Vyhledávání
Vymazat vyhledávání
Zavřít vyhledávání
Aplikace Google
Hlavní nabídka

Vlastní dimenze a metriky

Přidejte do přehledů i nestandardní údaje.

Vlastní dimenze a vlastní metriky se podobají výchozím dimenzím a metrikám v účtu Analytics, jen si je vytváříte sami. Lze je používat pro sběr a analýzu údajů, které Analytics neměří automaticky.

Obsah tohoto článku:

Souhrn

Vlastní dimenze a metriky vám umožní sloučit údaje z Analytics s jinými údaji, například s údaji řízení vztahů se zákazníky. Příklady:

  • Pokud v systému řízení vztahů se zákazníky ukládáte údaje o pohlaví přihlášených uživatelů, mohli byste tyto údaje sloučit s údaji z Analytics a zobrazit statistiku Zobrazení stránek podle pohlaví.

  • Jste-li vývojář her, mohou být pro vás relevantnější metriky jako „dokončení úrovně‟ nebo „nejvyšší skóre‟ než předem definované metriky jako Zobrazení obrazovky. Budete-li tyto údaje sledovat pomocí vlastních metrik, můžete sledovaný průběh porovnávat s vašimi nejdůležitějšími metrikami pomocí flexibilních a přehledných vlastních přehledů.

Vlastní dimenze se používají jako primární ve vlastních přehledech. Kromě toho je lze využít jako segmenty a sekundární dimenze ve standardních přehledech.

Požadavky

Vlastní dimenze a metriky jsou k dispozici pouze pro služby, které byly buď povoleny pro Universal Analytics, nebo obsahují alespoň jeden výběr dat pro přehledy aplikace. Vlastní dimenze a metriky jsou podporovány sadami SDK Analytics pro Android i iOS v2.x nebo vyššími, kódem analytics.js, a Protokolem měření.

Vlastní dimenze a metriky vyžadují provedení dodatečných nastavení v účtu Analytics a v měřicím kódu. Až dokončíte oba kroky nastavení, můžete vlastní dimenze a metriky začít používat v přehledech.

Omezení a varování

V každé službě je k dispozici 20 indexů pro různé vlastní dimenze a 20 indexů pro vlastní metriky. Účty 360 mají 200 indexů pro vlastní dimenze a 200 pro vlastní metriky.

Vlastní dimenze nelze odstranit, ale můžete je deaktivovat. Vlastní dimenze nedoporučujeme „recyklovat. Pokud upravíte název, rozsah či hodnotu vlastní dimenze, mohou se s novým či starým názvem dimenze párovat jak staré, tak nové hodnoty. V přehledech tak dojde ke smíšení údajů, kterému není možné účinně zabránit filtrováním.

Životní cyklus vlastních dimenzí a metrik

Životní cyklus vlastní dimenze nebo metriky má čtyři fáze:

  • Konfigurace – zde definujete vlastní dimenze a metriky pomocí indexu, názvu a dalších vlastností, například rozsahu.
  • Sběr – zde odesíláte hodnoty vlastních dimenzí a metrik ze své implementace do Analytics.
  • Zpracování – zde jsou vaše data zpracována pomocí vašich vlastních dimenzí a metrik a příslušných filtrů výběrů dat pro přehledy.
  • Tvorba přehledů – zde se sestaví nové přehledy pomocí vašich vlastních dimenzí a metrik v uživatelském rozhraní Analytics.

Konfigurace

Abyste mohli hodnoty vlastních dimenzí a metrik odeslat do Analytics, je nejprve nutné definovat je ve službě Analytics. Každá služba Analytics má k dispozici 20 indexů pro vlastní dimenze a dalších 20 indexů pro vlastní metriky.

Při definování vlastní dimenze nebo metriky zadáváte do konkrétního indexu její název a další konfigurační hodnoty. Vlastní dimenze mají následující konfigurační hodnoty:

  • Název – název vlastní dimenze, který se zobrazí v přehledech.
  • Rozsah – udává, na které údaje se vlastní dimenze nebo metrika použije. Další informace o rozsahu
  • Aktivní – určuje, jestli bude hodnota vlastní dimenze nebo metriky zpracována. Neaktivní vlastní dimenze se mohou dále zobrazovat v přehledech, ale jejich hodnoty nebudou zpracovány.

Vlastní metriky mají následující konfigurační hodnoty:

  • Název – název vlastní metriky, který se zobrazí v přehledech.
  • Typ – určuje, jak se bude hodnota vlastní metriky v přehledech zobrazovat.
  • Minimální / maximální hodnota – minimální a maximální hodnoty, které budou zpracovány a zobrazeny v přehledech.
  • Aktivní – určuje, jestli bude hodnota vlastní metriky zpracována. Neaktivní vlastní metriky se mohou dále zobrazovat v přehledech, ale jejich hodnoty nebudou zpracovány.

Vlastní dimenze a metriky lze definovat v uživatelském rozhraní Analytics.

Jakmile máte vlastní dimenzi nebo metriku definovanou, snažte se již pokud možno neměnit její název nebo rozsah. Další informace o tom, jak mohou tyto změny ovlivnit tvorbu přehledů, najdete v Doporučeních ohledně implementace.

Shromažďování údajů

Hodnoty vlastních dimenzí a metrik se odesílají do Analytics v čase sběru jako pár parametrů indexu a hodnoty. Parametr indexu odpovídá indexu vlastní dimenze nebo metriky definovanému ve fázi Konfigurace.

Na rozdíl od jiných typů údajů se vlastní dimenze a metriky odesílají do Analytics jako parametry připojené k ostatním požadavkům na server, například zobrazením stránek, událostem nebo transakcím elektronického obchodu. Aby mohla být daná hodnota odeslána do Analytics, je tedy nutné nastavit hodnoty vlastní dimenze nebo metriky ještě před vyvoláním měření.

Chcete-li například nastavit hodnotu vlastní dimenze, můžete použitý kód vypadat nějak takto:

ga('create', 'UA-XXXX-Y', 'auto');

// Nastavení vlastní dimenze na index 1.
ga('set', 'dimension1', 'Level 1');

// Odeslání hodnoty vlastní dimenze spolu s požadavkem na server typu zobrazení stránky.
ga('send', 'pageview');

Typy vlastních metrik

Vlastní metriky typu Celé číslo nebo Čas by měly být odesílány jako celá čísla. Vlastní metriky typu Měna je možné odesílat jako hodnoty s pevně stanoveným počtem desetinných míst odpovídajícím místní měně.

Zpracování

Při zpracování vlastních dimenzí se pomocí rozsahu určí, na které požadavky na server se konkrétní vlastní dimenze použijí. Filtry výběrů dat naproti tomu určují, které požadavky na server a jejich související hodnoty budou nakonec zahrnuty do přehledů.

Rozsah a priorita

Rozsah určuje, které požadavky na server budou přidruženy ke konkrétní hodnotě vlastní dimenze. Rozsah má čtyři úrovně: produkt, požadavek na server, návštěva a uživatel:

  • Produkt – hodnota se použije na produkt, na který byla nastavena (pouze Rozšířený elektronický obchod).
  • Požadavek na server – hodnota se použije na jeden požadavek na server, na který byla nastavena.
  • Návštěva – hodnota se použije na všechny požadavky na server v jedné návštěvě.
  • Uživatel – hodnota se použije na všechny požadavky na server v aktuální návštěvě i budoucích návštěvách, dokud se hodnota nezmění nebo nedojde k deaktivaci vlastní dimenze.
Rozsah na úrovni produktu

Když má vlastní dimenze rozsah na úrovni produktu, hodnota se použije pouze na produkt, u kterého je nastavena. Protože v jednom požadavku na server je možné odeslat více produktů, lze vlastní dimenze s rozsahem na úrovni produktu odesílat v jediném požadavku na server.

Rozsah na úrovni požadavku na server

Když má vlastní dimenze rozsah na úrovni požadavku na server, hodnota se použije pouze na požadavek na server, u kterého je nastavena. To je vidět na následujících obrázcích, A, B a C:

Obrázek A: Uživatel odešle dva požadavky na server (H1, H2). Hodnota CD1 požadavku H2 je A. Tato hodnota se použije pouze na požadavek H2.


Obrázek B: Uživatel odešle třetí požadavek na server (H3). H3 nemá žádnou hodnotu CD.


Obrázek C: Uživatel odešle čtvrtý požadavek na server (H4). Hodnota CD1 požadavku H4 je B. Tato hodnota se použije pouze na požadavek H4.


Rozsah na úrovni návštěvy

Když budou dvě hodnoty s rozsahem na úrovni návštěvy nastaveny v návštěvě na stejný index, získá nastavení poslední hodnoty prioritu a použije se na všechny požadavky na server v dané návštěvě. Na následujícím obrázku D přepíše poslední nastavení hodnoty všechny předchozí hodnoty daného indexu:

Obrázek A: Uživatel odešle požadavek na server (H1) bez hodnoty CD.


Obrázek B: Ve stejné návštěvě odešle uživatel druhý požadavek na server (H2) s hodnotou CD1 nastavenou na A. Rozsah návštěvy způsobí, že bude na požadavek H1 aplikována i hodnota A.


Obrázek C: Uživatel odešle čtvrtý požadavek na server (H3). I když se s požadavkem na server H3 neodešle žádná hodnota CD1, rozsah návštěvy způsobí, že bude na požadavek H3 automaticky aplikována hodnota A.


Obrázek D: Uživatel odešle čtvrtý požadavek na server (H4) s novou hodnotou CD1 nastavenou na B. Rozsah návštěvy aplikuje hodnotu B na všechny požadavky na server v dané návštěvě, a přepíše tak hodnotu A v předchozích požadavcích.


Rozsah na úrovni uživatele

A konečně, pokud jsou v rámci stejné návštěvy nastaveny dvě vlastní dimenze s rozsahem na úrovni uživatele, bude mít poslední nastavení hodnoty u aktuální návštěvy prioritu a použije se na budoucí návštěvy daného uživatele.

Na následujícím obrázku B se na všechny požadavky na server v druhé návštěvě použije hodnota CD nastavená na A, stejně jako CD na úrovni návštěvy. Na obrázku C bude však hodnota CD nastavená na A, na rozdíl od rozsahu na úrovni návštěvy, nadále aplikována na požadavky na server ve třetí návštěvě, protože CD1 má rozsah na úrovni uživatele:

Obrázek A: Uživatel uskutečnil návštěvu se třemi požadavky na server (H1, H2, H3). Nejsou nastaveny žádné hodnoty CD.


Obrázek B: Stejný uživatel se vrátí a uskuteční další návštěvu s dalšími třemi požadavky na server. Hodnota CD1 požadavku H3 bude nastavena na A. Hodnota CD1 se poté použije na všechny požadavky na server v dané návštěvě.


Obrázek C: Uživatel se vrátí při třetí návštěvě s dalšími třemi požadavky na server. Rozsah na úrovni uživatele hodnoty CD1 způsobí, že se hodnota A použije na všechny požadavky na server ve třetí návštěvě.

Filtry

Filtry výběrů dat mohou s vlastními dimenzemi a metrikami pracovat několika způsoby.

Jednotlivé hodnoty vlastních dimenzí a metrik jsou přidruženy k požadavku na server, se kterým byly přijaty, bez ohledu na jejich rozsah. Je-li na daný požadavek na server aplikován filtr výběru dat, může filtr platit i na vlastní dimenzi nebo metriku, v závislosti na jejím rozsahu.

  1. Rozsah na úrovni požadavku na server: Vlastní dimenze i vlastní metriky s rozsahem na úrovni požadavku na server budou filtrovány, pokud je filtrován i požadavek na server, ke kterému jsou přidruženy.
  2. Rozsah na úrovni návštěvy nebo uživatele: Vlastní dimenze s rozsahem na úrovni uživatele nebo návštěvy nebudou filtrovány, ani když je filtrován požadavek na server, ke kterému jsou přidruženy. Jejich hodnoty se přesto použijí na všechny požadavky na server v aktuální návštěvě, a pokud má dimenze rozsah na úrovni uživatele, tak i na budoucí návštěvy.

Vlastní dimenze lze použít i na sestavení filtrů výběrů dat. Požadavky na server je pak možné filtrovat podle rozsahu vlastní dimenze. Například filtrování hodnoty vlastní dimenze s rozsahem na úrovni uživatele by z aktuální návštěvy a budoucích návštěv odfiltrovalo množinu uživatelů přidružených k této hodnotě.

Přehledy

Po dokončení sběru, konfiguraci a dalších fází zpracování daného zřetězení budou vlastní dimenze a metriky zpřístupněny přes uživatelské rozhraní přehledů.

Vlastní dimenze a metriky jsou k dispozici ve vlastních přehledech a je možné je použít spolu s rozšířenými segmenty. Vlastní dimenze lze také použít jako ve standardních přehledech sekundární dimenze.

Příklady

Následující příklady ukazují, jak mohou vlastní dimenze a metriky využít například vývojáři her ke zjišťování chování hráčů.

Dejme tomu, že nějaký vývojář her v nedávné době vydal novou hru.

Aktuální implementace služby Analytics sleduje počet zobrazení obrazovky jednotlivých úrovní hry. Vývojář už ví, kolikrát byly jednotlivé úrovně odehrány. A teď chce získat odpověď na složitější otázky:

  1. Kolikrát byly odehrány jednoduché úrovně v porovnání se středně těžkými nebo těžkými?
  2. Kolik úrovní bylo odehráno v každém dni v průběhu bezplatného třídenního zkušebního období?
  3. Kolik úrovní bylo odehráno uživateli ve zkušebním období v porovnání s uživateli, kteří si hru koupili?

K odpovědi na tyto otázky použijeme vlastní dimenze, které vytvoří nová seskupení požadavků na server, návštěv a uživatelů.

Vývojář navíc prodává některé doplňující funkce, které prohloubí zážitek z hry, například „power-upy‟. Vývojář už používá pole kategorie a varianty, ale chce použít ještě dodatečné pole k měření síly zakoupeného „power-upu‟. To by mu pomohlo určit, jestli jsou určité síly power-upu populárnější než jiné.

Rozsah na úrovni požadavku na server

Podívejme se na příklad, kdy vývojář her použije vlastní dimenze na úrovni požadavku na server ke zjištění, kolik úrovní jednotlivých obtížností – jednoduché, středně těžké a těžké – bylo odehráno.

Vývojář již sleduje počet odehrání jednotlivých úrovní pomocí počtu zobrazení obrazovky. A teď chce ještě zjistit, kterou obtížnost hrají uživatelé nejčastěji.

Přehled bude vypadat nějak takto:

ObtížnostPočet zobrazení obrazovek
jednoduchá 
středně těžká 
těžká 

Před použitím vlastních dimenzí mohl vývojář zobrazit celkový počet zobrazení obrazovky podle úrovní, ale nemohl tato zobrazení seskupit podle obtížnosti.

Při použití vlastní dimenze na úrovni požadavku na server můžete k jednotlivým zobrazením obrazovky přidružit obtížnost, a díky tomu mohou přehledy obsahovat nejčastěji hranou obtížnost.

Proč rozsah na úrovni požadavku na server?

Uživatel může odehrát několik úrovní v průběhu jedné návštěvy. Použití rozsahu na úrovni požadavku na server znamená, že hodnota obtížnosti bude přidružená pouze k zobrazení obrazovky, se kterým byla odeslána. Tím se zajistí, že bude možné přidružit zobrazení obrazovky každé úrovně k jedinečné obtížnosti.

Konfigurace

Prvním krokem při implementaci vlastní dimenze je definovat ji v nastaveních služby v části Správce služby Analytics. V tomto příkladu bude definice vlastní dimenze vypadat takto:

Index1
NázevObtížnost
RozsahPožadavek na server
Aktivnípravda

Shromažďování údajů

Ve hře již vývojář sleduje jednotlivé úrovně pomocí zobrazení obrazovky. Aby bylo možné přidružit obtížnost k jednotlivým úrovním, je třeba nastavit hodnotu vlastní dimenze ještě před vyvoláním sledování počtu zobrazení obrazovky.

Implementace může vypadat nějak takto:

ga('create', 'UA-XXXX-Y', 'auto');

// Nastavení vlastní dimenze na index 1.
ga('set', 'dimension1', 'easy');

// Odeslání hodnoty vlastní dimenze spolu s požadavkem na server typu zobrazení stránky.
ga('send', 'pageview', '/level_1/');

V tomto příkladu je vlastní dimenze nastavena ještě před sledováním počtu zobrazení obrazovky dané úrovně. Tím se obtížnost přidruží k zobrazení obrazovky a umožní, aby byly požadavky na server typu zobrazení obrazovky v přehledech seskupeny podle obtížnosti.

Zpracování

Po shromáždění požadavků na server a jejich odeslání do Analytics se údaje zpracují a hodnoty vlastní dimenze se použijí na požadavky v závislosti na jejich rozsahu.

Například shromážděné údaje od jednoho hráče, s jednou návštěvou, který odehrál šest úrovní, budou vypadat takto:

userId = 5555
Session 1:
H1: screen_name=/level_1/ cd1_value=easy
H2: screen_name=/level_2/ cd1_value=medium
H3: screen_name=/level_3/ cd1_value=hard
H4: screen_name=/level_4/ cd1_value=easy
H5: screen_name=/level_5/ cd1_value=medium
H6: screen_name=/level_6/ cd1_value=medium

Použití rozsahu na úrovni požadavku na server zajistí, že bude každá hodnota obtížnosti přidružená pouze k zobrazení obrazovky, se kterým byla odeslána.

Přehledy

Protože každé zobrazení obrazovky je přidružené k odpovídající hodnotě obtížnosti, může po zpracování údajů vývojář vytvořit přehled, ve kterém jsou jako dimenze použity název obrazovky a obtížnost a jako metrika počet zobrazení obrazovky.

Název obrazovkyObtížnostPočet zobrazení obrazovky
úroveň 1jednoduchá1
úroveň 2středně těžká1
úroveň 3těžká1
úroveň 4jednoduchá1
úroveň 5středně těžká1
úroveň 6středně těžká1

Můžete vytvořit vlastní přehled, ve kterém je jako primární dimenze k seskupení zobrazení obrazovky použitá Obtížnost, a zjistit, kolikrát byly odehrány jednotlivé úrovně obtížnosti.

ObtížnostPočet zobrazení obrazovky
jednoduchá2
středně těžká3
těžká1

V tomto přehledu byly nejčastěji hrány středně těžké úrovně obtížnosti. Tyto statistiky jsou umožněny díky seskupení zobrazení obrazovky pomocí vlastních dimenzí na úrovni požadavku na server.

Rozsah na úrovni návštěvy

Nyní se podívejme na příklad, kdy chce vývojář her pomocí vlastních dimenzí na úrovni návštěvy zjistit, kolik úrovní bylo odehráno v jednotlivé dny bezplatného třídenního zkušebního období.

Díky sledování zobrazení obrazovky u jednotlivých úrovní již vývojář ví, kolikrát byly jednotlivé úrovně odehrány. A teď chce ještě zjistit, kolik úrovní bylo odehráno v jednotlivé dny.

Požadovaný přehled bude vypadat nějak takto:

Zkušební denPočet zobrazení obrazovky
1. den 
2. den 
3. den 

Díky použití vlastních dimenzí na úrovni návštěvy může vývojář seskupit zobrazení obrazovky podle dnů zkušebního období a zjistit, jak se tento počet bude měnit, když uživatel stráví v bezplatném zkušebním období více času.

Proč rozsah na úrovni návštěvy?

Pomocí rozsahu na úrovni návštěvy můžete celé návštěvy a všechny příslušné požadavky na server komponenty efektivně seskupit do jediné hodnoty Zkušební den.

I když můžete stejného výsledku dosáhnout i pomocí rozsahu na úrovni požadavku na server, rozsah na úrovni návštěvy vám umožní příhodně nastavit hodnotu Zkušební den pomocí nejmenšího množství dodatečného kódu.

Konfigurace

Vlastní dimenzi Zkušební den můžete definovat v části nastavení služby uživatelského rozhraní Analytics pomocí následujících hodnot:

Index2
NázevZkušební den
RozsahNávštěva
Aktivnípravda

Shromažďování údajů

Ve hře již vývojář sleduje jednotlivé úrovně pomocí počtu zobrazení obrazovky. Aby byl den přidružen ke všem zobrazením obrazovky v návštěvě, je třeba nastavit hodnotu vlastní dimenze pouze jedenkrát pro danou návštěvu.

Vývojář nastaví vlastní dimenzi, jakmile uživatel poprvé spustí hru:

ga('create', 'UA-XXXX-Y', 'auto');

// Nastavení hodnoty pro vlastní dimenzi na index 2.
var day = getDayOfTrial();
ga('set', 'dimension2', day );

// Nastavení hodnoty vlastní dimenze pomocí požadavku na server typu zobrazení stránky.
ga('send', 'pageview', '/level_1/');

Vlastní dimenzi na úrovni návštěvy je možné nastavit kdykoli během návštěvy. V tomto příkladu je však prostě vhodné, aby vývojář určil zkušební den a nastavil odpovídající hodnotu na začátku návštěvy.

Zpracování

Po shromáždění požadavků na server a jejich odeslání do Analytics se údaje zpracují a hodnoty vlastní dimenze se použijí na požadavky v závislosti na jejich rozsahu.

Například shromážděné údaje od jednoho hráče, který hrál hru dvakrát první den, jedenkrát druhý den a jedenkrát třetí den, vypadají takto:

userId = 5555
Session 1:
H1: screen_name=/level_1/  cd2_value=1
H2: screen_name=/level_2/
H3: screen_name=/level_2/

Session 2:
H4: screen_name=/level_3/  cd2_value=1
H5: screen_name=/level_4/
H6: screen_name=/level_4/

Session 3:
H1: screen_name=/level_1/  cd2_value=2
H2: screen_name=/level_2/
H3: screen_name=/level_3/

Session 4:
H1: screen_name=/level_3/  cd2_value=3

Hodnoty vlastní dimenze byly odeslány pouze s jedním zobrazením obrazovky na návštěvu.

Rozsah na úrovni návštěvy zajistí, že hodnota Zkušební den bude přidružena ke všem požadavkům na server v dané návštěvě, nejen k požadavku, se kterým byla odeslána.

Přehledy

Po zpracování budou hodnoty vlastní dimenze na úrovni návštěvy přidruženy ke všem zobrazením obrazovky přijatým během stejné návštěvy. Vývojář může nyní vytvořit přehled pomocí dimenzí Zkušební den a název obrazovky a pomocí metriky počet zobrazení obrazovky.

Zkušební denNázev obrazovkyPočet zobrazení obrazovky
1úroveň 11
1úroveň 22
1úroveň 31
1úroveň 42
2úroveň 11
2úroveň 21
2úroveň 31
3úroveň 31

A nakonec, pokud chce vývojář seskupit zobrazení obrazovky podle dnů a zjistit, kolik úrovní bylo odehráno v každém dni zkušebního období, může vytvořit vlastní přehled s primární dimenzí Zkušební den.

Zkušební denPočet zobrazení obrazovky
16
23
31

Údaje naznačují, že většina úrovní byla odehrána první den a druhý a třetí den bylo hráno výrazně méně úrovní. Tyto statistiky získáte pomocí vlastních dimenzí na úrovni návštěvy, které seskupí více návštěv a příslušné požadavky na server komponenty podle jediné hodnoty.

Rozsah na úrovni uživatele

Nakonec si ukažme příklad, jak může vývojář her pomocí vlastních dimenzí na úrovni uživatele zjistit, kolik úrovní odehráli platící uživatelé a kolik uživatelé bezplatného zkušebního období.

Stejně jako v předchozím příkladu je již celkový počet, kolikrát byly jednotlivé úrovně odehrány, sledován pomocí zobrazení obrazovky, ale vývojář chce nyní zobrazení obrazovky seskupit podle platících a neplatících uživatelů.

Požadovaný přehled bude vypadat asi takto:

Typ hráčePočet zobrazení obrazovky
Bezplatný 
Placený 

Pomocí vlastní dimenze na úrovni uživatele může vývojář získat tyto údaje přidružením všech zobrazení obrazovky konkrétního uživatele ze všech aktuálních i budoucích návštěv k hodnotě Typ hráče.

Proč rozsah na úrovni uživatele?

Rozsah na úrovni uživatele umožňuje příhodně seskupit všechny návštěvy a požadavky na server komponenty uživatele podle jediné hodnoty. To je ideální v případě hodnot, které se u konkrétního uživatele často nemění, jako například Typ hráče v tomto příkladu.

I když stejného výsledku lze dosáhnout i pomocí rozsahu na úrovni požadavku na server nebo na úrovni návštěvy, rozsah na úrovni uživatele poskytuje nejvhodnější řešení s nejmenším množstvím kódu navíc.

Konfigurace

Vlastní dimenzi Typ ráče můžete definovat v části Správce pomocí těchto hodnot:

Index3
NázevTyp hráče
RozsahUživatel
Aktivnípravda

Shromažďování údajů

Stejně jako v předchozích příkladech již vývojář sleduje jednotlivé úrovně pomocí zobrazení obrazovky. Aby seskupil zobrazení obrazovky podle typu hráče, stačí, když nastaví dimenzi Typ hráče, jakmile uživatel spustí hru, a podruhé, když uživatel následně zaplatí za přístup k plné verzi hry.

Vývojář nastaví vlastní dimenzi, jakmile uživatel poprvé spustí hru:

ga('create', 'UA-XXXX-Y', 'auto');

// Nastavení hodnoty vlastní dimenze na index 3.
ga('set', 'dimension3', 'Free' );

// Odeslání hodnoty vlastní dimenze spolu s požadavkem na server typu zobrazení stránky.
ga('send', 'pageview', '/level_1/');

Vývojář bude také chtít nastavit vlastní dimenzi, jakmile uživatel zaplatí za přístup k plné verzi hry:

ga('create', 'UA-XXXX-Y', 'auto');

// Nastavení hodnoty vlastní dimenze na index 3.
ga('set', 'dimension3', 'Paid' );

// Odeslání hodnoty vlastní dimenze spolu s požadavkem na server typu zobrazení stránky.
ga('send', 'pageview', '/level_1/');

Zpracování

Stejně jako v předchozích příkladech se údaje po shromáždění zpracují a hodnoty vlastní dimenze se použijí na požadavky na server v závislosti na jejich rozsahu.

Například shromážděné údaje od jednoho hráče, který hrál hru dvakrát jako neplatící uživatel a jedenkrát jako platící uživatel, by vypadaly takto:

userId = 5555
Session 1:
H2: screen_name=/level_1/ cd3_value=free
H3: screen_name=/level_2/

Session 2:
H1: screen_name=/level_2/
H2: screen_name=/level_3/
H3: screen_name=/level_3/

Session 3:
H1: screen_name=/level_3/ cd3_value=paid
H2: screen_name=/level_4/

Hodnota free (neplatící) nastavená v 1. návštěvě se použije na všechny požadavky na server v dané návštěvě a také ve 2. návštěvě, dokud nebude ve 3. návštěvě nastavena nová hodnota, paid (platící).

Přehledy

Po zpracování budou hodnoty vlastní dimenze Typ hráče přidruženy k návštěvám, ve kterých byly nastaveny, a také ke všem budoucím návštěvám a požadavkům na server.

Vývojář může nyní vytvořit přehled pomocí dimenzí Typ hráče a název obrazovky a pomocí metriky počet zobrazení obrazovky.

Typ hráčeNázev obrazovkyPočet zobrazení obrazovky
Neplatícíúroveň 11
Neplatícíúroveň 22
Neplatícíúroveň 32
Platícíúroveň 31
Platícíúroveň 41

A nakonec, chce-li vývojář seskupit zobrazení obrazovky podle typu hráče a zjistit, kolik úrovní bylo odehráno neplatícími a kolik platícími uživateli, může vytvořit vlastní přehled s primární dimenzí Typ hráče.

Typ hráče Počet zobrazení obrazovky
Neplatící5
Platící2

Údaje udávají, že více úrovní bylo odehráno neplatícími hráči. Tyto statistiky získáte pomocí vlastních dimenzí na úrovni uživatele, které seskupí uživatele a jejich návštěvy a požadavky na server komponenty podle jediné hodnoty.

Rozsah na úrovni produktu

Podívejme se na příklad, kdy chce vývojář her pomocí vlastních dimenzí na úrovni produktu zjistit, která síla „power-upu‟ – slabá, středně silná nebo silná – byla zakoupena.

Vývojář již sleduje počet zakoupení power-upů pomocí Rozšířeného elektronického obchodu. A teď chce ještě zjistit, kterou sílu power-upu si uživatelé kupují nejčastěji.

Přehled bude vypadat asi takto:

Síla power-upuTržby za produkt
slabá 
středně silná 
silná 

Před použitím vlastních dimenzí mohl vývojář zobrazit celkové tržby za produkt power-upy, ale nemohl tyto tržby seskupit podle síly power-upu.

Pomocí vlastní dimenze na úrovni produktu může přidružit sílu k jednotlivým produktům. Díky tomu mohou přehledy obsahovat nejčastěji kupovanou sílu (a také sílu, která je nejčastěji zobrazována, proklikávána nebo která je spojena s dalšími akcemi Rozšířeného elektronického obchodu).

Proč rozsah na úrovni produktu?

Uživatel může zakoupit několik power-upů při jediném nákupu. Použití rozsahu na úrovni produktu znamená, že bude hodnota síly přidružená pouze k produktu, se kterým byla odeslána. Tím se zajistí, že jednotlivé zakoupené power-upy bude možné přidružit k jedinečné síle.

Konfigurace

Vlastní dimenzi Síla power-upu můžete definovat v části Správce nastavení služby uživatelského rozhraní Analytics pomocí následujících hodnot:

Index4
NázevSíla power-upu
RozsahProdukt
Aktivnípravda

Shromažďování údajů

Ve hře již vývojář sleduje jednotlivé nákupy power-upů. Chcete-li přidružit sílu k jednotlivým power-upům, je třeba nastavit hodnotu vlastní dimenze pomocí údajů o produktu.

Přidání této dimenze k produktu může vypadat nějak takto:

ga('ec:addProduct', {               // Zadání údajů o produktu v proměnné productFieldObject.
  'id': 'P12345',                   // ID produktu (textový řetězec)
  'name': 'Powerup',                // Název produktu (textový řetězec)
  'category': 'Extras',             // Kategorie produktu (textový řetězec)
  'variant': 'red',                 // Varianta produktu (textový řetězec)
  'price': '10.00',                 // Cena produktu (měna)
  'quantity': 2,                    // Množství produktu (číslo)
  'dimension4': 'strong'            // Vlastní dimenze na úrovni produktu (textový řetězec)
});
ga('ec:setAction', 'purchase', {
  'id': 'T12345',
  'revenue': '20.00'
});

ga('send', 'pageview');     // Odeslání údajů o transakci spolu s počátečním zobrazením stránky.

V tomto příkladu je vlastní dimenze nastavena spolu s informacemi o produktu. Tím se přidruží síla k danému power-upu.

Zpracování

Stejně jako v předchozích příkladech se po shromáždění požadavků na server a jejich odeslání do Analytics údaje zpracují a hodnoty vlastní dimenze se použijí na produkty, se kterými byly nastaveny.

Například shromážděné údaje od jednoho hráče, s jednou návštěvou, který si zakoupil tři power-upy, budou vypadat takto:

userId = 5555
Session 1:
H1: product_name=powerup cd4_value=weak
    product_name=powerup cd4_value=strong
H2: product_name=powerup cd4_value=weak

Použití rozsahu na úrovni produktu zajistí, že bude každá hodnota power-upu přidružená pouze k produktu, se kterým byla odeslána.

Přehledy

Protože každý produkt je přidružený k odpovídající hodnotě síly, může po zpracování údajů vývojář vytvořit vlastní přehled, ve kterém jsou tržby seřazeny podle síly power-upu.

Síla power-upuTržby za produkt
slabá20,00
silná10,00

V tomto přehledu tvoří největší část tržeb slabé power-upy.

Vlastní metriky

Rozsah

Podobně jako v případě vlastních dimenzí i vlastní metriky mohou mít různé rozsahy. Vlastní metrika na úrovni požadavku na server bude přidružena ke všem dimenzím na úrovni požadavku na server, se kterými byla odeslána. Podobně vlastní metrika na úrovni produktu bude přidružena pouze k produktu, se kterým byla odeslána. V následujícím příkladu jsou uvedeny právě tyto dva typy vlastní metriky.

Příklad vlastní metriky na úrovni požadavku na server

Ve výše uvedených příkladech sledoval vývojář her jednotlivá odehrání úrovně pomocí zobrazení obrazovky. V jednotlivých vygenerovaných přehledech představuje metrika počet zobrazení obrazovky pokus hráče o dokončení dané úrovně.

Ale vývojář chce zjistit i míru dokončení jednotlivých úrovní.

Ke zjištění míry dokončení použije novou vlastní metriku nazvanou Dokončení úrovně a porovná ji s počtem zobrazení obrazovky u jednotlivých úrovní.

Požadovaný přehled bude vypadat takto:

Název obrazovkyPočet zobrazení obrazovkyDokončení úrovně
úroveň 1  
úroveň 2  
úroveň 3  

Proč použít vlastní metriku?

V mnoha případech máte možnost rozhodnout se při sledování vaší nejdůležitější metriky mezi použitím událostí, zobrazení obrazovky nebo vlastní metrikou. Při využití vlastní metriky však můžete získat flexibilnější a přehlednější vlastní přehledy. Proto je vlastní metrika vhodnou metodou pro sledování nejdůležitější metriky.

V tomto příkladu nemohla být dokončení úrovně sledována jako zobrazení obrazovky bez dvojího započítání počtu zobrazení obrazovky u každé úrovně, bude tedy nutné zvolit jiný způsob.

Bylo by možné použít i samotnou událost. Kvůli její hierarchické povaze by však bylo obtížné vytvořit výše uvedený přehled sloučením počtu zobrazení obrazovky a dokončení úrovně v rámci jediné dimenze.

Z důvodu výše uvedených omezení a protože dokončení úrovně je pro tohoto vývojáře tak důležitá metrika, bude nejvhodnějším způsobem sledování dokončení úrovně použití vlastní metriky.

Konfigurace

Vlastní metriku Dokončení úrovně můžete definovat v části správy uživatelského rozhraní pomocí následujících hodnot:

Index1
NázevDokončení úrovně
RozsahPožadavek na server
Typ formátováníCelé číslo
Aktivnípravda

Shromažďování údajů

Vývojář již sleduje zahájení jednotlivých úrovní pomocí zobrazení obrazovky. Teď chce sledovat i dokončení úrovně pomocí nové vlastní metriky.

Stejně jako v případě vlastních dimenzí jsou vlastní metriky do Analytics odesílány jako parametry připojené k jiným požadavkům na server. Pokud chce vývojář odeslat hodnotu vlastní metriky, bude muset odeslat ještě jeden další požadavek na server k zaznamenání uživatele, který dokončí danou úroveň. V tomto příkladu bude při dokončení úrovně spuštěna událost a k této události bude přidružena vlastní metrika.

Implementace může vypadat nějak takto:

ga('create', 'UA-XXXX-Y', 'auto');

// Zvýšení metriky dokončení úrovně o 1.
ga('set', 'metric1', 1 );

// Odeslání hodnoty vlastní dimenze spolu s požadavkem na server typu událost.
ga('send', 'event', 'Level', 'completion');

Zpracování

Před zpracováním budou údaje pro jednoho hráče, který ve hře odehraje tři úrovně při jediné návštěvě, vypadat takto:

userId = 5555
Session 1
H1: type=screen_view screen_name=/level_1/
H2: type=event screen_name=/level_1/ cm1_value=1
H3: type=screen_view screen_name=/level_2/
H4: type=screen_view screen_name=/level_2/
H5: type=screen_view screen_name=/level_2/
H6: type=event screen_name=/level_2/ cm1_value=1
H7: type=screen_view screen_name=/level_3/
H8: type=event screen_name=/level_3/ cm1_value=1

Přehledy

Po zpracování může vývojář vytvořit přehled pomocí dimenze název obrazovky a metrik počet zobrazení obrazovky, celkový počet událostí a počet dokončení úrovně.

Název obrazovkyPočet zobrazení obrazovkyCelkový počet událostíDokončení úrovně
úroveň 1111
úroveň 2311
úroveň 3111

Protože vývojář sleduje dokončení úrovně jako vlastní metriku, vyloučí se tím budoucí potřeba odfiltrovat události dokončení od celkového počtu událostí.

Místo toho může vývojář jednoduše vytvořit následující vlastní přehled pomocí vlastní metriky Dokončení úrovně.

Název obrazovkyPočet zobrazení obrazovkyDokončení úrovně
úroveň 111
úroveň 231
úroveň 311

Údaje naznačují, že 2. úroveň je v porovnání s 1. a 3. úrovní ve skutečnosti obtížnější a podle počtu zobrazení obrazovky má pouze 33% míru dokončení. Sledováním počtu dokončení úrovně jako vlastní metriky může vývojář jednoduše zodpovědět otázky klíčových metrik a vytvořit zjednodušené přehledy, které může sdílet s ostatními.

Příklad vlastní metriky na úrovni produktu

Ve výše uvedených příkladech sleduje vývojář her jednotlivá zakoupení power-upů. Ke každému zakoupení je možné přidružit řadu metrik, například množství nebo tržby za produkt.

Vývojář však v nedávné době spustil propagaci s nabídkou kreditu pro uživatele ve výši 2 000 Kč. Vývojář chce změřit, které power-upy si lidé za tento kredit koupí.

Aby zjistil kredity použité na nákup produktů, použije novou vlastní metriku nazvanou Použité kredity.

Požadovaný přehled bude vypadat takto:

Síla power-upuTržby za produktPoužité kredity
silná  
středně těžká  
slabá  

Konfigurace

Vlastní metriku Použité kredity můžete definovat v části Správce pomocí následujících hodnot:

Index2
NázevPoužité kredity
RozsahProdukt
Typ formátováníMěna
Aktivnípravda

Shromažďování údajů

Stejně jako v případě vlastních dimenzí na úrovni produktu jsou vlastní metriky na úrovni produktu odesílány do Analytics jako parametry připojené k údajům o produktu.

Implementace může vypadat nějak takto:

ga('ec:addProduct', {               // Zadání údajů o produktu v proměnné productFieldObject.
  'id': 'P12345',                   // ID produktu (textový řetězec)
  'name': 'Powerup',                // Název produktu (textový řetězec)
  'category': 'Extras',             // Kategorie produktu (textový řetězec)
  'variant': 'red',                 // Varianta produktu (textový řetězec)
  'price': '10.00',                 // Cena produktu (měna)
  'quantity': 2,                    // Množství produktu (číslo)
  'dimension4': 'strong',           // Vlastní dimenze s rozsahem na úrovni produktu (textový řetězec)
  'metric2': 5                      // Vlastní metrika s rozsahem na úrovni produktu (celé číslo)
});
ga('ec:setAction', 'purchase', {
  'id': 'T12345',
  'revenue': '20.00'
});

ga('send', 'pageview');     // Odeslání údajů o transakci spolu s počátečním zobrazením stránky.


Zpracování

Před zpracováním mohou údaje od jednoho hráče, který si koupil nějaké power-upy, vypadat asi takto:

userId = 5555
Session 1
H1: type=screen_view screen_name=/level_1/
H2: type=screen_view screen_name=/level_2/
    product_name=powerup cd4_value=weak cm4_value=5
    product_name=powerup cd4_value=strong cm4_value=5
H4: type=screen_view screen_name=/level_2/
    product_name=powerup cd4_value=medium cm4_value=1
    product_name=powerup cd4_value=weak cm4_value=10

Přehledy

Po zpracování může vývojář vytvořit přehled, který používá dimenzi Síla power-upu a metriky Tržby za produkt a Použité kredity:

Síla power-upuTržby za produktPoužité kredity
slabá2015
silná105
středně těžká101

Údaje naznačují, že hráči využívají své kredity na slabé power-upy. Největší zisk získal vývojář na středně silných power-upech.

Doporučení ohledně implementace

Při implementaci vlastních dimenzí nebo metrik pamatujte na následující pokyny:

Úprava stávající dimenze nebo metriky

Pokud upravíte název či rozsah stávající vlastní dimenze nebo metriky, mohou být vaše údaje ovlivněny následujícími způsoby:

  • Úprava názvu: ovlivní údaje, které již byly zpracovány. Staré údaje budou přístupné pouze pomocí nového názvu.
  • Úprava rozsahu: neovlivní údaje, které již byly zpracovány. Pomocí nového rozsahu budou zpracovány pouze nové údaje.
  • Změna aktivního stavu: pole „aktivní‟ určuje, jestli budou skutečně zpracovány hodnoty vlastní dimenze nebo metriky. Když je hodnota pole ;„aktivní‟ nepravda, vlastní dimenze nebo metrika se i tak objeví ve vašich přehledech, ale protože její hodnoty nebyly zpracovány, nebude obsahovat žádné přidružené údaje.

Při nastavování rozsahu myslete dopředu

Když se rozhodujete, jaký rozsah pro konkrétní vlastní dimenzi použít, vezměte v úvahu, jak často předpokládáte, že se daná hodnota bude měnit. Pokud jde o hodnotu, která se může v průběhu jedné návštěvy mnohokrát změnit, například název úrovně ve hře, použijte rozsah na úrovni požadavku na server a nastavte hodnotu před každým požadavkem. Na druhou stranu, vlastní dimenze jako pohlaví by mohla být nastavena na úrovni uživatele jen jednou. Odesílání hodnoty pohlaví s každým požadavkem na server by vyžadovalo zbytečně mnoho práce a nakonfigurování vlastní dimenze, která se často mění, s rozsahem na úrovni uživatele by k dané hodnotě nesprávně přidružilo mnoho požadavků na server.

Pomohl vám tento článek?
Jak bychom článek mohli vylepšit?