การใช้ Google Analytics & Google Trends API เพื่อติดตามประสิทธิภาพด้วย R

เหตุใดข้อมูล Google เทรนด์จึงทรงพลัง

เราทุกคนทราบดีว่า Google เก็บข้อมูลที่น่ากลัวเกี่ยวกับเรา ด้วยการค้นหาหลายพันล้านครั้งในแต่ละวัน Google สามารถเข้าใจสังคมของเราและความรู้สึกของประชากรได้มากกว่ารัฐบาล ตัวอย่างเช่น ข้อมูลแนวโน้มการค้นหาสามารถระบุการระบาดของโรคได้ไกลก่อนที่สื่อจะประกาศโดยเห็นข้อความค้นหาที่เกี่ยวข้องกับอาการเฉพาะเพิ่มขึ้น ไม่น่าแปลกใจเลยที่มีการศึกษาเพื่อคาดการณ์จำนวนผู้ป่วย COVID-19 ที่เพิ่มขึ้นตามภูมิภาค

ทุกวันนี้ Google เป็นเครื่องวัดความเชื่อมั่นของโลกและสิ่งที่ดีที่สุดเกี่ยวกับข้อมูลแนวโน้มการค้นหาของ Google? แจกฟรี.

เหตุใดจึงต้องใช้ Google Trends API

Google Trends เป็นคุณลักษณะสำคัญของชุดเครื่องมือของนักการตลาดดิจิทัลจำนวนมาก สามารถวิเคราะห์ความนิยมของคำค้นหาเมื่อเวลาผ่านไปเพื่อแสดงการรับรู้ของตลาด การซ้อนทับข้อมูลนี้กับแหล่งข้อมูลอื่นสามารถให้ข้อมูลเชิงลึกที่อาจพลาดไป

บล็อกนี้แสดงตัวอย่างโดยแสดงให้เห็นว่าคุณสามารถ ซ้อนทับข้อมูล Google Trends กับการเข้าชมแบบออร์แกนิกของเว็บไซต์ของคุณ ได้อย่างไร สามารถใช้เพื่อทำความเข้าใจประสิทธิภาพ SEO ได้ หากการเข้าชมที่เกิดขึ้นเองของคุณเริ่มลดลง เป็นเพราะความสนใจในตลาดที่ลดลงหรือเพราะคุณไม่ได้รับการจัดอันดับสูงสำหรับคำค้นหายอดนิยมของคุณ

มีแพ็คเกจ R สำหรับทั้ง Google Trends และ Google Analytics ซึ่งค่อนข้างใช้งานง่ายสำหรับผู้ที่มีความเข้าใจในการเขียนโปรแกรมขั้นพื้นฐาน สำหรับ Google Trends เราจะใช้แพ็คเกจ gtrendsR จากนั้นสำหรับ Google Analytics เราจะใช้แพ็คเกจ googleAnalyticsR ซึ่งเราได้กล่าวถึงในบทความก่อนหน้าของเรา – การใช้ Google Analytics API กับ R ตัวอย่างโค้ดที่ให้มาควรคัดลอก/วางและปรับเปลี่ยนอย่างตรงไปตรงมา เพื่อให้เหมาะกับความต้องการของคุณ

เราจะใช้ตัวอย่างของบริษัทที่ขายน้ำอัดลมและต้องการทำความเข้าใจความนิยมในช่วงเวลาของผลิตภัณฑ์ที่พวกเขาขาย

Google Trends API – วิธีดึงข้อมูลเทรนด์การค้นหา

ข้อมูลนี้เป็นข้อมูลที่หาได้ง่ายที่สุด เนื่องจากไม่จำเป็นต้องใช้คีย์ API ในการเริ่มต้น เพียงติดตั้งแพ็คเกจด้วย install.packages(“gtrendsR”) และโหลดไลบรารีด้วย library(gtrendsR) การเลือกคำหลักที่ต้องการอาจเป็นเรื่องยาก เราขอแนะนำให้ดูคำที่ไม่ใช่แบรนด์ชั้นนำใน Search Console เรียงตามการแสดงผล

 # 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

ตามที่แสดงในโค้ดด้านบน คุณสามารถรวมตัวแปรเพิ่มเติมในคำขอของคุณ: gprop, geo และเวลา:

• Gprop แสดงถึงคุณสมบัติของ Google ได้แก่ ข่าว รูปภาพ และ YouTube อย่างไรก็ตาม หากเว้นว่างไว้ ค่าเริ่มต้นจะเป็นเว็บ
• ภูมิศาสตร์แสดงถึงประเทศตามรหัส ISO สองหลัก แต่ถ้าเว้นว่างไว้ ค่านี้จะตั้งเป็นค่าเริ่มต้นทั่วโลก
• เวลาแสดงถึงวันที่เริ่มต้นและสิ้นสุดของคำขอ

แพ็คเกจ gtrendsR จำกัดคำหลักได้ครั้งละ 5 คำ ดังนั้นหากคุณต้องการเรียกใช้การสืบค้นหลายรายการ คุณสามารถใช้ลูปดังที่แสดงด้านล่าง เราแนะนำให้ทำเช่นนี้หากคุณกำลังประเมินความนิยมโดยรวมของกลุ่มคำค้นหา เนื่องจากวนซ้ำนี้เรียกใช้แต่ละคำหลักแยกกันก่อนที่จะรวมการเปลี่ยนแปลงแต่ละสัปดาห์ของแต่ละคำ ดังนั้นการเปลี่ยนแปลงความนิยมของคนๆ หนึ่งจึงไม่มีผลกระทบโดยตรงต่อความนิยมของอีกคนหนึ่ง

 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)

สิ่งหนึ่งที่ควรทราบคือ Google Trends ให้ข้อมูลรายสัปดาห์ แต่สัปดาห์เริ่มต้นในวันอาทิตย์ ดังนั้น เราจะต้องรวบรวมข้อมูล Google Analytics ของเราในระดับสัปดาห์โดยเริ่มตั้งแต่วันอาทิตย์ – มีแพ็คเกจที่มีประโยชน์ที่จะช่วยเราทำสิ่งนี้ซึ่งจะกล่าวถึงในภายหลัง

Google Analytics API – วิธีดึงทราฟฟิกทั่วไป

เราแนะนำให้อ่านบทความก่อนหน้าของเราเพื่อทำความเข้าใจแพ็คเกจ googleAnalyticsR โดยละเอียดยิ่งขึ้น บทความนี้แสดงวิธีกรองการเข้าชมที่เกิดขึ้นเองไปยังหน้า Landing Page เฉพาะ ซึ่งอาจเป็นประโยชน์หากบริษัทของคุณอยู่ในหลายตลาด กล่าวคือ หากคุณขายเครื่องดื่มที่มีฟองและช็อกโกแลตแท่ง คุณคงไม่อยากรวมการเข้าชมแบบออร์แกนิกไปยังหน้าแท่งช็อกโกแลตเมื่อประเมินความสนใจในตลาดของเครื่องดื่มที่มีฟอง

มิฉะนั้น รหัสด้านล่างจะให้คุณเข้าถึงการเข้าชมทั่วไปของไซต์ของคุณทั้งหมดโดยใช้แพ็คเกจนี้ด้วย R

เราแนะนำให้รันโค้ดทีละบรรทัด เพื่อให้คุณสามารถระบุข้อผิดพลาดได้อย่างง่ายดาย

สำหรับวิธีการรับรองความถูกต้องแบบ 'มืออาชีพ' มากขึ้น ซึ่งช่วยในเรื่องการทำงานอัตโนมัติของสคริปต์ ให้ดูคำอธิบายโดยละเอียดเพิ่มเติมนี้

โค้ดด้านล่างดึงทราฟฟิกทั่วไปตามวัน จากนั้น ฟังก์ชัน floor_date จะใช้เพื่อรวมการเข้าชมตามสัปดาห์ตั้งแต่วันอาทิตย์เป็นต้นไป เพื่อให้ตรงกับข้อมูลของ Search Console (ซึ่งจำกัดเฉพาะข้อมูลรายสัปดาห์ในวันอาทิตย์-วันเสาร์)

 # 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)

การรวมชุดข้อมูลและรับข้อมูลเชิงลึก

ในโค้ดบรรทัดสุดท้ายด้านบน เราได้รวมชุดข้อมูลเข้าด้วยกันเป็น 3 คอลัมน์ ได้แก่ วันที่เริ่มต้นสัปดาห์ เซสชันทั่วไป และแนวโน้มการค้นหาที่เกี่ยวข้อง ตอนนี้ชุดข้อมูลทั้งสองนี้สามารถซ้อนทับในกราฟเพื่อวิเคราะห์ได้อย่างง่ายดาย (ดูตัวอย่างกราฟด้านล่าง)

การรวมข้อมูลเทรนด์การค้นหาหมายความว่าเราสามารถเห็นความนิยมที่เกี่ยวข้องในคำค้นหาทั้งหมดเมื่อเวลาผ่านไป โดยให้ข้อมูลเชิงลึกเกี่ยวกับการเปลี่ยนแปลงในความสนใจของตลาด

เราขอแนะนำให้วางซ้อนข้อมูลเทรนด์การค้นหาและการเข้าชมที่เกิดขึ้นเองบนกราฟในช่วงเวลาหนึ่งโดยใช้แกนขวาและซ้ายเพื่อประเมินแนวโน้ม สิ่งที่คุณน่าจะเห็นคือความสัมพันธ์เชิงบวกระหว่างพวกเขา โดยการเข้าชมเพิ่มขึ้นเมื่อความนิยมในการค้นหาเพิ่มขึ้น อาจมีจุดที่เส้นเบี่ยงเบนไปจากจุดอื่น ซึ่งแสดงถึงการเปลี่ยนแปลงในการจัดอันดับคำหลัก ดูเหมือนว่าคุณกำลังเลื่อนขึ้นหรือลงหน้าผลการค้นหาของ Google?

กราฟด้านล่างแสดงข้อมูลตัวอย่างที่มีการเข้าชมที่เกิดขึ้นเองบนแกนซ้ายและแนวโน้มการค้นหาบนแกนขวา ในกราฟด้านล่างมีความแตกต่างที่ชัดเจนระหว่างเมตริกทั้งสองในสัปดาห์ที่ 24 แม้ว่าการเข้าชมที่เกิดขึ้นเองจะลดลงอย่างมาก แต่แนวโน้มการค้นหายังคงค่อนข้างสอดคล้องกัน ซึ่งบ่งชี้ว่าการจัดอันดับคำหลักในหน้าเว็บที่มีปริมาณการเข้าชมสูงลดลง - การจัดอันดับเหล่านี้ เข้าสู่สัปดาห์ที่ 33

นี่เป็นเพียงหนึ่งกรณีการใช้งานของ Search Console API มีบทบาทอื่นๆ มากมายในด้านการตลาด เช่น การสร้างรายงานแนวโน้มข้อความค้นหาแบบสด ซึ่งสามารถใช้สำหรับเรื่องราวการประชาสัมพันธ์ดิจิทัลแบบโต้ตอบ หรือการสังเกตความนิยมในแบรนด์ของคู่แข่งในช่วงเวลาล่วงเวลา

ต้องการทราบข้อมูลเพิ่มเติมหรือไม่ ติดต่อเราเพื่อพูดคุยกับใครบางคนในทีมวิเคราะห์เว็บขั้นสูงของเรา!