Medyo magkakaiba ang paraan ng pagpapakita ng data sa mga ulat, mga pag-explore, Google Analytics Data API, at BigQuery Export. Gamitin ang talahanayan para ihambing kung anong data ang available sa isang surface at para maunawaan ang mga limitasyon ng bawat paraan ng pagtingin dito.
| Availability ng data at mga limitasyon | Mga Ulat, Insight, at Pag-explore | Google Analytics Data API | BigQuery |
|---|---|---|---|
| Pamamaraan ng pag-access | Interface ng Google Analytics | Anumang third-party na application na nakakapag-access ng data ng Google Analytics para sa user | GCP Console o anumang application sa pag-uulat na nakakapag-query ng data ng BigQuery |
| Saklaw ng data |
Pinagsama-sama, o data sa level ng event at user. Para sa bawat kahilingan, pinipili ng Google ang talahanayang nagbibigay ng mga pinakatumpak na resulta gamit ang mga default na setting ng pag-sample. Alamin kung Paano nagso-store at nagpapakita ng data ang Analytics |
Pinagsama-sama, o data sa level ng event at user. Para sa bawat kahilingan, pinipili ng Google ang talahanayang nagbibigay ng mga pinakatumpak na resulta gamit ang mga default na setting ng pag-sample. Alamin kung Paano nagso-store at nagpapakita ng data ang Analytics |
Data ng event at data sa level ng user (hindi kasama ang anumang value na idaragdag ng Google Analytics na makikita sa mga karaniwang ulat at pag-explore) |
| High cardinality1 |
Posible. Kapag gumamit ang Google ng pinagsama-samang data at mas maraming row ang ipinakita ng isang ulat o pag-explore kaysa sa limitasyon ng row ng talahanayan, posibleng may lumabas na row na (other). |
Posible. Kapag gumamit ang Google ng pinagsama-samang data at mas maraming row ang ipinakita ng isang ulat o pag-explore kaysa sa limitasyon ng row ng talahanayan, posibleng may lumabas na row na (other). |
Hindi |
| Pag-sample2 | Posible. Kapag gumamit ang Google ng mas granular na data sa level ng event at user at mas maraming event ang dapat iproseso ng isang ulat o pag-explore kaysa sa limitasyon ng quota, gumagamit ang Analytics ng kinatawang sample ng available na data. | Posible. Kapag gumamit ang Google ng mas granular na data sa level ng event at user at mas maraming event ang dapat iproseso ng isang ulat o pag-explore kaysa sa limitasyon ng quota, gumagamit ang Analytics ng kinatawang sample ng available na data. | Hindi |
| Attribution na batay sa data4 | Oo | Oo | Hindi |
| Pagmomodelo ng conversion5 | Kasama | Kasama | Hindi kasama |
| Pagmomodelo batay sa gawi6 |
Kasama sa module ng pag-uulat, kasama ang realtime Bahagyang kasama sa module ng pag-explore (sa mga talahanayan ng path, talahanayan ng funnel, at free-form na talahanayan lang) |
Kasama | Hindi kasama. Naglalaman ang data ng BigQuery ng mga cookieless na ping na kinokolekta ng Google Analytics kapag naka-enable ang consent mode at may ibang user_pseudo_id ang bawat session. Puwedeng humantong ang pagmomodelo sa mga pagkakaiba sa mga karaniwang ulat at granular na data sa BigQuery, gaya ng mas kaunting aktibong user sa mga ulat kaysa sa BigQuery dahil sinusubukang hulaan ng pagmomodelo ang maraming session mula sa isang indibidwal na user na tumanggi sa cookies. |
| Mga Limitasyon |
150 custom na ulat bawat property 200 indibidwal na pag-explore bawat user bawat property at hanggang 500 nakabahaging pag-explore bawat property ang magagawa. Hanggang 10 segment bawat pag-explore ang puwedeng i-import. |
Napapailalim sa mga quota ng API ang mga Analytics API. Mas matataas ang limitasyon para sa pangongolekta ng data, pag-uulat, pagpapanatili, at mga quota ng mga property sa Analytics 360. | May pang-araw-araw na limitasyon na 1M event/araw ang mga karaniwang property. Halos walang limitasyon ang pag-export ng mga property sa Analytics 360. |
1 High cardinality: Ang mga high-cardinality na dimensyon ay mga dimensyong may mahigit 500 natatanging value sa isang araw. Dinaragdagan ng mga high-cardinality na dimensyon ang bilang ng mga row sa isang ulat o pag-explore, kaya nagiging mas malamang na umabot ang isang ulat o pag-explore sa limitasyon nito sa row, na dahilan para maging condensed sa row na (other) ang anumang data na lampas sa limitasyon. Matuto pa tungkol sa high cardinality at sa row na (other).
2 Pag-sample: Ginagamit ang pag-sample ng data kapag ang bilang ng mga event na ibinalik ng isang pag-explore ay lampas sa limitasyon para sa uri ng property mo. Nagbibigay-daan ito sa iyo na i-explore pa rin ang data mo nang napakadetalyado sa pamamagitan ng paggamit ng kinatawang sample ng data mo. Matuto pa tungkol sa pag-sample.
3 Attribution na batay sa data: Ipinapamahagi ng attribution na batay sa data ang credit para sa conversion batay sa data para sa bawat event ng conversion. Matuto pa tungkol sa attribution na batay sa data.
4 Pagmomodelo ng conversion: Nagbibigay-daan ang pagmomodelo ng conversion sa tumpak na attribution ng conversion nang hindi tumutukoy ng mga user (halimbawa, dahil sa privacy ng user, mga teknikal na limitasyon, o kapag nagpalipat-lipat ng device ang mga user). Matuto pa tungkol sa pagmomodelo ng conversion.
5 Pagmomodelo batay sa gawi: Gumagamit ng machine learning ang pagmomodelo batay sa gawi para sa consent mode para imodelo ang gawi ng mga user na tumanggi sa cookies ng analytics batay sa gawi ng mga katulad na user na tumanggap sa cookies ng analytics. Matuto pa tungkol sa pagmomodelo batay sa gawi.