Una introducción práctica a Google Analytics

Tuve la oportunidad de trabajar con Análisis de Googleuna plataforma poderosa para rastrear y comprender el comportamiento del usuario en un sitio web de comercio electrónico que vende ropa.

Mi tarea era construir una tubería de datos que exporta los datos de GA4 a BigQuery, un almacén de datos de Google Cloud. Sin embargo, rápidamente me encontré con un problema común: muchas de las guías disponibles estaban desactualizadas o inconsistentes, lo que hizo que el proceso consumiera más tiempo de lo esperado.

En este artículo, lo guiaré a través de una descripción general clara y actualizada de Google Analytics, explicaré sus conceptos clave, resaltará los informes más importantes y le mostrará un ejemplo de trabajo de cómo exportar los datos de GA4 utilizando los API de datos de Google Analytics con Python.

¿Curioso por ver qué puede hacer Ga4 por ti? ¡Vamos a sumergirnos!

Tabla de contenido:

• Ciclo de vida de Google Analytics
• Dimensiones y métricas
• Explore los informes principales de GA4
• Explorar API de datos

Ciclo de vida de Google Analytics

Google Analytics permite comprender las diferentes etapas del viaje del cliente, ofreciendo información valiosa en cada paso.

Comienza con el Adquisicióndonde atrae a los usuarios y provoca interés de los usuarios en su negocio. Esta etapa se centra en canales y estrategias que llevan al cliente a su sitio web o aplicación.

Lo siguiente es Compromisoque analiza cómo los usuarios interactúan con su contenido o productos. Por ejemplo, pueden navegar por páginas, ver videos o agregar artículos a su carrito de compras.

Entonces viene Monetización y Retenciónque son parte de la fase más crítica. La fase de monetización permite comprender dónde los usuarios realizan compras, convirtiéndolas en clientes, mientras que la retención mide con qué frecuencia regresan los usuarios, ayudando a evaluar la satisfacción y la lealtad a largo plazo.

Al analizar cada etapa del viaje, es posible identificar lo que funciona, descubrir áreas para mejorar y tomar decisiones más inteligentes y basadas en datos para aumentar el rendimiento de la marca.

Dimensiones y métricas

Antes de ir más allá, es importante comprender un concepto fundamental en Google Analytics: cada informe se crea utilizando dimensiones y métricas. Comprender cómo las dimensiones y las métricas funcionan juntas es esencial para interpretar los informes y convertir los datos en información significativa.

Dimensiones

Las dimensiones son atributos cualitativos que agrupan sus datos. Las dimensiones centrales son:

• Campaña es una promoción pagada o Marketing campaña
• Fuente es de donde vino el usuario. Por ejemplo, puede ser de un sitio web o una red social como Instagram y Facebook.
• Medio es la categoría general de la fuente de tráfico, como orgánico, CPC y referencia.
• Canal es un grupo basado en reglas de fuentes de tráfico, medios u otras reglas para separar el tráfico. Ejemplos de canales son la búsqueda orgánica, la búsqueda pagada y el social.

Métrica

Por otro lado, las métricas contienen valores cuantitativos. Las métricas más importantes son:

• Usuarios activos son personas que se involucran con el sitio o la aplicación
• Nuevos usuarios son personas que visitan el sitio o la aplicación por primera vez
• Usuarios que regresan son personas que han visitado anteriormente
• Sesiones son grupos de interacciones de usuario dentro de un marco de tiempo determinado
• Sesiones comprometidas son las sesiones que duran al menos 10 segundos
• Evento es cualquier acción del usuario rastreada, como hacer clic, desplazar y visitar por primera vez
• Evento clave es una acción significativa que contribuye a los objetivos comerciales, como una compra o un registro
• Ingresos totales son los ingresos de compras, suscripciones y publicidad

Comience a jugar con Google Analytics

Una vez que esté familiarizado con los conceptos clave de Google Analytics, es hora de ponerlos en práctica en la plataforma misma. Un gran punto de partida es Curso de introducción de Google a Google Analyticsque proporciona acceso a una cuenta de demostración gratuita. Esta cuenta le permite explorar datos del mundo real y experimentar con las características de la plataforma.

En este tutorial, utilizaremos Google Analytics para explorar y analizar los datos del Tienda de mercancías de Googleuna tienda en línea que vende productos de la marca Google. Es una caja de arena perfecta para aprender a rastrear el comportamiento del usuario, monitorear el rendimiento y obtener información procesable. Puede acceder a la cuenta de demostración de Google Analytics utilizando esta enlace. Debería ver una página como la captura de pantalla a continuación.

Estas son páginas que se explorarán:

• Descripción general
• Descripción de la adquisición
• Descripción general del compromiso
• Descripción general de la monetización
• Descripción de retención

Descripción general

La primera página que verá es la página de inicio, que proporciona un resumen de alto nivel del comportamiento del usuario en la tienda de mercancías de Google. Destaca los indicadores de rendimiento clave, como usuarios activos, eventos clave, recuento de eventos totales y compras. Estas métricas ofrecen una visión general rápida de cómo los usuarios se comprometen con el sitio web o la aplicación y qué tan bien está funcionando.

Para ver las métricas en tiempo real, haga clic en el botón Informes y seleccione Descripción general en tiempo real. Esta característica ofrece una instantánea en vivo de la actividad actual del usuario, lo que facilita el monitoreo de lo que está sucediendo en el sitio web a medida que ocurre.

En la parte superior del informe de descripción general en tiempo real, encontrará indicadores clave de rendimiento, incluido el número de usuarios activos en los últimos 5 y 30 minutos. A continuación, una serie de tablas proporcionan un desglose detallado de la actividad del usuario, que muestra:

• De donde provienen los usuarios. Se puede medir por métricas como fuente, medio y canal.
• Los datos demográficos y geográficos pueden ayudar a comprender Quiénes son los usuarios.
• Que contenido están viendo. Ejemplos de contenido son títulos de página y nombres de pantalla.
• Que acciones están tomando.
• Que eventos clave completan.

Descripción de la adquisición

El informe de adquisición es una herramienta valiosa para comprender de dónde provienen los usuarios y el tráfico. En la parte superior, encontrará KPI como usuarios activos y nuevos usuarios, dando una instantánea de la actividad del usuario. Justo debajo de los KPI, diferentes tablas proporcionan detalles específicos de cómo los usuarios llegan al sitio web.

Dentro de la sección de descripción general, hay dos informes detallados. El primer informe es el informe de adquisición del usuario, que se centra en la fuente de campaña y el medio que vemos de ese usuario. El siguiente es el informe de adquisición de tráfico, que se refiere a la fuente de sesión, el medio de sesión y la campaña de sesión.

Descripción general del compromiso

Mientras que el informe de adquisición responde a la pregunta “¿De dónde vienen los usuarios y el tráfico?”el informe de compromiso ayuda a comprender cómo los usuarios están interactuando con el sitio o la aplicación.

Los indicadores de rendimiento clave en este informe incluyen el tiempo de participación promedio por usuario activo, el recuento promedio de sesión comprometido por usuario activo, el número de vistas de página (para el sitio web) o las vistas de pantalla (para la aplicación) y el recuento de eventos.

Debajo de los KPI, dos tablas principales proporcionan detalles de alto nivel de la actividad del usuario. Los datos de agrupación de la tabla por nombre del evento muestran lo que los usuarios están haciendo en el sitio web o la aplicación. Los eventos comunes están viendo una página web, comenzando una sesión o viendo un banner u oferta de promoción. La otra tabla segmenta los datos por título y clase de pantalla que nos permiten comprender qué páginas se mantienen las personas en las páginas más largas o más vistas.

Descripción general de la monetización

Ahora, tenemos la descripción general de la monetización que presenta métricas de alto nivel para cuantificar los ingresos. Estos incluyen ingresos totales, ingresos totales de compras y los ingresos totales de la publicidad.

Para profundizar en el rendimiento de las ventas, puede explorar el informe de compra de comercio electrónico. Este informe contiene una tabla desglosada por el nombre del artículo, lo que nos permite ver qué productos son los más rentables, vistos, agregados al carrito o comprado.

Desde la mesa, los calcetines de edredones super G se destacan como los artículos más realizados con los ingresos más altos.

Descripción de retención

Finalmente, existe el informe de descripción de retención que da una idea de qué tan bien el sitio web o la aplicación conservan a los usuarios con el tiempo. Los indicadores de rendimiento clave incluyen el número total de nuevos usuarios y el número total de usuarios que regresan.

Una de las características más útiles de este informe es el Retención de usuarios Visualización que muestra con qué frecuencia regresan los usuarios después de su visita inicial. Por ejemplo, responde preguntas como “¿Cuántos usuarios que visitaron por primera vez en una fecha específica (Fecha 0) regresaron en los días siguientes?”.

Este informe es esencial para evaluar la lealtad del usuario y la participación a largo plazo, ayudando a identificar tendencias y mejorar las estrategias para mantener a los usuarios regresando.

Explorar API de datos

Ahora que entendemos cómo están estructurados los informes, tomemos un paso más allá y veamos cómo exportar datos utilizando la API de datos de Google Analytics.

Configurar la API de datos

Antes de escribir cualquier código, necesitamos completar algunas configuraciones en Consola de Google Cloud:

• Crear un nuevo proyecto o seleccionar uno ya existente
• Habilite la “API de informes de Google Analytics” para su proyecto
• Cree una cuenta de servicio, genere las credenciales y descargue el archivo JSON.

Para detalles más profundos, recomiendo esto Video de YouTubelo que me ayudó mucho con la configuración de la consola de Google Cloud.

Después de que debemos encontrar el ID de propiedadque se necesita en el código más adelante. Esta vez necesitamos visitar Análisis de Googlepresione Admin en el menú y seleccione Detalles de la propiedad. Simplemente copie y pegue la ID de propiedad en su código.

El último paso consiste en instalar las bibliotecas de Python necesarias:

pip install google-analytics-data==0.18.18
pip install google-auth-oauthlib==1.2.2

Exportar datos del informe utilizando la API de datos

Una vez que se completa la configuración, podemos usar la API de datos de Google Analytics para descargar los datos del informe con Python. Supongamos que queremos exportar un informe que muestre usuarios activos y nuevos usuarios, desglosados ​​por fecha. En este caso:

• Métrica: activeUsers, newUsers
• Dimensiones: date

Para encontrar los nombres de campo correctos para las dimensiones y las métricas utilizadas por la API de datos, consulte el Referencia oficial de API de GA4. Incluye tablas completas para cada una.

Ahora, es hora de mostrar un ejemplo de código para exportar los datos. Primero, instanciamos el cliente de datos de análisis. Luego, definimos la solicitud de informe con las dimensiones, métricas y rango de fechas. Finalmente, podemos ejecutar la solicitud de informe.

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import (
    DateRange,
    Dimension,
    Metric,
    RunReportRequest,
)

PROPERTY_ID = "your-property-id"
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "your-path-to-json-file"
client = BetaAnalyticsDataClient()

request = RunReportRequest(
        property=f"properties/{property_id}",
        dimensions=[Dimension(name="city")],
        metrics=[Metric(name="activeUsers"),Metric(name="newUsers")],
        date_ranges=[DateRange(start_date="2024-01-01", end_date="yesterday")],
    )

response = client.run_report(request)

Para convertir la respuesta de la API en un marco de datos PANDAS, necesitamos otras líneas de código:

# Extract column headers
headers = [header.name for header in response.dimension_headers] + \
        [header.name for header in response.metric_headers]

# Extract rows
rows = []
for row in response.rows:
    row_data = [dimension_value.value for dimension_value in row.dimension_values] + \
            [metric_value.value for metric_value in row.metric_values]
    rows.append(row_data)

# Create a DataFrame
df = pd.DataFrame(rows, columns=headers)

¡Genial! Hemos recuperado con éxito los datos del informe de Google Analytics utilizando la API de datos.

Pensamientos finales:

Esta fue una descripción general de Google Analytics, sus informes principales y la API de datos. Con estas herramientas, puede obtener una comprensión más profunda de dónde provienen los usuarios, cómo se involucran con su contenido, qué productos están funcionando bien y cuán efectivamente su sitio está reteniendo a los visitantes con el tiempo.

Sin embargo, vale la pena notar algunas limitaciones de la API de datos. Puede haber discrepancias entre la API y la interfaz de usuario GA4 debido a retrasos en el procesamiento de datos. La interfaz de Google Analytics puede actualizar incluso los datos del día anterior después de un breve retraso. Además, Google Analytics a veces aplica el muestreo de datos, especialmente en grandes conjuntos de datos, lo que puede conducir a desajustes al comparar los resultados con la salida de API sin procesar.

A pesar de los desafíos, comenzar con Google Analytics es un paso valioso para tomar decisiones informadas de datos. Espero que este tutorial haya ofrecido un punto de partida claro y práctico para comenzar con la confianza. ¡Gracias por leer! ¡Que tenga un lindo día!

Recursos útiles: