במדריך הזה מוסבר מידע חשוב על הנתונים שמופיעים בדוחות שנוצרו באמצעות Google Analytics Data API. משתמשים נתקלים לעיתים קרובות בהבדלים בין הנתונים שמוחזרים על ידי ה-API (במיוחד השיטה runReport) לבין הנתונים שמוצגים בממשק המשתמש של Google Analytics.
דגימה וצבירת נתונים
השיטה runReport של Google Analytics Data API יכולה להחזיר נתונים שנדגמו, במיוחד בקבוצות נתונים גדולות או בשאילתות מורכבות. גם בממשק המשתמש של Google Analytics מתבצעת דגימה, אבל יכול להיות שערכי הסף והאלגוריתמים הספציפיים יהיו שונים, מה שיוביל להבדלים קלים בערכים המדווחים.
כדי להבין אם תוצאות הדוח מבוססות על קבוצת משנה של הנתונים הזמינים, בודקים את השדה samplingMetadatas של האובייקט ResponseMetaData. אם תוצאות הדוח נדגמו, השדה הזה מתאר את אחוז האירועים ששימשו בדוח הזה.
שיטות דיווח מסוימות של Google Analytics Data API מאפשרות לציין את רמת הדגימה הרצויה. אתם יכולים להשתמש בשדה samplingLevel של השיטה properties.reportTasks.create כדי לקבוע את רמת הדגימה של הדוח.
התכונה הזו מאפשרת לנכסי Google Analytics 360 לגשת למגבלות דגימה גבוהות יותר של מיליארד אירועים. בנוסף, אפשר להגדיר את מגבלות הדגימה לערך UNSAMPLED כדי להשתמש בתוצאות ללא דגימה בספירות גדולות של אירועים.
מידע נוסף זמין במאמר מידע על דגימת נתונים.
חישוב המספר המשוער של הסשנים הייחודיים
Google Analytics Data API משתמש באלגוריתם HyperLogLog++ (HLL++) כדי להעריך את המספרים הייחודיים של מדדים כמו "משתמשים פעילים" ו"סשנים". הגישה הזו משמשת ב-API ובממשק המשתמש של Google Analytics כדי לשפר את הביצועים ולנהל קבוצות נתונים גדולות ביעילות, כלומר התוצאות הן הערכות ולא ספירות מדויקות.
לקבלת הקשר נוסף, אפשר לעיין במקורות המידע הבאים: חישוב המספר המשוער של משתמשים וסשנים ייחודיים ב-Google Analytics והבדלים במספרי המשתמשים.
ערכי סף להצגת נתונים
מערכת Google Analytics עשויה להחיל ערכי סף להצגת נתונים בדוחות כדי למנוע זיהוי של משתמשים ספציפיים על סמך מאפיינים דמוגרפיים, תחומי עניין או אותות אחרים שקיימים בנתונים.
אם שורה בדוח מכילה מספר קטן של משתמשים, יכול להיות שהיא לא תיכלל בתוצאות. זה קורה לעיתים קרובות יותר בדוחות שכוללים מאפיינים בעלי עוצמה גבוהה או מאפיינים מותאמים אישית.
כדי להבין אם הדוח הזה כפוף לסף, בודקים את השדה subjectToThresholding של האובייקט ResponseMetaData.
מידע נוסף זמין במאמר ערכי סף להצגת נתונים.
השורה (other)
אם למאפיין יש עוצמה גבוהה, מערכת Google Analytics עשויה לקבץ ערכים פחות נפוצים בשורה שמסומנת בתווית (other). זה קורה יותר בדוחות שכוללים מאפיינים עם יותר מ-500 ערכים ייחודיים ביום.
כשמשתמשים במסננים ב-Data API, חשוב לזכור שהמסננים לא בודקים את השורה (other), והם מופעלים אחרי שהנתונים נצברים והשורה (other) נוצרת.
כדי להבין אם דוח מכיל נתונים שסוכמו בשורה (other), בודקים את השדה dataLossFromOtherRow של האובייקט ResponseMetaData.
מידע נוסף זמין במאמר השורה (אחר) ב-Google Analytics.
זיהוי של מי שמדווח
הזיהוי של מי שמדווח קובע איך המערכת מבטלת כפילויות של משתמשים בדוחות. הגדרות זהות שונות (כמו "משולב" או "מבוסס-מכשיר") יכולות להוביל לספירות שונות של משתמשים באותו טווח תאריכים.
גם ממשק המשתמש של Google Analytics וגם Data API משתמשים באותה הגדרה של זיהוי של מי שמדווח בנכס. אם ההגדרה הזו תשתנה, היא תשפיע על הדוחות גם בממשק המשתמש וגם ב-API. אם ההגדרה משתנה בין הרצת דוח בממשק המשתמש לבין קבלת נתוני הדוח דרך ה-API, יכול להיות שיהיו הבדלים במספר המשתמשים בין שני הדוחות לאותו טווח תאריכים.
רמת הפירוט של השאילתה
כדי לצמצם את הפערים, ודאו שהפרמטרים הבאים בבקשת ה-API תואמים בדיוק להגדרות בדוח בממשק המשתמש של Google Analytics:
- טווחי תאריכים: ודאו שתאריכי ההתחלה והסיום זהים.
- מאפיינים ומדדים: ודאו שהמאפיינים והמדדים בבקשת ה-API זהים למאפיינים ולמדדים בדוח בממשק המשתמש של Google Analytics.
- מסננים: ודאו שכל מסנני המאפיינים או המדדים שהוחלו בבקשת ה-API תואמים לאלה שבהם נעשה שימוש בממשק המשתמש.
הוספת מאפיינים לדוח יכולה להוביל לכך שפחות אירועים ישמשו בחישובים. הדוח כולל רק אירועים שמכילים נתונים של המאפיינים המבוקשים. כתוצאה מכך, הוספת מאפיינים לשאילתה יכולה לשנות את הערכים המצטברים של המדדים בדוח.
עדכניות הנתונים
למערכת Google Analytics לוקח זמן לעבד ולצבור נתוני אירועים. כשעובדים עם נתונים עדכניים מאוד, יכול להיות שיהיו הבדלים קלים בין הדוחות אם יש עיכוב בזמן בין שליפות הנתונים. לדוגמה, אם אתם צופים בדוח בממשק המשתמש ואז שולחים שאילתה ל-API לגבי אותו דוח כמה דקות לאחר מכן, יכול להיות שהנתונים ישתנו בגלל העיבוד והצבירה המתמשכים.
חלופות לנתונים ללא דגימה
אם אתם צריכים נתונים מלאים ברמת האירוע, ללא דגימה, כדאי להשתמש באחת מהאפשרויות הבאות:
BigQuery Export: BigQuery Export ל-Google Analytics
היא השיטה המומלצת לניתוח מתקדם של נתוני אירועים גולמיים.
Analytics 360: לנכסים עם רישיון Analytics 360 יש מגבלות דגימה גבוהות יותר וגישה לתכונות דיווח מפורטות יותר.