Nadat u uw Firebase-gegevens naar BigQuery heeft geëxporteerd, kunt u op die gegevens zoekopdrachten uitvoeren voor specifieke doelgroepen.
Dit artikel biedt een aantal templates die u kunt gebruiken als basis voor uw zoekopdrachten. Vergeet niet om de voorbeeldzoekopdrachten aan te passen op basis van uw gegevens. U moet bijvoorbeeld de tabelnamen en perioden wijzigen.
Met deze zoekopdrachten vraagt u het aantal gebruikers in de doelgroep op. Als u in plaats daarvan een lijst met gebruikers-ID's in de doelgroep wilt opvragen, verwijdert u de buitenste COUNT()-functie. COUNT(DISTINCT user_id) wordt bijvoorbeeld DISTINCT user_id.
Deze zoekopdrachten maken gebruik van standaard SQL. Zorg er dus voor dat u die optie selecteert voordat u een zoekopdracht uitvoert. (Klik in BigQuery > SQL-werkruimte op Meer > Query-instellingen. Onder Aanvullende instellingen > SQL-dialect selecteert u Standaard.)
Momenteel zijn deze doelgroepgegevens alleen informatief en zijn er nog geen praktische toepassingen voor.
We horen graag of u deze zoekopdrachten nuttig vindt en of u voor andere typen doelgroepen zoekopdrachten zou willen uitvoeren. U kunt uw mening delen door een functieverzoek in te dienen bij de Firebase-ondersteuning.
In dit artikel:
Kopers
/**
* Berekent de doelgroep van kopers.
*
* Kopers = gebruikers voor wie een in_app_purchase of
* aankoop is geregistreerd.
*/
SELECT
COUNT(DISTINCT user_id) AS purchasers_count
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*`
WHERE
event_name IN ('in_app_purchase', 'purchase')
-- PLEASE REPLACE WITH YOUR DESIRED DATE RANGE
AND _TABLE_SUFFIX BETWEEN '20180501' AND '20240131';
Gebruikers die in de afgelopen N dagen actief waren
/**
* Stelt een doelgroep samen van gebruikers die in de afgelopen N dagen actief waren.
*
* Gebruikers die de afgelopen N dagen actief waren = gebruikers die ten minste 1 gebeurtenis hebben geregistreerd met gebeurtenisparameter
* engagement_time_msec > 0 in de afgelopen N dagen.
*/
SELECT
COUNT(DISTINCT user_id) AS n_day_active_users_count
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*` AS T
CROSS JOIN
T.event_params
WHERE
event_params.key = 'engagement_time_msec' AND event_params.value.int_value > 0
-- Pick events in the last N = 20 days.
AND event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP, INTERVAL 20 DAY))
-- PLEASE REPLACE WITH YOUR DESIRED DATE RANGE.
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131';
Gebruikers die in de afgelopen N dagen niet actief waren
/**
* Stelt een doelgroep samen van gebruikers die in de afgelopen N dagen niet actief waren.
*
* Gebruikers die de afgelopen N dagen niet actief waren = gebruikers in de afgelopen M dagen die niet 1
* gebeurtenis hebben geregistreerd met gebeurtenisparameter engagement_time_msec > 0 in de afgelopen N dagen
* waarbij M > N.
*/
SELECT
COUNT(DISTINCT MDaysUsers.user_id) AS n_day_inactive_users_count
FROM
(
SELECT
user_id
FROM
/* PLEASE REPLACE WITH YOUR TABLE NAME */
`YOUR_TABLE.events_*` AS T
CROSS JOIN
T.event_params
WHERE
event_params.key = 'engagement_time_msec' AND event_params.value.int_value > 0
/* Has engaged in last M = 7 days */
AND event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY))
/* PLEASE REPLACE WITH YOUR DESIRED DATE RANGE */
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131'
) AS MDaysUsers
-- EXCEPT ALL is not yet implemented in BigQuery. Use LEFT JOIN in the interim.
LEFT JOIN
(
SELECT
user_id
FROM
/* PLEASE REPLACE WITH YOUR TABLE NAME */
`YOUR_TABLE.events_*`AS T
CROSS JOIN
T.event_params
WHERE
event_params.key = 'engagement_time_msec' AND event_params.value.int_value > 0
/* Has engaged in last N = 2 days */
AND event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 2 DAY))
/* PLEASE REPLACE WITH YOUR DESIRED DATE RANGE */
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131'
) AS NDaysUsers
ON MDaysUsers.user_id = NDaysUsers.user_id
WHERE
NDaysUsers.user_id IS NULL;
Gebruikers die regelmatig actief zijn
/**
* Stelt een doelgroep samen van gebruikers die regelmatig actief zijn.
*
* Gebruikers die regelmatig actief zijn = gebruikers die ten minste 1 gebeurtenis
* hebben geregistreerd met gebeurtenisparameter engagement_time_msec > 0 op N van
* de afgelopen M dagen, waarbij M > N.
*/
SELECT
COUNT(DISTINCT user_id) AS frequent_active_users_count
FROM
(
SELECT
user_id,
COUNT(DISTINCT event_date)
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*` AS T
CROSS JOIN
T.event_params
WHERE
event_params.key = 'engagement_time_msec' AND event_params.value.int_value > 0
-- User engagement in the last M = 10 days.
AND event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 10 DAY))
-- PLEASE REPLACE YOUR DESIRED DATE RANGE. For optimal performance
-- the _TABLE_SUFFIX range should match the INTERVAL value above.
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131'
GROUP BY 1
-- Having engaged in at least N = 4 days.
HAVING COUNT(event_date) >= 4
);
Gebruikers die zeer actief zijn
/**
* Stelt een doelgroep samen van gebruikers die zeer actief zijn.
*
* Zeer actieve gebruikers = gebruikers die meer dan N minuten actief zijn
* in de afgelopen M dagen, M > N.
*/
SELECT
COUNT(DISTINCT user_id) AS high_active_users_count
FROM
(
SELECT
user_id,
event_params.key,
SUM(event_params.value.int_value)
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*` AS T
CROSS JOIN
T.event_params
WHERE
-- User engagement in the last M = 10 days.
event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 10 DAY))
AND event_params.key = 'engagement_time_msec'
-- PLEASE REPLACE YOUR DESIRED DATE RANGE.
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131'
GROUP BY 1, 2
HAVING
-- Having engaged for more than N = 0.1 minutes.
SUM(event_params.value.int_value) > 0.1 * 60 * 1000000
);
Verworven gebruikers
/**
* Stelt een doelgroep samen van verworven gebruikers.
*
* Verworven gebruikers = gebruikers die zijn verworven via een bepaalde bron, bepaald medium of bepaalde campagne.
*/
SELECT
COUNT(DISTINCT user_id) AS acquired_users_count
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*`
WHERE
traffic_source.source = 'google'
AND traffic_source.medium = 'cpc'
AND traffic_source.name = 'VTA-Test-Android'
-- PLEASE REPLACE YOUR DESIRED DATE RANGE.
AND _TABLE_SUFFIX BETWEEN '20180521' AND '20240131';
Cohorten met filters
/**
* Stelt een doelgroep samen van gebruikers die afgelopen week zijn verworven
* via Google-campagnes (dat wil zeggen: cohorten met filters).
*
* Cohort wordt gedefinieerd als gebruikers die afgelopen week zijn verworven (dat wil zeggen:
* tussen 7 en 14 dagen geleden). Het cohortfilter is bedoeld voor gebruikers die zijn verworven via een directe
* campagne.
*/
SELECT
COUNT(DISTINCT user_id) AS users_acquired_through_google_count
FROM
-- PLEASE REPLACE WITH YOUR TABLE NAME.
`YOUR_TABLE.events_*`
WHERE
event_name = 'first_open'
-- Cohort: opened app 1-2 weeks ago. One week of cohort, aka. weekly.
AND event_timestamp >
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 14 DAY))
AND event_timestamp <
UNIX_MICROS(TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 7 DAY))
-- Cohort filter: users acquired through 'google' source.
AND traffic_source.source = 'google'
-- PLEASE REPLACE YOUR DESIRED DATE RANGE.
AND _TABLE_SUFFIX BETWEEN '20180501' AND '20240131';