使用 R 改進您的數字營銷 – R 工具包簡介

已發表: 2022-07-14

數字營銷領域內的流程自動化正變得越來越流行。 但是，並非每個營銷流程都有專門為您提供幫助的軟件。 即使存在所述軟件，您也可以打賭它會花費很多。

雖然一開始編碼可能看起來有點不堪重負，但一些非常簡單的代碼可以節省您的工作時間，使您能夠將更多時間用於更重要的任務。 從報告到數據可視化，從預測到機器學習，數字營銷領域有大量的編碼用例。 在這篇博客中，我將介紹 R 在數字營銷中的一些用例，同時逐步介紹每一行代碼。

為什麼選擇 R 而不是 Python？

這不是一個容易回答的問題。 我喜歡 R，因為我認為它具有出色的數據可視化和統計分析軟件包。 然而，我推薦使用 R 的主要原因是由於存在的 Google 軟件包的集合，這使我們很好地了解了 R 在數字營銷中的第一個用例……

  1. 谷歌包

Mark Edmondson 創建了一組使用 googleAuthR 進行後端身份驗證的交叉兼容包。 這些軟件包允許您直接與 Google Analytics、Big Query、Search Console、Tag Manager 和 Google Cloud Project 等工具進行連接和交互。

谷歌分析 -

Google Analytics (GA) 軟件包對營銷人員非常有用，因為它允許您在平台之外訪問您的數據。 在這篇博客中，我不會詳細介紹這個包，因為我們已經在其他博客中介紹了 googleAnalyticsR。 有關更多信息，請參閱 googleAnalyticsR 簡介和將 Google 趨勢與 googleAnalyticsR 結合使用。

在下面顯示的許多其他用例中，我將使用通過 googleAnalyticsR 包訪問的 GA 數據（即參見用例 2 來匯總和分組您的 GA 會話數據）。 您可以通過以下方式為您的網站獲取這些數據——只需設置查看 ID、日期範圍並連接到您的帳戶。

 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)

搜索控制台 –

searchConsoleR 軟件包可讓您輕鬆獲取有關您網站關鍵字的點擊次數、印像數和排名的信息。 請參閱下面的示例代碼，了解如何進行第一次查詢。 用例 3 展示瞭如何使用正則表達式為 URL 列表選擇 Search Console 數據。

 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)

大查詢 –

bigQueryR 包非常強大，因為它可以讓您輕鬆地與平台交互。 我目前正在寫一篇關於如何向 BigQuery 上傳數據和從 BigQuery 讀取數據的博客——請關注我的 LinkedIn，我將很快分享。

  1. 分組和求和

使用 dplyr 包，您可以進行很多簡單的數據操作。 sum 函數允許您在數據集中查找特定指標的總數。 假設您正在查看每日會話並希望找到整個數據集中的會話總數。

%>%符號本質上是在告訴您將右側的函數應用於左側的變量。

 data %>% summarise(sum(sessions))

現在假設您要確定每個設備的總和。 這就是按功能分組的地方。

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

其他用例是計算每月總計。 注意我們沒有“月”列。 我們可以使用下面代碼中顯示的 substr 函數輕鬆創建一個。 這裡我們取日期的前 7 個字符。 1 告訴我們從第一個值開始，7 告訴我們選擇前 7 個值。

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

現在我們不僅可以按設備類別還可以按月份對數據集進行分組。

 data %>% group_by(c(monthYear, deviceCategory) %>% summarise(sum(sessions))
  1. 正則表達式

正則表達式字符串經常出現在數字營銷中。 它們對於過濾更大的數據集很有用。 假設您擁有網站上每個 URL 的 Search Console 點擊次數和展示次數數據，但您只想查看一組著陸頁。 在這種情況下，我在正則表達式字符串中添加了另外 2 個關於“使用 R 進行數字營銷”的博客，以便僅查看它們的數據。

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

由於數據來自各種來源，營銷人員不得不不斷地合併數據，無論是通過 Excel 中的 VLOOKUP 還是 BigQuery 中的 JOIN 函數。

下面的示例向您展示瞭如何合併登陸頁面上的 GA 和 Search Console 數據，以查看來自 GA 的總會話與來自 SC 的自然點擊的比較，以便我們了解所述搜索查詢對登陸頁面的重要性' 交通。

首先，我們按登錄頁面分組以總結 GA 會話。 然後我們在 SC 數據集中創建一個新列，用主頁 URL 替換任何空白（以匹配我們合併的 GA 數據的格式）。

接下來，我們只需應用“合併”功能並指定我們要加入的列。 我建議閱讀這些關於數據重塑的編程筆記，以獲得對不同連接的完整解釋。

 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. 日期格式

沒有什麼比電腦無法識別日期更令人沮喪的了。 lubridate 包在應用日期函數時絕對是個奇蹟。 當通過 API 或存儲在計算機上的 csv 讀取數據集時，您應該立即將函數應用於日期列，以確保將其視為日期，而不是字符或因素等。

不幸的是，似乎有無數種顯示日期的方法。 最常見的數字格式往往是 yyyy-mm-dd 或 dd/mm/yyyy。 根據您使用的數據集及其當前顯示日期的方式，嘗試下面的相關代碼行。 然後，R 將默認以 yyyy-mm-dd 格式顯示您的代碼。

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

概括

在介紹了各種示例之後，我希望讓您相信使用 R 來提高營銷效率有很多好處。 示例代碼應該足以讓您入門，但請利用所有使用的包和在線論壇的文檔。 如果您對所涵蓋的內容有任何疑問，請隨時與我本人和分析團隊聯繫。