रिपोर्ट, एक्सप्लोरेशन (विश्लेषण के तरीके), Google Analytics Data API, और BigQuery Export में अलग-अलग तरीकों से डेटा दिखता है. यहां दी गई टेबल की मदद से, यह तुलना करें कि कौनसा डेटा कहां उपलब्ध है और हर प्लैटफ़ॉर्म की क्या सीमाएं हैं.
| डेटा की उपलब्धता और सीमाएं | रिपोर्ट, इनसाइट, और एक्सप्लोरेशन | Google Analytics Data API | BigQuery |
|---|---|---|---|
| ऐक्सेस करने का तरीका | Google Analytics का इंटरफ़ेस | तीसरे पक्ष का कोई ऐसा ऐप्लिकेशन जो उपयोगकर्ता के लिए Google Analytics का डेटा ऐक्सेस कर सकता है | GCP कंसोल या रिपोर्टिंग के लिए कोई ऐसा ऐप्लिकेशन जो BigQuery में मौजूद डेटा के लिए क्वेरी कर सकता है |
| डेटा का स्कोप |
एग्रीगेट किया गया या इवेंट और उपयोगकर्ता-लेवल का डेटा. Google हर अनुरोध के लिए, सैंपलिंग की डिफ़ॉल्ट सेटिंग का इस्तेमाल करके सबसे सटीक नतीजे देने वाली टेबल चुनता है. |
एग्रीगेट किया गया या इवेंट और उपयोगकर्ता-लेवल का डेटा. Google हर अनुरोध के लिए, सैंपलिंग की डिफ़ॉल्ट सेटिंग का इस्तेमाल करके सबसे सटीक नतीजे देने वाली टेबल चुनता है. |
इवेंट और उपयोगकर्ता-लेवल का डेटा. इसमें आपको वे अतिरिक्त सुविधाएं नहीं मिलती हैं जो स्टैंडर्ड रिपोर्ट और एक्सप्लोरेशन में मौजूद डेटा के लिए, Google Analytics इंटरफ़ेस में मिलती हैं |
| एलिमेंट की ज़्यादा संख्या1 |
संभव है. अगर Google, कुल डेटा का इस्तेमाल करता है और किसी रिपोर्ट या एक्सप्लोरेशन में, टेबल के लिए तय की गई लाइनों से ज़्यादा लाइनें दिखती हैं, तो ऐसे में (other) लाइन दिख सकती है. |
संभव है. अगर Google, कुल डेटा का इस्तेमाल करता है और किसी रिपोर्ट या एक्सप्लोरेशन में, टेबल के लिए तय की गई लाइनों से ज़्यादा लाइनें दिखती हैं, तो ऐसे में (other) लाइन दिख सकती है. |
नहीं |
| सैंपलिंग2 | संभव है. जब Google, इवेंट और उपयोगकर्ता-लेवल के ज़्यादा जानकारी वाले डेटा का इस्तेमाल करता है और किसी रिपोर्ट या एक्सप्लोरेशन को कोटे के तहत तय सीमा से ज़्यादा इवेंट प्रोसेस करने होते हैं, तब Analytics उपलब्ध डेटा के सैंपल का इस्तेमाल करता है. | संभव है. जब Google, इवेंट और उपयोगकर्ता-लेवल के ज़्यादा जानकारी वाले डेटा का इस्तेमाल करता है और किसी रिपोर्ट या एक्सप्लोरेशन को कोटे के तहत तय सीमा से ज़्यादा इवेंट प्रोसेस करने होते हैं, तब Analytics उपलब्ध डेटा के सैंपल का इस्तेमाल करता है. | नहीं |
| डेटा-ड्रिवन एट्रिब्यूशन4 | हां | हां | नहीं |
| कन्वर्ज़न मॉडलिंग (कन्वर्ज़न का अनुमान लगाने के लिए मशीन लर्निंग का इस्तेमाल करना)5 | शामिल है | शामिल है | शामिल नहीं है |
| ग्राहक के व्यवहार का मॉडल बनाना6 |
रीयलटाइम रिपोर्ट के साथ-साथ, रिपोर्टिंग मॉड्यूल में शामिल है कुछ हद तक एक्सप्लोर मॉड्यूल में शामिल है (सिर्फ़ पाथ, फ़नल, और फ़्री-फ़ॉर्म टेबल में) |
शामिल है | शामिल नहीं है. BigQuery डेटा में, Google Analytics से इकट्ठा किए गए, बिना कुकी वाले पिंग शामिल होते हैं. ये पिंग तब इकट्ठा किए जाते हैं, जब सहमति मोड चालू हो और हर सेशन में एक अलग user_pseudo_id हो. मॉडलिंग की वजह से, स्टैंडर्ड रिपोर्ट और BigQuery के ज़्यादा जानकारी वाले डेटा में अंतर हो सकता है. उदाहरण के लिए, BigQuery की तुलना में आपको स्टैंडर्ड रिपोर्ट में कम सक्रिय उपयोगकर्ता दिख सकते हैं. इसकी वजह यह है कि अगर कोई उपयोगकर्ता कुकी को स्वीकार नहीं करता है, तो मॉडलिंग उसके हर सेशन का अनुमान अलग उपयोगकर्ता के तौर पर लगाती है. |
| सीमाएं |
हर प्रॉपर्टी के लिए 150 कस्टम रिपोर्ट हर प्रॉपर्टी में, हर उपयोगकर्ता के लिए 200 अलग-अलग एक्सप्लोरेशन बनाए जा सकते हैं. साथ ही, हर प्रॉपर्टी में 500 शेयर किए गए एक्सप्लोरेशन भी बनाए जा सकते हैं. हर एक्सप्लोरेशन में ज़्यादा से ज़्यादा 10 सेगमेंट इंपोर्ट किए जा सकते हैं. |
Analytics APIs पर, एपीआई कोटा लागू होता है. Analytics 360 प्रॉपर्टी में डेटा कलेक्शन, रिपोर्टिंग, निजी डेटा के रखरखाव, और कोटा के लिए ज़्यादा सीमाएं होती हैं. | स्टैंडर्ड प्रॉपर्टी के लिए, एक्सपोर्ट की रोज़ की सीमा 10 लाख इवेंट है. Analytics 360 प्रॉपर्टी के लिए, एक्सपोर्ट की तकरीबन कोई सीमा नहीं है. |
1 एलिमेंट की ज़्यादा संख्या: ज़्यादा एलिमेंट वाले डाइमेंशन ऐसे डाइमेंशन होते हैं जिनमें एक दिन में 500 से ज़्यादा यूनीक वैल्यू हो सकती हैं. ज़्यादा एलिमेंट वाले डाइमेंशन होने पर, रिपोर्ट या एक्सप्लोरेशन में ज़्यादा लाइनों की ज़रूरत पड़ती है. ऐसी स्थिति में, जब रिपोर्ट या एक्सप्लोरेशन का डेटा तय लाइनों की सीमा से ज़्यादा हो जाता है, तो डेटा (other) लाइन में इकट्ठा हो जाता है. ज़्यादा एलिमेंट और (other) लाइन के बारे में ज़्यादा जानें.
2 सैंपलिंग: डेटा सैंपलिंग का इस्तेमाल तब किया जाता है, जब किसी एक्सप्लोरेशन से मिले इवेंट की संख्या, आपकी प्रॉपर्टी टाइप के लिए तय सीमा से ज़्यादा हो जाती है. इसकी मदद से, आपको डेटा के प्रतिनिधि सैंपल का इस्तेमाल करके, बेहतर तरीके से डेटा को एक्सप्लोर करने की सुविधा मिलती है. सैंपलिंग के बारे में ज़्यादा जानें.
3 डेटा-ड्रिवन एट्रिब्यूशन: डेटा-ड्रिवन एट्रिब्यूशन, हर कन्वर्ज़न इवेंट के डेटा के आधार पर कन्वर्ज़न के लिए क्रेडिट देता है. डेटा-ड्रिवन एट्रिब्यूशन के बारे में ज़्यादा जानें.
4 कन्वर्ज़न मॉडलिंग: कन्वर्ज़न मॉडलिंग से, उपयोगकर्ताओं की पहचान का पता चले बिना सटीक कन्वर्ज़न एट्रिब्यूशन किया जा सकता है. पहचान का पता नहीं चलने के पीछे इनमें से कोई भी वजह हो सकती है: उपयोगकर्ता की निजता, तकनीकी सीमाएं या उपयोगकर्ताओं का किसी एक डिवाइस से दूसरे डिवाइस पर स्विच कर जाना. कन्वर्ज़न मॉडलिंग के बारे में ज़्यादा जानें.
5 ग्राहक के व्यवहार का मॉडल बनाना: सहमति मोड के लिए ग्राहक के व्यवहार का मॉडल, मशीन लर्निंग का इस्तेमाल करके उन उपयोगकर्ताओं के व्यवहार का एक मॉडल बनाता है जो कुकी के लिए सहमति नहीं देते. यह मॉडल, Analytics कुकी के लिए सहमति देने वाले मिलते-जुलते उपयोगकर्ताओं के व्यवहार के आधार पर बनाया जाता है. ग्राहक के व्यवहार का मॉडल बनाने के बारे में ज़्यादा जानें.