Wyrażenia regularne są językiem, dzięki któremu za pomocą odpowiednich operatorów możemy dopasować dowolny ciąg znaków spełniający konkretne założenia. W Google Analytics dają wielką elastyczność, dzięki której można je wykorzystać m.in. w filtrach widoku danych, celach, segmentach, odbiorcach, grupach treści, a nawet grupowaniu kanałów. Z kolei w przypadku Google Analytics 4 znajomość wyrażeń regularnych najczęściej przydaje się w takich obszarach, jak: narzędzie Eksploracja, tworzenie segmentów wykluczenia witryn odsyłających.

Muszę przyznać, że ostatnio coraz bardziej przekonuję do wyrażeń regularny (ang. regular expressions, regex), do tego stopnia, że stosuję je zawsze, kiedy jest to tylko możliwe. Ciebie również będę chciał do nich przekonać i mam nadzieję, że dzięki temu artykułowi oraz zawartym w nim przykładom – zobaczysz, że naprawdę nie taki wilk straszny, jak go malują, a popularne regexy na stale zagoszczą w Twoim “arsenale”.

O konkretnych przykładach zastosowania wyrażeń regularnych opowiem Ci w kolejnych paragrafach. Jednak pozwól, że najpierw przybliżę Ci tematykę związaną z podstawowym znaczeniem znaków wykorzystywanych w regexach.

Co znajdziesz w tym artykule?
Znaki używane w wyrażeniach regularnych. Jakie wyróżniamy?
Jak testować wyrażenia regularne?
Testowanie wyrażeń regularnych w Google Analytics – omówienie regexów
Gdzie w Google Analytics możesz stosować wyrażenia regularne?
Google Analytics 4 a wyrażenia regularne
Regex w Google Analytics 4 (GA4) – nowe ograniczenia i najlepsze praktyki
Wyrażenia regularne w Google Analytics – podsumowanie

Znaki używane w wyrażeniach regularnych. Jakie wyróżniamy?

W wyrażeniach regularnych najczęściej (przynajmniej w mojej codziennej pracy analityka internetowego) wykorzystuję następujące znaki. Poniżej, wraz z definicjami, znajdziesz również proste przykłady ich zastosowania. W następnym paragrafie artykułu będzie natomiast więcej informacji o ich bardziej “życiowym” wykorzystaniu:

• ^ (daszek) – rozpoczyna się od – ten znak dopasowuje wszystkie wyrażenia, które zaczynają się od danego wzoru. Np. ‚^sto’ dopasuje takie słowa, jak: sto, stonoga, stokrotka, stomatolog. Jednak nie dopasuje już takich, jak: miasto, ciasto itd.
• $ (dolar) – kończy się na – odwrotnie, znak ten dopasowuje wszystkie wyrażenia, które kończą się na daną frazę. Wracając do powyższego przykładu dla ‚sto$’ dopasowane zostanie: sto, miasto i ciasto, ale nie: stonoga, stomatolog czy stokrotka.

Na pewno udało Ci się dostrzec, że stosując kombinację ^ oraz $ otrzymasz coś w stylu dopasowania ścisłego (np. dla wyrażenia ‚^miarka$’ dopasuje nam tylko i wyłącznie słowo miarka).

• | (rurka, ang. pipe) – lub – w logice ładnie nazywa się to alternatywą. Dzięki temu znakowi dopasowanie będzie dotyczyło wartości, które stoją po obu stronach. Np. dla ‚^miarka$|^siarka$’ – dopasowane zostanie wyłącznie jedno z dwóch słów: miarka lub siarka.
• . (kropka) – zastępuje jeden dowolny znak w wyrażeniu (większa liczba kropek oznacza większa dowolną liczbę znaków) – dzięki wyrażeniu postaci ‚^..aza$’ dopasujesz słowo takie jak: zmaza czy skaza (dwie kropki zastępują w tym przypadku dwie litery „zm” lub „sk”). Jeżeli wyrażenie zostanie napisane z dodatkową kropką na początku tj. ‚^…aza$’ – to możesz dopasować np.: zaraza, ale wcześniejsze słowa (zmaza i skaza) nie zostaną już dopasowane. Kropki można mnożyć w nieskończoność, ale do tego typu operacji zdecydowanie lepsza jest gwiazdka (o czym przeczytasz już za moment).
• * (gwiazdka) – zastępuje nieskończoną liczbę znaków, po których następuje – najczęściej wykorzystuję ją w połączeniu z kropką. Dzięki takiemu połączeniu można osiągnąć dowolny ciąg znaków np. ‚^m(.*)a$’ dopasuje słowa: mantra, manna, mazda, Marianna itp., czyli każdą frazę, która zaczyna się na „m” i kończy na „a”.
• + (plus) – oznacza powtórzenie przynajmniej raz poprzedniego znaku, czyli dla wyrażenia ‚^arka+’ zostaną dopasowane: arka, arkaa, arkaa itd.
• ? (znak zapytania) – oznacza brak wystąpienia lub powtórzenie jeden raz poprzedzającego znaku – dla wyrażenia ‚arka?’ dopasowane zostaną zatem jedynie: arka lub ark.
• [] (nawiasy kwadratowe) – oznaczają dopasowanie dowolnego pojedynczego znaku w ich ramach – dzięki wyrażeniu regularnemu ‚[ck]on[vw]ersion’ dopasowane zostaną następujące frazy: conversion, konversion, conwersion oraz konwersion. Nawiasy kwadratowe w połączeniu z daszkiem w środku dopasują dowolny znak, który NIE znajduje się w sprawdzanej frazie. Np. dla wyrażenia ‚[^abc]’ dopasuje każdy znak, poza trzema pierwszymi literami z alfabetu.
• – (myślnik) – oznacza zakres wyrażeń – najczęściej wykorzystuję go w połączeniu z nawiasem kwadratowym. Np. wyrażenie regularne ‚ar[b-c|k-m]a’ dopasuje następujące frazy: arba, arca, arka, arla, arma. Możemy również wykorzystać cyfry tj. ‚aria[1-9]’, dzięki czemu dopasuje nam: aria1, aria2, aria3 itd.
• (ukośnik tylny) – przywraca standardowe znaczenie znaków wykorzystywanych w wyrażeniach regularnych – jak już z pewnością udało Ci się zauważyć – wyrażenia regularne wykorzystują znaki, które są często używane w kodzie źródłowym strony internetowej. Najlepszym przykładem jest kropka. W wyrażeniach regularnych oznacza dowolny znak, natomiast normalnie jest separatorem np. w adresie internetowym. Jeżeli wpiszemy wyrażenie ‚^www.wp.pl$’, to dopasowane zostaną m.in. następujące frazy: www1wpepl, wwwwwppl itp. W celu dopasowania konkretnego adresu internetowego należy wpisać następujące wyrażenie regularne: ‚^www.wp.pl$’.

Więcej przykładów tego, w jaki sposób możesz wykorzystać poniższe znaki znajdziesz pod tym adresem. Dowiedz się m.in. jak sprawdzają się one w filtrach, segmentach niestandardowych, a nawet celach.

Jak testować wyrażenia regularne?

Mimo że wyrażenia regularne nie zaliczają się do bardzo skomplikowanych obszarów, to podobnie, jak w przypadku każdego innego języka programowania – przed jego implementacją warto przeprowadzić testy sprawdzające.
Osobiście, do testowania moich wyrażeń regularnych, najchętniej wykorzystuję następujące rozwiązania: filtry w raportach treści w Google Analytics Universal (jak to zrobić przeczytasz w tym miejscu), karty eksploracji w Google Analytics 4, a także dedykowane serwisy takie, jak: regex101.com bądź regexr.com.

Testowanie wyrażeń regularnych w Google Analytics – omówienie regexów

Pierwszy sposób ma szczególne znaczenie w Google Analytics Universal przy konfiguracji celów z wykorzystaniem wyrażeń regularnych. Jak zapewne pamiętasz – w Google Analytics możesz skonfigurować 4 typy celów:

• docelowy adres URL,
• czas spędzony w witrynie,
• strony/odwiedziny,
• zdarzenie.

Przy czym warto zwrócić uwagę, że wyrażenia regularne w Google Analytics Universal w praktyce najczęściej znajdują zastosowanie w pierwszym rodzaju celu, czyli celach opartych na adresach URL.

Zastosowanie wyrażeń regularnych w Google Analytics.

Jeżeli zdecydujesz się na dopasowanie wyrażenia URL, to musisz zastanowić się, jakie wyrażenie regularne dopasuje URL, który będzie dla oznaczał konwersję użytkownika. Wszystkie adresy URL, które odsłonili użytkownicy, dostępne są w raportach sekcji: Zachowanie / Zawartość witryny / Wszystkie strony.
Tam również (tuż nad tabelą dostępny jest filtr, który pomoże Ci zdecydować, czy wyrażenie regularne wykorzystane w konfiguracji celu rzeczywiście dopasowuje adres URL, na którym Ci zależy. Jeżeli tak – śmiało możesz wykorzystać to wyrażenie regularne w konfiguracji celu.

Wyrażenie regularne wykorzystane w konfiguracji celu.

Drugim rozwiązaniem, które osobiście stosuję przede wszystkim do testowania wyrażeń regularnych na potrzeby filtrów oraz segmentów, stanowi serwis regex101.com.
Działanie serwisu jest bardzo intuicyjne. Wystarczy, że w polu “REGULAR EXPRESSION” wpiszesz swoje wyrażenie regularne, a w polu “TEST STRING” – frazy, które chcesz poddać weryfikacji. Proste

Źródłó: Własne – regex101.com

Gdzie w Google Analytics możesz stosować wyrażenia regularne?

W praktyce, jak już wspominałem, istnieje co najmniej kilka zasadniczych elementów, w których można wykorzystać wyrażenia regularne.
Jednak zdecydowanie najczęściej wykorzystuje się je w filtrach oraz konfiguracji celów.

Wykorzystanie wyrażeń regularnych w filtrach w interfejsie raportowania

Z filtrami w Google Analytics mamy do czynienia w co najmniej dwóch miejscach – filtrach w ramach widoków danych oraz filtrach w widoku raportów. Te drugie (filtry w ramach raportów), są znacznie częściej wykorzystywane – zwłaszcza, jeżeli chcemy przyjrzeć się wybranym słowom kluczowym.

Aby lepiej Ci to zobrazować – pozwól, że posłużę się przykładem. W poniższej operacji moim celem było wyszukanie wszystkich słów kluczowych zaczynających się od “żel” lub “krem”. Dodatkowo, słowa kluczowe dla “żel” mogły pojawić się również bez polskich znaków.
Oczywiście mogłem wypisać wszystkie możliwe odmiany tych słów. Ale powiedzmy sobie szczerze – czy jest sens, aby tracić czas i energię, jeśli wszystko można zastąpić jednym i zdecydowanie krótszym wyrażeniem?
W tej sytuacji wystarczyło bowiem zastosować taki krótki regex:

Zastosowanie regexu.

A oto efekty, jakie wygenerowało wyrażenie:

Efekt zastosowanego wyrażenia.

Wykorzystanie wyrażeń regularnych w filtrach (w widoku danych)

Inny przykład rozwiązania stosowanego w ramach widoku danych stanowi filtr włączający ruch z danej sekcji serwisu. W tym wypadku jest to opcja włączająca ruch z jedynie dla “Studiów II stopnia”.
W związku z tym, że URL na tej stronie skonstruowane są w ten sposób, że każdy należący do tej sekcji zaczyna się od ‚/studia-ii-stopnia’ lub ‚/studia_ii_stopnia’, to wyrażeniem regularnym będzie tutaj:

Sam filtr z kolei filtr wówczas przyjmie następującą postać:

Wzorzec filtra.

Kolejnym przykładem filtru, w ramach którego możesz wykorzystać możliwości wyrażeń regularnych, stanowi ten wykluczający ruch z podanego zakresu adresów IP.

Kolejny wzorzec filtra.

Przykład? Dla zakresu adresów “178.42.219.143-200” – odpowiednie wyrażenie regularne będzie miało postać:

Wykorzystanie wyrażeń regularnych w celach

Przy konfiguracji celów w Google Analytics musisz pamiętać o tym, że wybierając dany rodzaj dopasowania adresu URL, determinujesz go również dla konfiguracji ścieżki do celu.
Każda aktywność użytkownika może zostać przeliczona na konkretne wartości pieniężne. Kilka przydatnych porad, jak podchodzić do kwestii ich obliczania, znajdziesz pod tym adresem. Z kolei mój przykład takiego celu prezentuję poniżej.

Wykorzystanie wyrażeń regularnych w celach.

Aby przekonać się, czy dane wyrażenie regularne zadziała prawidłowo, możesz zweryfikować je w raporcie Zachowanie / Zawartość witryny / Wszystkie strony. W tym celu warto odnieść się do sekcji testowania wyrażeń regularnych.

Wykorzystanie wyrażeń regularnych w segmentach

Musisz wiedzieć, że regexy znajdują swoje zastosowanie również w obszarze związanym z określaniem segmentów użytkowników. Na ich podstawie możesz definiować, chociażby ich pochodzenie (na poniższym przykładzie pokazałem Ci, jak to zrobić w odniesieniu do płatnych źródeł ruchu z social mediów).

Wykorzystanie wyrażeń regularnych w segmentach.

Grupowanie treści za pomocą wyrażeń regularnych

Do kolejnych zastosowań zaliczamy grupowanie, które znajduje szczególne zastosowanie – zwłaszcza, gdy Twoja strona internetowa posiada strukturę adresów URL, która pozwala na pogrupowanie adresów w określone kategorie.
Poniżej prezentuję Ci przykład takiego grupowania treści, w którym jako grupę – Blog / Twarz chcę przypisać wszystkie artykuły zawierające w adresie /blog/twarz.

Grupowanie treści za pomocą wyrażeń regularnych.

Grupowanie kanałów przy pomocy wyrażeń regularnych

Do niestandardowego grupowania kanałów również można wykorzystać wyrażenia regularne. Na poniższej grafice znajdziesz praktyczny przykład. A jeśli chcesz dowiedzieć się nieco więcej o opcji grupowania kanałów – zapoznaj się z tą lekturą od Google.

Grupowanie kanałów przy pomocy wyrażeń regularnych.

Google Analytics 4 a wyrażenia regularne

Do tej pory opowiedziałem Ci wiele o zastosowaniu regexów w odniesieniu do Google Analytics w wersji Universal. Mając na względzie, że czas tej usługi powoli dobiega końca i już niedługo zastąpi ją Google Analytics 4 – muszę napisać również “co nieco” o wyrażeniach regularnych właśnie w kontekście GA4. Aby nie przedłużać, pozwól, że od razu przejdę do konkretów.

Wykorzystanie regexów w narzędziu eksploracja

Tzw. Eksploracje to narzędzie Google Analytics 4, w którym znajdziesz cały zestaw zaawansowanych metod, dzięki którym będziesz w stanie otrzymać wiele dokładnych informacji na temat aktywności klientów. Znajdziesz tam m.in. ścieżki, kohorty, pokrywanie się segmentów i wiele, wiele więcej.

Jednak w mojej ocenie, najczęstszym wykorzystaniem wyrażeń regularnych w narzędziu eksploracja w GA4, będą filtry (grafika poniżej).

Wykorzystanie regexów w narzędziu eksploracja – filtry.

Na screenie możesz dostrzec wszystkie zdarzenia dla danej usługi. Ale co zrobić, jeśli chcesz zobaczyć tylko te związane z działaniami Ecommerce? Do tego posłuży Ci filtr z wykorzystaniem wyrażeń regularnych:

view_item|add_to_cart|view_cart|begin_checkout|purchase

Wykorzystanie regexów w narzędziu eksploracja – filtry związane tylko z działaniami ecommerce.

Poniżej efekt, jaki udało się uzyskać właśnie dzięki zastosowaniu naszego filtra z wyrażeniem regularnym:

Efekt po zastosowaniu filtra z wyrażeniem regularnym.

Wykorzystanie regexów w segmentach

Podobnie jak w Google Analytics Universal – wyrażenia regularne w Google Analytics 4 sprawdzają się wyśmienicie również w przypadku tworzenia mniej lub bardziej zaawansowanych segmentów.

Wykluczenia witryn odsyłających za pomocą wyrażeń regularnych

W tym miejscu możemy mówić o pewnej nowince. Otóż, w przypadku konfiguracji tego elementu istnieje możliwość zastosowania wyrażeń regularnych do definicji wykluczeń witryn odsyłających. W klasycznym Universal Analyticsie nie było to możliwe.

Co więcej – można skonfigurować maksymalnie 50 warunków, a co za tym idzie – wykorzystanie wyrażeń regularnych w tym miejscu często jest wręcz koniecznością.

Zastosowanie wyrażeń regularnych do definicji wykluczeń witryn odsyłających.

Przykład zastosowania? Załóżmy, że chciałbym wykluczyć bramkę płatności PayU, które może występować pod 3 różnymi adresami URL: secure.payu.pl, payu.pl oraz payu.com.

Zamiast wpisywać każdą domenę do osobnego warunku, wystarczy zastosować takie wyrażenie regularne:

Przykładowe zastosowanie wyrażeń regularnych do definicji wykluczeń witryn odsyłających.

Regex w Google Analytics 4 (GA4) – nowe ograniczenia i najlepsze praktyki

Wdrożenie GA4 zmienia zasady gry dla wyrażeń regularnych – m.in. domyślny tryb „matches regex” wymaga pełnego dopasowania łańcucha, a nie tylko zawierania wzorca. Warto więc przeanalizować: jakie wzorce działają poprawnie, jakie ograniczenia niesie za sobą składnia RE2 (np. brak lookahead / lookbehind), oraz jak uniknąć typowych błędów.

Limity RE2 w GA4 – co oznaczają dla analityka i jak je obejść

Wyrażenia regularne w Google Analytics – podsumowanie

Mam nadzieję, że zapoznanie się z tym wpisem przekonało Cię, że stosowanie wyrażeń regularnych jest po prostu opłacalne – w końcu pozwala oszczędzić naprawdę masę czasu i energii!
Jak widzisz, wyrażenia regularne zapewniają elastyczność i dają naprawdę niesamowite możliwości. Na pewno udało Ci się również zauważyć, że nawet przy ich podstawowej znajomości, można znacznie szybciej i łatwiej konstruować zaawansowane filtry.
Jedyne, o czym musisz pamiętać, to fakt, iż w filtrach można stosować wyrażenia regularne o maksymalnej długości 255 znaków. Choć od tej “bolączki” wolne są już segmenty zaawansowane.

Jeśli wyrażenia regularne zainteresowały Cię to mam nadzieję, że temat segmentacji jak i filtrów również przypadnie Ci do gustu i uzupełni zdobytą dzisiaj wiedzę!

The post Wyrażenia regularne – czym są i jak wykorzystać regex w Google Analytics? first appeared on Conversion.

Jeśli obszar analityki internetowej jest Ci znany “nie od dziś”, to z pewnością zdajesz sobie sprawę, że jedno z najpopularniejszych narzędzi (dla przypomnienia: Google Analytics) – nakłada na swoich użytkowników pewne ograniczenia. Do kluczowych możemy zaliczyć między innymi: próbkowanie, kardynalność i progowanie danych, a także limity trafień, konfiguracji czy zbierania danych o zdarzeniach.

Jeżeli chcesz się dowiedzieć, czym są, sprawdź, co takiego mogą oznaczać dla Twojego biznesu – najbliższa okazja na poszerzenie swojej wiedzy jest właśnie przed Tobą! Sprawdź poniższy artykuł, aby poznać ich definicje oraz sposób działania. Zapraszam!

Co znajdziesz w tym artykule?
Próbkowanie danych w Google Analytics
Po czym poznać, że Twój raport jest spróbkowany lub nie?
Różnice w próbkowaniu w Google Analytics 4 vs Universal Analytics
Eksploracje niespróbkowane – czym są i czy warto?
Kardynalność danych w Google Analytics
Dlaczego liczność danych w Google Analytics 4 może stanowić źródło problemów?
Jak pozbyć się “other” w raportach GA4?
Progowanie danych w Google Analytics
Kiedy stosowane są progi danych?
Czy możesz usunąć próg danych?
Limity w Google Analytics
Limity trafień w Google Analytics 4
Limity zbierania danych o zdarzeniach
Limity konfiguracji w GA4
Limity, kardynalność i próbkowanie w raporty Google Analytics 4 – podsumowanie

Próbkowanie danych w Google Analytics

W raportach Google Analytics próbkowanie danych nie jest żadną nowością. Wiąże się ono z nałożonymi limitami – po to, aby ograniczyć liczbę danych wykorzystywanych do raportowania.

Opiera się ono na liczbie zdarzeń i może pojawić się w raportach eksploracji. Limit dla GA4 wynosi 10 milionów zdarzeń, a im większa próbka, tym również większa dokładność samych wyników. Aby uzyskać dokładniejsze wyniki – spróbuj zmniejszyć zakres dat. Jeśli jesteś klientem GA4 360, możesz zażądać niespróbkowanych wyników (beta) w raporcie eksploracji z próbkowaniem.

W najnowszej wersji, czyli Google Analytics 4, raporty dzielą się na dwie grupy: standardowe oraz zaawansowane. Pierwsze z nich nie są próbkowane na bazie 100% danych pochodzących z wybranego zakresu dat. Natomiast raporty zaawansowane mogą być czasami próbkowane – w zależności od wybranych warunków.

Jeśli korzystasz z GA4 i jednocześnie nie chcesz, aby Twoje dane podlegały próbkowaniu – wystarczy, że do tego celu dodasz wymiar lub segment.

Po czym poznać, że Twój raport jest spróbkowany lub nie?

Na szczęście jest to bardzo proste. Mianowicie, w raporcie niespróbkowanym w Google Analytics 4 – na górze ekranu zobaczysz charakterystyczną zieloną ikonę ze znacznikiem wyboru. Jeśli zamiast niej dostrzeżesz żółtą ikonę z symbolem % – będzie to znak, że raport jest próbkowany (znajdziesz pod nią również informację o procentowym udziale danych).

Różnice w próbkowaniu w Google Analytics 4 vs Universal Analytics

Standardowe raporty w Google Universal Analytics nie są próbkowane. Jeśli jednak dodasz do nich dodatkowe wymiary bądź segmenty – zaczną już podlegać następującym ogólnym limitom próbkowania:

• Standardowa analiza: 500 tys. sesji dla używanego okresu danych
• Analytics 360: 100 mln sesji dla widoku używanego okresu danych

W przypadku Google Analytics 4 domyślne raporty zawsze są niepróbkowane. Możesz stosować porównania i niestandardowe parametry, a wszystkie raporty nadal będą niepróbkowane. W zaawansowanej zakładce Analiza, raporty mogą być próbkowane, gdy liczba wykorzystywanych danych przekracza 10 milionów i tworzony raport nie jest kopią standardowego raportu.

Eksploracje niespróbkowane – czym są i czy warto?

W Google Analytics istnieje jeszcze coś takiego, jak eksploracje niespróbkowane, które pozwalają na generowanie raportów opierających się na podstawie nawet 50 miliardów zdarzeń. Jest jednak jeden małych “haczyk” – mogą z nich korzystać tylko osoby posiadające Google Analytics 360.

Jak to zrobić? Wystarczy, że poprosisz o niespróbkowane dane! Taki krok zapewni Ci bardzo dokładne raporty i pozwoli na uzyskanie danych, które nie są dostępne w ich standardowych wersjach.

Kardynalność danych w Google Analytics

Skoro omówienie zagadnienia próbkowana mamy już za sobą – najwyższa pora przejść do kolejnego “ograniczenia”. Otóż, kardynalność to ilość unikalnych wartości w wymiarze. Jeśli to pojęcie nadal niewiele Ci wyjaśnia – spokojnie, już tłumaczę !

Musisz zdawać sobie sprawę, że niektóre wymiary mają określoną liczbę wartości. W tym obszarze możemy mówić np. o typach urządzeń, wymieniając: komputer, tablet, telefon – co da nam liczność na poziomie 3.

Inne, jak chociażby ścieżka, lokalizacja, identyfikator, a nawet nazwa elementu – mogą mieć zdecydowanie więcej. Ile? W przypadku 50 elementów na stronie liczność identyfikatora wynosi 50. Natomiast wymiar posiadający więcej niż 500 wartości – jest już uważany za wysoko kardynalny.

Raporty standardowe bez wymiaru dodatkowego lub porównania mają limit 50 000 wierszy w tabeli. Przy czym – zawierają tylko niezbędne dane. Raporty Eksploruj lub standardowe z dodatkowym wymiarem lub porównaniem oferują aż 2 miliony limitu wierszy w tabeli. Trzeba wspomnieć, że te raporty zawierają wszystkie wymiary w usłudze – i to niezależnie od tego, czy są potrzebne i czy wpływają na limit wierszy. Z kolei duża liczba wymiarów może spowodować pojawienie się wiersza “other”.

Dlaczego liczność danych w Google Analytics 4 może stanowić źródło problemów?

Pojawienie się kardynalności powoduje wzrost liczby wierszy w raporcie GA4. Każdy raport ma inną tabelę i po osiągnięciu limitu wierszy GA4 dodaje „inne” (a w zasadzie “other”) do wymiaru. W „other” znajdują się więc wszystkie dane przekraczające limit. Raporty standardowe i eksploracyjne mają różne limity, więc rezultaty również mogą być zgoła odmienne.

Uwaga: nieznane dane, które trafią do raportu, również wpływają na limit wierszy.

Jak pozbyć się “other” w raportach GA4?

Jeżeli “odkładanie” danych do “innych” nie jest Ci po drodze – możesz skorzystać z poniższej instrukcji.

• Używaj standardowych raportów, gdy to możliwe. Posiadają specjalne tabele, które umożliwiają zmniejszenie ryzyka zgrupowania danych w „other”.
• Użyj Eksploracji, jeśli widzisz „other” w swoich raportach. Eksploracje korzystają bowiem z innego limitu tabeli.
• Unikaj tworzenia niestandardowych wymiarów, a gdy to możliwe – korzystaj z tych predefiniowanych.
• Używaj wymiarów o dużej liczności tylko wtedy, gdy jest to niezbędne. Limit wierszy może dotyczyć wszystkich danych w usłudze dla określonego zakresu dat – gdy zastosujesz dodatkowy wymiar lub porównanie do raportu standardowego albo gdy użyjesz raportu niestandardowego.
• Unikaj tworzenia niestandardowego wymiaru w celu identyfikacji poszczególnych użytkowników. Zamiast tego użyj funkcji User-ID w GA4.
• Wyeksportuj swoje dane do BigQuery.

Oczywiście, można sobie z tym poradzić również w inny sposób – wykupując Google Analytics 4 w wersji 360 .
Tego rodzaju usługa pozwala bowiem na automatyczne uruchamianie rozszerzonych zbiorów danych – i to dla obu typów raportów – standardowych i eksploracyjnych. Wówczas limit wynosi 2 miliony wierszy w tabeli. I co najważniejsze – taki rozszerzony zbiór danych obejmuje tylko wymiary potrzebne do raportu, a nie wszystkie zebrane dla usługi.

Ponadto, przejście na Analytics 360 pozwoli Ci korzystać z automatycznie rozwijanych zbiorów danych, jeśli w standardowej usłudze widoczny jest wiersz „other”. Analytics 360 samoczynnie uruchomi wówczas rozwijane zbiory danych, aby unikać tego wiersza – gdy tylko osiągniesz limit powodujący jego pojawienie się.

Progowanie danych w Google Analytics

Jeśli operuje na sporych bazach danych – prędzej czy później spotkasz się z sytuacją, w której zauważysz ich częściowe braki. Będą one wynikać ze stosowania tzw. progów, które zostały zaprojektowane po to, aby chronić prywatność użytkowników witryny, a co za tym idzie – uniemożliwić osobom przeglądającym raport określenie ich tożsamości (przynajmniej na podstawie informacji o danych demograficznych czy zainteresowaniach).

Kiedy stosowane są progi danych?

Mówiąc wprost – jeżeli Twój raport zawiera dane o wieku, płci lub zainteresowaniach (zawarte w wymiarze podstawowym, dodatkowy, porównaniu danych lub segmencie) – wówczas może zostać zastosowany próg danych, a co za tym idzie – wybrane informacje zostaną ukryte.

Czy możesz usunąć próg danych?

Uprzedzając ewentualne pytania: tego rodzaju progi są ustalane przez Google i nie da się ich zmieniać. Google Analytics stosuje je po to, aby chronić prywatność użytkowników. Jest jednak jedno, małe “ale”…

Z powodzeniem można zmienić sposób raportowania, który pozwoli uniknąć progowania danych. Aby to zrobić – wystarczy, że wybierzesz opcję raportowania tylko na urządzeniu. W takiej sytuacji Analytics użyje identyfikatora klienta (lub identyfikatora instancji aplikacji), które nie podlegają już takim progom.

Musisz jednak pamiętać, że takie zmiany, dane demograficzne w raportach z niską liczbą użytkowników mogą nadal być wstrzymane.

Limity w Google Analytics

Kolejnym rodzajem ograniczeń, jakie narzuca na nas jedno z najpopularniejszych narzędzi do analityki internetowej, są limity. Zaliczamy do nich limity związane z trafieniami, zbierania danych o zdarzeniach oraz konfiguracji.

Poniżej znajdziesz kluczowe informacje na temat każdego z nich, a przy dwóch ostatnich – dodatkowe tabele z wyszczególnionymi progami.

Limity trafień w Google Analytics 4

Pierwsze “na warsztat” weźmiemy tzw. trafienia, czyli działania podejmowane przez konkretnych użytkowników Twojej witryny internetowej.

W przypadku standardowej wersji Analyticsa limit trafień wynosił 10 milion miesięcznie. W przypadku Google Analytics 4 dobra wiadomość jest taka, że został on całkowicie zniesiony !

Limity zbierania danych o zdarzeniach

Analytics posiada także limity dla rejestrowania zdarzeń, parametrów zdarzeń oraz właściwości użytkownika. A ich przekroczenie może oznaczać, że dane nie zostaną zarejestrowane.

Przykłady? GA przestanie rejestrować aktywności użytkownika z 26 lub więcej wartościami, a także nazw zdarzeń o długości większej niż 40 znaków.

Więcej informacji na temat limitów zbierania danych znajdziesz w poniższej tabeli:

Limity konfiguracji w GA4

Ostatnim, aczkolwiek wcale nie najmniej istotnym ograniczeniem, są tzw. limity konfiguracji. Mogą dotyczyć takich aspektów, jak: odbiorcy, konwersje, eksploracje i wiele innych.

Przykład? Google Analytics nie pozwoli Ci skonfigurować kolejnej listy odbiorców, jeśli w danym momencie posiadasz już 100 takich list.

A jeśli usługa zbiera więcej danych niż wynika z limitu próbkowania – narzędzie będzie korzystać z dostępnej próbki danych w swoich eksploracjach.

Więcej informacji na temat tego rodzaju limitów odczytasz z tej tabeli:

Limity, kardynalność i próbkowanie w raporty Google Analytics 4 – podsumowanie

Jak widzisz korzystanie z Google Analytics jest bardzo pomocne – o weźmiesz pod uwagę ograniczenia oraz limity tego narzędzia. Mam nadzieję, że tym artykułem przynajmniej przybliżyłem Ci tę tematykę i udzieliłem odpowiedzi na najbardziej nurtujące pytania.

A jeśli zastanawiasz jak wykorzystać te narzędzia w Twojej firmie – pogadajmy!

The post Raporty Google Analytics 4: kardynalność i próbkowanie danych oraz inne limity first appeared on Conversion.