Pārskatos, izpētes gadījumos, saskarnē Google Analytics Data API un funkcijā BigQuery Export dati tiek attēloti dažādos veidos. Izmantojiet tabulu, lai salīdzinātu pieejamo datu veidus un izprastu katras skatīšanās metodes ierobežojumus.
| Datu pieejamība un ierobežojumi | Pārskati, ieskati un izpēte | Google Analytics Data API | BigQuery |
|---|---|---|---|
| Piekļuves metodoloģija | Google Analytics saskarne | Trešo pušu lietojumprogrammas, kas var piekļūt Google Analytics datiem lietotāja vārdā | GCP konsole vai jebkura pārskatu lietojumprogramma, kuras vaicājumos var pieprasīt BigQuery datus |
| Datu tvērums |
Apkopotie dati vai notikumu un lietotāju līmeņa dati. Katram pieprasījumam Google izvēlas tabulu, kurā sniegti visprecīzākie rezultāti, izmantojot datu iztveršanas noklusējuma iestatījumus. Uzziniet, kā pakalpojumā Analytics tiek glabāti un rādīti dati. |
Apkopotie dati vai notikumu un lietotāju līmeņa dati. Katram pieprasījumam Google izvēlas tabulu, kurā sniegti visprecīzākie rezultāti, izmantojot datu iztveršanas noklusējuma iestatījumus. Uzziniet, kā pakalpojumā Analytics tiek glabāti un rādīti dati. |
Notikumu un lietotāju līmeņa dati (izņemot papildu vērtības, ko Google Analytics pievieno standarta pārskatos un izpētē iekļautajiem datiem) |
| Augsta kardinalitāte1 |
Iespējams. Ja Google izmanto apkopotos datus un pārskatā vai izpētē tiek rādīts vairāk rindu, nekā to nosaka tabulas rindu skaita ierobežojums, var tikt parādīta rinda “(other)”. |
Iespējams. Ja Google izmanto apkopotos datus un pārskatā vai izpētē tiek rādīts vairāk rindu, nekā to nosaka tabulas rindu skaita ierobežojums, var tikt parādīta rinda “(other)”. |
Nē |
| Datu iztveršana2 | Iespējams. Ja Google izmanto detalizētākus notikumu un lietotāju līmeņa datus un pārskatā vai izpētē ir jāapstrādā vairāk notikumu, nekā paredzēts kvotas ierobežojumā, pakalpojumā Analytics tiek izmantots tipisks pieejamo datu paraugs. | Iespējams. Ja Google izmanto detalizētākus notikumu un lietotāju līmeņa datus un pārskatā vai izpētē ir jāapstrādā vairāk notikumu, nekā paredzēts kvotas ierobežojumā, pakalpojumā Analytics tiek izmantots tipisks pieejamo datu paraugs. | Nē |
| Datu virzīts attiecinājums3 | Jā | Jā | Nē |
| Galveno notikumu modelēšana4 | Iekļauta | Iekļauta | Nav iekļauta |
| Rīcības modelēšana5 |
Iekļauta pārskatu modulī, tostarp reāllaika pārskatā Daļēji iekļauta izpētes modulī (tikai ceļā, piltuvē, pārklājošos segmentos un brīvā formā veidotās tabulās) |
Iekļauta | Nav iekļauta. BigQuery datos ir ietverti Google Analytics vāktie ehotestēšanas vienumi bez sīkfailiem, ja ir iespējots piekrišanas režīms un katrai sesijai ir atšķirīgs user_pseudo_id. Modelēšana var radīt atšķirības starp standarta pārskatiem un detalizētiem datiem rīkā BigQuery. Piemēram, pārskatos var tikt uzskaitīts mazāk aktīvo lietotāju nekā rīkā BigQuery, jo ar modelēšanu tiek mēģināts prognozēt vairākas sesijas atsevišķam lietotājam, kas ir noraidījis sīkfailus. |
| Ierobežojumi |
150 pielāgotu pārskatu katram īpašumam Var izveidot ne vairāk kā 200 atsevišķus izpētes gadījumus vienam lietotājam un ne vairāk kā 500 kopīgotus izpētes gadījumus katram īpašumam. Katrai izpētei var importēt ne vairāk kā 10 segmentus. |
Uz Analytics API attiecas API kvotas. Analytics 360 īpašumiem ir lielāki datu vākšanas, pārskatu veidošanas, saglabāšanas un kvotu ierobežojumi. | Standarta īpašumu dienas eksporta ierobežojums ir viens miljons notikumu dienā. Analytics 360 īpašumiem eksportēšana ir gandrīz neierobežota. |
1 Augsta kardinalitāte: augstas kardinalitātes kategorijas ir kategorijas ar vairāk nekā 500 unikālām vērtībām dienā. Augstas kardinalitātes kategorijas palielina pārskata vai izpētes rindu skaitu, palielinot iespējamību, ka tiks sasniegts pārskata vai izpētes rindu skaita ierobežojums, tādēļ visi dati, kas pārsniegs ierobežojumu, tiks apkopoti rindā “(other)”. Uzziniet vairāk par augstu kardinalitāti un rindu “(other)”.
2 Datu izlase: datu izlase tiek izmantota, ja izpētes atgriezto notikumu skaits pārsniedz īpašuma veida ierobežojumu. Tādējādi joprojām varat ļoti detalizēti izpētīt savus datus, izmantojot tipisku datu paraugu. Uzziniet vairāk par datu izlasi.
3 Datu virzīts attiecinājums: datu virzīts attiecinājums piešķir vērtību galvenajam notikumam, ņemot vērā katra galvenā notikuma datus. Uzziniet vairāk par datu virzītu attiecinājumu.
4 Galveno notikumu modelēšana: galveno notikumu modelēšana ļauj precīzi attiecināt vērtību, neidentificējot lietotājus (piemēram, lietotāju konfidencialitātes, tehnisku ierobežojumu dēļ vai tad, ja lietotāji izmanto vairākas ierīces). Uzziniet vairāk par galveno notikumu modelēšanu.
5 Rīcības modelēšana: ar piekrišanas režīmu saistītai rīcības modelēšanai tiek izmantota mašīnmācīšanās, lai modelētu to lietotāju rīcību, kuri noraida analītiskos sīkfailus, pamatojoties uz līdzīgu, analītiskos sīkfailus pieņēmušu lietotāju rīcību. Uzziniet vairāk par rīcības modelēšanu.