Извештаји, истраживања, Data API Google аналитике и BigQuery Export се донекле разликују у приказивању података. У табели можете да упоредите платформе према типу доступних података и сазнајте која су ограничења сваког метода приказа.
| Доступност података и ограничења за податке | Извештаји, увиди и истраживања | Data API Google аналитике | BigQuery |
|---|---|---|---|
| Методологија приступа | Интерфејс Google аналитике | Било која апликација треће стране која може да приступа подацима Google аналитике у име корисника | GCP конзола или било која апликација за извештавање која може да шаље упите за BigQuery податке |
| Опсег података |
Обједињени подаци или подаци на нивоу догађаја и корисника. За сваки захтев Google бира табелу која даје најпрецизније резултате на основу подразумеваних подешавања за узорковање. |
Обједињени подаци или подаци на нивоу догађаја и корисника. За сваки захтев Google бира табелу која даје најпрецизније резултате на основу подразумеваних подешавања за узорковање. |
Подаци на нивоу догађаја и корисника (изузимајући евентуалну додатну вредност коју Google аналитика приписује подацима у стандардним извештајима и истраживањима) |
| Велика кардиналност1 |
Могућа. Када Google користи збирне податке, а извештај или истраживање приказује више редова него што је ограничење за број редова у табели, може да се прикаже ред (other). |
Могућа. Када Google користи збирне податке, а извештај или истраживање приказује више редова него што је ограничење за број редова у табели, може да се прикаже ред (other). |
Не |
| Узорковање2 | Могуће. Када Google користи детаљније податке на нивоу догађаја и корисника и извештај или истраживање мора да обради више догађаја него што је ограничење квоте, Аналитика користи репрезентативни узорак из доступних података. | Могуће. Када Google користи детаљније податке на нивоу догађаја и корисника и извештај или истраживање мора да обради више догађаја него што је ограничење квоте, Аналитика користи репрезентативни узорак из доступних података. | Не |
| Приписивање засновано на подацима4 | Да | Да | Не |
| Моделовање конверзија5 | Уврштено | Уврштено | Није уврштено |
| Моделовање понашања6 |
Уврштено у модулу за извештавање, укључујући извештај у реалном времену Делимично уврштено у модул за истраживање (само у табелама путање, тока продаје и произвољног распореда истраживања) |
Уврштено | Није уврштено. BigQuery подаци садрже пингове без колачића које прикупља Google аналитика када је омогућен режим сагласности и user_pseudo_id сваке сесије се разликује. Моделовање може да доведе до разлика између стандардних извештаја и прецизних података у BigQuery-ју, нпр. мање активних корисника у извештајима него у BigQuery-у јер моделовање покушава да предвиди више сесија појединачног корисника који је одбио колачиће. |
| Ограничења |
150 прилагођених извештаја по производу Можете да направите 200 појединачних истраживања по кориснику по производу и до 500 дељених истраживања по производу. Можете да увезете до 10 сегмената по истраживању. |
API-ји Аналитике подлежу квотама за API-је. Производи Аналитике 360 имају већа ограничења за прикупљање података, извештавање о подацима, задржавање података и квоте за податке. | Стандардни производи имају дневно ограничење извоза од милион догађаја дневно. Производи Аналитике 360 имају готово неограничен извоз. |
1 Велика кардиналност: Аспекти са великом кардиналношћу су аспекти са преко 500 јединствених вредности дневно. Аспекти са великом кардиналношћу повећавају број редова у извештају или истраживању, што повећава вероватноћу да извештај или истраживање достигне ограничење за број редова. У том случају се сви подаци који премашују ограничење обједињују у ред (other). Сазнајте више о великој кардиналности и реду (other).
2 Узорковање: Узорковање података се користи када број догађаја које приказује истраживање премашује ограничење за тип производа. То вам омогућава да и даље истражујете податке уз више детаља коришћењем репрезентативног узорка података. Сазнајте више о узорковању.
3 Приписивање засновано на подацима: Приписивање засновано на подацима распоређује заслуге за конверзију на основу података за сваки догађај конверзије. Сазнајте више о приписивању заснованом на подацима.
4 Моделовање конверзија: Моделовање конверзија омогућава прецизно приписивање конверзија без идентификовања корисника (на пример, због корисничке приватности, техничких ограничења или када корисници прелазе са једног уређаја на други). Сазнајте више о моделовању конверзија.
5 Моделовање понашања: Помоћу машинског учења, моделовање понашања за режим сагласности моделује понашање корисника који одбију колачиће Аналитике на основу понашања сличних корисника који прихвате колачиће Аналитике. Сазнајте више о моделовању понашања.