Dashboard за 10 минут по данным Firebase в BigQuery (Part 1)
На примере возврата юзеров по странам с шаблоном SQL-запроса
Доступ к “сырым данным” аналитики может открывать дополнительные возможности для анализа. Если используете Firebase для аналитики приложения, то можете настроить экспорт данных в BigQuery. Преимущество этого решения в том, что структура данных стандартная для всех и в сети можно найти готовые решения, например продуктовые воронки.
Если мы хотим понимать, возвращаются ли пользователи в приложение, мы сегментируем аудиторию на новых и старых (пример отчета в Google Analytics New vs Returning).
Допустим мы хотим понимать, как часто возвращаются пользователи в приложение. Для этого нам нужно посмотреть на время жизни старых пользователей, добавим сегменты пользователей, у которых от первого открытия приложения прошло:
- New users - не более суток.
- Younger week - больше суток, но менее недели.
- Younger month - больше недели, но менее месяца.
- Older month - больше месяца.
Ниже интерактивный dashboard в Data Studio на примере данных Firebase датасета в публичном доступе:
Какие выводы можно сделать и какие гипотезы выдвинуть?
- Пользователи плохо возвращаются в приложение в первый месяц после первого открытия.
- Возможно средний период повторного использования приложения больше месяца. Чтобы это проверить, нужно просмотреть данные за более длинный период.
- Аудитория состоит преимущественно из старых пользователей (старше месяца и старше года).
- Время жизни пользователя может быть довольно длительным, нужно проверять исторические данные.
- Если смотреть по странам, то пользователи с Индии, например, либо слабо возвращаются в приложение в отличии от других стран, либо немногие использовали приложение больше года назад.
Ниже пример SQL-запроса для построения подобной визуализации. Преимущество его в том, что адаптировать его под свой проект можно просто заменив название таблицы с данными в 7-ой строке:
Для построения отчета в Data Studio в качестве источника данных нужно выбрать BigQuery>Custom Query>My Project и скопировать SQL-запрос в поле запроса. Выбор типа и настройки визуализации на рисунке ниже:
Это был простой пример визуализации с шаблоном SQL-запроса, адаптировать который под свой проект займет не более 10-ти минут.
Если интересны подобные готовые решения с использованием “сырых данных” и есть смысл продолжать публиковать подобные примеры, то дайте знать. Достаточно “похлопать” ниже под публикацией.
Подписывайтесь на Телеграм-канал BigQuery Insights, в котором я делюсь интересными решениями аналитики в Google BigQuery.