উন্নত ব্যবহারের ক্ষেত্রে

এই ডকুমেন্টটি Google Analytics Data API v1 এর বেশ কিছু উন্নত বৈশিষ্ট্য বর্ণনা করে। API এর বিস্তারিত রেফারেন্সের জন্য, API রেফারেন্স দেখুন।

কাস্টম সংজ্ঞা তালিকাভুক্ত করুন এবং প্রতিবেদন তৈরি করুন

ডেটা এপিআই নিবন্ধিত কাস্টম ডাইমেনশন এবং কাস্টম মেট্রিক্সের উপর প্রতিবেদন তৈরি করতে পারে। মেটাডেটা এপিআই পদ্ধতিটি আপনার সম্পত্তির নিবন্ধিত কাস্টম সংজ্ঞাগুলির এপিআই নামগুলি তালিকাভুক্ত করতে ব্যবহার করা যেতে পারে। উদাহরণস্বরূপ, এই এপিআই নামগুলি রানরিপোর্ট পদ্ধতিতে রিপোর্ট অনুরোধে ব্যবহার করা যেতে পারে।

নিম্নলিখিত বিভাগগুলিতে প্রতিটি ধরণের কাস্টম সংজ্ঞার উদাহরণ দেখানো হয়েছে। এই উদাহরণগুলিতে, GA_PROPERTY_ID আপনার Property ID দিয়ে প্রতিস্থাপন করুন।

ইভেন্ট-স্কোপযুক্ত কাস্টম মাত্রা

ধাপ ১: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা API পদ্ধতিটি অনুসন্ধান করুন।

GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata

ধাপ ২: প্রতিক্রিয়া থেকে আপনি যে ইভেন্ট-স্কোপড কাস্টম ডাইমেনশনের উপর প্রতিবেদন তৈরি করতে আগ্রহী তা খুঁজুন। যদি ডাইমেনশনটি উপস্থিত না থাকে, তাহলে আপনাকে ডাইমেনশনটি নিবন্ধন করতে হবে।

"dimensions": [
...
    {
      "apiName": "customEvent:achievement_id",
      "uiName": "Achievement ID",
      "description": "An event scoped custom dimension for your Analytics property."
    },
...
],

ধাপ ৩: একটি রিপোর্ট অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। নিচে runReport পদ্ধতিতে একটি নমুনা অনুরোধ দেওয়া হল।

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "2020-09-01", "endDate": "2020-09-15" }],
  "dimensions": [{ "name": "customEvent:achievement_id" }],
  "metrics": [{ "name": "eventCount" }]
}

ব্যবহারকারী-পরিধিযুক্ত কাস্টম মাত্রা

ধাপ ১: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা API পদ্ধতিটি অনুসন্ধান করুন।

GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata

ধাপ ২: প্রতিক্রিয়া থেকে আপনি যে ব্যবহারকারী-পরিবেশিত কাস্টম মাত্রার উপর প্রতিবেদন তৈরি করতে আগ্রহী তা খুঁজুন। যদি মাত্রাটি উপস্থিত না থাকে, তাহলে আপনাকে মাত্রাটি নিবন্ধন করতে হবে।

"dimensions": [
...
    {
      "apiName": "customUser:last_level",
      "uiName": "Last level",
      "description": "A user property for your Analytics property."
    },
...
],

ধাপ ৩: একটি রিপোর্ট অনুরোধে কাস্টম মাত্রা অন্তর্ভুক্ত করুন। নিচে runReport পদ্ধতিতে একটি নমুনা অনুরোধ দেওয়া হল।

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "entity": { "propertyId": "GA_PROPERTY_ID" },
  "dateRanges": [{ "startDate": "7daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "customUser:last_level" }],
  "metrics": [{ "name": "activeUsers" }]
}

ইভেন্ট-স্কোপযুক্ত কাস্টম মেট্রিক্স

ধাপ ১: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা API পদ্ধতিটি অনুসন্ধান করুন।

GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata

ধাপ ২: প্রতিক্রিয়া থেকে আপনি যে ইভেন্ট-স্কোপড কাস্টম মেট্রিকটি তৈরি করতে আগ্রহী তা খুঁজুন। যদি মেট্রিকটি উপস্থিত না থাকে, তাহলে আপনাকে মেট্রিকটি নিবন্ধন করতে হবে।

"metrics": [
...
    {
      "apiName": "customEvent:credits_spent",
      "uiName": "Credits Spent",
      "description": "An event scoped custom metric for your Analytics property.",
      "type": "TYPE_STANDARD"
    },
...
],

ধাপ ৩: একটি রিপোর্ট অনুরোধে কাস্টম মেট্রিক অন্তর্ভুক্ত করুন। নিচে runReport পদ্ধতিতে একটি নমুনা অনুরোধ দেওয়া হল।

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "customEvent:credits_spent" }]
}

একটি গুরুত্বপূর্ণ ইভেন্টের জন্য গুরুত্বপূর্ণ ইভেন্ট রেট মেট্রিক্স

ধাপ ১: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা API পদ্ধতিটি অনুসন্ধান করুন।

GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata

ধাপ ২: আপনি যে কী ইভেন্টের উপর প্রতিবেদন তৈরি করতে আগ্রহী তার জন্য কী ইভেন্ট রেট মেট্রিক খুঁজুন। যদি কী ইভেন্টটি উপস্থিত না থাকে, তাহলে আপনাকে কী ইভেন্টটি সেট আপ করতে হবে।

"metrics": [
...
    {
      "apiName": "sessionKeyEventRate:add_to_cart",
      "uiName": "Session key event rate for add_to_cart",
      "description": "The percentage of sessions in which a specific key event was triggered",
    },
...
],

ধাপ ৩: একটি রিপোর্ট অনুরোধে মূল ইভেন্ট রেট মেট্রিক অন্তর্ভুক্ত করুন। নিচে runReport পদ্ধতিতে একটি নমুনা অনুরোধ দেওয়া হল।

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "sessionKeyEventRate:add_to_cart" }]
}

ইভেন্ট-স্কোপযুক্ত কাস্টম মেট্রিক গড়

ধাপ ১: আপনার প্রপার্টি আইডি দিয়ে মেটাডেটা API পদ্ধতিটি অনুসন্ধান করুন।

GET https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID/metadata

ধাপ ২: প্রতিক্রিয়া থেকে আপনি যে ইভেন্ট-স্কোপড কাস্টম মেট্রিক গড় সম্পর্কে প্রতিবেদন তৈরি করতে আগ্রহী তা খুঁজুন। যদি মেট্রিকটি উপস্থিত না থাকে, তাহলে আপনাকে মেট্রিকটি নিবন্ধন করতে হবে।

"metrics": [
...
    {
      "apiName": "averageCustomEvent:credits_spent",
      "uiName": "Average Credits Spent",
      "description": "The average of an event scoped custom metric for your Analytics property.",
      "type": "TYPE_STANDARD"
    },
...
],

ধাপ ৩: একটি রিপোর্ট অনুরোধে কাস্টম মেট্রিক গড় অন্তর্ভুক্ত করুন। নিচে runReport পদ্ধতিতে একটি নমুনা অনুরোধ দেওয়া হল।

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "2020-11-01", "endDate": "2020-11-10" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "averageCustomEvent:credits_spent" }]
}

কোহর্ট রিপোর্টের উদাহরণ

কোহর্ট রিপোর্টগুলি কোহর্টের জন্য ব্যবহারকারী ধরে রাখার একটি সময় সিরিজ তৈরি করে। প্রতিটি API ক্ষেত্রের বিস্তারিত ডকুমেন্টেশনের জন্য, CohortSpec এর REST রেফারেন্স দেখুন।

একটি কোহর্ট রিপোর্ট তৈরি করুন

এখানে একটি নমুনা কোহর্ট রিপোর্ট দেওয়া হল যেখানে:

• কোহর্ট হলো সেইসব ব্যবহারকারী যাদের firstSessionDate 2020-12-01 ; এটি cohorts অবজেক্ট দ্বারা কনফিগার করা হয়েছে। রিপোর্টের প্রতিক্রিয়ায় মাত্রা এবং মেট্রিক্স শুধুমাত্র কোহর্টের ব্যবহারকারীদের উপর ভিত্তি করে তৈরি করা হবে।
• কোহর্ট রিপোর্টে তিনটি কলাম দেখাবে; এটি মাত্রা এবং মেট্রিক্স অবজেক্ট দ্বারা কনফিগার করা হয়েছে।
  • মাত্রা cohort হল কোহর্টের নাম।
  • মাত্রা cohortNthDay হল 2020-12-01 থেকে দিনের সংখ্যা।
  • মেট্রিক cohortActiveUsers হল এখনও সক্রিয় ব্যবহারকারীর সংখ্যা।
• cohortsRange অবজেক্টটি নির্দিষ্ট করে যে রিপোর্টে এই কোহর্টের জন্য 2020-12-01 থেকে শুরু করে 2020-12-06 তারিখে শেষ হওয়া ইভেন্ট ডেটা থাকা উচিত।
  • যখন DAILY এর গ্র্যানুলারিটি ব্যবহার করা হয়, তখন ধারাবাহিকতার জন্য মাত্রা cohortNthDay সুপারিশ করা হয়।

দলটির জন্য রিপোর্ট অনুরোধটি হল:

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dimensions": [{ "name": "cohort" }, { "name": "cohortNthDay" }],
  "metrics": [{ "name": "cohortActiveUsers" }],
  "cohortSpec": {
    "cohorts": [
      {
        "dimension": "firstSessionDate",
        "dateRange": { "startDate": "2020-12-01", "endDate": "2020-12-01" }
      }
    ],
    "cohortsRange": {
      "endOffset": 5,
      "granularity": "DAILY"
    }
  },
}

এই অনুরোধের জন্য, একটি উদাহরণ প্রতিবেদন প্রতিক্রিয়া হল:

{
  "dimensionHeaders": [
    { "name": "cohort" }, { "name": "cohortNthDay" }
  ],
  "metricHeaders": [
    { "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
  ],
  "rows": [
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
      "metricValues": [{ "value": "293" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
      "metricValues": [{ "value": "143" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
      "metricValues": [{ "value": "123" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
      "metricValues": [{ "value": "92" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0005" }],
      "metricValues": [{ "value": "86" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
      "metricValues": [{ "value": "83" }]
    }
  ],
  "metadata": {},
  "rowCount": 6
}

এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট দেওয়া হল। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি পাওয়া যায় যে এই কোহর্টের সক্রিয় ব্যবহারকারীদের সংখ্যা সবচেয়ে বেশি হ্রাস পেয়েছে প্রথম এবং দ্বিতীয় দিনের মধ্যে।

একাধিক কোহর্ট এবং ব্যবহারকারী ধরে রাখার ভগ্নাংশ

ব্যবহারকারী অর্জন এবং ধরে রাখা আপনার ওয়েবসাইট বা অ্যাপকে বৃদ্ধি করার উপায়। কোহর্টের প্রতিবেদনগুলি ব্যবহারকারী ধরে রাখার উপর জোর দেয়। এই উদাহরণে, প্রতিবেদনটি দেখায় যে এই সম্পত্তিটি দুই সপ্তাহের মধ্যে 4 দিনের ব্যবহারকারী ধরে রাখার ক্ষমতা 10% উন্নত করেছে।

এই প্রতিবেদনটি তৈরি করার জন্য, আমরা তিনটি কোহর্ট নির্দিষ্ট করেছি: প্রথমটি যার firstSessionDate 2020-11-02 , দ্বিতীয়টি যার firstSessionDate 2020-11-09 , এবং তৃতীয়টি যার firstSessionDate 2020-11-16 . যেহেতু আপনার সম্পত্তিতে ব্যবহারকারীর সংখ্যা এই তিন দিনের জন্য আলাদা হবে, তাই আমরা সরাসরি cohortActiveUsers মেট্রিক ব্যবহার করার পরিবর্তে কোহর্টের ব্যবহারকারী ধরে রাখার ভগ্নাংশ মেট্রিক cohortActiveUsers/cohortTotalUsers এর তুলনা করি।

এই দলগুলির জন্য রিপোর্ট অনুরোধটি হল:

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dimensions": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
  "metrics": [
    {
      "name": "cohortRetentionFraction",
      "expression": "cohortActiveUsers/cohortTotalUsers"
    }
  ],
  "cohortSpec": {
    "cohorts": [
      {
        "dimension": "firstSessionDate",
        "dateRange": { "startDate": "2020-11-02", "endDate": "2020-11-02" }
      },
      {
        "dimension": "firstSessionDate",
        "dateRange": { "startDate": "2020-11-09", "endDate": "2020-11-09" }
      },
      {
        "dimension": "firstSessionDate",
        "dateRange": { "startDate": "2020-11-16", "endDate": "2020-11-16" }
      }
    ],
    "cohortsRange": {
      "endOffset": 4,
      "granularity": "DAILY"
    }
  },
}

এই অনুরোধের জন্য, একটি উদাহরণ প্রতিবেদন প্রতিক্রিয়া হল:

{
  "dimensionHeaders": [{ "name": "cohort" },{ "name": "cohortNthDay" }],
  "metricHeaders": [{
      "name": "cohortRetentionFraction",
      "type": "TYPE_FLOAT"
    }
  ],
  "rows": [
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0000" }],
      "metricValues": [{ "value": "1" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_1" },{ "value": "0000" }],
      "metricValues": [{ "value": "1" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_2" },{ "value": "0000" }],
      "metricValues": [{ "value": "1" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_2" },{ "value": "0001" }],
      "metricValues": [{ "value": "0.308" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_1" },{ "value": "0001" }],
      "metricValues": [{ "value": "0.272" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_2" },{ "value": "0002" }],
      "metricValues": [{ "value": "0.257" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0001" }],
      "metricValues": [{ "value": "0.248" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_2" },{ "value": "0003" }],
      "metricValues": [{ "value": "0.235" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_2" },{ "value": "0004" }],
      "metricValues": [{ "value": "0.211" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_1" },{ "value": "0002" }],
      "metricValues": [{ "value": "0.198" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0002" }],
      "metricValues": [{ "value": "0.172" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_1" },{ "value": "0003" }],
      "metricValues": [{ "value": "0.167" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_1" },{ "value": "0004" }],
      "metricValues": [{ "value": "0.155" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0003" }],
      "metricValues": [{ "value": "0.141" }]
    },
    {
      "dimensionValues": [{ "value": "cohort_0" },{ "value": "0004" }],
      "metricValues": [{ "value": "0.118" }]
    }
  ],
  "metadata": {},
  "rowCount": 15
}

এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট রিপোর্টের জন্য একটি চার্ট দেওয়া হল। এই প্রতিবেদন থেকে একটি অন্তর্দৃষ্টি পাওয়া যায় যে দুই সপ্তাহের মধ্যে ৪ দিনের ব্যবহারকারী ধরে রাখার হার ১০% বৃদ্ধি পেয়েছে। 2020-11-16 সালের firstSessionDate সহ পরবর্তী কোহর্টটি 2020-11-02 সালের firstSessionDate সহ পূর্ববর্তী কোহর্টের ধরে রাখার হারকে ছাড়িয়ে গেছে।

সাপ্তাহিক কোহর্ট এবং অন্যান্য API বৈশিষ্ট্য সহ কোহর্ট ব্যবহার

ব্যবহারকারীর আচরণে প্রতিদিনের তারতম্য দূর করতে, সাপ্তাহিক কোহর্ট ব্যবহার করুন। সাপ্তাহিক কোহর্ট রিপোর্টে, একই সপ্তাহে firstSessionDate সহ সকল ব্যবহারকারীই কোহর্ট গঠন করে। সপ্তাহগুলি রবিবার শুরু হয় এবং শনিবার শেষ হয়। এছাড়াও এই রিপোর্টে, আমরা রাশিয়ার কার্যকলাপের ব্যবহারকারীদের সাথে মেক্সিকোর কার্যকলাপের ব্যবহারকারীদের তুলনা করার জন্য কোহর্টটি কেটে ফেলছি। এই স্লাইসিংয়ে country মাত্রা এবং একটি dimensionFilter ব্যবহার করা হয়েছে যা শুধুমাত্র দুটি দেশ বিবেচনা করে।

এই দলগুলির জন্য রিপোর্ট অনুরোধটি হল:

POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
{
  "dimensions": [
    { "name": "cohort" },
    { "name": "cohortNthWeek" },
    { "name": "country" }
  ],
  "metrics": [{ "name": "cohortActiveUsers" }],
  "dimensionFilter": {
    "filter": {
      "fieldName": "country",
      "inListFilter": {
        "values": [ "Russia", "Mexico" ]
      }
    }
  },
  "cohortSpec": {
    "cohorts": [
      {
        "dimension": "firstSessionDate",
        "dateRange": {
          "startDate": "2020-10-04",
          "endDate": "2020-10-10"
        }
      }
    ],
    "cohortsRange": {
      "endOffset": 5,
      "granularity": "WEEKLY"
    }
  },
}

এই অনুরোধের জন্য, একটি উদাহরণ প্রতিবেদন প্রতিক্রিয়া হল:

{
  "dimensionHeaders": [
    { "name": "cohort" },
    { "name": "cohortNthWeek" },
    { "name": "country" }
  ],
  "metricHeaders": [
    { "name": "cohortActiveUsers", "type": "TYPE_INTEGER" }
  ],
  "rows": [
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0000" },{ "value": "Russia" }
      ],
      "metricValues": [{ "value": "105" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0000" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "98" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0001" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "35" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0002" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "24" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0001" },{ "value": "Russia" }
      ],
      "metricValues": [{ "value": "23" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0004" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "17" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0003" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "15" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0005" },{ "value": "Mexico" }
      ],
      "metricValues": [{ "value": "15" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0002" },{ "value": "Russia" }
      ],
      "metricValues": [{ "value": "3" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0003" },{ "value": "Russia" }
      ],
      "metricValues": [{ "value": "1" }]
    },
    {
      "dimensionValues": [
        { "value": "cohort_0" },{ "value": "0004" },{ "value": "Russia" }
      ],
      "metricValues": [{ "value": "1" }]
    }
  ],
  "metadata": {},
  "rowCount": 11
}

এই প্রতিবেদনের প্রতিক্রিয়া থেকে, এই কোহর্ট প্রতিবেদনের একটি চার্ট অনুসরণ করা হয়েছে। এই প্রতিবেদনের উপর ভিত্তি করে, এই সম্পত্তি রাশিয়ার কার্যকলাপযুক্ত ব্যবহারকারীদের তুলনায় মেক্সিকোতে কার্যকলাপযুক্ত ব্যবহারকারীদের ধরে রাখার ক্ষেত্রে আরও ভালো কাজ করছে।

তুলনা

তুলনা আপনাকে আপনার ডেটার উপসেটগুলি পাশাপাশি মূল্যায়ন করতে দেয়। আপনি একটি রিপোর্ট সংজ্ঞায় comparisons ক্ষেত্রটি নির্দিষ্ট করে তুলনা সংজ্ঞায়িত করতে পারেন। ডেটা API-এর তুলনা বৈশিষ্ট্যটি Google Analytics ফ্রন্টএন্ডের তুলনার অনুরূপ।

প্রতিটি API ক্ষেত্রের বিস্তারিত ডকুমেন্টেশনের জন্য, তুলনার জন্য REST রেফারেন্সটি দেখুন।

একটি তুলনা তৈরি করুন

আপনি যে ডেটাসেট তুলনা করতে চান তার জন্য একটি পৃথক তুলনা তৈরি করতে পারেন। উদাহরণস্বরূপ, অ্যাপ এবং ওয়েব ডেটা তুলনা করার জন্য, আপনি অ্যান্ড্রয়েড এবং iOS ডেটার জন্য একটি তুলনা তৈরি করতে পারেন এবং ওয়েব ডেটার জন্য আরেকটি তুলনা তৈরি করতে পারেন।

এখানে একটি নমুনা প্রতিবেদন দেওয়া হল যা দুটি তুলনা সংজ্ঞায়িত করে এবং দেশ অনুসারে বিভক্ত সক্রিয় ব্যবহারকারীদের দেখায়।

"অ্যাপ ট্র্যাফিক" নামের প্রথম তুলনাটি হল inListFilter ব্যবহার করে platform মাত্রা "iOS" এবং "Android" এর সাথে মেলানো। "ওয়েব ট্র্যাফিক" নামের দ্বিতীয় তুলনাটি "ওয়েব" এর সাথে platform মাত্রা মেলানোর জন্য stringFilter ব্যবহার করে।

  POST https://analyticsdata.googleapis.com/v1beta/properties/GA_PROPERTY_ID:runReport
  {
    "comparisons": [
      {
        "name": "App traffic",
        "dimensionFilter": {
          "filter": {
            "fieldName": "platform",
            "inListFilter": {
              "values": [
                "iOS",
                "Android"
              ]
            }
          }
        }
      },
      {
        "name": "Web traffic",
        "dimensionFilter": {
          "filter": {
            "fieldName": "platform",
            "stringFilter": {
              "matchType": "EXACT",
              "value": "web"
            }
          }
        }
      }
    ],
    "dateRanges": [
      {
        "startDate": "2024-05-01",
        "endDate": "2024-05-15"
      }
    ],
    "dimensions": [
      {
        "name": "country"
      }
    ],
    "metrics": [
      {
        "name": "activeUsers"
      }
    ]
  }

তুলনা বৈশিষ্ট্য ব্যবহার করে সমস্ত অনুরোধের জন্য, ক্ষেত্রের comparison স্বয়ংক্রিয়ভাবে তৈরি প্রতিবেদনে যোগ করা হয়। এই ক্ষেত্রে অনুরোধে প্রদত্ত তুলনার নাম রয়েছে।

এখানে তুলনামূলক উত্তরের একটি নমুনা স্নিপেট দেওয়া হল:

{
  "dimensionHeaders": [
    {
      "name": "comparison"
    },
    {
      "name": "country"
    }
  ],
  "metricHeaders": [
    {
      "name": "activeUsers",
      "type": "TYPE_INTEGER"
    }
  ],
  "rows": [
    {
      "dimensionValues": [
        {
          "value": "Web traffic"
        },
        {
          "value": "United States"
        }
      ],
      "metricValues": [
        {
          "value": "638572"
        }
      ]
    },
    {
      "dimensionValues": [
        {
          "value": "Web traffic"
        },
        {
          "value": "Japan"
        }
      ],
      "metricValues": [
        {
          "value": "376578"
        }
      ]
    },
  {
      "dimensionValues": [
        {
          "value": "App traffic"
        },
        {
          "value": "United States"
        }
      ],
      "metricValues": [
        {
          "value": "79527"
        }
      ]
    },

    ...

  ],

...

}