Izvješća, istraživanja, Google Analytics Data API i BigQuery Export prikazuju podatke na donekle različite načine. Pomoću tablice usporedite koji su podaci dostupni na kojem mjestu te saznajte više o ograničenjima svake metode pregleda podataka.
| Dostupnost i ograničenja podataka | Izvješća, uvidi i istraživanja | Google Analytics Data API | BigQuery |
|---|---|---|---|
| Metodologija pristupa | Sučelje Google Analyticsa | Bilo koja aplikacija treće strane koja može pristupiti podacima Google Analyticsa u ime korisnika | GCP konzola ili bilo koja aplikacija za izvješćivanje koja može postavljati upite za podatke BigQueryja |
| Opseg podataka |
Skupni podaci, podaci na razini događaja i korisnika. Za svaki zahtjev Google odabire tablicu koja pruža najpreciznije rezultate pomoću zadanih postavki uzorkovanja. |
Skupni podaci, podaci na razini događaja i korisnika. Za svaki zahtjev Google odabire tablicu koja pruža najpreciznije rezultate pomoću zadanih postavki uzorkovanja. |
Podaci na razini događaja i korisnika (isključujući dodavanja vrijednosti koje Google Analytics daje podacima koji se nalaze u standardnim izvješćima i istraživanjima) |
| Visoka kardinalnost1 |
Moguće. Kada Google upotrebljava agregirane podatke, a izvješće ili istraživanje prikaže više redaka od ograničenja redaka tablice, može se prikazati redak (other). |
Moguće. Kada Google upotrebljava agregirane podatke, a izvješće ili istraživanje prikaže više redaka od ograničenja redaka tablice, može se prikazati redak (other). |
Ne |
| Uzorkovanje2 | Moguće. Kada Google upotrebljava preciznije podatke na razini događaja i korisnika, a izvješće ili istraživanje mora obraditi više događaja od ograničenja kvote, Analytics upotrebljava reprezentativan uzorak dostupnih podataka. | Moguće. Kada Google upotrebljava preciznije podatke na razini događaja i korisnika, a izvješće ili istraživanje mora obraditi više događaja od ograničenja kvote, Analytics upotrebljava reprezentativan uzorak dostupnih podataka. | Ne |
| Atribucija na temelju podataka3 | Da | Da | Ne |
| Modeliranje ključnog događaja4 | Uključeno | Uključeno | Nije uključeno |
| Bihevioralno modeliranje5 |
Uključeno u modul za izvješćivanje, uključujući stvarno vrijeme Djelomično uključeno u modul istraživanja (samo u tablicama puta, toka, preklapanja segmenata i fleksibilnoj tablici istraživanja) |
Uključeno | Nije uključeno. BigQuery podaci sadrže pingove bez kolačića koje prikuplja Google Analytics kada je omogućen način pristanka, a svaka sesija sadrži različiti user_pseudo_id. Modeliranje može dovesti do razlika između standardnih izvješća i preciznih podataka u BigQueryju, kao što je manji broj aktivnih korisnika u izvješćima u odnosu na BigQuery Export jer modeliranje pokušava predvidjeti više sesija pojedinačnog korisnika koji je odbio kolačiće. |
| Ograničenja |
150 prilagođenih izvješća po entitetu Moguće je izraditi 200 pojedinačnih istraživanja po korisniku po entitetu i do 500 dijeljenih istraživanja po entitetu. Po istraživanju se može uvesti do 10 segmenata. |
Analytics API-ji podliježu kvotama API-ja. Analytics 360 entiteti imaju viša ograničenja za prikupljanje, izvješćivanje i zadržavanje podataka te kvote. | Standardni entiteti imaju dnevno ograničenje izvoza od milijun događaja dnevno. Analytics 360 entiteti imaju gotovo neograničen izvoz. |
1 Visoka kardinalnost: dimenzije visoke kardinalnosti dimenzije su s više od 500 jedinstvenih vrijednosti u jednom danu. Dimenzije visoke kardinalnosti povećavaju broj redaka u izvješću ili istraživanju, stoga se povećava vjerojatnost da izvješće ili istraživanje dosegne ograničenje broja redaka, zbog čega se svi podaci izvan ograničenja sažimaju u redak (other). Saznajte više o visokoj kardinalnosti i retku (ostalo).
2 Uzorkovanje: uzorkovanje podataka upotrebljava se kada broj događaja koje vraća istraživanje premašuje ograničenje za vašu vrstu entiteta. To vam omogućuje da i dalje istražujete svoje podatke uz visoku razinu pojedinosti upotrebom reprezentativnog uzorka vaših podataka Saznajte više o uzorkovanju.
3 Atribucija na temelju podataka: atribucija na temelju podataka distribuira zaslugu za ključni događaj na temelju podataka za svaki ključni događaj. Saznajte više o atribuciji na temelju podataka.
4 Modeliranje ključnog događaja: modeliranje ključnog događaja omogućuje točnu atribuciju bez otkrivanja identiteta korisnika (na primjer zbog privatnosti korisnika, tehničkih ograničenja ili kada se korisnici prebacuju s jednog uređaja na drugi). Saznajte više o modeliranju ključnog događaja.
5 Bihevioralno modeliranje: bihevioralno modeliranje za način pristanka upotrebljava strojno učenje za modeliranje ponašanja korisnika koji odbijaju analitičke kolačiće na temelju ponašanja sličnih korisnika koji prihvate analitičke kolačiće. Saznajte više o bihevioralnom modeliranju.