Звіти, дослідження, Google Analytics Data API і BigQuery Export відображають дані по-різному. За допомогою цієї таблиці можна порівнювати доступні дані й дізнаватися про обмеження для кожного способу перегляду.
| Доступність даних і обмеження | Звіти, статистика й дослідження | Google Analytics Data API | BigQuery |
|---|---|---|---|
| Методологія доступу | Інтерфейс Google Analytics | Будь-який сторонній додаток, який може отримувати доступ до даних Google Analytics від імені користувача | Консоль GCP або будь-який додаток для звітів, який може запитувати доступ до даних BigQuery |
| Область даних |
Зведені дані або дані на рівні подій і користувачів. Для кожного запиту Google вибирає таблицю, яка надає найточніші результати, використовуючи налаштування вибірки за умовчанням. Дізнайтесь, як Analytics зберігає і відображає дані. |
Зведені дані або дані на рівні подій і користувачів. Для кожного запиту Google вибирає таблицю, яка надає найточніші результати, використовуючи налаштування вибірки за умовчанням. Дізнайтесь, як Analytics зберігає і відображає дані. |
Дані на рівні подій і користувачів (за винятком додаткових значень, які Google Analytics надає в стандартних звітах і дослідженнях) |
| Велика кількість унікальних значень1 |
Можливо. Якщо Google використовує зведені дані, а у звіті або дослідженні відображається більше рядків, ніж дозволено в таблиці, може з’явитися рядок (other). |
Можливо. Якщо Google використовує зведені дані, а у звіті або дослідженні відображається більше рядків, ніж дозволено в таблиці, може з’явитися рядок (other). |
Ні |
| Вибірка даних2 | Можливо. Якщо Google використовує докладніші дані на рівні подій і користувачів, а звіт або дослідження має обробити більше подій, ніж передбачено лімітом, Analytics використовує репрезентативну вибірку з доступних даних. | Можливо. Якщо Google використовує докладніші дані на рівні подій і користувачів, а звіт або дослідження має обробити більше подій, ніж передбачено лімітом, Analytics використовує репрезентативну вибірку з доступних даних. | Ні |
| Атрибуція на основі даних3 | Так | Так | Ні |
| Моделювання ключової події4 | Включено | Включено | Не включено |
| Моделювання поведінки5 |
Включено в модуль звітування, зокрема для звітів у реальному часі Частково включено в модуль дослідження (лише в таблицях шляхів, послідовностей конверсій, накладання сегментів і довільної форми) |
Включено | Не включено. Дані BigQuery містять сигнали без файлів cookie, які Google Analytics збирає, коли ввімкнено режим згоди й для кожного сеансу використовується інший параметр user_pseudo_id. Моделювання може призводити до відмінностей між стандартними звітами й докладними даними в BigQuery. Наприклад, у звітах буде менше активних користувачів, ніж у BigQuery, оскільки моделювання намагається спрогнозувати кілька сеансів від окремого користувача, який відхилив використання файлів cookie. |
| Обмеження |
150 спеціальних звітів на ресурс Можна створити до 200 окремих досліджень на користувача для ресурсу й до 500 спільних досліджень на ресурс. Для кожного дослідження можна імпортувати не більше ніж 10 сегментів. |
На Analytics API поширюються квоти для API. Ресурси Analytics 360 мають більші ліміти на збирання й збереження даних, а також для звітів і квот. | Зі стандартних ресурсів можна експортувати щонайбільше 1 млн подій на день, а з ресурсів Analytics 360 – майже необмежений обсяг даних. |
1 Велика кількість унікальних значень. Це параметри, які мають понад 500 унікальних значень за день. Для таких параметрів потрібно більше рядків у звіті або дослідженні. Це підвищує ймовірність того, що буде досягнуто обмеження щодо їх кількості, і дані об’єднуватимуться в рядку (other). Докладніше про велику кількість унікальних значень і рядок (other).
2 Вибірка даних. Вона використовується, якщо кількість подій, які повертає дослідження, перевищує ліміт для типу ресурсу. Це все одно дає змогу дуже детально аналізувати дані на основі репрезентативної вибірки. Докладніше про вибірки даних.
3 Атрибуція на основі даних. У цій моделі цінність розподіляється на основі даних для кожної ключової події. Докладніше про атрибуцію на основі даних.
4 Моделювання ключових подій. Цей метод забезпечує точну атрибуцію без ідентифікації особи користувача. Це буває потрібно, щоб захистити конфіденційність користувачів, обійти технічні обмеження або зарахувати ключову подію в разі використання кількох пристроїв. Докладніше про моделювання ключових подій.
5 Моделювання поведінки. Цей метод використовує алгоритми машинного навчання, щоб моделювати поведінку користувачів, які не надавали згоди на застосування файлів cookie, на основі поведінки схожих користувачів, котрі приймають такі файли. Докладніше про моделювання поведінки.