automaticamente i dati e integrarli con altre applicazioni aziendali senza la necessità di elaborazione manuale dei dati. Per gli utenti non GA360 con un numero elevato di visitatori, l'API è fondamentale per ridurre il campionamento dei dati poiché consente di estrarre i dati giorno dopo giorno. L'API consente inoltre di velocizzare le dashboard di DataStudio acquisendo i dati richiesti, elaborandoli e inserendoli in un documento Fogli Google che può quindi essere utilizzato come origine dati. Ciò evita di dover interrogare direttamente l'API GA ogni volta che carichi il dashboard.

Altri usi dell'API GA

  • Memorizzazione dei dati GA in formato CSV
  • Automatizzare query e report
  • Inserimento di dati GA in BigQuery o Fogli
  • Unione di dati GA con altre fonti (es. dati CRM)

Breve introduzione a R e dove scaricarlo

R è un linguaggio di programmazione gratuito e un ambiente software che può essere facilmente installato ed eseguito su RStudio Workbench. Sebbene tu possa connetterti all'API GA in Python e altri linguaggi di programmazione, il pacchetto R "googleAnalyticsR" è particolarmente semplice da usare.

Assicurati di installare prima R e quindi installare RStudio. Questa guida concisa ti mostrerà come farlo.

La soluzione – googleAnalyticsR

In questo tutorial, ti mostrerò come utilizzare il pacchetto googleAnalyticsR di Mark Edmondson per accedere ai dati dall'API GA. Supponendo che tu abbia installato R sulla tua macchina, questo dovrebbe essere relativamente facile. Non è richiesta alcuna esperienza con R: in effetti, questo pacchetto è davvero ottimo per iniziare se non conosci R.

Entro la fine di questo tutorial, dovresti essere in grado di eseguire la tua prima query con googleAnalyticsR e archiviare questi dati in un documento CSV o Fogli. Toccheremo anche l'utilizzo di filtri e segmenti nella tua query.

1. Iniziare con googleAnalyticsR

Installa il pacchetto 'googleAnalyticsR' e carica la libreria:

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

2. Autorizza il tuo account GA

Ci sono un paio di modi per farlo: per ora ci atterremo al modo semplice "Avvio rapido", ma c'è anche il modo "Professionale" per farlo utilizzando il tuo progetto Google.

Esegui questa riga di codice e verrai reindirizzato al tuo browser web e ti verrà chiesto di accettare le autorizzazioni. Assicurati di aver già effettuato l'accesso al tuo account GA sul tuo browser:

 ga_auth()

3. Imposta la tua query

Utilizzando il codice seguente come modello, modifica le variabili per adattarle alle tue condizioni: 

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

4. Aggiungi filtri alla tua query

Per estrarre i dati rilevanti, potresti voler creare dei filtri. L'esempio seguente mostra come creare un filtro per gli invii di moduli organici. Si noti che il filtro afferma che entrambe le condizioni devono essere soddisfatte, da qui la "AND". Tuttavia, questo potrebbe essere modificato in "OR", per ampliare l'ambito del rapporto.

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

Ora inseriamo questo nella nostra query per contare le sessioni in cui un utente arriva attraverso la ricerca organica e invia un modulo:

 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. Aggiungi segmenti alla tua query

Puoi creare segmenti all'interno di googleAnalyticsR, ma questo è un po' difficile. Ti consigliamo di creare i tuoi segmenti all'interno della piattaforma GA e di leggerli invece nel tuo ambiente R. Esegui il codice seguente per visualizzare tutti i segmenti esistenti.

 View(ga_segment_list())

Ora trova il segmento desiderato e usa il segmentID e il nome per creare una variabile di segmento.

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

Ora aggiungiamo questo segmento alla query:

 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. Archivia i tuoi dati in CSV o Fogli

Ti consigliamo di archiviare i tuoi dati in un CSV ove possibile, anche se prevedi di inviarli anche in Fogli. Basta adattare il codice sottostante per creare un documento nel file pertinente.

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

L'invio di dati a Fogli richiede la libreria e l'autenticazione di googlesheets4. Crea un nuovo foglio e copia/incolla il codice dal tuo URL nella parte "ss" del codice seguente. 

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

Ora dovresti essere in grado di:

  • Interroga i dati da GA in R
  • Crea filtri e leggi i segmenti da aggiungere alla tua query
  • Archivia i tuoi dati in un file CSV o inviali a un documento di Fogli Google

Il codice seguente mostra l'esempio completo di questo processo:

 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

Conclusioni

Sebbene Google Analytics offra un'interfaccia intuitiva, la piattaforma presenta molte limitazioni per gli utenti più esperti con esigenze di analisi dei dati avanzate; la maggior parte dei quali cercherà già un modo per accedere ai dati al di fuori della piattaforma. L'API GA ti consente di essere più flessibile con la tua analisi web facilitando l'automazione dell'elaborazione dei dati, migliorando enormemente l'efficienza di tali processi.

Il pacchetto googleAnalyticsR è un modo semplice per sfruttare l'API GA e offre funzioni per inviare i tuoi dati in un documento CSV o Fogli Google. Per chi ha un'esperienza R minima o nulla, questo pacchetto è un ottimo punto di partenza per la tua avventura di programmazione.