分类：数据分析

解锁高性能与可扩展性：Amazon DynamoDB入门全攻略
Amazon DynamoDB 是一项无服务器、NoSQL、完全托管的数据库服务，专为现代应用程序提供高性能、可扩展性和高可靠性。本文将帮助您了解如何使用 Amazon DynamoDB 来构建和管理您的数据库。

一、什么是 Amazon DynamoDB？

Amazon DynamoDB 是一款快速且灵活的 NoSQL 数据库服务，支持键-值和文档数据模型。作为无服务器数据库，DynamoDB 自动扩展以支持任何规模的应用程序，同时提供稳定的个位数毫秒级性能和高达 99.999% 的可用性。

二、注册与访问

1、注册亚马逊云科技账户：首先，您需要注册一个亚马逊云科技账户。访问亚马逊云科技官方网站（亚马逊云科技），按照提示完成注册流程。

2、登录亚马逊云科技管理控制台：使用您的亚马逊云科技账户凭据登录管理控制台。在控制台中，您可以找到并访问 DynamoDB 服务。

三、创建 DynamoDB 表

1、打开 DynamoDB 控制台：在亚马逊云科技管理控制台中，搜索并选择 DynamoDB 服务，或者通过官方链接DynamoDB直接打开，如下图所示。

2、创建表：点击“创建表”按钮开始创建新表的过程，如下图所示。

3、配置表参数：（本文创建music表示例）

表名称：为您的表输入一个唯一的名称。

主键：选择分区键（Partition Key），这是唯一标识表中每个项目所必需的。您还可以选择添加排序键（Sort Key）以支持更复杂的查询。

读写容量单位：根据您的应用程序需求设置读写吞吐量。DynamoDB 会根据这些设置自动扩展资源。

4、设置其他选项（可选）：您可以根据需要配置其他选项，如全局二级索引、加密设置等。

5、创建表：完成配置后，点击“创建”按钮以创建表，然后出现如下图所示的界面。

四、使用 DynamoDB

1、写入数据：使用 DynamoDB API 或 Amazon SDK 编写应用程序来向表中写入数据，新手建议通过亚马逊云科技控制面板手动写入。每个项目都是一个键值对的集合，您可以使用主键来唯一标识和检索它们。

1.1 在表页面上，选择 Music 表，如下图所示。

1.2 选择 Explore table items（浏览表项目）。

1.3 在返回的项目部分中，选择创建项目。

1.4 在创建项目页面上，执行以下操作，将项目添加到表中，如下图所示：

a、选择 Add new attribute (添加新属性)，然后选择 Number (数字)。

b、对于“属性名称”，输入 Awards。

c、重复此过程来创建 String 类型的 AlbumTitle。

d、为项目输入以下值，如下图所示：
- 对于 Artist，输入 No One You Know。
- 对于 SongTitle，输入 Call Me Today。
- 对于 AlbumTitle，输入 Somewhat Famous。
- 对于 Awards，输入 1。
e、选择 Create Item (创建项目)。

2、查询数据：DynamoDB 支持两种查询方式：Scan 和 Query。Scan 会扫描整个表以查找匹配的项目，而 Query 则使用主键（或主键和排序键）来高效地检索数据，如下图所示。

2.1 在扫描或查询项目中，确保已选择查询。

2.2 对于 Partition key (分区键)，输入 No One You Know，然后选择 Run (运行)，结果如下图所示。

3、更新和删除数据：您可以使用 DynamoDB API 来更新或删除表中的项目。DynamoDB 支持条件更新，允许您在满足特定条件时更新项目。

3.1 在返回的项目中，对于 Artist 为 No One You Know的项目行（上图所示），执行以下操作：

3.2 将光标放在名为 No One You Know 的 Artist 上并点击，出现下图所示。

3.3 选择要修改的相关项目即可，让后点击保存。

3.4 删除数据表，请在DynamoDB管理面板中，选择要删除的表，如下图所示。

然后点击删除即可。

五、结论

Amazon DynamoDB 是一款功能强大、易于使用的 NoSQL 数据库服务，适合构建现代、可扩展的应用程序。通过遵循本文中的步骤，您可以轻松开始使用 DynamoDB，并充分利用其提供的性能和可扩展性优势。随着您对 DynamoDB 的深入了解，您将能够更高效地管理您的数据库资源，并推动您的业务不断发展。
2024年8月19日
[GA4] 受众群体未填充到 Google Ads 的原因
在当今数字化的营销环境中，Google Ads作为一种高效且精准的广告投放平台，已经成为众多企业推广产品和服务的首选工具。然而，尽管Google Ads提供了丰富的功能和数据支持，但在实际操作中，许多广告主仍然面临着受众群体未能成功填充到Google Ads的问题。这一问题不仅影响了广告投放的效果，还可能导致资源的浪费和营销成本的增加。因此，探讨“[GA4] 受众群体未填充到 Google Ads 的原因”对于提升广告投放效果、优化营销策略具有重要意义。（相关文章：利用Google Analytics（分析）进行受众群体细分研究）

本文旨在分析在Google Ads中使用GA4（Google Analytics 4）时，受众群体数据未能成功填充到广告账户的原因。我们将深入探讨可能的技术障碍、数据配置问题、以及用户行为等因素，并提出相应的解决方案。通过本文的阐述，希望能帮助广告主更好地理解和解决这一问题，提升广告投放的精准度和效果。

如果您要导出到 Google Ads 的受众群体没有填充，不妨尝试使用下面一些诊断方法来发现问题。

验证是否已启用 Google Ads 再营销

https://support.google.com/analytics/answer/9313634

查看 Google Ads 中的受众群体来源卡片

在 Google Ads > 受众群体管理器 > 受众群体来源中，查看 Google Analytics（分析）(GA4) 和 Firebase 所对应的卡片，确保您已标识为受众群体的用户正在您的网站或应用上触发事件。如果符合您的受众群体定义的用户没有触发事件，那么系统不会将他们添加到 Google Ads 中的受众群体。

查看 Google Analytics（分析）中的受众群体报告

在 Google Analytics（分析）中，点击左侧的受众群体，然后在随即显示的列表中，点击相关的受众群体，看看是否有足够多符合您的受众群体定义的用户正在与您的网站或应用互动。

查看 Google Analytics（分析）中的受众群体定义

如果受众群体定义过窄，那么您获得的用户数可能达不到预期。例如，如果您已将受众群体定义为仅包含“有具体兴趣者的兴趣 ID 为媒体与娱乐/图书”的用户，那么您可能需要将其修改为更加宽泛的定义：“有具体兴趣者的兴趣 ID 为媒体与娱乐”。或者，您也可以将地理位置参数从“城市 ID 为城市 A”扩展为“城市 ID 为城市 A 或城市 B”。（相关文章：使用Google Analytics（分析）查看受众群体报告）

查看是否已排除事件或用户属性，使其不用于广告个性化功能

如果您已排除事件或用户属性，使其不用于广告个性化功能，那么依据这些数据创建的受众群体将不会从 Google Analytics（分析）导出到您的广告平台（包括 Google Ads）。

查看是否已排除地理地区，使其不用于广告个性化功能

如果您已针对某个特定地区停用了广告个性化功能，那么来自该地区的用户将会添加到 Google Analytics（分析）中的受众群体，但不会添加到受众群体导出到的广告平台（包括 Google Ads）中的再营销名单。

如果您在网站上使用的是 Google Marketing Platform 广告产品，请务必为您的网页设置再营销 Cookie

如果您的受众群体已配置为使用受众特征和兴趣数据，那么您需要为网页设置 DoubleClick Cookie，这样 Google Analytics（分析）就可以检索用户的这些数据。

要验证是否为网页设置了该 Cookie，请使用浏览器的开发者工具，确保网页正在向 https://stats.g.doubleclick.net 发出网络调用。以下示例展示了如何使用 Chrome 开发者工具。
1. 在 Chrome 中，打开相关网页（如 www.example.com）。
2. 打开 Chrome 开发者工具（依次点击 > 更多工具 > 开发者工具）。
3. 打开网络标签页，然后选择保留日志，这样您就可以捕获网络调用。
4. 刷新相关网页。
5. 在“网络”标签页中，搜索对 https://stats.g.doubleclick.net 的网络调用的实例，其中包含 /collect 和以下任一参数：
  - t=dc（doubleclick.net 用于展示广告）
  - t=ga-audience（google.com 用于搜索广告）
如果存在这些调用，您的受众群体应该会按预期进行填充。
2024年3月2日
GA4创建自定义漏斗报告指南
在当今数字化营销的时代，数据分析和报告成为了企业决策的关键依据。Google Analytics 4（GA4）作为Google推出的新一代数据分析工具，以其强大的功能和灵活性受到了广大营销人员的青睐。在GA4中，自定义漏斗报告是一项非常重要的功能，它能够帮助营销人员更深入地了解用户行为，优化转化流程，从而提升营销效果。

然而，对于许多初学者来说，GA4的界面和功能可能显得复杂和繁琐，导致他们在创建自定义漏斗报告时感到困惑和迷茫。为了帮助大家更好地掌握这一关键技能，本文将提供一份详细的GA4创建自定义漏斗报告指南。通过本文的指导，您将能够轻松掌握漏斗报告的基本概念、创建步骤和最佳实践，从而更好地利用GA4进行数据驱动的营销决策。

在接下来的内容中，我将首先介绍漏斗报告的基本概念和作用，然后详细讲解如何在GA4中创建自定义漏斗报告，包括选择漏斗步骤、设置时间范围、筛选条件等。此外，我还会分享一些漏斗报告优化的最佳实践，帮助您在实际操作中取得更好的效果。无论您是GA4的新手还是有一定经验的用户，相信本文都将为您提供有益的参考和指导。

自定义漏斗的运作方式

您可以使用漏斗探索来创建自定义漏斗报告。首先需要构建一项漏斗探索，然后将这项探索另存为漏斗报告。这样，Google Analytics（分析）就会将这项探索视为用来制作报告的模板或模型。

Google Analytics（分析）会将漏斗报告保存到您的报告库中。报告库中包含您媒体资源中的所有报告。在报告库中，您可以将漏斗报告添加到左侧导航栏中，以便轻松访问。

前提条件

您必须是编辑者或管理员，才能创建漏斗报告和将其添加到导航栏中。

创建漏斗报告
- 在左侧菜单中，点击探索，如下图。
- 打开或创建一项漏斗探索。
- 点击右上角的另存为库中的报告，将这项探索另存为一个报告。
- 为此新报告输入名称和说明。
- 点击保存。
保存下来的报告将包含这项漏斗探索中的以下设置：
- 应用的过滤条件
- 步骤定义
- 漏斗类型（即开放还是封闭）
- 细分维度
高级修改内容（包括所用时间和下一项操作）不会保存到该报告中。

将报告添加到导航栏
- 在已保存的探索下方，点击在库中查看报告。
- 在集合部分，点击要把报告添加到的集合下方的修改集合。
- 在拖动报告以创建集合卡片中，找到相应的漏斗报告。
- 将该漏斗报告从右侧的卡片中拖放到左侧的某个主题下。
- 点击保存。
如果该集合已取消发布，请在报告库中依次点击更多 > 发布，以发布该集合。

基于报告重新创建漏斗探索

如果有人删除了您原来创建漏斗报告时所使用的探索，您可以在“探索”中打开漏斗报告以恢复该探索。

要将报告作为探索打开，请执行以下操作：
1. 在漏斗报告中，点击报告上方的添加对比项。
2. 点击右侧的探索。
分析漏斗

放弃率

放弃率显示了漏斗当前步骤与下一步骤之间流失的用户所占的百分比。凡是在漏斗中还有下一步骤的条形，其下方都会显示放弃率。

例如，如果有 200 位用户开启了一个会话（当前步骤），但只有 140 位用户查看了产品（下一步骤），则当前步骤下方显示的放弃率将为 60（即 30%）。

留存率

留存率与放弃率相反，是指从上一步骤延续下来的用户所占的百分比。下一步骤的标题会显示留存率。在前面的示例中，下一步骤中的标题将为 70%。

当您将光标悬停在报告中的某个步骤上时，就可以看到完成当前步骤的用户数量。在前面的示例中，将光标悬停在当前步骤上时，您会看到 200 位用户；将光标悬停在下一步骤上时，您会看到 140 位用户。

查看漏斗步骤

要打开一个只读视图来查看组成漏斗的各个步骤，请点击查看漏斗步骤。您无法在此视图中更改漏斗中的步骤或条件。

开放和封闭漏斗

您可以在条形图的左上角查看报告显示的是开放漏斗还是封闭漏斗。
- 开放漏斗会显示在漏斗中任何步骤进入的用户的数据。
- 封闭漏斗会显示在漏斗中第一个步骤进入的用户的数据。
如果您查看的是开放漏斗，则会在漏斗中看到堆叠的条形。顶部栏将显示在当前步骤开始进入漏斗的用户数量和百分比。底部栏则会显示从上一步骤前进到当前步骤的用户数量和百分比。

使用表格分析数据

条形图下方的表格可帮助您分析漏斗中的数据，并允许您按维度对数据进行细分。

维度选择器中的维度来自原始漏斗探索的“维度”部分。表格顶部的各个指标代表着完成漏斗中每个步骤的活跃用户数。

调整条形图的大小

您可以使用图表右下角的 + 和 – 来缩放条形图。放大会使每个条形都变大，这样您便可以更详细地查看更小的条形。

注意：如果放大操作导致某个条形的高度大于图表的高度，Google Analytics（分析）会向该条形添加一条曲线。该曲线表示该条形不是按比例绘制的。

创建报告时的限制

您最多可以为每项媒体资源创建 200 个自定义报告。

存在以下情况时，无法将漏斗探索另存为报告：
- 在“标签页设置”的“过滤器”列中，某个过滤器包含“报告”部分所不支持的条件
- 在“标签页设置”的“过滤器”列中，应用的过滤器超过 5 个
- 在“标签页设置”的“细分比较”列中应用了细分
- 漏斗包含“报告”部分所不支持的维度、指标或运算符
- 您创建的是趋势漏斗，不是标准漏斗
针对已保存报告的限制
- 将漏斗探索另存为漏斗报告后，您只能删除或重命名漏斗报告，以及在报告集合中添加或移除漏斗报告。要修改漏斗报告，您必须修改原始漏斗探索，并将该探索另存为新报告。
- 当漏斗报告中的日期范围超出媒体资源的事件数据保留期限时，系统会显示“仅显示日期范围内的部分数据”警告。例如，如果媒体资源的数据保留期限为 2 个月，则对于日期范围为 6 个月的报告，系统就会显示此警告。要解决此警告，请调整日期范围。
- 已保存的报告反映的是您保存报告时的漏斗探索。也就是说，已保存的报告会与相应探索解除关联。保存报告后，您对探索所做的任何更改都不会影响报告。同样，对报告所做的任何更改也都不会影响探索。
相关文章：

使用Google Analytics漏斗分析追踪客户转化历程

Google Analytics（分析）4 与 Universal Analytics指标比较，看看哪些改变

使用“Google Analytics（分析）4”工具深入了解客户行为

最后：

通过本文的指南，我希望能帮助您更好地利用Google Analytics 4（GA4）创建自定义漏斗报告，从而更好地理解和优化您的营销转化流程。无论是对于初涉数字营销的新手，还是经验丰富的数据分析师，自定义漏斗报告都是提升营销效果和用户转化的关键工具。

随着数字营销的不断发展和变化，GA4将继续提供更加强大和灵活的功能，以满足不断变化的市场需求。因此，持续学习和探索GA4的新功能和最佳实践至关重要。希望您在使用GA4的过程中，能够不断挖掘其潜力，为您的业务增长和营销成功贡献力量。

最后，我鼓励您在实际操作中勇于尝试和创新，结合自身的业务需求和用户行为数据，打造独具特色的自定义漏斗报告。同时，我也期待与您一起分享和讨论在使用GA4过程中的心得和经验，共同提升数字营销的能力和效果。

愿这份指南成为您在GA4之旅中的一盏明灯，指引您走向更加精准和高效的数据驱动营销之路。
2024年2月16日

AdSense 与 Google Analytics（分析），提升广告效果和用户体验

通过将 AdSense 账号与 Google Analytics（分析）进行集成，您可以获得与自己的广告和网站相关的大量新信息。通过集成 AdSense 与 Google Analytics（分析），您还可以提升广告效果和用户体验。

确定哪些流量来源、地理区域、网页和浏览器为您的网站带来了使您获得最佳/最差收益的用户，并以此为基础来优化内容。
通过了解哪些网页能吸引用户、哪些网页不能吸引用户、哪些网页导致用户离开您的网站，您可以有针对性地改进用户体验。了解访问者的注意力都集中在哪些位置，此举可以帮助您把广告放置在用户最有可能观看的位置。
根据访问频率和浏览页数等用户行为因素对收入产生的影响，做出相应的调整，从而增加收入。

集成 AdSense 与 Google Analytics（分析），提升广告效果和用户体验

在 Google Analytics（分析）中的什么位置可以找到 AdSense 数据

Universal Analytics	Google Analytics（分析）4
在 Google Analytics（分析）帐号中，在左侧导航栏的“内容”下有一个单独的 AdSense 版块，您可以在这里查看 AdSense 效果。在 Google Analytics（分析）中生成自定义报告时，您也可以查看 AdSense 指标，从而更加灵活地查看和分析数据。	一旦您将 GA4 媒体资源与 AdSense 相关联，您的 AdSense 收入数据将显示在 GA4 媒体资源的创收 –发布商广告报告和探索主菜单中。

Google将能够以一些新的方式来细分效果数据：根据用户访问情况显示收入和广告展示数据，显示将用户引荐至 AdSense 次数最多的网站，还能按页面显示收入数据而无需设置网址渠道。

查看 Google Analytics（分析）报告，以找到改进 AdSense 效果的途径

您会在 Google Analytics（分析）帐户中看到大量的详细信息，它们能够帮助您制定适应您网站的用户需求的内容和广告。建议您按照下述方法查看 Google Analytics（分析）报告，以找到改进 AdSense 效果的途径：

引荐来源：哪些网站将访问者定向到您的网站？了解访问者从哪些网站来到您的网站后，您可以定制更能满足访问者需求的网站内容，增加访问者的回头率。您还可以努力寻找改进这些资源的方法，例如，通过搜索引擎优化、社交广告系列，或采用您认为能够带来高价值访问者的网站类型建立引荐关系。
使用的浏览器：查看访问者使用了哪些浏览器和网络技术（例如，Flash、Java）。这是一个不错的方法，可以查看您的内容是否适合受众群体的软件和性能，并调查是否存在任何可能导致您错失收益的浏览器不兼容问题。
最常见退出页：您的访问者经常从哪些网页离开您的网站？确定您网站上的合理退出点，以此为基础增加退出页上广告的数量，然后从离开网站的流量中获利。

利用 Google Analytics（分析）跟踪流量

Google Analytics（分析）是一款网络分析解决方案，可帮助您全面深入地洞悉自己的网站/应用流量。通过参考受众群体数据，您可以相应地规划内容，并优化您平台的外观和风格、导航方式以及对用户的价值，从而提升用户体验。

参考 Google Analytics（分析）中的数据洞见来进行流量分析

监控您的流量，了解网站平时的流量规律。
展开 AdSense 报告明细，深入了解具体的广告单元、点击率和网页浏览量。
将 Google Analytics（分析）中的流量报告划分成有意义的细分或渠道。
使用上面列出的方法查找可疑的流量来源或点击。
确保您的广告植入方式符合 AdSense 合作规范。
仍有疑问？可在 AdSense 帮助社区中提问。
最后，如发现无效活动，请报告给 AdSense 团队。

根据 Google Analytics（分析）中的统计数据来优化收入

您可以使用 Google Analytics（分析）的关联服务将数据与您的 AdSense 收入整合起来。这有助于您在网页一级对收入进行全面立体的分析。

将您的 AdSense 帐号与 Google Analytics（分析）相关联。
在 Google Analytics（分析）中的“行为”报告下，访问“发布商”报告标签页。
在“发布商”报告标签页中，选择次级维度过滤条件，例如：用户受众特征、国家/地区、流量来源、浏览器语言、屏幕分辨率等。
查看由各种不同用户受众特征（例如性别、年龄、国家/地区等）的访问者带来的收入明细。
查看同一网址的访问者在不同时间增量中（例如小时数）带来的收入明细。

整合上述数据后，您就可以对具体的流量来源、网页和用户群组进行多维分析。

保持流量纯净的技巧

使用 Google Analytics（分析）了解您的广告流量和网站访问者。您可以根据网址渠道、自定义渠道或 AdSense 中的广告单元报告来细分流量。
为您的每个桌面版和移动版网站分别创建不同的广告单元。使用具有唯一性的广告单元 ID 来区分不同的广告展示位置。
识别机器人活动：可自我识别的机器人、“蜘蛛”程序和搜索引擎抓取工具。
细分您的流量，以便更透彻地了解您的流量来源和用户，并防范无效流量。
确保您与值得信任的流量合作伙伴合作，避免可疑流量。
如果您想使用付费流量，请务必事先进行质量检查。不妨以流量提供商核对清单为指导，与您考虑合作的流量提供商展开讨论。

使用 Google 优化工具进行 A/B 测试

您可以使用优化工具测试网页的不同版本、监控效果，并了解哪个版本效果最好。

如果您想在优化工具中创建 A/B 测试，您需要完成一些步骤：

设置优化工具。
在您的网站上添加优化工具代码段。
创建 A/B 测试。
在 Google Analytics（分析）中创建目标。

2023年12月21日

Google Analytics 4设置转化事件的方法
在Google Analytics 4中，转化是指用户在您的网站或应用程序上执行的特定操作，例如购买产品、填写表单、订阅电子邮件列表等。转化跟踪可以帮助您了解用户行为，并确定哪些营销活动或网站更改最有效地促进转化。通过跟踪转化，您可以优化您的网站或应用程序，以提高转化率并获得更高的收益。

下图是Wordpress安装了Google site kite插件后，如果您没有设置就会出现这个提示，按照本文的步骤操作即可，不明白的地方可以留言或者加我本站的联系方式。

衡量转化情况

衡量 Google Analytics（分析）转化的主要方式是创建或标识可衡量重要用户互动的事件，然后将该事件标记为转化。例如，如果您使用 Google 代码或跟踪代码管理器，则需要为网站创建事件，然后前往 Google Analytics（分析）将事件标记为转化。

其他方式包括：
- 衡量感兴趣的观看转化次数：了解有多少用户观看某个 YouTube 视频至少 10 秒，并在观看该视频后的 3 天内完成了转化。
- 配置广告网络（仅适用于应用）：衡量那些看过您的广告后在您应用中采取了某项操作（例如购买）的用户完成的转化。
重要意义

通过设置转化，您可以实现以下目的：
- 针对转化生成报告：使用“流量获取”报告、“互动度”报告和“广告”报告查看对您的业务最重要的操作。
- 基于转化进行出价：将转化数据导入 Google Ads，为人工或智能出价决策提供依据，从而帮助优化广告系列。
- 进行转化归因：将您的数据与其他广告渠道中的数据相结合，以了解用户转化路径中的接触点。
- 向未完成转化的用户投放广告：使用转化数据创建由未完成转化的用户组成的受众群体，然后将这些受众群体导入到 Google Ads，以进行再营销。
有时，事件并不是正好能够衡量您想要作为转化进行衡量的内容。例如，您想要衡量用户何时访问了确认页面。page_view 事件会告知您用户何时访问了该页面，但您不能将该事件标记为转化，因为这样的话，所有网页浏览都会被统计为转化。

您可以改为在 Google Analytics（分析）中修改现有事件以及基于现有事件创建新事件，从而将事件标记为转化，而无需更改网站或应用设置。

创建与修改

您可以在 Google Analytics（分析）中创建和修改事件。修改事件是指通过更改现有事件，使其能够衡量所需内容。创建事件是指复制现有事件，以便在不更改原始事件的情况下衡量所需内容。

重要提示：修改事件会覆盖现有事件。请谨慎覆盖事件，以避免意想不到的后果。例如，请避免修改 page_view 事件，因为修改后，该事件将不再收集您网站上其他网页的网页浏览数据。

在 Google Analytics（分析）中创建事件

以下说明介绍了如何基于 page_view 事件创建新事件。在本示例中，您希望在用户提交联系信息并访问确认页面时触发该事件。然后，您可以将该事件标记为转化，查看成功提交联系信息的用户的数量。

第 1 步：创建事件
1. 在 Google Analytics（分析）中，在左侧依次进入管理 > 事件。
2. 点击创建事件。
3. 点击创建。
4. 在“自定义事件名称”下方，输入名称（不超过 40 个字符）。对于此示例，名称为 thank_you。
5. 在匹配条件中的“值”下，输入现有事件的确切名称。对于此示例，名称为 page_view。
6. 点击添加条件。
7. 在“参数”下，从下拉菜单中选择 page_location。
8. 在“运算符”下，选择“包含（不区分大小写）”。
9. 在“值”下，输入页面的名称。对于此示例，名称为 thank-you.html。
10. 点击创建。
新事件会显示在“自定义事件”表格中，但直到 Google Analytics（分析）对其进行处理，它才会显示在“管理”>“事件”的“现有事件”表格中。

第 2 步：将新事件标记为转化
1. 在 Google Analytics（分析）中，在左侧依次进入管理 > 转化。
2. 点击新建转化事件。
3. 输入新事件的名称。
4. 点击保存。
在 Google Analytics（分析）中修改事件

本部分介绍了如何修改 Google Analytics（分析）中基于其他事件创建的事件。
1. 在 Google Analytics（分析）中，在左侧依次进入管理 > 事件。
2. 点击创建事件。
3. 在自定义事件表格中，点击要修改的事件。
4. 将光标悬停在配置表格的右上角，以显示修改图标。
5. 点击“修改”。
6. 修改或添加条件或参数。
7. 点击保存。
将货币价值与转化相关联

如要衡量与事件相关联的收入，请为事件添加 value 和 currency 参数。建议为电子商务事件添加这两个参数，但您可以将其添加到任何事件中。

value 参数的值必须是数字（例如 50)，且必须与 currency 参数搭配使用。currency 参数的值必须采用 ISO 4217 格式（例如 USD 对应美元）。如果缺少此参数或此参数无效，Google Analytics（分析）会记录相应事件并显示正确的事件数，但不会将事件发送到 Google Ads。

以下示例说明了如何为 Google Analytics（分析）中基于其他事件创建的事件添加价值。
1. 在左侧，依次点击管理 > 事件。
2. 点击创建事件，系统会显示自定义事件表格。
3. 点击要修改的事件。
4. 在参数配置部分中，点击添加修改。
5. 在参数字段中，输入 currency。
6. 在新值字段中，输入货币类型（例如，USD）。
7. 点击添加修改。
8. 在参数字段中，输入 value。
9. 在新值字段中，输入值（例如，50 表示五十美元）。
10. 点击保存。
实时报告中的“按事件名称统计的事件数”卡片会显示与 Google Analytics（分析）在过去 30 分钟内收集的每个事件相关联的参数。您可以使用“事件参数的键”列来查看与某个事件相关联的所有事件参数，并确保这两个参数已正确添加。

在 Google Analytics（分析）中为事件添加价值时，请查看“转化”报告中的价值。您可以点击转化事件，以深入了解其详细信息。“事件价值”列显示的是根据转化事件计算得出的价值。如何查看报告以及进行修正，我会在后面的文章中讲述，敬请留意。
2023年6月16日
揭秘网站数据：用Python分析访问量、来源、时间和用户行为！
在今天的数字时代，网站数据分析已经成为了各个行业的必备技能。通过分析网站数据，我们可以了解网站的访问量、用户行为等信息，从而优化网站的设计和功能，提高用户体验和转化率。在本文中，我们将使用Python来分析一个示例网站 https://www.guangweiblog.com 的数据。

准备工作

在开始分析之前，我们需要准备好一些工具和数据。首先，我们需要安装Python和一些常用的数据分析库，如Pandas、Matplotlib和Seaborn。其次，我们需要获取示例网站的访问日志数据。我们可以通过访问日志文件来获取网站的访问量、访问来源、访问时间等信息。

在Mac上安装数据分析库通常使用Python的包管理器pip，以下是安装步骤：

1.打开终端（Terminal）应用程序。

2.确认已安装Python。在终端上输入以下命令：
```
python --version
```
如果已经安装Python，则会显示Python的版本号。如果没有安装，则需要先安装Python。

3.确认已安装pip。在终端上输入以下命令：
```
pip --version
```
如果已经安装pip，则会显示pip的版本号。如果没有安装，则需要先安装pip。

4.安装数据分析库。在终端上输入以下命令：
```
pip install pandas numpy matplotlib scipy
```
这将安装pandas、numpy、matplotlib和scipy四个数据分析库。根据需要安装其他库。

5.等待安装完成。安装完成后，可以在Python脚本中导入这些库，例如：
import pandas as pd import numpy as np

import matplotlib.pyplot as plt

import scipy.stats as stats
这样就可以开始使用这些库进行数据分析了。
数据清洗

在开始分析之前，我们需要对数据进行清洗和处理。首先，我们需要将访问日志文件转换为CSV格式，方便后续的数据处理。其次，我们需要对数据进行去重、缺失值处理等操作，以确保数据的准确性和完整性。
```
import pandas as pd

# 读取访问日志文件
log_file = 'access.log'
df = pd.read_csv(log_file, sep=' ', header=None)

# 设置列名
df.columns = ['ip', 'dash1', 'dash2', 'time', 'timezone', 'method', 'url', 'protocol', 'status', 'size', 'referer', 'user_agent', 'unknown']

# 去重
df.drop_duplicates(inplace=True)

# 处理缺失值
df.fillna('-', inplace=True)

# 将时间戳转换为日期格式
df['time'] = pd.to_datetime(df['time'], format='[%d/%b/%Y:%H:%M:%S')
```
数据分析

接下来，我们将使用Python来分析示例网站 https://www.guangweiblog.com 的数据。我们将分析以下几个方面：
1. 访问量统计
2. 访问来源分析
3. 访问时间分析
4. 用户行为分析
访问量统计

首先，我们需要统计网站的访问量。我们可以通过计算访问日志文件中的记录数来得到网站的总访问量。此外，我们还可以统计每天、每小时、每分钟的访问量，以了解网站的访问规律。
```
# 统计总访问量
total_visits = len(df)

# 统计每天访问量
visits_by_day = df.groupby(df['time'].dt.date).size()

# 统计每小时访问量
visits_by_hour = df.groupby(df['time'].dt.hour).size()

# 统计每分钟访问量
visits_by_minute = df.groupby(df['time'].dt.minute).size()
```
访问来源分析

其次，我们需要分析网站的访问来源。我们可以通过访问日志文件中的referer字段来了解用户从哪些网站或页面跳转到了我们的网站。
```
# 统计访问来源
visits_by_referer = df.groupby(df['referer']).size().sort_values(ascending=False)
```
访问时间分析

然后，我们需要分析用户的访问时间。我们可以通过访问日志文件中的time字段来了解用户的访问时间。我们可以统计每天、每小时、每分钟的访问量，以了解用户的访问规律。
```
# 统计每天访问量
visits_by_day = df.groupby(df['time'].dt.date).size()

# 统计每小时访问量
visits_by_hour = df.groupby(df['time'].dt.hour).size()

# 统计每分钟访问量
visits_by_minute = df.groupby(df['time'].dt.minute).size()
```
用户行为分析

最后，我们需要分析用户的行为。我们可以通过访问日志文件中的url字段来了解用户的访问路径。我们可以统计用户访问最多的页面、访问页面的平均停留时间等信息，以了解用户的兴趣和需求。
```
# 统计访问页面
visits_by_page = df.groupby(df['url']).size().sort_values(ascending=False)

# 计算页面的平均停留时间
df['time_diff'] = df['time'].diff()
df['time_diff'] = df['time_diff'].apply(lambda x: x.seconds)
avg_time_by_page = df.groupby(df['url'])['time_diff'].mean().sort_values(ascending=False)
```
结论

通过对示例网站 https://www.guangweiblog.com 的数据分析，我们可以得出以下结论：(下面数据纯属示例，非真实性数据)
1. 网站的总访问量为10000次。
2. 用户主要从Organic Search网站或页面跳转到我们的网站。
3. 用户主要在每天的9:00-22:00时段访问我们的网站。
4. 用户主要访问2页面，平均停留时间为25秒。
我们可以根据这些结论来优化网站的设计和功能，提高用户体验和转化率。
2023年6月15日
Google分析从UA迁移到GA4新手指南
Google分析4即将启用，还有很多新手不知道怎么迁移，我根据官方资料整理如下。

请按照本指南中的步骤迁移到 GA4。您将创建一个新的 GA4 媒体资源，并将您的目标迁移到 GA4。

请在桌面浏览器（而不是 Google Analytics [分析] 移动应用）中按以下步骤操作。一次完成迁移是最简单的做法。

如果您更喜欢通过视频了解信息，不妨观看下方的迁移基础知识视频：

https://www.youtube.com/embed/Wa8-TLldfCM

找到您的 Google Analytics（分析）帐号，然后查看需要迁移哪些媒体资源

如果不确定是否拥有需要迁移的 Universal Analytics 媒体资源，或者不确定需要迁移哪些媒体资源，请按照以下步骤操作。

或者，如果您已准备好进行迁移，请运行 GA4 设置助理向导。

运行 GA4 设置助理向导

第一步是创建 GA4 媒体资源。
1. 在 Google Analytics（分析）中，点击管理（左下方）。
2. 查看“帐号”列，确保已选择您所需的帐号（如果您只有一个 Google Analytics [分析] 帐号，该帐号将会处于选中状态）。
3. 在“媒体资源”列中，选择您要迁移的 Universal Analytics 媒体资源。
1. 在“媒体资源”列中，点击 GA4 设置助理。它是“媒体资源”列中的第一个选项。
2. 在“我要创建新的 Google Analytics（分析）4 媒体资源”下，点击开始使用。
3. 在“创建新的 Google Analytics（分析）4 媒体资源”弹出式窗口中，您会看到以下其中一个选项：
  - 创建媒体资源。如果您看到此选项，则表示 Google Analytics（分析）可以再利用现有的 Universal Analytics 代码来创建您的 GA4 媒体资源。点击创建媒体资源，然后继续完成新建的 GA4 媒体资源的设置。
    或者，您会看到：
  - 创建并继续。点击此按钮并继续执行第 7 步。
4. 在“设置 Google 代码”页面上，选择与您的情况最相符的选项，然后按照操作说明完成新 GA4 媒体资源的创建工作：
  使用在您的网站上找到的 Google 代码（推荐）使用已有的 Google 代码添加 Google 代码
完成新 GA4 媒体资源的设置

使用向导完成创建后，您会在“Google Analytics（分析）4 媒体资源设置助理”页面顶部看到“您已成功关联媒体资源”。

请记下您的 GA4 媒体资源的名称，以便日后查找。如果您的 Universal Analytics 媒体资源名称为“示例媒体资源”，您的 GA4 媒体资源名称将为“示例媒体资源 – GA4”。

点击前往您的 GA4 媒体资源。此操作将会在新的 GA4 媒体资源中打开 GA4 设置助理。

启用 Google 信号

启用 Google 信号后，您可以收集关于已启用广告个性化功能且已登录 Google 帐号的用户的额外数据。
1. 在设置助理中，找到“启用 Google 信号”，然后点击该行右侧的“操作”菜单。
2. 点击管理 Google 信号。
3. 在“Google 信号数据收集”页面上，点击开始使用。
4. 在“启用 Google 信号”页面上，点击继续。
5. 点击启用。
迁移目标
1. 返回到“设置助理”页面（点击屏幕左侧的 GA4 设置助理）。
2. 找到“设置转化”，然后点击该行右侧的操作菜单。
1. 点击从 Universal Analytics 导入。
2. 选择您希望在新的 Google Analytics（分析）4 媒体资源中重新创建为转化事件的目标（默认情况下，所有目标旁边都显示对勾标记。请取消选择任何您不希望在 GA4 媒体资源中重新创建的目标）。
3. 点击右上角的导入所选转化。
您选择的目标在 Google Analytics（分析）4 媒体资源中成功重新创建为转化事件后，屏幕左下角会显示一条确认消息。

按照以上步骤操作就完成了GA4的迁移，如果您在操作过程中有什么不明白的地方可以在本站留言也可以在Google帮助中心查找答案或者留言。
2023年6月11日

Google Analytics（分析）4 与 Universal Analytics指标比较，看看哪些改变

Google分析在7月1日正式启用GA4，有些新手还不太熟悉GA4的风格，感觉功能减少了，今天我从Google分析官方查看了相关文档，梳理如下。

在设置 Google Analytics（分析）4 时，您可能希望将 Google Analytics（分析）4 媒体资源与 Universal Analytics 媒体资源中的报告结果进行比较。本文介绍了您可以在多大程度上比较 Universal Analytics 和 Google Analytics（分析）4 的指标以及不可以比较哪些指标。

本文包含的主题：

用户数
网页浏览量
购买次数
会话数
基于会话/流量的流量获取指标
转化次数
跳出率
事件数

用户数

Universal Analytics 中有两个用户指标：“用户总数”和“新用户数”。Google Analytics（分析）4 中有三个用户指标：“用户总数”“活跃用户数”和“新用户数”。

指标	UA	GA4
用户总数	UA 中的主要用户指标：用户的总数	记录了事件的唯一身份用户的总数
新用户数	首次与您的网站互动的用户数	首次与您的网站互动或打开您的应用的用户数该指标的衡量依据是记录了 `first_open` 或 `first_visit` 事件的新唯一身份用户 ID 的数量。
活跃用户数	不适用	GA4 中的主要用户指标：访问过您的网站或应用的去重用户数。活跃用户是指进行过感兴趣的会话的用户，或是在 Google Analytics（分析）收集到下列数据时对应的用户：网站中的 first_visit 事件或 engagement_time_msec 参数Android 应用中的 first_open 事件或 engagement_time_msec 参数iOS 应用中的 first_open 或 user_engagement 事件

注意事项

Universal Analytics 报告中的“用户数”大都指“用户总数”，而 GA4 报告中的“用户数”则主要指“活跃用户数”。因此，虽然二者都叫“用户数”，但 UA 和 GA4 计算该指标的方式不同，UA 使用的是“用户总数”，GA4 使用的是“活跃用户数”。

根据用户返回您网站的频率，UA 中的“用户总数”指标和 GA4 中的“活跃用户数”指标可能多少有些相似。

通过在 GA4 中使用探索查找用户总数，您可以比较 UA 中的“用户总数”与 GA4 中的“用户总数”。由于定义上的差异，相较于 GA4 报告中的“用户数”指标，“用户总数”数据可能更有可比性。

这两类媒体资源可能使用不同的设置，例如用户身份空间。举例来说，Google Analytics（分析）4 媒体资源可能使用的是 User-ID，而 Universal Analytics 媒体资源使用的是 Client-ID。

您的 UA 报告可能会根据过滤器排除数据。GA4 媒体资源目前不支持这类过滤器。

网页浏览量

一般来说，由于 Google 代码会在每个网页上触发并生成网页浏览，因此 UA 和 GA4 中的“网页浏览量”数据应该非常接近，其差异通常在几个百分点以内。不过，如果您在 Universal Analytics 或 Google Analytics（分析）4 中设置了任何过滤器，二者的具体差异可能会因过滤器而异。

指标	UA	GA4
网页浏览量	浏览过的网页总数。对同一网页的重复浏览也会计入。	也称为“查看次数”：用户看到应用屏幕和/或网页的总次数。（报告界面中的“查看次数”指标计算的是网页浏览量和屏幕浏览量的总和。）对同一屏幕或网页的重复浏览也会计入。
唯一身份网页浏览量	浏览过的网页总数，但未计入重复浏览	不适用

注意事项

Universal Analytics 在单独的移动专用媒体资源中衡量屏幕浏览量，而 GA4 会在同一媒体资源中合并网站数据和应用数据。如果您在 GA4 媒体资源中同时跟踪网站数据和应用数据，在比较这两者的网页浏览量指标时，请务必考虑到额外的应用流量。

Universal Analytics 提供额外的过滤选项，这可能会影响您比较的数据视图中所包含的数据。例如，如果您使用过滤器来排除特定地理区域，那么 UA 与 GA4 中的网页浏览量计数差异可能会更大。

Google Analytics（分析）4 媒体资源目前不支持过滤器，而 Universal Analytics 报告可能已用数据视图过滤器排除了部分数据。例如，UA 和 GA4 都能够滤除内部 IP 流量和多余的引荐流量，但 UA 可能会应用其他过滤器。在进行比较时，请确保两种媒体资源应用了相同的过滤器。

对于某些 Universal Analytics 媒体资源，通常的做法是手动为单页应用 (SPA) 设置网页浏览。这是因为自动设置的网页浏览无法直接衡量 SPA 的网页浏览量。在 Google Analytics（分析）4 中，您无需实现自定义代码。不过，您可以开启增强型衡量功能，自动衡量这些数据。

购买次数

UA 和 GA4 报告中的网站购买次数应该会高度一致。Google从未期望能完美地收集所有事件，购买事件也不例外，但这类事件是原子性的，非常关键，因此事件数在 UA 和 GA4 中应该会高度一致。

请务必在 UA 和 GA4 中收集唯一的 transaction_id 值，以确保您比较的是类似的指标。

指标	UA	GA4
购买次数	`purchase` 事件在增强型电子商务模型中触发当您选择发送 `purchase` 事件时，系统会通过 Google Analytics（分析）提供的 JavaScript 从 `products` 数组中提取数据，并将数据收集到该事件中	`purchase` 事件是建议使用的事件，并且会以与 UA 类似的方式收集数据，但两者之间存在差异不提供用于数组收集的其他 JavaScript，您在自行收集 `purchase` 事件时应提供 `items` 数组（尽管在填充数据层对象时，Google会给出同一建议）

注意事项

如果参数 transaction_id 未一致且正确地应用，那么您在比较数据时，可能会看到明显差异。出于数据质量和比较目的，请确保按照相应文档一致地收集这些数据。

请务必针对 GA4（以及 UA）电子商务实现使用所有必需参数，确保正确记录电子商务数据。

您的 UA 报告可能会根据数据视图过滤器排除数据。

在比较最近的报告时，您可能会发现存在差异，这是因为 GA4 仍在处理数据。例如，在系统记录了转化后的 7 天内，GA4 还可能更新归因转化次数。

会话数

指标	UA	GA4
会话	用户积极与您的网站或应用进行互动的时间段设有参数来定义什么情况可能会导致会话结束，例如，如果处于非活动状态的时间超过 30 分钟（具体取决于会话超时设置），时间戳在零点截断（根据数据视图的时区设置），或遇到了新的广告系列参数，会话将结束。如果用户在会话超时后返回，系统会开始新的会话如果用户在午夜零点时仍在网站上，系统会开始新的会话如果用户在网站上触发了新的广告系列参数，系统会开始新的会话	也称为“会话开始”为了确定每个事件来自哪个会话，`session_start` 事件会生成一个会话 ID，然后 Google Analytics（分析）会将该会话 ID 与相应会话中的每个后续事件相关联如果处于非活动状态的时间超过 30 分钟（具体取决于会话超时设置），会话将结束会话不会在零点重新开始，也不会在遇到新的广告系列参数时重新开始如果用户在会话超时后返回，系统会开始新的会话

注意事项

UA 和 GA4 的会话计数差异可能会因企业而异，具体取决于多种因素，包括：

地理位置 – 考虑用户所在的时区，以及他们跨零点进行互动从而重新开始会话的可能性有多大。如果您拥有全球客户群，这尤其有用。
在自有网站或应用中使用 UTM – 不建议您在自己的网站上使用 UTM 标记，因为这会在 Universal Analytics 中重置会话。如果您确实在自己的网站上使用了 UTM，则 UA 中的会话次数可能会比 GA4 中高很多。
过滤器 – UA 报告中的数据可能会应用数据视图过滤器进行排除。Google Analytics 360 客户可对 GA4 报告中的数据添加过滤器，用来定义来源媒体资源中的哪些数据会显示在子媒体资源中。不过，如果您从子媒体资源中滤除 session_start 事件，Google Analytics（分析）仍会生成会话 ID。
估算 – Google Analytics（分析）4 媒体资源会通过估算唯一会话 ID 的数量，来统计估算您网站或应用上发生的会话的数量，而 Universal Analytics 媒体资源不估算会话数。Google Analytics（分析）4 媒体资源使用的估算功能可以更高效地统计会话数，不但精确度高，而且错误率低。

基于会话/流量的流量获取指标

指标	UA	GA4
基于会话/流量的流量获取指标	在很多不同的报告（例如“渠道”报告或“来源/媒介”报告）中，都可以找到“流量获取”部分“渠道”或“来源/媒介”维度是基于“用户数”和“会话数”等指标进行分析的	您可以在“流量获取”报告中找到流量获取指标“渠道”或“来源/媒介”维度是基于“用户数”和“会话数”等指标来衡量的请注意，UA 和 GA4 中流量获取指标的主要差异与“用户数”或“会话数”指标的差异一致

注意事项

由于“会话数”和“用户数”是比较流量获取指标时会用到的主要指标，请参阅本文中的会话数和用户数部分。

转化次数

如果您的转化基于目标网址或您已设置等效 GA4 转化事件的 UA 事件（即类别/操作/标签），那么“转化次数”可能会非常接近。不过，UA 与 GA4 之间存在很大差异，可能会导致难以比较转化次数。

指标	UA	GA4
转化次数	您可以定义目标，指明特定用户操作会被视为转化。例如，如果您指定“表单提交”目标，那么每当用户提交表单时，系统都会记录一次转化。在每次会话中，UA 仅会针对每个目标统计一次转化。因此，如果用户在同一会话期间提交表单两次，系统仅会针对“表单提交”目标统计一次转化。	您针对要计为转化的每种操作指定转化事件。例如，如果您将“表单提交”事件指定为转化事件，那么每当用户提交表单时，系统都会记录一次转化。GA4 通常会统计转化事件的每个实例，即使在同一会话期间多次记录同一转化事件，也是如此。因此，如果用户在同一会话期间提交表单两次，系统会统计两次转化。为了减少 UA 媒体资源和相应 GA4 媒体资源在转化次数方面的差异，请将 GA4 转化统计方法设置更新为“每次会话统计一次”。

注意事项

Universal Analytics 支持五种目标类型：目标网址、时长、每次会话浏览页数、智能目标和事件目标。相比之下，GA4 仅支持转化事件。并不总是恰好可以用 GA4 转化事件来复制某些 UA 目标类型。例如，无法用 GA4 转化事件复制智能目标或时长目标。

在每次会话中，UA 仅会针对同一目标统计一次转化。在每次会话中，GA4 通常会针对同一转化事件统计多次转化。为了减少 UA 媒体资源和相应 GA4 媒体资源在转化次数方面的差异，请将 GA4 转化统计方法设置更新为“每次会话统计一次”。

您的 UA 报告可能会根据数据视图过滤器排除数据。

在比较最近的报告时，您可能会发现存在差异，这是因为 GA4 仍在处理数据。例如，在系统记录了转化后的 7 天内，GA4 还可能更新归因转化次数。

跳出率

指标	UA	GA4
跳出率	未与网页进行互动的单页会话所占的百分比。跳出的会话的时长为 0 秒。例如，如果用户访问您的网站并花了几分钟时间浏览首页上的内容，但并未点击任何链接，也未触发任何会记录为互动的事件，就离开了网站，那么此次会话会被计为一次“跳出”。	非感兴趣的会话所占的百分比。例如，如果用户访问您的网站，并花了不到 10 秒钟时间浏览首页上的内容，然后离开了网站，而未触发任何事件或访问任何其他网页或屏幕，那么此次会话会被计为一次“跳出”。“感兴趣的会话”是指持续时间不短于 10 秒、包含至少 1 个转化事件或至少 2 次网页或屏幕浏览的会话。如果用户未进行感兴趣的会话（即他们未满足“感兴趣的会话”的任一条件），Google Analytics（分析）会将相应会话计为一次“跳出”。

注意事项

在 Google Analytics（分析）4 中，“跳出率”是指非感兴趣的会话所占的百分比。也就是说，“跳出率”与“感兴趣的会话占比”相反。在 Universal Analytics 中，“跳出率”是指在您的网站上用户仅查看了一个网页并且仅触发了一次 Google Analytics（分析）服务器请求的所有会话所占的百分比。

Universal Analytics 中计算的“跳出率”是衡量网站互动情况的合理指标，但随着网站和应用发生变化，此指标的实用性也逐渐降低。例如，可能存在这样的情况：用户查看某个单页应用 (SPA)，然后离开，没有触发事件。系统在这种情况下会统计一次“跳出”。

此外，Google Analytics（分析）4 中计算的“跳出率”提供了一种更实用的方法来衡量客户与您的网站或应用互动的程度。例如，如果您经营一个博客，可能并不在意客户访问您的网站并阅读了博文后便离开的情况。您可能更关心有多少客户属于以下情况：访问您的网站，没有找到所需内容，然后迅速离开。

事件数

事件数反映了 Universal Analytics 与 Google Analytics（分析）4 媒体资源之间数据模型的基本差异。

指标	UA	GA4
事件总数	Universal Analytics 事件具有类别、操作和标签，并且具有自己的命中类型。例如，一个事件可以设置为在用户点击注册按钮时进行记录。该事件的类别可能是“号召性用语”，操作是“注册”，标签是“目标网址”。每当“类别/操作/标签”事件触发时，“事件总数”都会增加。	不适用
事件数	不适用	每个“命中”都是一个事件，GA4 事件没有“类别”“操作”或“标签”的概念。例如，当用户查看您的某个网页时，便会触发 `page_view` 事件。所有操作都是事件。各个事件名称不一定是唯一的（事实上，最佳做法是多次重复使用同一事件名称，用收集的参数值区分事件）。例如，某次注册的事件名称可能为 `sign_up`，参数为 `page_location`、`product`、`form_id` 等。您可以（并应该）为网站上的每个注册按钮使用同一事件名称（而在 UA 中，您应该为每个按钮使用唯一的事件名称）。

注意事项

在 GA4 中，sign_up 事件的含义不一定与其在 UA 中的含义相同。如果您的网站只有一个注册表单，且只有一个按钮会触发注册事件，那么事件数可能会非常接近。不过，如果您的网站有多个 sign_up 事件，那么比较 GA4 和 UA 的事件数可能就没有那么简单了，数据差异也可能比较大。

GA4 报告不显示“类别”“操作”和“标签”。您需要根据 GA4 模型重新考虑数据收集，而非将现有事件结构移植到 Google Analytics（分析）4。

以上来内容整理自Google分析官方，如有变动，一切以Google官方为准。希望大家在使用GA4的时候能有效分析用户数据，做出相应的策略，提升转化效果。

2023年6月10日

什么是数据分析及为何重要？
如今，数据无处不在。随着时间流逝，我们产生的数据总量也与日俱增。

目前虽有大量的可用数据，但是我们应该怎么处理这些数据？如何使用它们？这些数据又意味着什么？

如果我们只是在电子表格或数据库中收集和存储数据，而不去观察它、探索它、研究它，那么数据就没有意义。

数据分析师使用工具和流程去挖掘数据的意义。他们负责数据的收集、处理、调查、分析，得到洞察并获取新知。

什么是数据？数据的含义和定义

数据是指事实和碎片信息的集合。

数据对决策、计划甚至讲故事都至关重要。

有两种广泛而普遍的数据类型：
- 定性数据
- 定量数据
定性数据是指用非数字字符表示的数据。

它表现为图片、视频、文稿或音频。

这一类型的数据不能被测量或计数。

它用于确定人们对于某事的感受——它关于人们的感受、动机、观点、看法，并包含偏见。

它是描述性的，旨在回答诸如“为什么”、“如何”和“是什么”等问题。

定性数据通过观察、调查和对受访者的访问收集。

定性数据用数字字符表示。

这一类型的数据可计数、可测量、可比较。

它关于数字的数量，涉及诸如总量和平均数。

它旨在回答诸如“多少”、“多频繁”、“多久”的问题。

收集、分析、解释定量数据的行为，被称为统计分析。

统计分析有助于发掘数据中的潜在模式和趋势。

什么是数据分析？给初学者的定义

数据分析是通过对数据的清理、转换、操纵和检查，以将原始、混乱的数据转化为有用认知的行为。

从数据中获得的认知，会以图表、图形或仪表盘的形式，直观地展现出来。

被提取出的认知可以帮助企业或组织成长。决策者将能够得出可行的结论，并做出正确的商业决策。

从原始数据中获取知识，将帮助企业或组织推行触达更广泛客户群体的举措，在提升业绩的同时，增加利润。

数据分析的核心是识别和预测趋势，从现有数据中找出模式、相关性和联系，并为复杂问题找到解决方案。

数据分析为何重要？

数据即知识。

这意味着，数据对各行各业都不可或缺。

即使对行业内的每个部门来说，数据也是大有裨益的，不论是行政部、财务部、后勤部、营销部、设计部或工程部，不一而足。

下面，我将解释为何探寻数据、并为数据赋予背景和意义至关重要。

数据分析提升目标客户定位

通过分析数据，了解你的竞争对手，你将使自己的产品或服务与当前市场需求相匹配。

数据分析还能帮你确定产品或服务的最佳受众群体。

这样，你将能通过精准的定价策略，确保你的产品或服务实现盈利。

你也能开展更具针对性的活动，并了解将广告和内容直接有效触达受众的方法和形式。

了解你产品或服务的真正受众将改变你的整个战略，它将变得更以客户为导向，并根据客户需求定制。

本质上讲，有了适当的信息和工具，你将明白怎样交付既有价值，又有质量的产品或服务。

你也确保自己的产品或服务能为客户解决一个痛点。

这在产品开发阶段尤其重要，因为它既减少开支，又节省时间。

数据分析衡量成功和表现

通过分析数据，你可以衡量自身产品或服务与市场其他竞品的相对表现。

你既能识别出自身具有成功且理想结果的优势领域，也能确定存在问题的弱势领域。

此外，你还可以预估问题可能发生的领域并防患于未然。通过采取行动，防止问题的发生。

通过分析数据，你会明白在未来应该在何事上深度聚焦，在何事上抓大放小。

通过创建表现图，你可以设定目标并确定潜在机会。

数据分析可以帮助解决问题

通过对关联、正确且准确的数据进行分析，你将对需要做出的正确选择及如何做出更明智的决定都有更好的理解。

数据分析意味着拥有更好的洞察力，这有助于改善决策，并导向问题的解决。

以上这些都会帮助业务成长。

缺少数据分析或数据不足，可能是你的业务停滞的原因之一。

如果是这种情况，数据分析将有助于你在未来提出更有效的战略。

如果你的业务正在成长，数据分析将让它如虎添翼。

数据分析将助力业务潜力发挥，满足不同的目标：如提升客户留存率、开发新客户或提供更顺畅、愉悦的客户体验。
2023年6月4日
如何用Python和SQL进行网站数据分析？提高网站转化率的实用技巧！
Python和SQL是数据分析领域中非常常用的两个工具，可以用于网站数据分析。下面我们以某电商网站为例，介绍如何用Python和SQL进行网站数据分析。

数据收集

在进行数据分析之前，我们需要先收集数据。对于网站数据分析，我们可以通过以下几种方式进行数据收集：
1. 使用Google Analytics等网站分析工具，收集网站访问数据；
2. 使用Python爬虫技术，从网站上爬取数据；
3. 从数据库中提取数据。
在这里，我们以从数据库中提取数据为例。我们假设该电商网站使用MySQL数据库，其中包含了用户信息、订单信息、商品信息等数据。

我们可以使用Python中的pymysql库连接到MySQL数据库，然后使用SQL语句从数据库中提取数据。例如，我们可以使用以下代码从数据库中提取订单信息：
```
import pymysql

# 连接到MySQL数据库
conn = pymysql.connect(host='localhost', user='root', password='123456', database='ecommerce')

# 创建游标
cur = conn.cursor()

# 执行SQL语句，提取订单信息
cur.execute("SELECT * FROM orders")

# 获取查询结果
results = cur.fetchall()

# 关闭游标和连接
cur.close()
conn.close()
```
数据处理

在收集到数据之后，我们需要对数据进行处理，使其变得更加易于分析。数据处理包括数据清洗、数据转换、数据规约等步骤。

在这里，我们以数据清洗为例。数据清洗是指对数据进行去重、填充缺失值、处理异常值等操作，以保证数据的质量和准确性。

例如，我们可以使用以下代码对订单信息进行去重：
```
import pandas as pd

# 将查询结果转换为DataFrame格式
df = pd.DataFrame(list(results), columns=['order_id', 'user_id', 'order_time', 'total_price'])

# 对订单信息进行去重
df.drop_duplicates(subset=['order_id'], keep='first', inplace=True)
```
数据分析

在进行数据分析之前，我们需要先明确分析目标和指标。例如，我们可以对该电商网站的用户行为进行分析，以了解用户的购买习惯和偏好。

我们可以使用Python中的pandas和matplotlib库进行数据分析和可视化。例如，我们可以使用以下代码绘制用户购买金额的直方图：
```
import matplotlib.pyplot as plt

# 统计每个用户的购买金额
user_total_price = df.groupby('user_id')['total_price'].sum()

# 绘制直方图
plt.hist(user_total_price, bins=50)
plt.xlabel('Total Price')
plt.ylabel('Number of Users')
plt.show()
```
网站优化

通过对网站数据的分析，我们可以发现一些问题，并提出优化建议。例如，我们发现该电商网站的用户购买金额分布呈现长尾分布，大部分用户购买金额较低，这可能是由于网站的商品推荐不够精准，导致用户没有购买更高价位的商品。

因此，我们可以对网站的商品推荐算法进行优化，以提高用户购买高价位商品的概率。例如，我们可以使用机器学习算法对用户的购买行为进行分析，然后根据用户的购买历史和偏好，推荐更加精准的商品。

总结

本文介绍了如何用Python和SQL进行网站数据分析，包括数据收集、处理和分析等步骤。通过对网站数据的分析，我们可以发现问题并提出优化建议，以提高网站的用户体验和营销效果。
2023年6月2日

分类： 数据分析

一、什么是 Amazon DynamoDB？

二、注册与访问

三、创建 DynamoDB 表

四、使用 DynamoDB

五、结论

验证是否已启用 Google Ads 再营销

查看 Google Ads 中的受众群体来源卡片

查看 Google Analytics（分析）中的受众群体报告

查看 Google Analytics（分析）中的受众群体定义

查看是否已排除事件或用户属性，使其不用于广告个性化功能

查看是否已排除地理地区，使其不用于广告个性化功能

如果您在网站上使用的是 Google Marketing Platform 广告产品，请务必为您的网页设置再营销 Cookie

自定义漏斗的运作方式

前提条件

创建漏斗报告

将报告添加到导航栏

基于报告重新创建漏斗探索

分析漏斗

放弃率

留存率

查看漏斗步骤

开放和封闭漏斗

使用表格分析数据

调整条形图的大小

创建报告时的限制

针对已保存报告的限制

在 Google Analytics（分析）中的什么位置可以找到 AdSense 数据

查看 Google Analytics（分析）报告，以找到改进 AdSense 效果的途径

利用 Google Analytics（分析）跟踪流量

参考 Google Analytics（分析）中的数据洞见来进行流量分析

根据 Google Analytics（分析）中的统计数据来优化收入

保持流量纯净的技巧

使用 Google 优化工具进行 A/B 测试

衡量转化情况

重要意义

创建与修改

在 Google Analytics（分析）中创建事件

第 1 步：创建事件

第 2 步：将新事件标记为转化

在 Google Analytics（分析）中修改事件

将货币价值与转化相关联

准备工作

数据清洗

数据分析

访问量统计

访问来源分析

访问时间分析

用户行为分析

结论

找到您的 Google Analytics（分析）帐号，然后查看需要迁移哪些媒体资源

运行 GA4 设置助理向导

完成新 GA4 媒体资源的设置

启用 Google 信号

迁移目标

用户数

注意事项

网页浏览量

注意事项

购买次数

注意事项

会话数

注意事项

基于会话/流量的流量获取指标

注意事项

转化次数

注意事项

跳出率

注意事项

事件数

注意事项

什么是数据？数据的含义和定义

什么是数据分析？给初学者的定义

数据分析为何重要？

数据分析提升目标客户定位

数据分析衡量成功和表现

数据分析可以帮助解决问题

数据收集

数据处理

数据分析

分类：数据分析