BigQuery Insights

​​Простые способы строить продуктовые воронки на сырых данных. Основные примеры SQL-запросов.

via @BigQuery

​​Коэффициент Gini - показатель степени различных вариантов распределения данных.

Если построить распределение дохода людей — по нему можно оценить степень расслоения общества.

Еще его используют для оценки качества предсказательных моделей в машинном обучении и распределения продуктовых метрик.

И кстати, вот пример подсчета показателя Gini в BigQuery.

via @BigQuery

​​Aha-момент (или активация)

Это когда пользователь осознаёт ценность продукта и принимает решение его использовать.

Павел Левчук описал способ его поиска на основе данных.

via @BigQuery

​​Бесплатный курс по игровой аналитике от Василия Сабирова.

Поможет разобраться в метриках продукта и их взаимосвязях, а также находить «слабые места» и потенциальные точки роста.

Время прохождения один день. Полезен будет не только игровым аналитикам.

via @BigQuery

​​Google Data Studio представила новую полезную функцию — Community Visualizations. С помощью нее можно создавать собственные диаграммы для более удобной визуализации данных. Некоторые новые диаграммы представлены в галерее и уже доступны для тестирования.

Чтобы добавить в свой отчет пользовательскую диаграмму, нужно открыть Community Visualizations и ввести идентификатор компонента визуализации (см. скриншот). Например: gs://public-community-viz-showcase-reports/sankey. Эти идентификаторы можно найти в галерее, на демонстрационных страницах диаграмм.

Подробнее:
- Видео-инструкция по использованию Community Visualizations
- Галерея визуализаций
- Справка по новой функции
- Инструкция по созданию новых визуализаций для разработчиков

via @webanalyst

​​Инструкция как начать работу в Google BigQuery при помощи Python от Алексея Макарова.

via @BigQuery

​​В сети появился скрипт для ежедневного экспорта данных Amplitude в BigQuery через Google Cloud Storage

via @BigQuery

​​Хорошая новость от Firebase

В будущем произойдет оптимизация ивентов Firebase, благодаря чему определять сессии станет проще:

• Появится новое свойство ивентов ga_session_id с идентификатором сессии пользователя.

• Ивент session_start по дефолту будет приходить не через 10 секунд, как было раньше, а сразу при запуске приложения.

• Вместо большого количества ивентов user_engagement добавится новое свойство ивентов engagement_time_msec.

Как использовать новые изменения на примерах SQL-запросов показано в блоге.

via @BigQuery

​​Как избежать ошибок в отчетах?

Гарантий нет никогда, но «Если данные пытать, они признаются в чем угодно»

Методики тестирования аналитических отчетов

via @BigQuery

​​Появилось расширение для Chrome, которое позволяет быстрее обращаться к данным. А именно некий переводчик с человеческого языка на язык SQL-запросов. Работает в новом интерфейсе BigQuery.

via @BigQuery

​​Подборка видеодокладов об аналитике этой осени

• Поиск инсайтов в данных при помощи матриц взаимодействий (Saas Meetup)

• Расширяем знания о воронках продукта при помощи графов (Retentioneering)

• Все об АВ-тестах и их метриках (Analytics Day Осень 2018)

via @BigQuery

​​Firebase Predictions - функционал, который для каждого пользователя приложения рассчитывает вероятность оттока и покупки (или любого другого события). Помогает принимать обоснованные решения по продукту и расти быстрее. Результаты экспортирует в BigQuery в отдельную таблицу.
Можно использовать для настройки аудиторий, более умной сегментации и персонализации сообщений.

via @BigQuery

​​Если вам было неудобно запускать A/B тесты через Google Optimize из-за ограничений визуального редактора — есть хорошая новость: в Google Optimize появилась поддержка Javascript API.

Кстати, если вы хотите запускать серверные эксперименты — в Google Optimize есть и такая возможность.

via @webanalyst

​​Интересный пример (en) решения задачи прогнозирования с использованием BigQuery ML на публичных данных с шаблонами SQL-запросов.
Есть интерактивный дашборд в Data Studio, который отвечает на вопрос: Как долго ожидать ответ на Stack Overflow в зависимости от вопроса?

via @BigQuery

​​Funnel Based Attribution - модель атрибуции на основе воронки, рассчитывает влияние рекламных каналов на основании ценности прохождения шагов воронки, автор Владислав Флакс.

В сети появилось решение с примером SQL-запроса.

via @BigQuery

​​Алексей Селезнев, автор популярных R-пакетов для обработки данных из рекламных систем и систем аналитики завел свой Telegram-канал — @R4marketing. На канале будут появляться обновления пакетов и новые интересные статьи по применению языка R в интернет-маркетинге.

via @webanalyst

​​О машинном обучении сейчас говорят все больше и больше людей. Рекламные системы постоянно внедряют и улучшают алгоритмы машинного обучения для максимизации эффекта от рекламных кампаний. Если вы слабо понимаете, как работает исскуственный интелект — прочитайте большое введение в эту тему. Статья интересно написана очень простым языком, без формул-теорем, зато с примерами реальных задач и их решений.

via @webanalyst

​​Зачем запускать SQL-запросы по расписанию?

Совсем недавно Google запустил новый функционал Scheduling Queries, позволяющий автоматизировать запуск SQL-запросов по расписанию прямо в интерфейсе BigQuery. Какую пользу от этого можно извлечь, описал в статье с примером и пошаговой реализацией.

via @BigQuery

​​Google запустил «песочницу» для BigQuery

Вы можете протестировать BigQuery без кредитной карты, используя BigQuery sandbox

via @BigQuery

​​Полезная видео-инструкция (en) о работе со вложенными полями в BigQuery. Поможет разобраться в структуре данных стандартного экспорта GA 360 и Firebase.

via @BigQuery