As dimensões e métricas personalizadas são semelhantes às dimensões e métricas padrão na sua conta do Google Analytics, mas é você quem as cria. Você pode usá-las para coletar e analisar dados que o Google Analytics não rastreia automaticamente.
Neste artigo:- Visão geral
- Pré-requisitos
- Limites e ressalvas
- Ciclo de vida das dimensões e métricas personalizadas
- Configuração
- Coleta
- Processamento
- Geração de relatórios
- Exemplos
- Escopo no nível do hit
- Escopo no nível da sessão
- Escopo no nível do usuário
- Escopo no nível do produto
- Métricas personalizadas
- Considerações de implementação
Visão geral
As dimensões e métricas personalizadas permitem combinar dados do Google Analytics com dados de outras origens, por exemplo, de CRM. Exemplo:
- Se você armazenar o gênero dos usuários conectados em um sistema de CRM, poderá combinar essas informações com seus dados do Google Analytics para ver as visualizações de página por gênero.
- Se você for um desenvolvedor de jogos, métricas como "conclusões de níveis" ou "pontuações altas" poderão ser mais relevantes do que métricas predefinidas, como exibições de tela. Ao acompanhar esses dados com as métricas personalizadas, é possível monitorar o progresso com base nas informações mais importantes em relatórios personalizados flexíveis e fáceis de ler.
As dimensões personalizadas são exibidas como dimensões principais nos relatórios personalizados. Também é possível usá-las como segmentos e dimensões secundárias nos relatórios padrão.
Pré-requisitos
As métricas e dimensões personalizadas estão disponíveis apenas para propriedades que foram ativadas pelo Universal Analytics ou que tenham pelo menos uma vista de relatórios de apps. Elas são aceitas pelos SDKs do Google Analytics para Android e iOS v2.x ou posteriores, a biblioteca analytics.js e o Protocolo de avaliação.
As dimensões e métricas personalizadas exigem configuração adicional na sua conta do Google Analytics e no seu código de acompanhamento. Depois de concluir as duas etapas da configuração, use-as nos seus relatórios.
Limites e ressalvas
Há 20 índices disponíveis para diferentes dimensões personalizadas, e 20 índices para métricas personalizadas em cada propriedade. As contas do GA 360 têm 200 índices disponíveis para dimensões personalizadas e 200 para métricas personalizadas.
Não é possível excluir dimensões personalizadas, mas você pode desativá-las. Evite reutilizar as dimensões personalizadas. Ao editar o nome, o escopo e o valor de uma dimensão personalizada, os valores antigos e novos podem ser relacionados ao nome antigo ou novo da dimensão. Isso mistura os dados nos seus relatórios de uma forma que eles não podem ser separados precisamente por um filtro.
Algumas dimensões personalizadas não ficam disponíveis nos relatórios quando são combinadas com as informações demográficas. Talvez você encontre restrições de limite ou incompatibilidade nos relatórios ou na API ao solicitar dimensões personalizadas com dados demográficos.
Ciclo de vida das dimensões e métricas personalizadas
O ciclo de vida de uma dimensão ou métrica personalizada tem quatro etapas:
- Configuração: você define suas dimensões e métricas personalizadas com um índice, um nome e outras propriedades, como o escopo.
- Coleta: você envia valores de dimensões e métricas ao Google Analytics durante a implementação.
- Processamento: seus dados são processados usando as definições de dimensões e métricas personalizadas e quaisquer filtros de vista de relatórios.
- Geração de relatórios: você cria novos relatórios usando suas dimensões e métricas personalizadas na interface do usuário do Google Analytics.
Configuração
Antes de enviar valores de dimensões e métricas personalizadas ao Google Analytics, primeiro você precisa defini-los em uma propriedade da plataforma. Cada propriedade do Google Analytics tem 20 índices disponíveis para dimensões personalizadas e outros 20 índices disponíveis para métricas personalizadas.
Ao definir uma dimensão ou métrica personalizada, você precisa especificar o nome e outros valores de configuração dela. Depois, o Google Analytics atribui um número de índice que você usará posteriormente para fazer referência à dimensão ou métrica. As dimensões personalizadas têm estes valores de configuração:
- Nome: o nome da dimensão personalizada da forma que será exibido nos seus relatórios.
- Escopo: especifica para quais dados a dimensão ou métrica personalizada será aplicada. Saiba mais sobre o escopo.
- Ativo: determina se o valor da dimensão ou métrica personalizada será processado. Dimensões personalizadas inativas ainda podem ser exibidas nos relatórios, mas os valores delas não serão processados.
As métricas personalizadas possuem estes valores de configuração:
- Nome: o nome da métrica personalizada da forma com que ela será exibida nos seus relatórios.
- Tipo: determina como o valor da métrica personalizada será exibido nos relatórios.
- Valor mínimo / máximo: os valores mínimos e máximos que serão processados e exibidos nos seus relatórios.
- Ativo: determina se o valor da métrica personalizada será processado. Métricas personalizadas inativas ainda podem ser exibidas nos relatórios, mas os valores delas não são processados.
As dimensões e métricas personalizadas podem ser definidas na interface do usuário do Google Analytics.
Depois de definir uma dimensão ou métrica personalizada, evite editar o nome ou escopo quando possível. Consulte Considerações de implementação para saber mais sobre como as alterações nesses valores podem afetar seus relatórios.
Coleta
Os valores das dimensões e métricas personalizadas são enviados ao Google Analytics no momento da coleta como um par de parâmetros de índice e valor. O parâmetro de índice corresponde ao número do índice da dimensão ou métrica personalizada que o Google Analytics atribui na fase de configuração.
Ao contrário de outros tipos de dados, as dimensões e métricas personalizadas são enviadas ao Google Analytics como parâmetros anexados a outros hits, como visualizações de página, eventos ou transações de comércio eletrônico. Desse modo, os valores delas precisam ser definidos antes que uma chamada de acompanhamento seja feita para serem enviados ao Google Analytics.
Por exemplo, para definir um valor de dimensão personalizada, seu código teria esta aparência:
ga('create', 'UA-XXXX-Y', 'auto');
// Set value for custom dimension at index 1.
ga('set', 'cd1', 'Level 1');
// Send the custom dimension value with a pageview hit.
ga('send', 'pageview');
Tipos de métrica personalizada
As métricas personalizadas com o tipo "Número inteiro" ou "Horário" precisam ser enviadas usando números inteiros, enquanto métricas personalizadas com o tipo "Moeda" podem ser enviadas como valores decimais fixos adequados à moeda local.
Processamento
Quando as dimensões personalizadas são processadas, o escopo determina a quais hits um determinado valor será aplicado, enquanto os filtros de vista determinam quais hits e os valores associados serão incluídos nos relatórios.
Escopo e precedência
O escopo determina quais hits serão associados a um determinado valor de dimensão personalizada. Existem quatro níveis de escopo: produto, hit, sessão e usuário:
- Produto: o valor é aplicado ao produto em que foi definido (apenas e-commerce avançado).
- Hit: o valor é aplicado ao único hit em que foi enviado.
- Sessão: o valor é aplicado a todos os hits em uma única sessão.
- Usuário: o valor é aplicado a todos os hits nas sessões atuais e futuras, até que o valor mude ou a dimensão personalizada fique inativa.
Quando uma dimensão personalizada tem escopo no nível do produto, o valor é usado somente no produto em que foi definido. Como vários produtos são enviados em um único hit, diversas dimensões personalizadas com escopo no nível do produto também podem ser enviadas em um único hit.
Escopo no nível do hitQuando uma dimensão personalizada tem escopo no nível do hit, o valor é aplicado somente ao hit em que o valor foi definido. Isso é mostrado nas figuras A, B e C abaixo:
Escopo no nível da sessão
Quando dois valores com escopo no nível da sessão são definidos com o mesmo índice em uma sessão, o último valor definido tem precedência e é aplicado a todos os hits na sessão. Na Figura D abaixo, o último valor definido substitui todos os valores anteriores para o índice:
Escopo no nível do usuário
Por fim, se dois valores de dimensão personalizada no escopo do usuário são definidos na mesma sessão, o último valor tem precedência para a sessão atual e é usado em sessões futuras desse usuário.
Na Figura B abaixo, o valor A de CD é usado em todos os hits da sessão 2, como uma CD no nível da sessão. No entanto, na Figura C, diferente do escopo no nível da sessão, o valor A de CD continua sendo adicionado nos hits da terceira sessão, já que a CD1 tem escopo no nível do usuário:
Filtros
Os filtros de vista podem interagir com as dimensões e métricas personalizadas de várias formas.
Os valores delas são associados ao hit em que estavam incluídos, independentemente do escopo. Se esse hit for filtrado por um filtro de vista, a dimensão ou métrica personalizada também poderá ser filtrada dependendo do escopo:
- Escopo no nível do hit: as dimensões personalizadas com escopo no nível do hit e as métricas personalizadas serão filtradas se o hit a que elas estão associadas também for filtrado.
- Escopo no nível da sessão ou do usuário: as dimensões personalizadas com escopo no nível do usuário ou da sessão não serão filtradas, mesmo que o hit a que elas estiverem associadas for filtrado. Os valores delas ainda serão aplicados a todos os hits na sessão atual e nas sessões futuras se a dimensão tiver escopo no nível do usuário.
As dimensões personalizadas também podem ser usadas para criar filtros de vista. Isso fará com que os hits sejam filtrados de acordo com o escopo da dimensão personalizada. Por exemplo, filtrar um valor de dimensão personalizada com escopo no nível do usuário filtrará sessões atuais e futuras do conjunto de usuários associados a esse valor.
Geração de relatórios
Após a conclusão da coleta, da configuração e de outras etapas de processamento do pipeline, as dimensões e métricas personalizadas ficam disponíveis pela interface de relatórios do usuário.
As dimensões e métricas personalizadas ficam disponíveis nos relatórios personalizados e podem ser usadas com segmentos avançados. As dimensões personalizadas também podem ser usadas como dimensões secundárias em relatórios padrão.
Exemplos
Os exemplos a seguir mostram como as dimensões e métricas personalizadas podem ser usadas por um desenvolvedor de jogos para conhecer o comportamento dos jogadores.
Um desenvolvedor lançou recentemente um novo jogo.
A implementação atual do Google Analytics acompanha uma exibição de tela toda vez que um usuário joga determinada fase. O desenvolvedor já sabe quantas vezes cada fase é jogada. Agora ele deseja responder a estas perguntas mais avançadas:
- Quantas vezes as fases mais fáceis são jogadas em comparação com as fases médias ou difíceis?
- Quantas fases são jogadas por dia em um período de três dias de avaliação gratuita?
- Quantas fases os usuários jogam na versão de teste em comparação com os que pagaram pelo jogo?
Para responder a essas perguntas, ele usa as dimensões personalizadas de forma a criar novos agrupamentos de hits, sessões e usuários.
Além disso, o desenvolvedor vende alguns recursos para aprimorar a experiência do usuário, como "power-ups". O desenvolvedor já usa a categoria e os campos variáveis, mas quer um campo extra para avaliar a dificuldade do power-up adquirido. Dessa forma, ele pode descobrir se determinadas dificuldades de power-up eram mais populares do que outras.
Escopo no nível do hit
Vejamos um exemplo de como o desenvolvedor de jogos pode usar as dimensões personalizadas no nível do hit para descobrir quantas fases de cada nível de dificuldade (fácil, média ou difícil) foram jogadas.
O desenvolvedor já está acompanhando o número de vezes que cada fase é jogada usando as exibições de tela. Agora ele quer saber qual nível de dificuldade está sendo mais jogado.
O relatório terá esta aparência:
| Dificuldade | Exibições de tela |
|---|---|
| fácil | |
| média | |
| difícil |
Antes de usar as dimensões personalizadas, o desenvolvedor podia ver o total de exibições de tela por fase, mas não conseguia agrupar essas exibições de tela por nível de dificuldade.
Ao usar uma dimensão personalizada no nível do hit, a dificuldade pode ser associada a cada exibição de tela. Isso permite que os relatórios incluam o nível de dificuldade mais usado para jogar.
Por que usar o escopo no nível do hit?
Um usuário pode jogar várias fases durante uma sessão. Com o escopo no nível do hit, um valor de dificuldade só será associado à exibição de tela com a qual ele foi enviado. Isso garante que cada exibição de tela de fase será associada a uma dificuldade única.
Configuração
A primeira etapa para implementar uma dimensão personalizada é defini-la nas suas configurações da propriedade na seção "Administrador" do Google Analytics. Para este exemplo, a definição da dimensão personalizada tem esta aparência:
| Índice | 1 |
| Nome | Dificuldade |
| Escopo | Hit |
| Ativo | verdadeiro |
Coleta
No jogo, o desenvolvedor já está acompanhando cada fase com uma exibição de tela. Para associar a dificuldade a cada fase, o valor da dimensão personalizada precisa ser definido antes da chamada de acompanhamento da exibição de tela.
A implementação terá esta aparência:
ga('create', 'UA-XXXX-Y', 'auto');
// Set value for custom dimension at index 1.
ga('set', 'cd1', 'easy');
// Send the custom dimension value with a pageview hit.
ga('send', 'pageview', '/level_1/');
Neste exemplo, a dimensão personalizada é definida pouco antes de a exibição de tela da fase ser acompanhada. Isso associa a dificuldade à exibição de tela e permite que os hits da exibição de tela sejam agrupados por dificuldade nos relatórios.
Processamento
Depois que os hits são coletados e enviados ao Google Analytics, os dados são processados e os valores das dimensões personalizada são aplicados aos hits de acordo com o escopo.
Por exemplo, os dados coletados para um único jogador, com uma sessão, que jogou seis fases, terão esta aparência:
userId = 5555 Session 1: H1: screen_name=/level_1/ cd1_value=easy H2: screen_name=/level_2/ cd1_value=medium H3: screen_name=/level_3/ cd1_value=hard H4: screen_name=/level_4/ cd1_value=easy H5: screen_name=/level_5/ cd1_value=medium H6: screen_name=/level_6/ cd1_value=medium
Usar um escopo no nível do hit garante que cada valor de dificuldade seja associado somente à exibição de tela com que ele foi enviado.
Geração de relatórios
Como cada exibição de tela é associada ao respectivo valor de dificuldade, depois do processamento, um desenvolvedor pode criar um relatório que usa o nome da tela e a dificuldade como dimensões, e as exibições como uma métrica:
| Nome da tela | Dificuldade | Exibições de tela |
|---|---|---|
| /level_1/ | easy | 1 |
| /level_2/ | média | 1 |
| /level_3/ | difícil | 1 |
| /level_4/ | easy | 1 |
| /level_5/ | média | 1 |
| /level_6/ | média | 1 |
É possível criar um relatório personalizado que usa "Dificuldade" como uma dimensão principal para agrupar as exibições de tela e descobrir quantas vezes cada nível de dificuldade foi jogado:
| Dificuldade | Exibições de tela |
|---|---|
| fácil | 2 |
| média | 3 |
| difícil | 1 |
Neste relatório, os níveis de dificuldade média foram mais jogados. Foi possível encontrar essa informação com o uso de dimensões personalizadas no nível do hit para agrupar as exibições de tela.
Escopo no nível da sessão
Agora vejamos um exemplo de como o desenvolvedor de jogos pode usar as dimensões personalizadas no nível da sessão para ver quantas fases foram jogadas por dia em um período de três dias de teste gratuito.
O desenvolvedor já sabe quantas vezes cada fase é jogada acompanhando uma exibição de tela para cada fase. Agora ele quer saber quantas fases são jogadas em cada dia.
O relatório que ele precisa criar tem esta aparência:
| Dia do teste | Exibições de tela |
|---|---|
| 1º dia | |
| Dia 2 | |
| 3º dia |
Com uma dimensão personalizada no nível da sessão, o desenvolvedor pode agrupar as exibições de tela por dia do período de teste e ver as alterações nesse número à medida que o tempo transcorre.
Por que usar o escopo no nível da sessão?
Você pode usar o escopo no nível da sessão para agrupar com eficiência sessões inteiras e todos os hits dos componentes dela, em um único valor "Dia do teste".
Embora seja possível atingir essa mesma funcionalidade com o escopo no nível do hit, usar o escopo no nível da sessão permite que você defina um valor "Dia do teste" com menos quantidade de código adicional.
Configuração
A dimensão personalizada "Dia da avaliação" é definida na seção "Configurações da propriedade" da interface do usuário do Google Analytics com estes valores:
| Índice | 2 |
| Nome | Dia do teste |
| Escopo | Sessão |
| Ativo | verdadeiro |
Coleta
No jogo, o desenvolvedor já está acompanhando cada fase com uma exibição de tela. Para associar um dia a todas as exibições de tela em uma sessão, o valor da dimensão personalizada só precisa ser definido uma vez por sessão.
O desenvolvedor define a dimensão personalizada quando o usuário começa o jogo pela primeira vez:
ga('create', 'UA-XXXX-Y', 'auto');
// Set value for custom dimension at index 2.
var day = getDayOfTrial();
ga('set', 'dimension2', day );
// Send the custom dimension value with a pageview hit.
ga('send', 'pageview', '/level_1/');
Uma dimensão personalizada no nível da sessão pode ser definida a qualquer momento durante a sessão. No entanto, nesse exemplo, é conveniente para o desenvolvedor determinar o dia do teste e definir o valor de forma correspondente no início da sessão.
Processamento
Depois que os hits são coletados e enviados ao Google Analytics, os dados são processados e os valores das dimensões personalizada são aplicados aos hits de acordo com o escopo.
Por exemplo, as informações coletadas para um único jogador que jogou duas vezes no primeiro dia, uma vez no segundo dia e uma vez no terceiro dia têm esta aparência:
userId = 5555 Session 1: H1: screen_name=/level_1/ cd2_value=1 H2: screen_name=/level_2/ H3: screen_name=/level_2/ Session 2: H4: screen_name=/level_3/ cd2_value=1 H5: screen_name=/level_4/ H6: screen_name=/level_4/ Session 3: H1: screen_name=/level_1/ cd2_value=2 H2: screen_name=/level_2/ H3: screen_name=/level_3/ Session 4: H1: screen_name=/level_3/ cd2_value=3
Os valores das dimensões personalizadas só foram enviados com uma exibição de tela por seção.
O escopo no nível da sessão garante que o valor "Dia do teste" seja associado a todos os hits na sessão e não apenas ao hit com o qual ele foi enviado.
Geração de relatórios
Após o processamento, os valores da dimensão personalizada no nível da sessão serão associados a todas as exibições de tela recebidas na mesma sessão. Agora o desenvolvedor pode criar um relatório usando "Dia do teste" e o nome da tela como dimensões e as exibições de tela como uma métrica:
| Dia do teste | Nome da tela | Exibições de tela |
|---|---|---|
| 1 | /level_1/ | 1 |
| 1 | /level_2/ | 2 |
| 1 | /level_3/ | 1 |
| 1 | /level_4/ | 2 |
| 2 | /level_1/ | 1 |
| 2 | /level_2/ | 1 |
| 2 | /level_3/ | 1 |
| 3 | /level_3/ | 1 |
Por fim, para agrupar exibições de tela por dia e descobrir quantas fases foram jogadas em cada dia do período de teste, o desenvolvedor pode criar um relatório personalizado que usa "Dia do teste" como uma dimensão principal:
| Dia do teste | Exibições de tela |
|---|---|
| 1 | 6 |
| 2 | 3 |
| 3 | 1 |
Os dados mostram que mais fases foram jogadas no primeiro dia e menos fases foram jogadas nos dias 2 e 3. Foi possível encontrar essas informações com o uso de dimensões personalizadas no nível da sessão para agrupar várias sessões e os hits dos seus componentes com um único valor.
Escopo no nível do usuário
Por último, vejamos um exemplo de como o desenvolvedor de jogos pode usar as dimensões personalizadas no nível do usuário para descobrir quantas fases foram jogadas por usuários da versão paga em comparação com usuários da versão de teste gratuito.
Como nos exemplos anteriores, o número total de vezes em que cada nível é jogado já está sendo acompanhado com as exibições de tela, mas o desenvolvedor quer agrupar as exibições de tela em usuários da versão gratuita e usuários da versão paga.
O relatório que desenvolvedor precisa gerar tem esta aparência:
| Versão do jogador | Exibições de tela |
|---|---|
| Gratuita | |
| Paga |
Com uma dimensão personalizada no nível do usuário, o desenvolvedor pode ver esses dados associando todas as exibições de tela a um determinado usuário na sessão atual e nas futuras com um valor "Tipo de jogador".
Por que usar o escopo no nível do usuário?
O escopo no nível do usuário permite que você agrupo todas as sessões e hits do componente do usuário com um único valor. Isso é ideal para valores que não mudam com frequência para um usuário, como "Versão do usuário" neste exemplo.
Embora seja possível atingir essa mesma funcionalidade com o escopo no nível do hit ou da sessão, o escopo no nível do usuário oferece a solução mais conveniente com menos quantidade de código.
Configuração
A dimensão personalizada "Versão do jogador" é definida na seção "Administrador" com estes valores:
| Índice | 3 |
| Nome | Versão do jogador |
| Escopo | Usuário |
| Ativo | verdadeiro |
Coleta
Como nos exemplos anteriores, o desenvolvedor já está acompanhando cada face com uma exibição de tela. Para agrupar essas exibições de tela por "Tipo de jogador", ele só precisa definir a dimensão "Tipo de jogador" quando o usuário iniciar o jogo e, novamente, se o usuário pagar subsequentemente para acessar a versão completa.
O desenvolvedor define a dimensão personalizada quando o usuário começa o jogo pela primeira vez:
ga('create', 'UA-XXXX-Y', 'auto');
// Set value for custom dimension at index 3.
ga('set', 'dimension3', 'Free' );
// Send the custom dimension value with a pageview hit.
ga('send', 'pageview', '/level_1/');
O desenvolvedor também precisa definir a dimensão personalizada quando o usuário pagar pela versão completa do jogo:
ga('create', 'UA-XXXX-Y', 'auto');
// Set value for custom dimension at index 3.
ga('set', 'dimension3', 'Paid' );
// Send the custom dimension value with a pageview hit.
ga('send', 'pageview', '/level_1/');
Processamento
Como nos exemplos anteriores, depois da coleta dos dados, eles são processados, e os valores das dimensões personalizadas são aplicados aos hits de acordo com o escopo.
Por exemplo, as informações coletadas para um único jogador que jogou duas vezes como um usuário da versão gratuita e uma vez como um usuário pagante têm esta aparência:
userId = 5555 Session 1: H2: screen_name=/level_1/ cd3_value=free H3: screen_name=/level_2/ Session 2: H1: screen_name=/level_2/ H2: screen_name=/level_3/ H3: screen_name=/level_3/ Session 3: H1: screen_name=/level_3/ cd3_value=paid H2: screen_name=/level_4/
O valor free (gratuita) definido na sessão 1 se aplica a todos os hits nessa sessão e na sessão 2, até que o novo valor paid (pago) é definido na sessão 3.
Geração de relatórios
Após o processamento, os valores da dimensão personalizada "Tipo de jogador" serão associados às sessões em que eles foram definidos, bem como a todas as sessões e hits futuros.
Agora o desenvolvedor pode criar um relatório usando "Versão do jogador" e o nome da tela como dimensões e as exibições de tela como uma métrica:
| Versão do jogador | Nome da tela | Exibições de tela |
|---|---|---|
| Gratuita | /level_1/ | 1 |
| Gratuita | /level_2/ | 2 |
| Gratuita | /level_3/ | 2 |
| Paga | /level_3/ | 1 |
| Paga | /level_4/ | 1 |
Por fim, para agrupar exibições de tela por "Tipo de jogador" e descobrir quantas fases os usuários da versão gratuita jogaram em comparação com os pagantes, o desenvolvedor pode criar um relatório personalizado que usa "Tipo de jogador" como uma dimensão principal:
| Tipo de jogador | Exibições de tela |
|---|---|
| Gratuita | 5 |
| Paga | 2 |
Os dados mostram que mais fases foram jogadas pelos usuários da versão gratuita do que pelos usuários da versão paga. Foi possível encontrar essas informações usando as dimensões personalizadas no nível do usuário para agrupar usuários e as sessões e os hits dos componentes deles com um único valor.
Escopo no nível do produto
Vejamos um exemplo de como o desenvolvedor de jogos pode usar as dimensões personalizadas no nível do produto para descobrir qual dificuldade de power-ups (fácil, média, difícil) foi adquirida.
Ele já acompanha a quantidade de vezes que os power-ups foram comprados pelo comércio eletrônico avançado, mas agora quer saber qual power-up de dificuldade é mais adquirido.
O relatório terá esta aparência:
| Dificuldade de power-ups | Receita do produto |
|---|---|
| fácil | |
| média | |
| difícil |
Antes de usar as dimensões personalizadas, o desenvolvedor podia ver a receita total do produto dos power-ups, mas não conseguia agrupá-la por dificuldade de power-up.
Ao utilizar uma dimensão personalizada no nível do produto, a dificuldade pode ser associada a cada produto, o que permite que os relatórios incluam a dificuldade mais adquirida (bem como a mais visualizada, a mais clicada e outras ações do comércio eletrônico avançado).
Por que escolher o escopo no nível do produto?
Um usuário pode adquirir vários power-ups em uma única compra. Usar o escopo no nível do produto significa que o valor da dificuldade será apenas associado ao produto com que foi enviado. Isso garante que cada power-up adquirido possa ser associado a uma única dificuldade.
Configuração
A dimensão personalizada "Dificuldade de power-up" é definida na sessão das configurações da propriedade na interface de administração do Google Analytics com estes valores:
| Índice | 4 |
| Nome | Dificuldade de power-ups |
| Escopo | Produto |
| Ativo | verdadeiro |
Coleta
No jogo, o desenvolvedor já acompanha cada compra de power-up. Para associar a dificuldade a cada um, o valor da dimensão personalizada precisa ser definido com os dados do produto.
Adicionar essa dimensão ao produto resultará nesta aparência:
ga('ec:addProduct', { // Provide product details in an productFieldObject.
'id': 'P12345', // Product ID (string).
'name': 'Powerup', // Product name (string).
'category': 'Extras', // Product category (string).
'variant': 'red', // Product variant (string).
'price': '10.00', // Product price (currency).
'quantity': 2, // Product quantity (number).
'dimension4': 'strong' // Product-scoped custom dimension (string).
});
ga('ec:setAction', 'purchase', {
'id': 'T12345',
'revenue': '20.00'
});
ga('send', 'pageview'); // Send transaction data with initial pageview.
No exemplo, a dimensão personalizada é definida com as informações do produto. Isso associa a dificuldade ao power-up.
Processamento
Como nos exemplos anteriores, depois que os hits são coletados e enviados ao Google Analytics, os dados são processados, e os valores das dimensões personalizadas são aplicados aos produtos com que foram definidos.
Por exemplo, as informações coletadas para um único jogador, com uma sessão, que comprou três power-ups, têm esta aparência:
userId = 5555
Session 1:
H1: product_name=powerup cd4_value=weak
product_name=powerup cd4_value=strong
H2: product_name=powerup cd4_value=weak
Lembre-se de que usar o escopo no nível do produto garante que cada valor de power-up seja associado apenas ao produto com que foi enviado.
Geração de relatórios
Depois do processamento, como cada produto é associado ao respectivo valor de dificuldade, um desenvolvedor pode criar um relatório personalizado que mostra a receita por dificuldade de power-up:
| Dificuldade de power-ups | Receita do produto |
|---|---|
| fácil | 20,00 |
| difícil | 10,00 |
Nesse relatório, os power-ups de dificuldade fácil contribuíram com a maior receita.
Métricas personalizadas
Escopo
Semelhante às dimensões personalizadas, as métricas personalizadas podem ter diferentes escopos. As métricas personalizadas no nível do hit são associadas a todas as dimensões no nível do hit com as quais elas foram enviadas. Da mesma forma, as métricas personalizadas no nível do produto são associadas apenas aos produtos com que foram enviadas. Os exemplos a seguir ilustram esses dois tipos de métricas personalizadas.
Exemplo de métrica personalizada no nível do hit
Nos exemplos acima, o desenvolvedor acompanha cada fase jogada como uma exibição de tela. Em cada um dos relatórios gerados, a métrica de exibição de tela é usada para representar a tentativa de um jogador em concluir uma fase.
Entretanto, o desenvolvedor também deseja saber a taxa de conclusão de cada fase.
Para saber a taxa de conclusão, o desenvolvedor usará uma nova métrica personalizada chamada "Conclusões de fase" e compará-la ao número de exibições de tela de cada fase.
O relatório do desenvolvedor terá esta aparência:
| Nome da tela | Exibições de tela | Conclusões de fase |
|---|---|---|
| /level_1/ | ||
| /level_2/ | ||
| /level_3/ |
Por que usar uma métrica personalizada?
Em muitos casos, você terá a opção de usar eventos, exibições de tela e/ou uma métrica personalizada para acompanhar suas métricas mais importantes. No entanto, as métricas personalizadas podem produzir relatórios personalizados mais flexíveis e fáceis de entender. Assim, elas são uma forma conveniente de acompanhar suas métricas mais importantes.
Neste exemplo, as conclusões de fase não puderam ser acompanhadas como uma exibição de tela sem duplicar o número de exibições por fase. Assim, é preciso encontrar outra opção.
Embora seja possível usar um evento sozinho, devido à natureza hierárquica dele, seria difícil criar o relatório acima combinando exibições de tela e conclusões de fase em uma única dimensão.
Devido às limitações acima e pelo fato de as conclusões de fase serem uma métrica importante para esse desenvolvedor, é mais conveniente acompanhá-las como uma métrica personalizada.
Configuração
A métrica personalizada "Conclusões de fase" é definida na seção "Gerenciamento" da interface do usuário com estes valores:
| Índice | 1 |
| Nome | Conclusões de fase |
| Escopo | Hit |
| Tipo de formatação | Número inteiro |
| Ativo | verdadeiro |
Coleta
O desenvolvedor já acompanha o início de cada nível com uma exibição de tela. Agora ele quer acompanhar uma conclusão de fase com a nova métrica personalizada.
Assim como as dimensões personalizadas, as métricas personalizadas são enviadas ao Google Analytics como parâmetros anexados a outros hits. Para enviar o valor, o desenvolvedor também terá que transmitir um hit adicional de forma a registrar que o usuário concluiu uma fase. Nesse exemplo, um evento será acionado assim que a fase for concluída e uma métrica personalizada será associada a esse evento.
A implementação terá esta aparência:
ga('create', 'UA-XXXX-Y', 'auto');
// Increment the level completion metric by 1.
ga('set', 'metric1', 1 );
// Send the custom metric value with an event hit.
ga('send', 'event', 'Level', 'completion');
Processamento
Antes do processamento, os dados de um único jogador que joga três fases em uma única sessão teriam esta aparência:
userId = 5555 Session 1 H1: type=screen_view screen_name=/level_1/ H2: type=event screen_name=/level_1/ cm1_value=1 H3: type=screen_view screen_name=/level_2/ H4: type=screen_view screen_name=/level_2/ H5: type=screen_view screen_name=/level_2/ H6: type=event screen_name=/level_2/ cm1_value=1 H7: type=screen_view screen_name=/level_3/ H8: type=event screen_name=/level_3/ cm1_value=1
Geração de relatórios
Após o processamento, o desenvolvedor pode criar um relatório que usa o nome da tela como a dimensão e as exibições de tela, o total de eventos e as conclusões da fase como a métrica.
| Nome da tela | Exibições de tela | Total de eventos | Conclusões de fase |
|---|---|---|---|
| /level_1/ | 1 | 1 | 1 |
| /level_2/ | 3 | 1 | 1 |
| /level_3/ | 1 | 1 | 1 |
Ao acompanhar as conclusões de fase como uma métrica personalizada, o desenvolvedor elimina a necessidade futura de filtrar os eventos de conclusão do total de eventos.
Como alternativa, o desenvolvedor pode criar com facilidade o relatório personalizado a seguir usando a métrica personalizada "Conclusões de fase":
| Nome da tela | Exibições de tela | Conclusões de fase |
|---|---|---|
| /level_1/ | 1 | 1 |
| /level_2/ | 3 | 1 |
| /level_3/ | 1 | 1 |
Os dados sugerem que a fase 2 é realmente mais difícil em comparação com as fases 1 e 3, já que ela tem uma taxa de conclusão de apenas 33% com base nas exibições de tela. Ao acompanhar as conclusões de fase como uma métrica personalizada, o desenvolvedor pode responder com facilidade perguntas sobre as principais métricas e criar relatórios simplificados para compartilhar com outras pessoas.
Exemplo de métrica personalizada no nível do produto
Nos exemplos acima, o desenvolvedor acompanha cada compra de um power-up. Existe um número de métricas que podem ser associadas a cada compra, como a quantidade e a receita do produto.
No entanto, ele lançou uma promoção recentemente que oferece a todos os usuários um crédito de R$ 100,00 e quer avaliar quais power-ups as pessoas compram usando o crédito.
Para determinar os créditos usados por compra de produto, o desenvolvedor usará uma nova métrica personalizada chamada "Créditos usados".
O relatório terá esta aparência:
| Dificuldade de power-ups | Receita do produto | Créditos usados |
|---|---|---|
| difícil | ||
| média | ||
| fácil |
Configuração
A métrica personalizada "Créditos usados" é definida na seção "Administrador" com estes valores:
| Índice | 2 |
| Nome | Créditos usados |
| Escopo | Produto |
| Tipo de formatação | Número inteiro |
| Ativo | verdadeiro |
Coleta
Assim como as dimensões personalizadas no nível do produto, as métricas personalizadas no mesmo nível são enviadas ao Google Analytics como parâmetros anexados aos dados do produto.
A implementação terá esta aparência:
ga('ec:addProduct', { // Provide product details in an productFieldObject.
'id': 'P12345', // Product ID (string).
'name': 'Powerup', // Product name (string).
'category': 'Extras', // Product category (string).
'variant': 'red', // Product variant (string).
'price': '10.00', // Product price (currency).
'quantity': 2, // Product quantity (number).
'dimension4': 'strong', // Product-scoped custom dimension (string).
'metric2': 5 // Product-scoped custom metric (integer).
});
ga('ec:setAction', 'purchase', {
'id': 'T12345',
'revenue': '20.00'
});
ga('send', 'pageview'); // Send transaction data with initial pageview.
Processamento
Antes do processamento, os dados de um único jogador que compra alguns power-ups têm esta aparência:
userId = 5555
Session 1
H1: type=screen_view screen_name=/level_1/
H2: type=screen_view screen_name=/level_2/
product_name=powerup cd4_value=weak cm2_value=5
product_name=powerup cd4_value=strong cm2_value=5
H4: type=screen_view screen_name=/level_2/
product_name=powerup cd4_value=medium cm2_value=1
product_name=powerup cd4_value=weak cm2_value=10
Geração de relatórios
Após o processamento, o desenvolvedor pode criar um relatório que usa "Dificuldade de power-up" como dimensão e "Receita do produto" e "Créditos usados" como métrica.
| Dificuldade de power-ups | Receita do produto | Créditos usados |
|---|---|---|
| fácil | 20 | 15 |
| difícil | 10 | 5 |
| média | 10 | 1 |
Os dados sugerem que os jogadores usam seus créditos em power-ups de dificuldade fácil. O desenvolvedor lucrou mais em power-ups de dificuldade média.
Considerações de implementação
Ao implementar dimensões ou métricas personalizadas, considere o seguinte:
Edição de uma dimensão ou métrica existente
Quando você edita o nome ou o escopo de uma dimensão ou métrica personalizada, seus dados podem ser afetados das seguintes maneiras:
- Editar o nome: afeta dados que já foram processados. Os dados antigos só poderão ser acessados com o novo nome.
- Editar o escopo: não afeta os dados que já foram processados. Apenas os novos dados serão processados usando o novo escopo.
- Alterar o estado ativo: o campo "Ativo" determina se os valores da métrica ou dimensão personalizada foram realmente processados. Lembre-se de que, quando o campo "Ativo" for
false, a dimensão ou métrica personalizada ainda aparecerá nos seus relatórios, mas, como esses valores não foram processados, eles não terão dados associados.
Planejamento antecipado ao definir o escopo
Ao decidir o escopo a ser usado para uma dimensão personalizada específica, considere a frequência com que você gostaria de alterar o valor. Se ele for um valor que pode mudar várias vezes durante uma sessão, como o nome de uma fase do jogo, use o escopo de hit e defina o valor antes de cada hit. Por outro lado, uma dimensão personalizada como o sexo poderia ser definida no nível do usuário apenas uma vez. Enviar um valor de sexo com cada hit exige um esforço desnecessário, e configurar uma dimensão personalizada que muda frequentemente com o escopo do usuário associaria incorretamente muitos hits a esse valor.
