ОСТАВАЙТЕСЬ ДОМА, ПОЖАЛУЙСТА

Инструкция: строим дашборды в Google Data Studio на основе данных Firebase в BigQuery

Этеншн, плиз! Эта статья для тех, кто привык не только смотреть на данные, но и самостоятельно добывать их. Если перспектива создания пользовательских запросов в Data Studio и работы с сырыми данными в BigQuery вас не пугает, держите четыре инструкции по работе с популярными метриками мобильной аналитики от Ивана Тории, младшего аналитика «Риалвеб».

Когда стандартных дашбордов в Firebase не хватает и вы не можете из-за этого проверить более сложные гипотезы или просто хотите видеть все в одном окне, на помощь приходит стриминг сырых данных в BigQuery и пользовательские запросы Google Data Studio.


Инструкция как настроить импорт данных Firebase в BigQuery


В этой статье мы расскажем, как построить следующие популярные метрики мобильной аналитики:

  1. DAU, WAU, MAU и Stickness Ratio (% DAU / MAU) (в разрезе устройств);
  2. Retention по неделям (в разрезе устройств);
  3. Среднее время сессии, среднее количество сессий на пользователя (в разрезе устройств);
  4. Разделы, в которых пользователь проводит больше всего времени. Разделы, которые пользователи открывают чаще всего.

DAU, WAU, MAU и % DAU / MAU

Начнем с самых популярных метрик: Daily Active Users, Weekly Active Users, Monthly Active Users и Stickness Ratio (% DAU / MAU). В Data Studio с помощью кода по ссылке добавляем новый пользовательский запрос (Ресурс → Добавленные источники данных → Добавить источник данных → BigQuery → Пользовательский запрос).

Для наших целей в пользовательских запросах Data Studio к BigQuery крайне удобно использовать специальные параметры дат @DS_START_DATE (YYYYMMDD) и @DS_END_DATE (YYYYMMDD).


Параметры даты автоматически добавляются в запрос с учетом настроек в диаграммах или фильтрах. Пользователи отчетов с разрешением на просмотр могут настраивать эти значения, меняя диапазон дат.


Не забываем их включить при добавлении запроса:

Нажимаем «Подключиться» и получаем похожую таблицу:

В Data Studio создаем вычисляемый показатель %DAU/MAU = SUM (dau) / SUM (mau) и визуализируем метрики. Добавляем на лист фильтр по устройствам (Platform):


Retention по неделям в разрезе устройств

Создаем пользовательский запрос с помощью кода по ссылке.

Получаем таблицу:

Считаем процент от нулевой недели и строим таблицу в Data Studio в разрезе устройств:


Среднее время сессии, среднее количество сессий на пользователя (в разрезе устройств)

Создаем пользовательский запрос с помощью кода по ссылке.

Получаем таблицу:

Создаем специальные показатели в Data Studio

  • Avg. session time (sec) = SUM (total_engagement_time_sec) / SUM (total_sessions)
  • Avg. engagement time per user (sec) = SUM (total_engagement_time_sec) / SUM (unique_users)

и визуализируем:


Разделы, в которых пользователь проводит больше всего времени и которые пользователи открывают чаще всего

Создаем пользовательский запрос с помощью кода по ссылке

Получаем таблицу:

Визуализируем в Data Studio:


Что еще можно сделать?

  • Зная JavaScript, можно построить абсолютно любую визуализацию данных, используя возможность сторонних визуализаций Data Studio;
  • Сделать real-time отчеты, т.к. стриминг складывает в отдельную таблицу данные в реальном времени;
  • Получить инсайты, которые невозможно увидеть с помощью стандартных инструментов Firebase.

Источники:

  1. Блог Севы Мироновича

  2. Блог Todd Kerpelman

You don't have permission to register