В чем сила Google BigQuery: как маркетологу извлечь максимум из данных

В своей работе я нередко сталкиваюсь с тем, что маркетологи упираются в ограничения Google Analytics и от этого страдает точность и качество их отчетов. При этом обойти эти ограничения можно, оставаясь в инфраструктуре Google. В статье расскажу, как с помощью Google BigQuery решить эту проблему и получить максимум от данных.

В чем измеряется эффективность отчета

Анализ в маркетинге всегда начинается с формулировки конкретных вопросов и целей. Например, понять, какие процессы происходят в бизнесе, какая динамика его развития, какие каналы приносят деньги, а какие не стоят вложений.

Задача отчета — ответить на конкретный вопрос. Эта задача решается путем измерения и сравнения нужных показателей, чтобы получить понятную картину из цифр. Именно этот результат и должен ответить на изначальные вопросы и помочь решить, что делать дальше.

Если на этапе подготовки отчета вы что-то упустили из виду или не учли, отчет уже нельзя будет назвать точным и эффективным. Как результат — риск принять неправильное решение, потерять деньги и, что даже более важно, время.

В чем сила Google BigQuery: как маркетологу извлечь максимум из данных

Отчеты Google Analytics

Для сбора данных из рекламных сервисов и построения отчетов маркетологи часто используют Google Analytics. Основная версия этого сервиса — бесплатна. Кроме того, сервис — часть инфраструктуры Google, что объясняет легкость интеграции с его другими продуктами.

Тем не менее, в Google Analytics существует ряд ограничений, которые не позволяют извлечь из данных максимум — то есть можно оценить лишь часть общей картины. Например:

  • Семплирование. Это, пожалуй, одно из главных ограничений:, Google Analytics строит отчет только на части данных. Как результат — такой отчет нельзя будет считать объективным, а цифры — точными.
  • Агрегированные данные. Для каждого представления в ресурсе Google Analytics формирует таблицы, в которых часть от полных данных отфильтрована по определенным параметрам, например, по пользователям (users::condition::) или по сессиям (sessions::condition::). Таким образом, невозможно получить объективный взгляд на действия пользователей без дополнительной обработки, то есть анализировать сырые данные.
  • Время обработки данных. В среднем обработка занимает от 24 до 48 часов, поэтому быстро тестировать гипотезы и следить за эффективностью рекламы в реальном времени не получится. Учитывая то, что ценность информации со временем снижается, этот фактор довольно критичный.
  • Сложно интегрировать с сервисами, которые не являются частью Google. Подключить данные из Google-сервисов будет довольно просто, но данные из других источников придется загружать вручную или использовать ETL-сервисы по типу OWOX BI, Funnel.io.
  • Нельзя автоматически загружать данные из СRМ и офлайн источников. Единственная возможность добавить в отчеты такие данные — загрузить их вручную.

В итоге, несмотря на то, что с помощью Google Analytics действительно можно собрать данные о рекламе и даже построить отчеты, многое остается «за кадром». Например, можно решить отключить рекламу, которая, согласно отчету, приносит мало конверсий. Но если данных недостаточно (например, вы не учли ROPO-продажи), действительно ли проблема в этом канале можно будет понять только со временем.

Как Google BigQuery может помочь

Чтобы обойти все эти ограничения, аналитики часто выбирают Google BigQuery, который обеспечивает свободу действий и гибкость в использовании. Это система управления базами данных и часть Google Cloud Platform, куда входит еще более 40 инструментов для работы с данными.

Основная ценность отчетов, построенных на данных GBQ состоит в их скорости и гибкости. Таким отчетам можно доверять. Если, конечно, настроить качественную передачу данных из всех необходимых источников — но и это BigQuery позволяет сделать.

Для наглядности, можно рассмотреть основные преимущества BigQuery в сравнении с Google Analytics:

В чем сила Google BigQuery: как маркетологу извлечь максимум из данных

Какие данные и как собрать в BigQuery

Представьте себе картину – все данные о поведении пользователя с сайта, мобильного приложения, CRM, рекламных сервисов и многих других источников объединены вместе. Вы видите полную картину и строите абсолютно любые отчеты – performance-отчет, ROPO-отчет и что угодно другое. Приятно, не правда ли. Так вот все это можно сделать в Google BigQuery.

И если аналитикам Google BigQuery уже давно знаком, то маркетологам он часто кажется сложным. На самом деле, существует много инструментов, которые не только соберут данные в Google BigQuery, но еще и упорядочат и очистят их. Более того, этот процесс можно автоматизировать, что сократит время настройки до минимума. В своей предыдущей статье я рассказывал о 10 инструментах для маркетинговой отчетности. Вы можете выбрать тот из них, который интегрируется с нужными вам источниками и оптимален в соотношении цены и функционала. Например, для своих проектов я использую OWOX BI, несмотря на то, что у Funnel больше возможных интеграций. Я выбираю достаточный функционал и не хочу переплачивать за фичи, которыми не буду пользоваться.

Чтобы настроить импорт рекламных расходов в Google BigQuery, я просто выбираю рекламный сервис (например, Facebook, ВКонтакте, MyTarget, Яндекс.Маркет) в интерфейсе OWOX BI и даю нужные доступы. Таким же образом собираю сырые данные с сайта и, если надо, из мобильного приложения. На самом деле, путь несколько сложнее, но у сервиса есть подробная документация и, пройдя этот путь единожды, сможете делать дальше с закрытыми глазами.

Что делать c собранными данными

На этом этапе начинается настоящая магия возможностей с Google BigQuery. В первую очередь, Google BigQuery теперь служит источником данных для отчета. А дальше можно фантазировать как угодно и строить все необходимые отчеты с любыми параметрами. Единственное ограничение — под разные отчеты надо создавать отдельные наборы данных, для которых часто нужна помощь или аналитика, или того же инструмента, с помощью которого мы передавали данные.

Имея на руках полные и структурированные данные, гораздо легче извлекать из них ценные инсайты. С этим помогут сервисы отчетности и визуализации, которые можно подобрать под любые потребности и бюджет. Собственно, еще одно преимущество BigQuery, которое облегчает жизнь маркетологам — данные оттуда можно легко передавать в другие продукты.

Самые популярные бесплатные сервисы – Google Data Studio и Google Sheets. Data Studio известен благодаря огромной галерее шаблонов, что позволяет здорово сэкономить время и визуализировать отчеты. В ситуации, если у вас нет аналитика и вам не нужны сложные когортные отчеты, то вы просто идете в галерею Data Studio, выбираете нужный отчет и подключаете данные из Google BigQuery.

Вряд ли найдутся маркетологи, которые бы не использовали о Google Sheets. Этот инструмент позволяет создавать диаграмы, визуализации и даже интерактивные отчеты. Данные из BigQuery можно бесплатно передавать в Google Sheets, например, с помощью аддона. Например, у меня таким образом настроены отчеты по активности пользователей, по сведению плановых и фактических расходов.

Выводы

Эффективные маркетинговые отчеты позволяют понять, как повысить доход и на какие слабые места надо обратить внимание. Но для того, чтобы отчетам действительно можно было доверять, надо быть уверенным в качестве, точности и полноте данных.

Последних три пункта может обеспечить Google BigQuery. Также он позволяет хранить данные в удобной структуре и легко передавать их в другие продукты.

Если между маркетологом и данными не стоит аналитик, то у маркетолога есть постоянный доступ к данным в понятной форме. Так он может быстро найти и протестировать новые подходы, а также быть уверенными в объективности полученных результатов. Время — настоящая ценность в мире маркетинга. Чем раньше найти сильные и слабые места в маркетинговой стратегии, тем больше у компании преимуществ перед конкурентами.

1212
13 комментариев

Из статьи: Проблема в GA сложно интегрироваться с другими сервисами, придется строить etl или платить owox. Решение! Лейте данные в BQ - платите owox или пишите etl.)

2

Вопрос был не столько в ETL и передаче данных, а в лимитах возможностей. Можете не платить owox, но если у вас такое количество данных, что вы упираетесь в лимиты ГА, и это влияет на точность отчетов – решать эту проблему вам как-то придется. Да, с GBQ придется повозиться, но зато получите свободу по итогу

1

А рассматривали связку Google Big Query + MS Power BI (вместо Google Data Studio)?

1

так в этом и прелесть бив квери – вы его можете сконнектиться с чем угодно

При работе с BigQuery вам удавалось быть в рамках бесплатного использования?

было дело. Но вообще стоимость у BigQuery копеечная, особенно если правильно все настроить.

Рассмотрите Garpun Feeds, тоже норм тема