Google Cloud 与 Google Analytics(分析)携手合作,帮助企业增强数据驱动能力。将 Google Analytics(分析)数据导入 BigQuery 可帮助您从更多数据中发掘业务洞见,并更快实现价值。
概览
首先,您需要创建一个新的 Google Cloud 项目并启用 BigQuery。然后,您需要针对 BigQuery Export 准备项目。如果这是您第一次开始使用,可以将 Google Analytics(分析)链接到 BigQuery 沙盒,该沙盒是免费的,不需要信用卡即可开始使用(需要遵守沙盒限制)。如果您的组织已有 BigQuery 流水线,您也可以关联到现有的 BigQuery 项目。最后,您需要将 BigQuery 与 Google Analytics(分析)媒体资源相关联。
工作方式
使用 BigQuery Export(所有 GA4 用户现可免费使用)将 Google Analytics(分析)数据连接到 BigQuery,以快速查询您的所有 Google Analytics(分析)数据并构建细分受众群。
常见用途
BigQuery 使您可以查询 Google Analytics(分析)数据,以快速获得重要业务问题的答案。例如,您可以在几秒内获得以下问题的答案:
1. 每位购买者的平均交易次数是多少?
2. 购买了某个特定商品的客户还购买了哪些其他商品?
3. 过去 12 个月内添加到购物车的十大热门商品是什么?
BigQuery 使您可以查询 Google Analytics(分析)数据,以快速获得重要业务问题的答案。例如,您可以在几秒内获得以下问题的答案:
1. 每位购买者的平均交易次数是多少?
2. 购买了某个特定商品的客户还购买了哪些其他商品?
3. 过去 12 个月内添加到购物车的十大热门商品是什么?
更好地了解客户行为,针对具有业务价值的受众群体定位数字营销,同时提高营销投资回报率。
首先,根据 Google Analytics(分析)事件来细分受众群体,包括将商品添加到购物车但未购买的网站访问者,以及生命周期价值较高的客户。借助 BigQuery,您可以快速细分这些受众群体并传回 Google Analytics(分析)。
更好地了解客户行为,针对具有业务价值的受众群体定位数字营销,同时提高营销投资回报率。
首先,根据 Google Analytics(分析)事件来细分受众群体,包括将商品添加到购物车但未购买的网站访问者,以及生命周期价值较高的客户。借助 BigQuery,您可以快速细分这些受众群体并传回 Google Analytics(分析)。
使用 BigQuery 内置的机器学习功能更好地预测和规划营销效果。您可以使用历史营销数据创建包含季节性因素的准确预测,以更好地针对业务高峰进行规划。
借助 BigQuery ML,您可以根据 Google Analytics(分析)数据构建预测性受众群体(例如购买意愿或预测性客户生命周期价值),然后使用构建的受众群体定位有潜在价值的新客户。您还可以使用基于机器学习的预测功能来预测客户流失。
使用 BigQuery 内置的机器学习功能更好地预测和规划营销效果。您可以使用历史营销数据创建包含季节性因素的准确预测,以更好地针对业务高峰进行规划。
借助 BigQuery ML,您可以根据 Google Analytics(分析)数据构建预测性受众群体(例如购买意愿或预测性客户生命周期价值),然后使用构建的受众群体定位有潜在价值的新客户。您还可以使用基于机器学习的预测功能来预测客户流失。
Looker Studio 与数百个数据源连接,让您可以创建高度直观的信息中心,以便整合和分析营销活动数据,从而快速获得数据洞见。输入营销分析数据(包括 Google Analytics [分析]和 Google Search Console)并自定义您自己的视图(包括表格和图表),以突显效果。
Looker Studio 与数百个数据源连接,让您可以创建高度直观的信息中心,以便整合和分析营销活动数据,从而快速获得数据洞见。输入营销分析数据(包括 Google Analytics [分析]和 Google Search Console)并自定义您自己的视图(包括表格和图表),以突显效果。