Оперативный способ выгрузки данных по брендовым запросам из Search Console по дням: https://bit.ly/2IV9O9t

Как определить влияние оффлайн-рекламы на посещения сайта при помощи R и алгоритма Causal Impact от Google: https://bit.ly/2Hsy31q

BigQuery для SEO вместо excel. Как и зачем использовать рассказал Геннадий Сивашов (SEO Club): https://bit.ly/2H9r8Lu

Как оптимизировать работу с Google Data Studio и BigQuery, отличный материал от Алексея Данилина: https://bit.ly/2vpzTM2

​​Как собирать сырые данные Google Analytics в собственное хранилище данных — готовое решение от Дмитрия Комаровского

Для тех, кто работает с BigQuery в R, Хедли Викхем полностью переписал пакет bigrquery и просит принять участие в тестировании версии: https://bit.ly/2qOCiKJ

​​Не так давно Google предоставил датасет с сырыми данными своего магазина в BigQuery. Роман Романчук подготовил несколько SQL-запросов для примера.

​​Сева Миронович написал инструкцию как передавать и работать с сырыми данными Яндекс Метрики в ClickHouse

​​Рекомендуемые для отслеживания действия пользователей в зависимости от типа бизнеса #шпаргалка #взакладки

​​10 советов по использованию BigQuery помогут новичку сэкономить время и быстрее освоить инструмент

​​Многие уже слышали о том, что Google предоставил публичный набор данных Google Analytics 360. Но мало кто знает, что аналогичные данные есть и от Firebase.
Как с ними работать в BigQuery с большой сцены рассказал Todd Kerpelman. Кстати, стриминг данных Firebase в BigQuery настраивается в несколько кликов, и пока бесплатный, если вы не используете других платных инструментов от Firebase. Примеры SQL-запросов по ссылке.

​​Оказывается, в BigQuery есть набор данных по улучшению юзабилити сайтов Chrome UX Report. А именно метрики, основанные на данных реальных пользователей Chrome, некоторые из них доступны на PageSpeed Insights.
В отчете есть возможность сравнивать сайты между собой и с макротрендами UX по странам. Можно увидеть сильные и слабые стороны сайта, а также отслеживать изменения с течением времени. В сети есть готовые шаблоны SQL-запросов.

​​Почему количество пользователей в BigQuery и GA могут отличаться?
Дело в том, что в интерфейсе GA данные подтягиваются из предварительно сегрегированных таблиц, используя функции приблизительного подсчета уникальных значений (алгоритм HyperLogLog ++). Это позволяет значительно увеличить скорость отображения результатов, но немного уменьшает их точность. Обращаясь к данным в BigQuery можно намеренно использовать приблизительные функции, когда скорость отображения важнее точности результатов.

​​Майская подборка курсов по работе с BigQuery на Coursera:

-- Exploring ​and ​Preparing ​your ​Data with BigQuery старт 6 мая;
-- Creating New BigQuery Datasets and Visualizing Insights старт 7 мая;
-- Achieving Advanced Insights with BigQuery старт 7 мая;
-- Applying Machine Learning to your Data with GCP старт 7 мая;
-- Serverless Data Analysis with Google BigQuery and Cloud Dataflow старт 14 мая;
-- Developing Applications with Google Cloud Platform старт 14 мая;
-- Architecting with Google Cloud Platform старт 14 мая;
-- Building Resilient Streaming Systems on Google Cloud Platform старт 14 мая.

​​BigQuery позволяет создавать пользовательские функции UDF (User Defined Functions) - это кастомные функции JavaScript, которые добавляют функциональности SQL. Вот несколько ссылок на примеры использования:

- UDF при работе с вложенными полями на примере Custom Dimensions в Google Analytics

- UDF при работе с вложенными полями на примере Properties и Parameters в Firebase (SQL-запрос)

- Видео об использовании UDF

- Небольшой туториал по UDF на Kaggle

- Примеры из документации

​​В Google Data Studio появилась функция Custom Bookmark Links, которая позволяет прописать фильтры отчета в его URL. Например, вы хотите создать отчет, который будут использовать региональные менеджеры Москвы и Питера. Для это вы используете Custom Bookmarks Links, прописываете в URL нужные фильтры и отправляете первому менеджеру отчет по Московской области, а второму по Питерской. Менеджеры сохранят отчеты в закладки браузера, и впоследствии будут получать информацию по своему региону, не выбирая его каждый раз в фильтрах. Фичу уже можно юзать. Спасибо OWOX за инфо.

​​Решил сделать серию публикаций с подборками Телеграм-каналов полезных аналитикам с возможностью добавить свой канал.

Первая подборка Телеграм-каналов о веб-аналитике:

@internetanalytics - Интернет-аналитика - самый крупный канал об аналитике. Публикуются интересные статьи, заметки, актуальные отчеты и  много инфографики.

@schoolWA - Школа бородатого веб-аналитика - свежие статьи, новинки, кейсы и практические советы по веб-аналитике.

@webanalyst - WebAnalytics - полезная информация по веб-аналитике, повышению конверсии и анализу данных в маркетинге.

@prometriki - ProMetriki - инструкции, кейсы, примеры решения задач веб-аналитики.

@bigquery - BigQuery Insights - аналитика больших данных в Google BigQuery, примеры SQL запросов, инсайты.

@owoxbicis - OWOX BI - статьи, инструменты, вебинары и лайфхаки в сфере аналитики.

@thisisdata - This is Data - статьи по аналитике и работе с данными.

@needfordata - Needfordata - курсы и тренинги по Microsoft Power Query, Power BI и Exel.

@PowerBIChannel - о Power BI.

@burgerdata - статьи блога Burger Data и новости из мира веб-аналитики.

via @bigquery
#подборки #аналитика

​​Что нового в Firebase?

На конференции Google I/O 2018, которая сейчас проходит в Калифорнии, Firebase анонсировал ряд нововведений.

Стала доступна публичная бета-версия ML Kit для Firebase - позволяет делать мощные функции для Android и iOS приложений при помощи машинного обучения через удобные API-интерфейсы, и неважно являетесь вы опытным разработчиком ML или новичок. К примеру можно добавить поиск товара по фотографии.

Обновили SDK и консоль, добавили realtime-card, страницу для А/В тестов и отчет по производительности приложений, Test Lab для iOS устройств и другое.

via @bigquery

​​Строим воронку продаж в Google BigQuery на примере данных интернет-магазина Google.
Свежая инструкция от Романа Романчука.

​​Firebase меняет схему импорта данных в BigQuery

Если сейчас данные из каждого приложения в проекте Firebase импортируются в отдельный набор данных BigQuery, то в будущем данные из каждого приложения в проекте Firebase будут импортированы в один набор данных по новой упрощенной схеме.


Старые наборы данных удалены не будут, но и не будут заполняться новыми данными. Предлагают скрипт для переноса исторических данных в новый набор.

Изменения произойдут автоматически в ближайшие недели, поэтому не забудьте обновить дашборды.

via @BigQuery

Как считать LTV клиентов?

Значение этого показателя помогает лучше оптимизировать маркетинговые каналы, удержание клиентов и понимать бизнес в целом.
В помощь нетривиальные способы подсчета от Павла Левчука:

LTV: вероятность совершения повторной покупки

RF-матрица как альтернатива для работы с LTV

LTV: классический подход прогнозирования Pareto/NBD

via @BigQuery