1.2.2 Crie sua primeira consulta no BigQuery

Objetivos

  • Explore a interface do usuário do BigQuery
  • Criar uma consulta SQL no BigQuery
  • Salve os resultados da consulta SQL em um conjunto de dados no BigQuery

Contexto

Quando os dados do Google Analytics estão no BigQuery, dimensões, métricas e outras variáveis são aninhadas. Além disso, os dados do Google Analytics são carregados diariamente em diferentes tabelas. Isso significa que tentar conectar tabelas do Google Analytics no BigQuery diretamente ao Adobe Experience Platform é muito difícil e não é uma boa ideia.

A solução para esse problema é transformar os dados do Google Analytics em um formato legível para facilitar a assimilação no Adobe Experience Platform.

1.2.2.1 Criar um conjunto de dados para salvar novas tabelas do BigQuery

Vá para o Console do BigQuery.

demonstração

No Explorer, você verá sua ID do Projeto. Clique na ID do projeto (não clique no conjunto de dados bigquery-public-data).

demonstração

Você pode ver que ainda não há um conjunto de dados, então, vamos criar um agora.
Clique em 3 e em CRIAR CONJUNTO DE DADOS.

demonstração

No lado direito da tela, você verá o menu Criar conjunto de dados.

demonstração

Para a ID do Conjunto de Dados, use a convenção de nomenclatura abaixo. Para os outros campos, deixe as configurações padrão.

Nomenclatura
Exemplo
--aepUserLdap--_BigQueryDataSet
vangeluw_BigQueryDataSet

Clique em CRIAR CONJUNTO DE DADOS.

demonstração

Você voltará ao console do BigQuery com seu conjunto de dados criado.

demonstração

1.2.2.2 Criar seu primeiro SQL BigQuery

Em seguida, você criará sua primeira query no BigQuery. O objetivo desse query é obter os dados de amostra do Google Analytics e transformá-los para que possam ser assimilados no Adobe Experience Platform. Vá para a guia Consulta sem título.

demonstração

Copie a consulta SQL a seguir e cole-a no Editor de consultas. Fique à vontade para ler a consulta e entender a sintaxe do Google Analytics BigQuery.

SELECT
  CONCAT(fullVisitorId, CAST(hitTime AS String), '-', hitNumber) AS _id,
  TIMESTAMP(DATETIME(Year_Current, Month_Current, Day_Current, Hour, Minutes, Seconds)) AS timeStamp,
  fullVisitorId as GA_ID,
  -- Fake CUSTOMER ID
  CONCAT('3E-D4-',fullVisitorId, '-1W-93F' ) as customerID,
  Page,
  Landing_Page,
  Exit_Page,
  Device,
  Browser,
  MarketingChannel,
  TrafficSource,
  TrafficMedium,
  -- Enhanced Ecommerce
  TransactionID,
  CASE
      WHEN EcommerceActionType = '2' THEN 'Product_Detail_Views'
      WHEN EcommerceActionType = '3' THEN 'Adds_To_Cart'
      WHEN EcommerceActionType = '4' THEN 'Product_Removes_From_Cart'
      WHEN EcommerceActionType = '5' THEN 'Product_Checkouts'
      WHEN EcommerceActionType = '6' THEN 'Product_Refunds'
    ELSE
    NULL
  END
     AS Ecommerce_Action_Type,
  -- Entrances (metric)
  SUM(CASE
      WHEN isEntrance = TRUE THEN 1
    ELSE
    0
  END
    ) AS Entries,

--Pageviews (metric)
    COUNT(*) AS Pageviews,

 -- Exits
    SUM(
    IF
      (isExit IS NOT NULL,
        1,
        0)) AS Exits,

 --Bounces
   SUM(CASE
      WHEN isExit = TRUE AND isEntrance = TRUE THEN 1
    ELSE
    0
  END
    ) AS Bounces,

  -- Unique Purchases (metric)
  COUNT(DISTINCT TransactionID) AS Unique_Purchases,
  -- Product Detail Views (metric)
  COUNT(CASE
      WHEN EcommerceActionType = '2' THEN fullVisitorId
    ELSE
    NULL
  END
    ) AS Product_Detail_Views,
  -- Product Adds To Cart (metric)
  COUNT(CASE
      WHEN EcommerceActionType = '3' THEN fullVisitorId
    ELSE
    NULL
  END
    ) AS Adds_To_Cart,
  -- Product Removes From Cart (metric)
  COUNT(CASE
      WHEN EcommerceActionType = '4' THEN fullVisitorId
    ELSE
    NULL
  END
    ) AS Product_Removes_From_Cart,
  -- Product Checkouts (metric)
  COUNT(CASE
      WHEN EcommerceActionType = '5' THEN fullVisitorId
    ELSE
    NULL
  END
    ) AS Product_Checkouts,
  -- Product Refunds (metric)
  COUNT(CASE
      WHEN EcommerceActionType = '7' THEN fullVisitorId
    ELSE
    NULL
  END
    ) AS Product_Refunds
  FROM (
  SELECT
    -- Landing Page (dimension)
    CASE
      WHEN hits.isEntrance = TRUE THEN hits.page.pageTitle
    ELSE NULL
  END
    AS Landing_page,

        -- Exit Page (dimension)
    CASE
      WHEN hits.isExit = TRUE THEN hits.page.pageTitle
    ELSE
    NULL
  END
    AS Exit_page,

    hits.page.pageTitle AS Page,
    hits.isEntrance,
    hits.isExit,
    hits.hitNumber as hitNumber,
    hits.time as hitTime,
    date as Fecha,
    fullVisitorId,
    visitStartTime,
    device.deviceCategory AS Device,
    device.browser AS Browser,
    channelGrouping AS MarketingChannel,
    trafficSource.source AS TrafficSource,
    trafficSource.medium AS TrafficMedium,
    hits.transaction.transactionId AS TransactionID,
    CAST(EXTRACT(YEAR FROM CURRENT_DATE()) AS INT64) AS Year_Current,
    CAST(EXTRACT(MONTH FROM CURRENT_DATE()) AS INT64) AS Month_Current,
     CAST(EXTRACT(DAY FROM CURRENT_DATE()) AS INT64) AS Day_Current,
    CAST(EXTRACT(DAY FROM DATE_SUB(CURRENT_DATE(),INTERVAL 1 DAY)) AS INT64) AS Day_Current_Before,
    CAST(FORMAT_DATE('%Y', PARSE_DATE("%Y%m%d", date)) AS INT64) AS Year,
  CAST(FORMAT_DATE('%m', PARSE_DATE("%Y%m%d",date)) AS INT64) AS Month,
  CAST(FORMAT_DATE('%d', PARSE_DATE("%Y%m%d",date)) AS INT64) AS Day,
    CAST(EXTRACT (hour FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS Hour,
  CAST(EXTRACT (minute FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS Minutes,
  CAST(EXTRACT (second FROM TIMESTAMP_SECONDS(hits.time)) AS INT64) AS SecondS,
    hits.eCommerceAction.action_type AS EcommerceActionType

  FROM
    `bigquery-public-data.google_analytics_sample.ga_sessions_*`,
     UNNEST(hits) AS hits
  WHERE
    _table_suffix BETWEEN '20170101'
    AND '20170331'
    AND totals.visits = 1
    AND hits.type = 'PAGE'
    )

GROUP BY
  1,
  2,
  3,
  4,
  5,
  6,
  7,
  8,
  9,
  10,
  11,
  12,
  13,
  14

  ORDER BY 2 DESC

Quando estiver pronto, clique em Executar para executar a consulta:

demonstração

A execução da consulta pode levar alguns minutos.

Após a conclusão da execução da consulta, você verá a saída abaixo nos Resultados da consulta.

demonstração

1.2.2.3 Salve os resultados da sua consulta SQL do BigQuery

A próxima etapa é salvar a saída de sua consulta clicando no botão SALVAR RESULTADOS.

demonstração

Como o local da saída, selecione tabela BigQuery.

demonstração

Você verá um novo pop-up, no qual o Nome do Projeto e o Nome do Conjunto de Dados são preenchidos previamente. O nome do conjunto de dados deve ser o conjunto de dados criado no início deste exercício, com esta convenção de nomenclatura:

Nomenclatura
Exemplo
--aepUserLdap--_BigQueryDataSet
vangeluw_BigQueryDataSet

Agora é necessário inserir um nome de Tabela. Use esta convenção de nomenclatura:

Nomenclatura
Exemplo
--aepUserLdap--_GAdataTableBigQuery
vangeluw_GAdataTableBigQuery

Clique em SALVAR.

demonstração

Pode levar algum tempo até que os dados estejam prontos na tabela criada. Após alguns minutos, atualize o navegador. Em seguida, você deve ver em seu conjunto de dados a tabela --aepUserLdap--_GAdataTableBigquery no Explorer dentro do seu projeto do BigQuery.

demonstração

Agora você pode continuar com o próximo exercício, em que conectará essa tabela ao Adobe Experience Platform.

Próximas etapas

Ir para 1.2.3 Conectar GCP e BigQuery ao Adobe Experience Platform

Retorne para Assimilar e analisar dados do Google Analytics no Adobe Experience Platform com o Conector de Source do BigQuery

Voltar para Todos os módulos

recommendation-more-help
4bbf020c-24db-4a43-b239-88fab142f02d