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:
- DAU, WAU, MAU и Stickness Ratio (% DAU / MAU) (в разрезе устройств);
- Retention по неделям (в разрезе устройств);
- Среднее время сессии, среднее количество сессий на пользователя (в разрезе устройств);
- 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:
- Блог Севы Мироновича
- Блог Todd Kerpelman