이 페이지는 Cloud Translation API를 통해 번역되었습니다.

고급 사용 사례

이 문서에서는 Google 애널리틱스 Data API v1의 여러 고급 기능을 설명합니다. API에 관한 자세한 참조는 API 참조를 확인하세요.

맞춤 정의 나열 및 보고서 만들기

Data API는 등록된 맞춤 측정기준 및 맞춤 측정항목에 대한 보고서를 만들 수 있습니다. Metadata API 메서드를 사용하여 속성에 등록된 맞춤 정의의 API 이름을 나열할 수 있습니다. 예를 들어 runReport 메서드에 대한 보고서 요청에서 이러한 API 이름을 사용할 수 있습니다.

다음 섹션에서는 각 맞춤 정의 유형의 예를 보여줍니다. 이 예시에서 GA4_PROPERTY_ID를 속성 ID로 바꿉니다.

이벤트 범위 맞춤 측정기준

1단계: 속성 ID로 Metadata API 메서드를 쿼리합니다.

GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata

2단계: 응답에서 보고서를 만들려는 이벤트 범위 맞춤 측정기준을 찾습니다. 측정기준이 없는 경우 측정기준을 등록해야 합니다.

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

3단계: 보고서 요청에 맞춤 측정기준을 포함합니다. 다음은 runReport 메서드에 대한 샘플 요청입니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "2020-09-01", "endDate": "2020-09-15" }],
  "dimensions": [{ "name": "customEvent:achievement_id" }],
  "metrics": [{ "name": "eventCount" }]
}

사용자 범위 맞춤 측정기준

1단계: 속성 ID로 Metadata API 메서드를 쿼리합니다.

GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata

2단계: 응답에서 보고서를 만들려는 사용자 범위 맞춤 측정기준을 찾습니다. 측정기준이 없는 경우 측정기준을 등록해야 합니다.

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

3단계: 보고서 요청에 맞춤 측정기준을 포함합니다. 다음은 runReport 메서드에 대한 샘플 요청입니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
  "entity": { "propertyId": "GA4_PROPERTY_ID" },
  "dateRanges": [{ "startDate": "7daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "customUser:last_level" }],
  "metrics": [{ "name": "activeUsers" }]
}

이벤트 범위 맞춤 측정항목

1단계: 속성 ID로 Metadata API 메서드를 쿼리합니다.

GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata

2단계: 응답에서 보고서를 만들려는 이벤트 범위 맞춤 측정항목을 찾습니다. 측정항목이 없으면 측정항목을 등록해야 합니다.

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

3단계: 보고서 요청에 맞춤 측정항목을 포함합니다. 다음은 runReport 메서드에 대한 샘플 요청입니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "customEvent:credits_spent" }]
}

1회 전환에 대한 전환율 측정항목

1단계: 속성 ID로 Metadata API 메서드를 쿼리합니다.

GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata

2단계: 응답에서 보고서를 만들려는 전환 1회의 전환율 측정항목을 찾습니다. 전환 이벤트가 없는 경우 전환 이벤트를 설정해야 합니다.

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

3단계: 보고서 요청에 전환율 측정항목을 포함합니다. 다음은 runReport 메서드에 대한 샘플 요청입니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "30daysAgo", "endDate": "yesterday" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "sessionConversionRate:add_to_cart" }]
}

이벤트 범위 맞춤 측정항목 평균

1단계: 속성 ID로 Metadata API 메서드를 쿼리합니다.

GET https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID/metadata

2단계: 응답에서 보고서를 만들려는 이벤트 범위 맞춤 측정항목 평균을 찾습니다. 측정항목이 없으면 측정항목을 등록해야 합니다.

"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"
    },
...
],

3단계: 보고서 요청에 맞춤 측정항목 평균을 포함합니다. 다음은 runReport 메서드에 대한 샘플 요청입니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_PROPERTY_ID:runReport
{
  "dateRanges": [{ "startDate": "2020-11-01", "endDate": "2020-11-10" }],
  "dimensions": [{ "name": "eventName" }],
  "metrics": [{ "name": "averageCustomEvent:credits_spent" }]
}

동질 집단 보고서의 예

동질 집단 보고서에서는 동질 집단의 사용자 유지율을 시계열로 확인할 수 있습니다. 각 API 필드에 관한 자세한 내용은 CohortSpec의 REST 참조를 확인하세요.

동질 집단 보고서 만들기

다음은 동질 집단 보고서 샘플입니다.

동질 집단은 firstSessionDate가 2020-12-01인 사용자로, cohorts 객체로 구성됩니다. 보고서 응답의 측정기준과 측정항목은 동질 집단의 사용자만을 기반으로 합니다.
동질 집단 보고서에는 3개의 열이 표시됩니다. 이 열은 측정기준 및 측정항목 객체로 구성됩니다.
- 측정기준 cohort은 동질 집단의 이름입니다.
- cohortNthDay 측정기준은 2020-12-01 이후 경과한 일수입니다.
- cohortActiveUsers 측정항목은 아직 활성 상태인 사용자 수입니다.
cohortsRange 객체는 이 동질 집단에 대해 2020-12-01에서 시작하고 2020-12-06로 끝나는 이벤트 데이터를 보고서에 포함해야 함을 지정합니다.
- DAILY의 세부사항을 사용하는 경우 일관성을 위해 측정기준 cohortNthDay를 사용하는 것이 좋습니다.

동질 집단에 대한 보고서 요청은 다음과 같습니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_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"
    }
  },
}

이 요청에 대한 보고서 응답의 예는 다음과 같습니다.

{
  "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
}

이 보고서 응답에서 이 동질 집단 보고서의 차트가 이어집니다. 이 보고서의 유용한 정보에 따르면 이 동질 집단의 활성 사용자 수가 1일과 2일 사이가 가장 크다는 것입니다.

시간 경과에 따른 동질 집단 사용자 시각화

여러 동질 집단 및 사용자 유지율 비율

사용자 획득 및 유지는 웹사이트 또는 앱을 성장시키는 방법입니다. 동질 집단 보고서는 사용자 유지에 초점을 맞춥니다. 이 예의 보고서는 이 속성이 2주 동안 4일 사용자 유지율이 10% 향상되었음을 보여줍니다.

이 보고서를 만들기 위해 세 가지 동질 집단을 지정합니다. 첫 번째는 firstSessionDate가 2020-11-02이고, 두 번째는 firstSessionDate가 2020-11-09이고, 세 번째는 firstSessionDate가 2020-11-16입니다. 이 3일 동안 속성의 사용자 수가 달라지므로 직접 cohortActiveUsers 측정항목을 사용하는 대신 동질 집단의 사용자 유지율 비율 측정항목 cohortActiveUsers/cohortTotalUsers를 비교합니다.

이러한 동질 집단에 대한 보고서 요청은 다음과 같습니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_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"
    }
  },
}

이 요청에 대한 보고서 응답의 예는 다음과 같습니다.

{
  "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
}

이 보고서 응답에서 이 동질 집단 보고서의 차트가 이어집니다. 이 보고서를 통해 4일 사용자 유지율이 2주 동안 10% 증가한 것으로 나타났습니다. firstSessionDate가 2020-11-16인 후반 사용자 집단이 firstSessionDate가 2020-11-02인 이전 동질 집단의 유지율을 초과합니다.

여러 동질 집단 유지율 차트

주간 사용자 집단 및 다른 API 기능과 함께 사용자 집단 사용하기

사용자 행동의 일상적인 편차를 제거하려면 주간 동질 집단을 사용하세요. 주간 동질 집단 보고서에서 같은 주의 firstSessionDate이 있는 모든 사용자가 동질 집단을 형성합니다. 주는 일요일에 시작하여 토요일에 끝납니다. 또한 이 보고서에서는 사용자 집단을 분류하여 러시아에서의 활동이 있는 사용자와 멕시코에서의 활동이 있는 사용자를 비교합니다. 이 슬라이싱에서는 country 측정기준과 dimensionFilter을 사용하여 두 국가만 고려합니다.

이러한 동질 집단에 대한 보고서 요청은 다음과 같습니다.

POST https://analyticsdata.googleapis.com/v1beta/properties/GA4_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"
    }
  },
}

이 요청에 대한 보고서 응답의 예는 다음과 같습니다.

{
  "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
}

이 보고서 응답에서 동질 집단 보고서의 차트가 이어집니다. 이 보고서에 따르면 이 속성은 러시아에서 활동이 있는 사용자보다 멕시코에서 활동하는 사용자를 유지하는 데 더 효과적입니다.

국가 비교 동질 집단 차트